Stratified Sampling: Eine Art von Wahrscheinlichkeits-Sampling

Veröffentlicht: 2022-08-30

Stratified Sampling ist ein Stichprobenverfahren, bei dem die Zielpopulation in eindeutige, homogene Segmente (Schichten) aufgeteilt wird und dann aus jedem Segment (Schicht) eine einfache Zufallsstichprobe ausgewählt wird. Die ausgewählten Proben aus den verschiedenen Schichten werden zu einer einzigen Probe kombiniert. Dieses Probenahmeverfahren wird manchmal als „gelegentliche Gebührenprobenahme“ bezeichnet. Lesen Sie unten einige der Überlegungen, die Sie für die beste Aufnahme beachten sollten.

Die geschichtete Stichprobe ist eine der Arten der probabilistischen Stichprobe, die wir verwenden können. Ich lade Sie ein, weiterzulesen, um mehr über seine Schwächen und Stärken zu erfahren.

Auswahlschritte für eine geschichtete Erhebung

Es gibt acht Hauptschritte bei der Auswahl einer geschichteten Zufallsstichprobe:

Definieren Sie die Zielgruppe.
Identifizieren Sie die Schichtungsvariable(n) und bestimmen Sie die Anzahl der zu verwendenden Schichten. Die Stratifizierungsvariablen müssen sich auf den Zweck der Studie beziehen. Wenn der Zweck der Studie darin besteht, Schätzungen von Untergruppen vorzunehmen, müssen die Schichtungsvariablen mit diesen Untergruppen verbunden werden. Die Verfügbarkeit von Hilfsinformationen bestimmt häufig die verwendeten Schichtungsvariablen. Es kann mehr als eine Schichtungsvariable verwendet werden. Beachten Sie, dass mit zunehmender Anzahl von Schichtungsvariablen die Wahrscheinlichkeit zunimmt, dass einige der Variablen die Effekte anderer Variablen aufheben. Insbesondere sollten nicht mehr als vier bis sechs Schichtungsvariablen und nicht mehr als sechs Schichten einer Variablen verwendet werden.
Identifizieren Sie einen vorhandenen Testrahmen oder entwickeln Sie einen, der Informationen zu den Schichtungsvariablen für jedes Element in der Zielpopulation enthält. Wenn die Stichprobengrundlage keine Informationen zu den Schichtungsvariablen enthält, wäre eine Schichtung nicht möglich.
Bewerten Sie den Stichprobenrahmen für Undercover, Overcover, Multiple und Clustering und nehmen Sie bei Bedarf Anpassungen vor.
Unterteilen Sie den Stichprobenrahmen in Schichten und Kategorien der Variablenschichtung, und erstellen Sie einen Stichprobenrahmen für jede Schicht. Innerhalb der Schicht sollten die Unterschiede minimiert und die Unterschiede zwischen den Schichten maximiert werden. Die Schichten dürfen sich nicht überschneiden, sie müssen zusammen die Gesamtbevölkerung bilden. Die Schichten müssen unabhängig und ausschließlich von der Teilmenge der Bevölkerung sein. Jedes Element der Population muss sich in einer einzigen Schicht befinden.
Weisen Sie jedem Artikel eine eindeutige Nummer zu.
Bestimmen Sie die Stichprobengröße für jede Schicht. Die numerische Verteilung der in der Stichprobe enthaltenen Items auf die verschiedenen Schichten bestimmt die Art des durchzuführenden Tests. Es kann eine proportional geschichtete Darstellung oder eine von mehreren Arten von unverhältnismäßig geschichteten Darstellungen sein.
Wählt zufällig die angegebene Anzahl von Elementen aus jeder Schicht aus. Mindestens ein Element muss aus jeder Schicht ausgewählt werden, um die Stichprobe darzustellen; und mindestens zwei Elemente müssen aus jeder Schicht ausgewählt werden, um die Fehlerspanne der aus den gesammelten Daten berechneten Schätzungen zu berechnen.

Proportionale geschichtete Stichprobe

Es gibt zwei Hauptuntertypen der geschichteten Stichprobe: proportionale und disproportionale Stichprobe. Bei der proportionalen Schichtung ist die Anzahl der den verschiedenen Schichten zugeordneten Items proportional zur Repräsentation der Zielpopulation durch die Schichten. Das heißt, die aus jeder Schicht gezogene Stichprobengröße ist proportional zur relativen Größe dieser Schicht der Zielpopulation.

Der Auswahlsatz wird auf jede Schicht angewendet, wodurch jedem Populationselement die gleiche Chance gegeben wird, ausgewählt zu werden. Die resultierende Probe ist selbstgewichtet. Dieses Stichprobenverfahren wird verwendet, wenn die Forschung darauf abzielt, Populationsparameter zu schätzen.

Der Forscher möchte häufig nicht nur Bevölkerungsparameter schätzen, sondern auch detaillierte Analysen innerhalb einer relativ kleinen Schicht durchführen und/oder Schichten miteinander vergleichen. Proportional geschichtete Stichproben führen möglicherweise nicht zu einigen Schichten dieser Art von Analyse.

Anhand des in unserer Tabelle beschriebenen Beispiels wäre eine detaillierte Analyse der Elemente in Zone 2 nicht möglich, da nur 12 der Elemente in der Probe gefunden werden. Außerdem wäre der Vergleich der Elemente der Zone 2 mit den anderen Zonen zweifelhaft.

Die proportional geschichtete Probenahme ist keine gute Wahl der Probenahme, um diese Art von Analyse durchzuführen. Das unverhältnismäßige kann eine bessere Wahl sein.

Unverhältnismäßige geschichtete Stichprobenziehung

Disproportionale Stichprobenziehung ist ein Verfahren, bei dem die Anzahl der in der Stichprobe enthaltenen Elemente aus jeder Schicht nicht proportional zu ihrem Anteil an der Gesamtpopulation ist. Die Elemente der Grundgesamtheit haben nicht die gleiche Chance, in die Stichprobe aufgenommen zu werden. Der gleiche Auswahlsatz gilt nicht für jede Schicht.

Andererseits haben die Schichten unterschiedliche Stichprobenanteile, so dass dieses Stichprobenverfahren keine gleichwahrscheinliche Auswahl ist. Um die Populationsparameter zu schätzen, muss die Populationszusammensetzung die Disproportion der Stichprobe kompensieren. Für einige Forschungsprojekte kann jedoch eine unverhältnismäßig stratifizierte Stichprobe angemessener sein als eine proportionale.

Unverhältnismäßige Stichproben können basierend auf den Zwecken unseres Auftrags in drei Unterarten unterteilt werden. Beispielsweise könnte es sein, die Analyse innerhalb von Schichten zu erleichtern, sich auf die Optimierung von Kosten, Genauigkeit oder sowohl Genauigkeit als auch Kosten zu konzentrieren.

Das Ziel einer Studie kann erfordern, dass ein Forscher eine detaillierte Analyse der Stichprobenschichten durchführt. Wenn eine proportionale Schichtung verwendet wird, ist der Stichprobenumfang einer Schicht sehr klein; Daher kann es schwierig sein, die Ziele der Studie zu erreichen.

Die proportionale Zuordnung ergibt möglicherweise keine ausreichende Fallzahl für diese Art der detaillierten Analyse. Eine Option besteht darin, kleine oder selten vorkommende Schichten zu überabtasten. Ein solches Oversampling würde zu einer unverhältnismäßigen Verteilung der Stichprobenschichten im Vergleich zur Grundgesamtheit führen. Es kann jedoch eine ausreichende Anzahl von Fällen vorliegen, um die für die Zwecke der Studie erforderliche Schichtanalyse durchzuführen.

Stärken und Schwächen der geschichteten Stichprobe

Geschichtete Stichproben haben viele der Stärken und Schwächen, die mit den meisten Wahrscheinlichkeits-Stichprobenverfahren im Vergleich zu Nicht-Wahrscheinlichkeits-Stichprobenverfahren verbunden sind.

Im Vergleich zur einfachen Zufallsstichprobe zählen zu den Stärken der geschichteten Stichprobe:

Fähigkeit, nicht nur Bevölkerungsparameter zu schätzen, sondern auch Schlussfolgerungen innerhalb jeder Schicht und Vergleiche zwischen Schichten zu ziehen. Eine einfache Zufallsstichprobe erfasst möglicherweise nicht genügend Daten zu Untergruppen von Interesse. Geschichtete Stichproben erzeugen kleinere Zufallsstichprobenfehler als bei einer einfachen Zufallsstichprobe gleicher Stichprobengröße. Eine geschichtete Stichprobe ergibt eine Stichprobe, die mindestens so genau ist wie eine einfache Zufallsstichprobe mit derselben Stichprobengröße.
Geschichtete Stichproben sind in der Regel repräsentativer für eine Grundgesamtheit, da sie sicherstellen, dass Elemente aus jeder Schicht in der Grundgesamtheit in der Stichprobe vertreten sind. Die Stichprobenziehung kann geschichtet werden, um sicherzustellen, dass die Stichprobe über geografische Untergebiete und Bevölkerungsuntergruppen verteilt wird.
Durch die Verwendung geschichteter Stichproben wird das Wissen genutzt, das der Forscher über die Bevölkerung hat.
Die Verwendung geschichteter Stichproben ermöglicht es dem Forscher, verschiedene Stichprobenverfahren innerhalb verschiedener Schichten zu verwenden.

Was ist der Unterschied zwischen geschichteter Stichprobe, Stichprobe und Quotenstichprobe?

Die geschichtete Stichprobe und die Quotenstichprobe sind einander etwas ähnlich. Beide beinhalten die Unterteilung der Zielgruppe in Kategorien und die anschließende Auswahl einer bestimmten Anzahl von Artikeln aus jeder Kategorie. Beide Verfahren haben als Hauptziel die Auswahl einer repräsentativen Stichprobe und/oder die Erleichterung der Subgruppenanalyse. Es gibt jedoch wichtige Unterschiede.

Die geschichtete Stichprobe verwendet eine einfache Zufallsstichprobe. Für geschichtete Stichproben wird ein Stichprobenrahmen benötigt, nicht jedoch für Quotenstichproben.

Vorteile der Quotenstichprobe:

Es ist die kostengünstigste Probenahmemethode.
Es wird häufig in Umfragen und Umfragen von den Medien verwendet.
Die Methode geht davon aus, dass die Informationen, die wir erhalten möchten, mit der Bevölkerung korrelieren, aber es handelt sich um eine Hypothese der Repräsentativität, die schwer zu beweisen ist.

Kurz gesagt, erwägen Sie die Wahl einer geschichteten Stichprobe, wenn:

Es ist möglich, eine Grundgesamtheit in zwei oder mehr Schichten zu unterteilen und für jede Schicht einen homogenen Stichprobenrahmen zu erstellen.
Einige Untergruppen der Bevölkerung unterscheiden sich stark von anderen Untergruppen.
Es ist wichtig, Stichprobenfehler zu minimieren.
Die Bevölkerung ist heterogen.
Eine vergleichende Analyse der Schichten ist erwünscht.

Abschließend teilen wir einen Artikel über die Merkmale einer anderen Art der Stichprobenziehung, der systematischen Stichprobenziehung.

Lösen Sie Ihre Forschungsherausforderungen mit einfach zu erstellenden Umfragen, die komplexe Erkenntnisse in Echtzeit liefern. Nutzen Sie benutzerdefinierte Point-and-Click-Logik, erweiterte Fragetypen und Integrationen und erstellen Sie ausgereifte, komplexe Forschungsmodelle für entscheidungsbasierte Forschung, Verbraucherforschung und mehr.