Stratificēta nejauša paraugu ņemšana
Stratificēta izlases veida izlases veidošana ir izlases metode, kas ietver populācijas sadalīšanu mazākās apakšgrupās, kas pazīstamas kā slāņi. Stratificētā nejaušā izlases veidā vai stratifikācijā slāņi tiek veidoti, pamatojoties uz dalībnieku kopīgajām īpašībām vai īpašībām, piemēram, ienākumiem vai izglītības līmeni.
Stratificētu nejaušu izlasi sauc arī par proporcionālu nejaušu izlasi vai kvotu izlases izlasi.
[Svarīgi: stratificētu paraugu ņemšanu izmanto, lai izceltu atšķirības starp iedzīvotāju grupām, nevis vienkāršu izlases veida paraugu ņemšanu, kurā visi populācijas locekļi tiek uzskatīti par vienlīdzīgiem un ar vienādu izlases iespējamību.]
1:40Stratificēta nejauša paraugu ņemšana
Kā darbojas stratificēta nejauša paraugu ņemšana
Pabeidzot analīzi vai pētījumus par entītiju grupu ar līdzīgām īpašībām, pētnieks var secināt, ka populācijas lielums ir pārāk liels, lai pabeigtu pētījumu. Lai ietaupītu laiku un naudu, analītiķis var izmantot reālistiskāku pieeju, izvēloties nelielu iedzīvotāju grupu. Mazo grupu sauc par izlases lielumu, kas ir populācijas apakškopa, kuru izmanto, lai attēlotu visu populāciju. Paraugu no populācijas var atlasīt vairākos veidos, no kuriem viens ir stratificētas izlases veida metode.
Stratificēta izlases veida izlases veidā visa populācija tiek sadalīta viendabīgās grupās, ko sauc par slāņiem (daudzskaitļa slāņiem ). Pēc tam no katra slāņa tiek atlasīti izlases paraugi. Piemēram, apsveriet akadēmisko pētnieku, kurš vēlas uzzināt to MBA studentu skaitu 2007. gadā, kuri saņēma darba piedāvājumu trīs mēnešu laikā pēc absolvēšanas.
Viņš drīz uzzinās, ka gadā bija gandrīz 200 000 MBA absolventu. Viņš varētu izlemt vienkārši ņemt vienkāršu nejaušu izlasi no 50 000 absolventiem un vadīt aptauju. Vēl labāk, ja viņš varētu sadalīt populāciju slāņos un ņemt nejaušu paraugu no slāņiem. Lai to izdarītu, viņš izveidos iedzīvotāju grupas, pamatojoties uz dzimumu, vecuma diapazonu, rasi, tautības valsti un karjeras izcelsmi. Katra strata izlases veida paraugs tiek ņemts proporcionāli strata lielumam, salīdzinot to ar populāciju. Pēc tam šīs slāņu apakškopas apvieno, veidojot nejaušu izlasi.
Taustiņu izņemšana
- Stratificēta izlases veida izlases veidošana ļauj pētniekiem iegūt izlases kopu, kas vislabāk atspoguļo visu pētāmo populāciju.
- Stratificēta izlases veida izlases veidā visa populācija tiek sadalīta viendabīgās grupās, ko sauc par slāņiem.
- Stratificēta izlases veida atlase atšķiras no vienkāršas izlases veida izlases, kas ietver nejaušu datu atlasi no visas populācijas, tāpēc ir iespējama arī katra iespējamā izlase.
Stratificētas nejaušas izlases paraugs
Pieņemsim, ka pētniecības grupa vēlas noteikt koledžas studentu GPA visā ASV. Pētniecības komandai ir grūti savākt datus no visiem 21 miljonam koledžas studentu; tā nolemj ņemt izlases veida iedzīvotāju paraugu, izmantojot 4000 studentus.
Tagad pieņemsim, ka komanda izskata atšķirīgos izlases dalībnieku atribūtus un jautā, vai ir atšķirības GPA un studentu lielajos uzņēmumos. Pieņemsim, ka tā atklāj, ka 560 studenti ir lielie angļu valodas zinātņi, 1 135 - zinātnes lielie, 800 - datorzinātnes, 1 090 - inženierzinātnes, bet 415 - matemātikas. Komanda vēlas izmantot proporcionāli stratificētu izlases paraugu, kurā izlases slānis ir proporcionāls izlases veidam populācijā.
Pieņemsim, ka komanda pēta ASV koledžu studentu demogrāfiju un atrod procentuālo daļu no tā, cik studenti ir lielākie - 12% lielākie angļu, 28% lielākie zinātnes, 24% lielākie datorzinātnēs, 21% lielākie inženierzinātnēs un 15% lielākie matemātikā. Tādējādi no stratificētā nejaušās izlases procesa tiek izveidoti pieci slāņi.
Pēc tam komandai jāapstiprina, ka populācijas kārta ir proporcionāla paraugam; tomēr viņiem šķiet, ka proporcijas nav vienādas. Pēc tam komandai jāpārveido 4000 studentu no iedzīvotājiem un pēc nejaušības principa jāizvēlas 480 angļu valodas, 1120 zinātnes, 960 datorzinātnes, 840 inženierzinātnes un 600 matemātikas studenti.
Tiem ir proporcionāla stratificēta izlases veida koledžas studentu izlase, kas nodrošina labāku studentu koledžu lielāko daļu pārstāvību ASV. Pēc tam pētnieki var izcelt konkrētu slāni, novērot atšķirīgos ASV koledžu studentu pētījumus un novērot dažādus atzīmju punktus .
Vienkārši nejauši pret stratificēti nejauši paraugi
Vienkārši izlases paraugi un stratificēti izlases paraugi ir gan statistiskās mērīšanas rīki. Visu datu kopas attēlošanai izmanto vienkāršu izlases paraugu. Stratificēts nejaušs paraugs iedala populāciju mazākās grupās vai slāņos, pamatojoties uz kopīgām īpašībām.
Vienkāršu izlases paraugu bieži izmanto, ja par datu kopumu ir pieejama ļoti maz informācijas, ja datu kopai ir pārāk daudz atšķirību, lai sadalītu dažādās apakšgrupās, vai ja datu kopai ir tikai viena atšķirīga pazīme.
Piemēram, konfekšu uzņēmums var vēlēties izpētīt savu klientu pirkšanas ieradumus, lai noteiktu tā produktu līnijas nākotni. Ja ir 10 000 klientu, tā var izvēlēties 100 no šiem klientiem kā izlases paraugu. Pēc tam tā var izmantot visu pārējo bāzes daļu, ko tā atrod no šiem 100 klientiem. Atšķirībā no noslāņošanās, tajā tiks atlasīti 100 dalībnieki nejauši, neņemot vērā viņu individuālās īpašības.
Proporcionāla un nesamērīga stratifikācija
Stratificēta izlases veida pārbaude nodrošina, ka katra konkrētās populācijas apakšgrupa ir pietiekami pārstāvēta visā pētījuma paraugu grupā. Stratifikācija var būt samērīga vai nesamērīga. Proporcionāli stratificētā metodē katra strata izlases lielums ir proporcionāls strata populācijas lielumam.
Piemēram, ja pētnieks vēlējās 50 000 absolventu izlasi, izmantojot vecuma diapazonu, proporcionāli stratificēto nejaušo izlasi iegūs, izmantojot šo formulu: (izlases lielums / populācijas lielums) x strata lielums. Zemāk esošajā tabulā ir pieņemts, ka iedzīvotāju skaits gadā ir 180 000 MBA absolventu.
Vecuma grupa | 24.-28 | 29-33 | 34-37 | Kopā |
Cilvēku skaits slānī | 90 000 | 60 000 | 30 000 | 180 000 |
Strata izlases lielums | 25 000 | 16, 667 | 8, 333 | 50 000 |
Slāņu izlases lielums MBA absolventiem vecuma diapazonā no 24 līdz 28 gadiem tiek aprēķināts kā (50 000/180 000) x 90 000 = 25 000. To pašu metodi izmanto arī citām vecuma grupām. Tagad, kad slāņu izlases lielums ir zināms, pētnieks var veikt vienkāršu izlases veida paraugu ņemšanu katrā slānī, lai izvēlētos savus aptaujas dalībniekus. Citiem vārdiem sakot, 25 000 absolventu vecumā no 24 līdz 28 gadiem tiks izvēlēti pēc nejaušības principa no visiem iedzīvotājiem, 16, 667 absolventi no 29-33 gadu vecuma tiks izvēlēti no populācijas nejauši utt.
Nesamērīgā stratificētā paraugā katra strata lielums nav proporcionāls tā lielumam populācijā. Pētnieks var nolemt atlasīt 1/2 absolventu vecuma grupā no 34 līdz 37 gadiem un 1/3 no absolventiem 29-33 gadu vecuma grupā.
Ir svarīgi atzīmēt, ka viens cilvēks nevar ietilpt vairākos slāņos. Katrai vienībai ir jāiekļaujas tikai vienā slānī. Apakšgrupu pārklāšanās nozīmē, ka dažiem indivīdiem būs lielākas izredzes tikt izraudzītiem apsekojumam, kas pilnībā noliedz stratificētās izlases kā varbūtības izlases veida jēdzienu.
[Svarīgi: portfeļa pārvaldnieki var izmantot stratificētu nejaušu izlasi, lai izveidotu portfeļus, atkārtojot indeksu, piemēram, obligāciju indeksu.]
Stratificētas nejaušas izlases priekšrocības
Galvenā stratificētās izlases veida izlases priekšrocība ir tā, ka tā satur galvenās populācijas īpašības izlasē. Līdzīgi kā svērtais vidējais, arī šī paraugu ņemšanas metode paraugā rada raksturlielumus, kas ir proporcionāli kopējai populācijai. Stratificēta izlases veida izlase labi darbojas populācijās ar dažādiem atribūtiem, bet citādi ir neefektīva, ja apakšgrupas nevar izveidot.
Stratifikācija rada mazāku novērtējuma kļūdu un lielāku precizitāti nekā vienkārša izlases veida metode. Jo lielākas atšķirības starp slāņiem, jo lielāks precizitātes pieaugums.
Stratificētās nejaušās izlases trūkumi
Diemžēl šo pētījumu metodi nevar izmantot katrā pētījumā. Metodes trūkums ir tāds, ka, lai to pareizi izmantotu, ir jāizpilda vairāki nosacījumi. Pētniekiem jāidentificē katrs pētāmās populācijas loceklis un katrs no viņiem jāklasificē vienā un tikai vienā apakšpopulācijā. Tā rezultātā stratificēta nejauša izlases veidošana ir neizdevīga, ja pētnieki nevar pārliecinoši klasificēt katru iedzīvotāju locekli apakšgrupā. Arī pilnīga un galīga visu iedzīvotāju saraksta atrašana var būt izaicinājums.
Pārklāšanās var būt problēma, ja ir subjekti, kas ietilpst vairākās apakšgrupās. Veicot vienkāršu izlases veida paraugu ņemšanu, biežāk tiek izvēlēti tie, kas ietilpst vairākās apakšgrupās. Rezultāts varētu būt nepareizs iedzīvotāju atspoguļojums vai kļūdains atspoguļojums.
Iepriekš minētie piemēri to padara vienkāršu: absolventi, absolventi, vīrieši un sievietes ir skaidri noteiktas grupas. Tomēr citās situācijās tas varētu būt daudz grūtāk. Iedomājieties, vai tajā ir iekļautas tādas pazīmes kā rase, etniskā piederība vai reliģija. Kārtošanas process kļūst grūtāks, padarot stratificētu nejaušu izlasi par neefektīvu un mazāk nekā ideālu metodi.
Investīciju kontu salīdzināšana Piegādātāja nosaukums Apraksts Reklāmdevēja atklāšana × Piedāvājumi, kas parādās šajā tabulā, ir no partnerībām, no kurām Investtopedia saņem kompensāciju.