Campionamento stratificato: un tipo di campionamento probabilistico

Pubblicato: 2022-08-30

Il campionamento stratificato è una procedura di campionamento in cui la popolazione target viene separata in segmenti (strati) unici e omogenei e quindi viene selezionato un semplice campione casuale da ciascun segmento (strato). I campioni selezionati dai vari strati vengono combinati in un unico campione. Questa procedura di campionamento viene talvolta definita "campionamento a tariffa occasionale". Leggi di seguito alcune delle considerazioni da ricordare per la migliore acquisizione.

Il campionamento stratificato è uno dei tipi di campionamento probabilistico che possiamo utilizzare. Vi invito a continuare a leggere per saperne di più sui suoi punti deboli e punti di forza.

Passi di selezione per un'indagine stratificata

Ci sono otto passaggi principali nella selezione di un campione casuale stratificato:

Definire la popolazione target.
Identifica le variabili di stratificazione e determina il numero di strati da utilizzare. Le variabili di stratificazione devono essere correlate allo scopo dello studio. Se lo scopo dello studio è quello di effettuare stime di sottogruppi, le variabili di stratificazione devono essere collegate a tali sottogruppi. La disponibilità di informazioni ausiliarie determina spesso le variabili di stratificazione utilizzate. È possibile utilizzare più di una variabile di stratificazione. Si consideri che all'aumentare del numero di variabili di stratificazione, aumenta la probabilità che alcune variabili annullino gli effetti di altre variabili. In particolare, non devono essere utilizzate più di quattro-sei variabili di stratificazione e non più di sei strati di una variabile.
Identificare un quadro di prova esistente o svilupparne uno che includa informazioni sulle variabili di stratificazione per ciascun elemento nella popolazione target. Se il frame del campione non include informazioni sulle variabili di stratificazione, la stratificazione non sarebbe possibile.
Valutare il frame di campionamento per undercover, overcover, multiple e clustering e apportare le modifiche necessarie.
Dividere il frame di campionamento in strati e categorie di stratificazione delle variabili, creando un frame di campionamento per ciascuno strato. All'interno dello strato le differenze dovrebbero essere ridotte al minimo e le differenze tra gli strati dovrebbero essere massimizzate. Gli strati non devono sovrapporsi, insieme devono costituire l'intera popolazione. Gli strati devono essere indipendenti ed esclusivi del sottoinsieme della popolazione. Ogni elemento della popolazione deve essere in un unico strato.
Assegna un numero univoco a ciascun articolo.
Determinare la dimensione del campione per ogni strato. La distribuzione numerica degli item inclusi nel campione tra i vari strati determina il tipo di test da attuare. Può essere una dimostrazione stratificata proporzionale o uno dei diversi tipi di dimostrazione stratificata sproporzionata.
Seleziona casualmente il numero specificato di elementi da ogni strato. Almeno un elemento deve essere selezionato da ogni strato per rappresentare il campione; e da ogni strato devono essere scelti almeno due elementi per calcolare il margine di errore delle stime ricavate dai dati raccolti.

Campionamento stratificato proporzionale

Esistono due sottotipi principali di campionamento stratificato: campionamento proporzionale e sproporzionato. In proporzione alla stratificazione, il numero di elementi assegnati ai vari strati è proporzionale alla rappresentazione degli strati della popolazione target. Cioè, la dimensione del campione prelevata da ogni strato è proporzionale alla dimensione relativa di quello strato della popolazione target.

La frazione di campionamento viene applicata a ciascuno strato, dando a ciascun elemento della popolazione pari opportunità di essere selezionato. Il campione risultante è autoponderato. Questa procedura di campionamento viene utilizzata quando la ricerca mira a stimare i parametri della popolazione.

Il ricercatore spesso desidera non solo stimare i parametri della popolazione, ma anche effettuare analisi dettagliate all'interno di uno strato relativamente piccolo e/o confrontare gli strati tra loro. Il campionamento stratificato proporzionale potrebbe non risultare in alcuni degli strati di questo tipo di analisi.

Prendendo l'esempio descritto nella nostra tabella, non sarebbe possibile effettuare un'analisi dettagliata degli elementi in zona 2 poiché solo 12 degli elementi si trovano nel campione. Inoltre, il confronto degli elementi della zona 2 con le altre zone sarebbe dubbioso.

Il campionamento stratificato proporzionale non è una buona scelta di campionamento per eseguire questo tipo di analisi. Lo sproporzionato potrebbe essere una scelta migliore.

Campionamento stratificato sproporzionato

Il campionamento sproporzionato è una procedura in cui il numero di elementi inclusi nel campione di ogni strato non è proporzionale alla loro rappresentazione nella popolazione totale. Gli elementi della popolazione non hanno la stessa probabilità di essere inclusi nel campione. La stessa frazione di campionamento non si applica a ciascuno strato.

D'altra parte, gli strati hanno frazioni di campionamento diverse e, come tale, questa procedura di campionamento non è una selezione equiprobabile. Per stimare i parametri della popolazione, la composizione della popolazione deve compensare la sproporzione del campione. Tuttavia, per alcuni progetti di ricerca, un campionamento stratificato sproporzionato può essere più appropriato che proporzionale.

Il campionamento sproporzionato può essere suddiviso in tre sottotipi in base alle finalità del nostro incarico. Ad esempio, potrebbe essere per facilitare l'analisi all'interno degli strati, concentrarsi sull'ottimizzazione dei costi, dell'accuratezza o sia dell'accuratezza che dei costi.

L'obiettivo di uno studio può richiedere a un ricercatore di effettuare un'analisi dettagliata degli strati del campione. Se si utilizza la stratificazione proporzionale, la dimensione campionaria di uno strato è molto piccola; pertanto, potrebbe essere difficile raggiungere gli obiettivi dello studio.

L'allocazione proporzionale potrebbe non produrre un numero sufficiente di casi per questo tipo di analisi dettagliata. Un'opzione è sovracampionare strati piccoli o rari. Tale sovracampionamento creerebbe una distribuzione sproporzionata degli strati campionari rispetto alla popolazione. Tuttavia, potrebbe esserci un numero sufficiente di casi per effettuare l'analisi degli strati richiesta ai fini dello studio.

Punti di forza e di debolezza del campionamento stratificato

Il campionamento stratificato presenta molti dei punti di forza e di debolezza associati alla maggior parte delle procedure di campionamento probabilistico rispetto alle procedure di campionamento non probabilistico.

Rispetto al campionamento casuale semplice, i punti di forza del campionamento stratificato includono:

Capacità di stimare non solo i parametri della popolazione ma anche di effettuare inferenze all'interno di ogni strato e confronti tra strati. Il campionamento casuale semplice potrebbe non acquisire dati sufficienti sui sottogruppi di interesse. I campioni stratificati producono errori di campionamento casuali minori rispetto a quelli ottenuti con un semplice campione casuale della stessa dimensione del campione. Un campione stratificato risulterà in un campione che è preciso almeno quanto un semplice campione casuale della stessa dimensione del campione.
I campioni stratificati tendono ad essere più rappresentativi di una popolazione perché assicurano che gli elementi di ogni strato della popolazione siano rappresentati nel campione. Il campionamento può essere stratificato per garantire che il campione sia distribuito su sottoaree geografiche e sottogruppi di popolazione.
Utilizzando il campionamento stratificato, si sfrutta la conoscenza che il ricercatore ha sulla popolazione.
L'uso del campionamento stratificato consente al ricercatore di utilizzare diverse procedure di campionamento all'interno di strati diversi.

Qual è la differenza tra campionamento stratificato, campionamento e campionamento contingentato?

Il campionamento stratificato e quello contingentato sono in qualche modo simili tra loro. Entrambi implicano la divisione della popolazione target in categorie e quindi la selezione di un certo numero di elementi da ciascuna categoria. Entrambe le procedure hanno come obiettivo principale la selezione di un campione rappresentativo e/o l'agevolazione dell'analisi dei sottogruppi. Tuttavia, ci sono differenze importanti.

Il campionamento stratificato utilizza un campionamento casuale semplice. Un quadro di campionamento è necessario per il campionamento stratificato ma non per il campionamento contingentato.

Vantaggi del campionamento contingentato:

È il metodo di campionamento meno costoso.
È ampiamente utilizzato nei sondaggi e nei sondaggi dai media.
Il metodo presuppone che le informazioni che si vogliono ottenere siano correlate alla popolazione, ma si tratta di un'ipotesi di rappresentatività difficile da dimostrare.

In breve, si consideri la scelta del campionamento stratificato se:

È possibile dividere una popolazione in due o più strati e costruire un quadro di campionamento omogeneo per ciascuno strato.
Alcuni sottogruppi della popolazione sono molto diversi da altri sottogruppi.
È essenziale ridurre al minimo l'errore di campionamento.
La popolazione è eterogenea.
È auspicabile un'analisi comparativa degli strati.

Infine, condividiamo un articolo sulle caratteristiche di un altro tipo di campionamento, il campionamento sistematico.

Risolvi le tue sfide di ricerca con sondaggi semplici da creare che forniscono approfondimenti complessi e in tempo reale. Sfrutta la logica point and click personalizzata, i tipi di domande avanzati e le integrazioni e crea modelli di ricerca maturi e complessi per la ricerca basata sulla scelta, la ricerca sui consumatori e altro ancora.