Stratyfikowane losowe pobieranie próbek przynosi korzyści badaczom, umożliwiając im uzyskanie populacji próbnej najlepiej reprezentującej całą badaną populację. Niemniej jednak ta metoda badań nie jest pozbawiona wad.
Stratified Random Sampling: An Overview
Stratyfikowane losowe pobieranie próbek obejmuje najpierw podzielenie populacji na subpopulacje, a następnie zastosowanie losowych metod pobierania próbek do każdej subpopulacji w celu utworzenia grupy testowej. Wadą jest to, że badacze nie mogą sklasyfikować każdego członka populacji do podgrupy.
Stratyfikowane losowe próbkowanie różni się od prostego losowego próbkowania, które obejmuje losowy dobór danych z całej populacji, tak aby każda możliwa próbka była równie prawdopodobne. Natomiast warstwowe losowe próbkowanie dzieli populację na mniejsze grupy lub warstwy na podstawie wspólnych cech. Z każdej warstwy pobiera się losową próbkę wprost proporcjonalnie do wielkości warstwy w porównaniu z populacją.
Przykład stratyfikacji losowej
Oto przykład losowego losowania warstwowego:
Naukowcy przeprowadzają badanie mające na celu ocenę politycznej skłonności studentów ekonomii na dużym uniwersytecie. Naukowcy chcą upewnić się, że losowa próba najlepiej przybliża populację studentów, w tym płeć, studentów i doktorantów. Całkowita populacja w badaniu wynosi 1000 studentów i stamtąd tworzone są podgrupy, jak pokazano poniżej.
Populacja ogółem = 1000
Badacze przyporządkowaliby każdego studenta ekonomii na uniwersytecie do jednej z czterech subpopulacji: męskiej, licencjackiej, męskiej i żeńskiej. Następnie naukowcy policzą, ilu studentów z każdej podgrupy stanowi łączną populację 1000 studentów. Stamtąd naukowcy obliczają procentową reprezentację każdej podgrupy w całkowitej populacji.
Podgrupy:
- Studenci studiów licencjackich = 450 studentów (na 100) lub 45% populacji Kobiety - studenci = 200 studentów lub 20% Mężczyźni - absolwenci = 200 studentów lub 20% Kobiety - absolwenci = 150 studentów lub 15%
Wykonywane jest losowe próbkowanie każdej subpopulacji na podstawie jej reprezentacji w populacji jako całości. Ponieważ męscy studenci stanowią 45% populacji, 45 męskich studentów wybiera się losowo z tej podgrupy. Ponieważ absolwenci płci męskiej stanowią tylko 20% populacji, do próby wybrano 20 osób i tak dalej.
Podczas gdy losowe losowanie warstwowe dokładnie odzwierciedla badaną populację, warunki, które należy spełnić, oznaczają, że tej metody nie można stosować w każdym badaniu.
Zalety stratyfikowanego losowego pobierania próbek
Stratyfikowane losowe próbkowanie ma zalety w porównaniu z prostym losowym próbkowaniem.
Dokładnie odzwierciedla populację badaną
Stratyfikowane losowe próbkowanie dokładnie odzwierciedla badaną populację, ponieważ badacze stratyfikują całą populację przed zastosowaniem losowych metod próbkowania. Krótko mówiąc, zapewnia, że każda podgrupa w populacji otrzyma odpowiednią reprezentację w próbie. W rezultacie losowe losowanie warstwowe zapewnia lepsze pokrycie populacji, ponieważ badacze mają kontrolę nad podgrupami, aby upewnić się, że wszystkie są reprezentowane w próbkowaniu.
Dzięki prostemu losowemu próbkowaniu nie ma żadnej gwarancji, że wybrana zostanie jakaś konkretna podgrupa lub typ osoby. W naszym wcześniejszym przykładzie studentów uniwersytetu użycie prostej próby losowej w celu uzyskania próbki 100 osób z populacji może spowodować wybór tylko 25 studentów płci męskiej lub tylko 25% całej populacji. Można również wybrać 35 doktorantek (35% populacji), co spowoduje niedostateczną reprezentację męskich studentów i nadmierną reprezentację studentek. Wszelkie błędy w reprezentacji populacji mogą zmniejszyć dokładność badania.
Wady stratyfikowanego losowego pobierania próbek
Stratyfikowane losowe pobieranie próbek stwarza także wady badaczy.
Nie można używać 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 można ją było właściwie zastosować. Badacze muszą zidentyfikować każdego badanego członka populacji i sklasyfikować każdego z nich do jednej i tylko jednej subpopulacji. W rezultacie losowe losowanie warstwowe jest niekorzystne, gdy badacze nie mogą z całą pewnością zaklasyfikować każdego członka populacji do podgrupy. Również znalezienie wyczerpującej i ostatecznej listy całej populacji może być trudnym zadaniem.
Nakładanie się może być problemem, jeśli istnieją przedmioty należące do wielu podgrup. Gdy przeprowadzane jest proste losowe próbkowanie, bardziej prawdopodobne jest wybranie tych, którzy są w wielu podgrupach. Może to prowadzić do wprowadzenia w błąd lub niedokładnego odzwierciedlenia populacji.
Powyższy przykład ułatwia: studia licencjackie, magisterskie, męskie i żeńskie to grupy jasno określone. W innych sytuacjach może to jednak być znacznie trudniejsze. Wyobraź sobie cechy charakterystyczne, takie jak rasa, pochodzenie etniczne lub religia. Proces sortowania staje się trudniejszy, przez co losowe próbkowanie warstwowe jest nieskuteczną i mniej niż idealną metodą.
Kluczowe dania na wynos
- Stratyfikowane losowe próbkowanie pozwala badaczom uzyskać populację, która najlepiej reprezentuje całą badaną populację. Ta metoda badań nie może być stosowana w każdym badaniu. Stratyfikowane losowe próbkowanie różni się od prostego losowego próbkowania, które obejmuje losowy wybór danych z całą populację, więc prawdopodobieństwo wystąpienia każdej próby jest jednakowe.
