Stratificirano vzorčenje, kar je, vrste, prednosti in slabosti

On Stratificirano vzorčenje, O stratifikacija, to je metoda vzorčenja, ki pomeni delitev prebivalstva na manjše podskupine, znane kot sloji. Ti sloji so oblikovani na podlagi lastnosti ali skupnih značilnosti članov, kot sta dohodek ali stopnja izobraževanja.

Uporablja se za poudarjanje razlik med skupinami populacije, za razliko od preprostega vzorčenja, ki vse člane prebivalstva obravnava kot enako, z enako verjetnostjo vzorčenja.

Vir: Needpix.com

Cilj je izboljšati natančnost vzorca z zmanjšanjem napake vzorčenja. Lahko ustvari tehtano srednjo vrednost z manj spremenljivosti kot aritmetična srednja vrednost preprostega vzorca populacije.

Stratifikacija je postopek razdrobljenosti pred vzorčenjem pripadnikov prebivalstva v homogeni podskupini. Skozi sloje je definirana porazdelitev prebivalstva.

To pomeni, da mora biti kolektivno izčrpen in medsebojno izključujoč, zato mora biti vsak element populacije dodeljen en sam sloj. Nato se v vsakem sloju uporabi sistematično ali preprosto vzorčenje.

[TOC]

Pomembni premisleki

Pomembno je opozoriti, da Strata ne bi smeli biti nasprotni. Če imate podskupine, bo nekateremu ljudem dalo več možnosti, da bodo izbrani kot subjekti. To popolnoma ovira pojem stratificiranega vzorčenja kot prototipa vzorčenja.

Prav tako je pomembno, da bi moral raziskovalec uporabiti preprosto vzorčenje znotraj različnih slojev.

Najpogostejši sloji, ki se uporabljajo pri stratificiranem vzorčenju.

Kaj je stratificirano vzorčenje?

Pri zaključku analize v skupini subjektov s podobnimi značilnostmi lahko raziskovalec ugotovi, da je velikost prebivalstva prevelika, da bi zaključila to raziskavo.

Če želite prihraniti čas in denar, lahko sprejmete bolj izvedljivo perspektivo z izbiro majhne skupine prebivalstva. Ta majhna skupina se imenuje velikost vzorca, ki je podmnožica populacije, ki se uporablja za predstavljanje celotne populacije.

Vzorec populacije lahko izberete na več načinov, od katerih je eden s stratificiranim vzorčenjem. To pomeni, da skupno populacijo deli na homogene skupine, imenovane sloji. Nato so izbrani naključni vzorci vsakega sloja.

Postopek za izvajanje stratificiranega vzorčenja

- Populacijo razdelite na manjše podskupine ali sloje v skladu z atributi in značilnostmi, ki jih delijo člani.

- Vzemite naključni vzorec vsakega sloja v številki, ki je sorazmerna z velikostjo sloja.

- Združite podskupino slojev, da tvori naključni vzorec.

Vam lahko služi: kriminalno spodbudo

- Izvesti analizo.

Na primer, razmislite o raziskovalcu, ki bi rad vedel, koliko študentov uprave, ki so v treh mesecih po diplomi v letu 2018 prejeli ponudbo za zaposlitev. Kmalu boste odkrili, da jih je bilo skoraj 200.000 administracije v tem letu.

Lahko bi se odločil, da bom preprosto vzel naključni vzorec 5.000 diplomantov in opravite anketo. Še bolje, lahko populacijo razdelite na sloje in na te sloje vzamejo naključni vzorec.

Da bi to naredil, bi ustvaril starostne skupine na podlagi starosti, rase, državljanstva ali poklicne zgodovine.

Vzeti bi bil naključni vzorec vsakega sloja, sorazmerno z velikostjo sloja glede na skupno populacijo. Ta podskupina bi bila združena tako, da tvori vzorec.

Fantje

Sorazmerno stratificirano vzorčenje

Pri tej vrsti je velikost vzorca za vsak sloj sorazmerna z velikostjo populacije populacije v primerjavi s celotno populacijo. To pomeni, da ima vsak slot enak delež vzorčenja.

Ko je za določitev slojev izbran značilnost posameznikov, so nastale podskupine pogosto različnih velikosti.

Na primer, želimo preučiti odstotek mehiške populacije, ki kadijo. Definirani so trije sloji:

- Manj kot 20 let.

- Med 20 in 44.

- Večji od 44.

Ko je populacija Mehike razdeljena na te tri sloje, se pričakuje, da bodo tri skupine enake velikosti. Pravzaprav resnični podatki to potrjujejo:

- Stratum 1: 42.4 milijone (41.0%).

- Stratum 2: 37.6 milijonov (36.3%).

- Stratum 3: 23.5 milijonov (22.7%).

Če se uporablja sorazmerno stratificirano vzorčenje, bi moral vzorec sestavljati sloji, ki ohranjajo enake deleže kot populacija. Če želite ustvariti vzorec 1.000 posameznikov, vzorci morajo imeti naslednje velikosti:

Je zelo podoben zbiranju manjšega populacije, ki ga določajo relativni deleži slojev znotraj populacije.

Enotno stratificirano vzorčenje

Pri tej vrsti je enaka velikost vzorca dodeljena vsem definiranim slojem, ne glede na težo teh slojev znotraj populacije.

Enotno stratificirano vzorčenje v prejšnjem primeru bi ustvarilo naslednji vzorec za vsak sloj:

Ta metoda daje prednost slojem, ki imajo v populaciji manjšo težo, tako da jim podeli enako pomembnost kot najpomembnejši sloji.

Lahko vam služi: zgodovina in evolucija kakovosti

To zmanjšuje globalno učinkovitost vzorca, vendar omogoča preučevanje posameznih značilnosti vsakega sloja bolj natančno.

V primeru, če želite navesti določeno izjavo o populaciji Stratuma 3 (nad 44), bi lahko napake vzorčenja zmanjšali z vzorcem 333 enot, namesto vzorca 227 enot, kot je pridobljeno iz sorazmernega stratificiranega vzorčenja.

Prednosti in slabosti

Stratificirano vzorčenje dobro deluje za populacije, ki imajo različne lastnosti, sicer pa ne bo učinkovito, če podskupin ni mogoče oblikovati.

- Prednosti

Zberite ključne funkcije

Glavna prednost stratificiranega vzorčenja je, da ključne značilnosti populacije zbirajo v vzorcu.

Podobno kot tehtano povprečje tudi ta metoda vzorčenja daje značilnosti v vzorcu, ki so sorazmerne s skupno populacijo.

Večja statistična natančnost

Stratifikacija daje nižjo napako pri oceni kot preprosta metoda vzorčenja. Večja je razlika med sloji, večji je dobiček v natančnosti.

Pri primerjavi s preprostim vzorčenjem obstaja večja statistična natančnost. To je zato, ker je znotraj podskupin spremenljivost nižja, če v primerjavi s spremembami, predstavljenimi s skupno populacijo.

Manjša velikost vzorca

Ker ima ta tehnika visoko statistično natančnost, pomeni tudi, da potrebuje manjšo velikost vzorca, ki lahko prihrani veliko truda, denarja in časa raziskovalcev.

- Slabosti

Na žalost te raziskovalne metode ni mogoče uporabiti v vseh študijah. Pomanjkljivost metode je, da je treba za pravilno uporabo izpolniti več pogojev.

Težave pri iskanju slojev

Glavna pomanjkljivost je, da je težko prepoznati ustrezne sloje za študijo. Poleg tega je iskanje izčrpnega in dokončnega seznama celotne populacije lahko izziv.

Kompleksnost za organizacijo

Druga pomanjkljivost je, da je bolj zapleteno organizirati in analizirati rezultate v primerjavi s preprostim vzorčenjem.

Raziskovalci morajo določiti vsakega člana populacije, ki se preučuje in ga razvrsti v samo podpopulacijo. Kot rezultat, je stratificirano vzorčenje neugodno, če raziskovalci ne morejo z zaupanjem vsakega člana prebivalstva z zaupanjem v podskupino.

Nasprotovanje je lahko težava, če obstajajo subjekti, ki so razdeljeni na več podskupin. Ko se izvede preprosto vzorčenje, bodo izbrani tisti, ki so v več podskupinah. Rezultat je lahko napačna predstavitev ali netočen odraz prebivalstva.

Vam lahko služi: Ernest Dale: Biografija in prispevki za upravo

Primeri, kot so univerzitetni študenti, diplomanti, moški in ženske, olajšajo, saj so jasno opredeljene skupine.

Vendar bi bilo v drugih situacijah lahko veliko težje. Lahko si predstavljate, da vključijo značilnosti, kot so rasa, etnični izvor ali religija. Postopek klasifikacije bi postal težji, s stratificiranim vzorčenjem v neučinkovito metodo.

Primer

Recimo, da želi raziskovalna skupina določiti povprečne opombe študentov v ZDA.

Raziskovalna skupina ima očitne težave pri zbiranju teh podatkov od 21 milijonov študentov. Zato se odloči, da bo vzel vzorec populacije in uporabil le 4.000 študentov.

Skupina opazuje različne lastnosti udeležencev vzorca in se sprašuje, ali obstaja kakšna razlika med povprečnimi zapiski in specializacijo študentov.

V vzorcu je 560 študentov angleško, 1.135 znanosti, 800 računalništva, 1.090 inženiring in 415 matematike.

Skupina želi uporabiti sorazmerno stratificirano vzorčenje, kjer so vzorčni sloji sorazmerni z vzorcem populacije.

Ustvarjanje slojev

Da bi to naredili, ekipa raziskuje statistiko študentov v ZDA.Uu. In poiščite uradni odstotek študentov, ki so specializirani: 12% v angleščini, 28% v znanosti, 24% iz računalništva, 21% inženiringa in 15% iz matematike.

Zato je iz postopka stratificiranega vzorčenja ustvarjenih pet slojev. Skupina mora potrditi, da je sloj prebivalstva sorazmerna z vzorčnim slojem. Vendar ugotovi, da deleži niso enaki.

Zato se mora ekipa vrniti na vzorec 4 populacije.000 študentov, tokrat pa naključno izberete 480 (12%) študentov angleščine, 1.120 (28%) znanosti, 960 (24%) računalništva, 840 (21%) inženirstva in 600 (15%) matematike.

S tem je stratificirani proporcionalni vzorec univerz, ki zagotavlja boljše zastopanje študentov v ZDA.Uu.

Raziskovalci lahko izpostavijo določen sloj, opazujejo različne študije študentov na ameriški univerzi.Uu. in upoštevajte različna povprečja opomb.

Reference

1. Adam Hayes (2019). Stratificirano naključno vzorčenje. Vzet od: Investpedia.com.
2. Wikipedia, brezplačna enciklopedija (2019). Stratificirano vzorčenje. Vzeto od: v.Wikipedija.org.
3. Raziskovalno (2019). Stratificirana metoda vzorca. Vzeto od: Raziskovalno.com.
4. Raziskava Gizmo (2019). Kaj je stratificiran vzorec in kdaj je iTed? Vzeto iz: SurveyGizmo.com.
5. Ashley Crossman (2019). Razumevanje stratificiranih vzorcev in kako jih narediti. Misel co. Vzeto od: Thoughtco.com.
6. Carlos Ochoa (2017). Naključno vzorčenje: stratificirano vzorčenje. Vzet od: Netquest.com.