Stratyfikowane losowe próbkowanie: zalety i wady
Gdy eksperymentatorzy lub badacze szukają danych, często niemożliwe jest zmierzenie każdego pojedynczego punktu danych w populacji. Jednak metody statystyczne pozwalają na wnioskowanie o populacji poprzez analizę wyników mniejszej próby wyodrębnionej z tej populacji. Istnieje kilka metod pobierania próbek.
Warstwowe losowe pobieranie próbek jest jedną z powszechnych metod wykorzystywanych przez badaczy, ponieważ umożliwia im uzyskanie populacji próbnej, która najlepiej reprezentuje całą badaną populację, zapewniając reprezentację każdej podgrupy będącej przedmiotem zainteresowania. Niemniej jednak ta metoda badań nie jest pozbawiona wad.
Kluczowe wnioski
- Warstwowe losowe pobieranie próbek umożliwia badaczom uzyskanie populacji próbnej, która najlepiej reprezentuje całą badaną populację, poprzez podzielenie jej na podgrupy zwane warstwami.
- Ta metoda statystycznego doboru próby nie może być jednak stosowana w każdym projekcie badania lub w każdym zestawie danych.
- Warstwowe losowe pobieranie próbek różni się od prostego losowego pobierania próbek, które polega na losowym doborze danych z całej populacji, tak więc każda możliwa próba jest równie prawdopodobna.
Stratyfikowane losowe próbkowanie: przegląd
Warstwowe losowe pobieranie próbek obejmuje najpierw podzielenie populacji na subpopulacje, a następnie zastosowanie metod losowego pobierania próbek do każdej subpopulacji w celu utworzenia grupy testowej. Wadą jest sytuacja, gdy naukowcy nie mogą zaklasyfikować każdego członka populacji do podgrupy.
Warstwowe losowe pobieranie próbek różni się od prostego losowego pobierania próbek, które polega na losowym doborze danych z całej populacji, tak aby każda możliwa próbka miała jednakowe prawdopodobieństwo wystąpienia. Natomiast losowe próbkowanie warstwowe dzieli populację na mniejsze grupy lub warstwy w oparciu o wspólne cechy. Próbka losowa jest pobierana z każdej warstwy w bezpośredniej proporcji do wielkości warstwy w porównaniu z populacją.
Przykład losowego próbkowania warstwowego
Poniżej przedstawiono przykład losowego próbkowania warstwowego:
Naukowcy prowadzą badanie mające na celu ocenę poglądów politycznych studentów ekonomii na jednym z głównych uniwersytetów. Naukowcy chcą mieć pewność, że próba losowa najlepiej odzwierciedla populację studentów, w tym płeć, studentów studiów licencjackich i magisterskich. Całkowita populacja badana to 1000 uczniów, a stamtąd tworzone są podgrupy, jak pokazano poniżej.
Całkowita populacja = 1000
Badacze przyporządkowaliby każdego studenta ekonomii na uniwersytecie do jednej z czterech subpopulacji: absolwentów płci męskiej, studentów studiów licencjackich, absolwentów płci męskiej i absolwentów płci żeńskiej. Następnie naukowcy policzyli, ilu uczniów z każdej podgrupy stanowi całkowitą populację 1000 uczniów. Stamtąd naukowcy obliczają procentową reprezentację każdej podgrupy w całej populacji.
Podgrupy:
- Studenci płci męskiej = 450 studentów (na 100) lub 45% populacji
- Studenci płci żeńskiej = 200 studentów lub 20%
- Absolwenci płci męskiej = 200 studentów lub 20%
- Absolwentki = 150 studentów lub 15%
Wykonywane jest losowe pobieranie próbek z każdej subpopulacji na podstawie jej reprezentacji w całej populacji. Ponieważ studenci płci męskiej stanowią 45% populacji, 45 studentów płci męskiej jest wybieranych losowo z tej podgrupy. Ponieważ absolwenci płci męskiej stanowią tylko 20% populacji, do próby wybiera się 20 osób i tak dalej.
Chociaż losowe próbkowanie warstwowe dokładnie odzwierciedla badaną populację, warunki, które muszą być spełnione, oznaczają, że ta metoda nie może być stosowana w każdym badaniu.
Zalety losowego próbkowania warstwowego
Losowe próbkowanie warstwowe ma zalety w porównaniu z prostym próbkowaniem losowym.
Dokładnie odzwierciedla zbadaną populację
Warstwowe losowe pobieranie próbek dokładnie odzwierciedla badaną populację, ponieważ naukowcy stratyfikują całą populację przed zastosowaniem metod losowania. Krótko mówiąc, zapewnia, że każda podgrupa w populacji otrzymuje odpowiednią reprezentację w próbie. W rezultacie losowe losowanie warstwowe zapewnia lepsze pokrycie populacji, ponieważ naukowcy mają kontrolę nad podgrupami, aby zapewnić, że wszystkie z nich są reprezentowane w próbkowaniu.
W przypadku prostego losowego pobierania próbek nie ma żadnej gwarancji, że wybrana zostanie jakakolwiek konkretna podgrupa lub typ osoby. W naszym wcześniejszym przykładzie studentów uniwersytetu użycie prostego losowego doboru próby w celu uzyskania próby 100 z populacji może spowodować wybranie tylko 25 studentów płci męskiej lub tylko 25% całej populacji. Można również wybrać 35 absolwentek (35% populacji), co skutkuje niedostateczną reprezentacją studentów płci męskiej i nadreprezentacją absolwentek. Wszelkie błędy w reprezentacji populacji mogą potencjalnie zmniejszyć dokładność badania.
Wady losowego próbkowania warstwowego
Warstwowe losowe pobieranie próbek również stawia badaczy w niekorzystnej sytuacji.
Nie może być używany we wszystkich badaniach
Niestety, ta metoda badań nie może być stosowana w każdym badaniu. Wadą tej metody jest to, że musi być spełnionych kilka warunków, aby mogła być prawidłowo stosowana. Badacze muszą zidentyfikować każdego członka badanej populacji i zaklasyfikować każdego z nich do jednej i tylko jednej subpopulacji. W rezultacie losowe próbkowanie warstwowe jest niekorzystne, gdy naukowcy nie mogą z całą pewnością zaklasyfikować każdego członka populacji do podgrupy. Również znalezienie wyczerpującej i ostatecznej listy całej populacji może być trudne.
Nakładanie się może stanowić problem, jeśli istnieją przedmioty należące do wielu podgrup. Gdy przeprowadza się proste losowe pobieranie próbek, istnieje większe prawdopodobieństwo, że zostaną wybrani ci, którzy należą do wielu podgrup. Rezultatem może być błędne przedstawienie lub niedokładne odzwierciedlenie populacji.
Powyższy przykład to ułatwia: Studenci, absolwenci, mężczyźni i kobiety to jasno zdefiniowane grupy. W innych sytuacjach może to być jednak znacznie trudniejsze. Wyobraź sobie, że łączysz takie cechy, jak rasa, pochodzenie etniczne lub religia. Proces sortowania staje się trudniejszy, co sprawia, że losowe próbkowanie warstwowe jest metodą nieskuteczną i mniej niż idealną.