Понимание стратифицированных образцов и как их сделать

Стратифицированная выборка - это та, которая гарантирует, что подгруппы (страты) данной популяции адекватно представлены в целом выборочная совокупность научного исследования. Например, можно разделить выборку взрослых на подгруппы по возрасту, например, 18–29, 30–39, 40–49, 50–59 и 60 лет и старше. Чтобы разделить эту выборку, исследователь затем случайным образом выбрал бы пропорциональное количество людей из каждой возрастной группы. Это эффективный метод выборки для изучения того, как тренд или проблема могут различаться в разных подгруппах.

Важно отметить, что страты, используемые в этой технике, не должны пересекаться, потому что если бы они это сделали, у некоторых людей был бы более высокий шанс выбора, чем у других. Это создаст искаженную выборку, которая сместит исследование и представит результаты инвалид.

Некоторые из наиболее распространенных страт, используемых в стратифицированной случайной выборке, включают возраст, пол, религию, расу, уровень образования, социоэкономический статуси национальность.

Есть много ситуаций, в которых исследователи выбирают стратифицированную случайную выборку по сравнению с другими типами выборки. Во-первых, он используется, когда исследователь хочет исследовать подгруппы в популяции. Исследователи также используют эту технику, когда они хотят наблюдать отношения между двумя или более подгруппами, или когда они хотят исследовать редкие крайности населения. При таком типе выборки исследователь гарантирует, что предметы из каждой подгруппы включены в окончательную выборку, тогда как простые случайная выборка не гарантирует, что подгруппы представлены в выборке одинаково или пропорционально.

В пропорциональной стратифицированной случайной выборке размер каждой страты пропорционален размеру популяции страт при обследовании по всей популяции. Это означает, что каждый слой имеет одинаковую долю выборки.

Например, допустим, у вас есть четыре страты с численностью населения 200, 400, 600 и 800 человек. Если вы выбираете долю выборки ½, это означает, что вы должны случайным образом выбрать 100, 200, 300 и 400 субъектов из каждого слоя соответственно. Одна и та же фракция выборки используется для каждой страты независимо от различий в размере популяции страт.

В непропорциональной стратифицированной случайной выборке разные слои не имеют одинаковых долей выборки, чем друг друга. Например, если ваши четыре страты содержат 200, 400, 600 и 800 человек, вы можете выбрать разные фракции выборки для каждой страты. Возможно, первый слой из 200 человек имеет долю выборки ½, в результате чего 100 человек были отобраны для выборка, в то время как последний слой из 800 человек имеет долю выборки ¼, в результате чего 200 человек были отобраны для образец.

Точность использования непропорциональной стратифицированной случайной выборки сильно зависит от фракций выборки, выбранных и используемых исследователем. Здесь исследователь должен быть очень осторожным и точно знать, что он делает. Ошибки, допущенные при выборе и использовании фракций выборки, могут привести к тому, что слой будет чрезмерно представлен или недопредставлен, что приведет к искаженным результатам.

Использование стратифицированной выборки всегда даст большую точность, чем простая случайная выборка, при условии, что слои были выбраны таким образом, чтобы члены одного и того же слоя были максимально похожи с точки зрения характеристика интереса. Чем больше различий между стратами, тем больше выигрыш в точности.

В административном отношении зачастую более удобно расслаивать выборку, чем выбирать простую случайную выборку. Например, интервьюеры могут быть обучены тому, как лучше всего обращаться с одной конкретной возрастной или этнической группой, в то время как другие обучаются тому, как лучше всего обращаться с другой возрастной или этнической группой. Таким образом, интервьюеры могут сконцентрироваться и усовершенствовать небольшой набор навыков, и это менее актуально и дорого для исследователя.

Стратифицированная выборка также может быть меньше по размеру, чем простые случайные выборки, что может сэкономить много времени, денег и усилий для исследователей. Это связано с тем, что метод выборки такого типа имеет высокую статистическую точность по сравнению с простой случайной выборкой.

Последнее преимущество состоит в том, что стратифицированная выборка гарантирует лучший охват населения. Исследователь контролирует подгруппы, включенные в выборку, тогда как простая случайная выборка не гарантирует, что какой-либо один тип людей будет включен в окончательную выборку.

Одним из основных недостатков стратифицированной выборки является то, что может быть трудно определить подходящие слои для исследования. Вторым недостатком является более сложная организация и анализ результатов по сравнению с простой случайной выборкой.

Обновлено Ники Лиза Коул, доктор философии