Échantillonnage stratifié : un type d'échantillonnage probabiliste

L'échantillonnage stratifié est une procédure d'échantillonnage dans laquelle la population cible est séparée en segments uniques et homogènes (strates), puis un échantillon aléatoire simple est sélectionné dans chaque segment (strate). Les échantillons sélectionnés dans les différentes strates sont combinés en un seul échantillon. Cette procédure d'échantillonnage est parfois appelée « échantillonnage payant occasionnel ». Lisez ci-dessous quelques-unes des considérations à retenir pour la meilleure capture.

L'échantillonnage stratifié est l'un des types d'échantillonnage probabiliste que nous pouvons utiliser. Je vous invite à poursuivre votre lecture pour en savoir plus sur ses faiblesses et ses forces.

Étapes de sélection pour une enquête stratifiée

Il y a huit étapes principales dans la sélection d'un échantillon aléatoire stratifié :

1. Définir la population cible.
2. Identifiez la ou les variables de stratification et déterminez le nombre de strates à utiliser. Les variables de stratification doivent être liées à l'objet de l'étude. Si le but de l'étude est de faire des estimations de sous-groupes, les variables de stratification doivent être reliées à ces sous-groupes. La disponibilité d'informations auxiliaires détermine souvent les variables de stratification utilisées. Plusieurs variables de stratification peuvent être utilisées. Considérez qu'à mesure que le nombre de variables de stratification augmente, la probabilité augmente que certaines variables annulent les effets d'autres variables. En particulier, pas plus de quatre à six variables de stratification et pas plus de six strates d'une variable doivent être utilisées.
3. Identifiez une base de test existante ou développez-en une qui inclut des informations sur la ou les variables de stratification pour chaque élément de la population cible. Si la base de sondage ne comprend pas d'informations sur les variables de stratification, la stratification ne serait pas possible.
4. Évaluez le cadre d'échantillonnage pour le sous-couverture, le surcouverture, le multiple et le regroupement, et faites les ajustements nécessaires.
5. Divisez le cadre d'échantillonnage en strates et en catégories de stratification des variables, en créant un cadre d'échantillonnage pour chaque strate. Au sein de la strate, les différences doivent être minimisées et les différences entre les strates doivent être maximisées. Les strates ne doivent pas se chevaucher, elles doivent constituer ensemble l'ensemble de la population. Les strates doivent être indépendantes et exclusives du sous-ensemble de la population. Chaque élément de la population doit être dans une seule strate.
6. Attribuez un numéro unique à chaque élément.
7. Déterminer la taille de l'échantillon pour chaque strate. La distribution numérique des items inclus dans l'échantillon à travers les différentes strates détermine le type de test à mettre en œuvre. Il peut s'agir d'une démonstration stratifiée proportionnelle ou de l'un des nombreux types de démonstration stratifiée disproportionnée.
8. Sélectionne au hasard le nombre spécifié d'éléments dans chaque strate. Au moins un élément doit être sélectionné dans chaque strate pour représenter l'échantillon ; et au moins deux éléments doivent être choisis dans chaque strate pour calculer la marge d'erreur des estimations calculées à partir des données collectées.

Échantillonnage stratifié proportionnel

Il existe deux principaux sous-types d'échantillonnage stratifié : l'échantillonnage proportionnel et l'échantillonnage disproportionné. Dans la stratification proportionnelle, le nombre d'éléments attribués aux différentes strates est proportionnel à la représentation de la strate de la population cible. Autrement dit, la taille de l'échantillon tiré de chaque strate est proportionnelle à la taille relative de cette strate de la population cible.

La fraction d'échantillonnage est appliquée à chaque strate, donnant à chaque élément de la population une chance égale d'être sélectionné. L'échantillon obtenu est autopondéré. Cette procédure d'échantillonnage est utilisée lorsque la recherche vise à estimer les paramètres de la population.

Le chercheur souhaite souvent non seulement estimer les paramètres de la population, mais également effectuer une analyse détaillée au sein d'une strate relativement petite et/ou comparer les strates entre elles. L'échantillonnage stratifié proportionnel peut ne pas produire certaines des strates de ce type d'analyse.

En prenant l'exemple décrit dans notre tableau, il ne serait pas possible d'effectuer une analyse détaillée des éléments de la zone 2 puisque seuls 12 des éléments se retrouvent dans l'échantillon. De plus, la comparaison des éléments de la zone 2 avec les autres zones serait douteuse.

L'échantillonnage stratifié proportionnel n'est pas un bon choix d'échantillonnage pour effectuer ce type d'analyse. Le disproportionné peut être un meilleur choix.

Échantillonnage stratifié disproportionné

L'échantillonnage disproportionné est une procédure dans laquelle le nombre d'éléments inclus dans l'échantillon de chaque strate n'est pas proportionnel à leur représentation dans la population totale. Les éléments de la population n'ont pas une chance égale d'être inclus dans l'échantillon. La même fraction d'échantillonnage ne s'applique pas à chaque strate.

D'autre part, les strates ont des fractions d'échantillonnage différentes et, à ce titre, cette procédure d'échantillonnage n'est pas une sélection équiprobable. Pour estimer les paramètres de la population, la composition de la population doit compenser la disproportion de l'échantillon. Cependant, pour certains projets de recherche, un échantillonnage stratifié disproportionné peut être plus approprié que proportionnel.

L'échantillonnage disproportionné peut être divisé en trois sous-types en fonction des objectifs de notre mission. Par exemple, il peut s'agir de faciliter l'analyse au sein des strates, de se concentrer sur l'optimisation des coûts, de la précision ou à la fois de la précision et des coûts.

L'objectif d'une étude peut nécessiter qu'un chercheur procède à une analyse détaillée des strates de l'échantillon. Si la stratification proportionnelle est utilisée, la taille de l'échantillon d'une strate est très petite ; par conséquent, il peut être difficile d'atteindre les objectifs de l'étude.

L'attribution proportionnelle peut ne pas produire un nombre suffisant de cas pour ce type d'analyse détaillée. Une option consiste à suréchantillonner des strates petites ou peu fréquentes. Un tel suréchantillonnage créerait une distribution disproportionnée des strates de l'échantillon par rapport à la population. Cependant, il peut y avoir un nombre suffisant de cas pour effectuer l'analyse par strates requise aux fins de l'étude.

Forces et faiblesses de l'échantillonnage stratifié

L'échantillonnage stratifié présente bon nombre des forces et des faiblesses associées à la plupart des procédures d'échantillonnage probabiliste par rapport aux procédures d'échantillonnage non probabiliste.

Par rapport à l'échantillonnage aléatoire simple, les points forts de l'échantillonnage stratifié incluent :

• Capacité d'estimer non seulement les paramètres de la population, mais aussi de faire des inférences dans chaque strate et des comparaisons entre les strates. L'échantillonnage aléatoire simple peut ne pas saisir suffisamment de données sur les sous-groupes d'intérêt. Les échantillons stratifiés produisent des erreurs d'échantillonnage aléatoires plus faibles que celles obtenues avec un échantillon aléatoire simple de même taille d'échantillon. Un échantillon stratifié se traduira par un échantillon qui est au moins aussi précis qu'un échantillon aléatoire simple de la même taille d'échantillon.
• Les échantillons stratifiés ont tendance à être plus représentatifs d'une population car ils garantissent que les éléments de chaque strate de la population sont représentés dans l'échantillon. L'échantillonnage peut être stratifié pour s'assurer que l'échantillon est réparti sur des sous-régions géographiques et des sous-groupes de population.
• En utilisant un échantillonnage stratifié, la connaissance que le chercheur a de la population est mise à profit.
• L'utilisation d'un échantillonnage stratifié permet au chercheur d'utiliser différentes procédures d'échantillonnage dans différentes strates.

Quelle est la différence entre l'échantillonnage stratifié, l'échantillonnage et l'échantillonnage par quota ?

L'échantillonnage stratifié et l'échantillonnage par quotas sont quelque peu similaires. Les deux impliquent de diviser la population cible en catégories, puis de sélectionner un certain nombre d'éléments dans chaque catégorie. Les deux procédures ont pour objectif principal la sélection d'un échantillon représentatif et/ou la facilitation de l'analyse de sous-groupes. Cependant, il existe des différences importantes.

L'échantillonnage stratifié utilise un échantillonnage aléatoire simple. Une base de sondage est nécessaire pour l'échantillonnage stratifié, mais pas pour l'échantillonnage par quotas.

Avantages de l'échantillonnage par quota :

• C'est la méthode d'échantillonnage la moins coûteuse.
• Il est largement utilisé dans les sondages et les enquêtes par les médias.
• La méthode suppose que l'information que l'on veut obtenir est corrélée à la population, mais c'est une hypothèse de représentativité difficile à prouver.

En bref, envisagez de choisir un échantillonnage stratifié si :

• Il est possible de diviser une population en deux ou plusieurs strates et de construire une base de sondage homogène pour chaque strate.
• Certains sous-groupes de la population sont très différents des autres sous-groupes.
• Il est essentiel de minimiser l'erreur d'échantillonnage.
• La population est hétérogène.
• Une analyse comparative des strates est souhaitée.

Enfin, nous partageons un article sur les caractéristiques d'un autre type d'échantillonnage, l'échantillonnage systématique.

Résolvez vos problèmes de recherche avec des enquêtes simples à créer qui fournissent des informations complexes en temps réel. Tirez parti de la logique de pointer-cliquer personnalisée, des types de questions avancés et des intégrations et créez des modèles de recherche matures et complexes pour la recherche basée sur les choix, la recherche sur les consommateurs, etc.

EN SAVOIR PLUS ESSAI GRATUIT