Systematyczne pobieranie próbek: zalety i wady
Istnieją wyraźne zalety i wady stosowania systematycznego próbkowania jako statystycznej metody doboru próby podczas prowadzenia badań populacji objętej badaniem.
Systematyczne pobieranie próbek: przegląd
Systematyczne pobieranie próbek jest prostsze i prostsze niż losowe pobieranie próbek. Może też bardziej sprzyjać objęciem szerokiego obszaru badań. Z drugiej strony systematyczne pobieranie próbek wprowadza do danych pewne dowolne parametry. Może to powodować nadmierną lub niedostateczną reprezentację określonych wzorców.
Systematyczne pobieranie próbek jest popularne wśród badaczy ze względu na swoją prostotę. Badacze na ogół zakładają, że wyniki są reprezentatywne dla większości normalnych populacji, chyba że przypadkowa charakterystyka nieproporcjonalnie występuje z każdą „n-tą” próbką danych (co jest mało prawdopodobne).
Na początek badacz wybiera początkową liczbę całkowitą, na której opiera się system. Ta liczba musi być mniejsza niż populacja jako całość (np. Nie pobierają próbki co 500 jardów na 100-metrowe boisko do piłki nożnej). Po wybraniu liczby badacz wybiera odstęp lub odstępy między próbkami w populacji.
Kluczowe wnioski
- Ze względu na swoją prostotę systematyczne pobieranie próbek jest popularne wśród badaczy.
- Inne zalety tej metodologii to eliminacja zjawiska selekcji klastrowej i niskie prawdopodobieństwo zanieczyszczenia danych.
- Wady obejmują nadmierną lub niedostateczną reprezentację określonych wzorców oraz większe ryzyko manipulacji danymi.
Przykład systematycznego pobierania próbek
W systematycznej próbie wybrane dane są równomiernie rozłożone. Na przykład w populacji 10 000 osób statystyk może wybrać do próbkowania co setną osobę. Okresy próbkowania mogą być również systematyczne, na przykład wybieranie jednej nowej próbki co 12 godzin.
Zalety systematycznego pobierania próbek
Zalety systematycznego pobierania próbek obejmują:
Łatwy do wykonania i zrozumienia
Systematyczne próbki są stosunkowo łatwe do skonstruowania, wykonania, porównania i zrozumienia. Jest to szczególnie ważne w przypadku badań lub ankiet, które działają przy napiętych ograniczeniach budżetowych.
Kontrola i poczucie procesu
Systematyczna metoda zapewnia również badaczom i statystykom pewien stopień kontroli i wyczucia procesu. Może to być szczególnie korzystne w przypadku badań ze ścisłymi parametrami lub wąsko sformułowaną hipotezą, zakładając, że próbkowanie jest rozsądnie skonstruowane tak, aby pasowało do określonych parametrów.
Wyeliminowano wybór klastrowy
Selekcja skupiona, zjawisko, w którym losowo wybrane próbki są niezwykle blisko siebie w populacji, jest eliminowana w systematycznym próbkowaniu. Próbki losowe mogą sobie z tym poradzić tylko poprzez zwiększenie liczby próbek lub przeprowadzenie więcej niż jednej ankiety. Mogą to być drogie alternatywy.
Czynnik niskiego ryzyka
Być może największą zaletą systematycznego podejścia jest niski czynnik ryzyka. Podstawowe potencjalne wady systemu wiążą się z wyraźnie niskim prawdopodobieństwem skażenia danych.
Wady systematycznego pobierania próbek
Ta metoda badawcza ma również wady:
Zakłada, że można określić wielkość populacji
Metoda systematyczna zakłada, że wielkość populacji jest dostępna lub może być rozsądnie przybliżona. Załóżmy na przykład, że naukowcy chcą zbadać wielkość szczurów na danym obszarze. Jeśli nie mają pojęcia, ile jest szczurów, nie mogą systematycznie wybierać punktu początkowego ani rozmiaru interwału.
Potrzeba naturalnego stopnia losowości
Populacja musi wykazywać naturalny stopień losowości wzdłuż wybranej miary. Jeśli populacja ma typ ustandaryzowanego wzorca, ryzyko przypadkowego wybrania bardzo częstych przypadków jest bardziej widoczne.
W prostej hipotetycznej sytuacji rozważ listę ulubionych ras psów, na której (celowo lub przypadkowo) każdy pies o parzystych numerach na liście był mały, a każdy nieparzysty pies był duży. Gdyby systematyczny próbnik rozpoczynał się od czwartego psa i wybierał okres sześciu, badanie pomijałoby duże psy.
Większe ryzyko manipulacji danymi
Istnieje większe ryzyko manipulacji danymi przy systematycznym pobieraniu próbek, ponieważ naukowcy mogą być w stanie skonstruować swoje systemy, aby zwiększyć prawdopodobieństwo osiągnięcia zamierzonego wyniku, zamiast pozwolić, aby przypadkowe dane dały reprezentatywną odpowiedź. Żadnym wynikowym statystykom nie można było ufać.