Próbkowanie warstwowe: rodzaj próbkowania prawdopodobieństwa

Próbkowanie warstwowe to procedura próbkowania, w której populacja docelowa jest dzielona na unikalne, jednorodne segmenty (warstwy), a następnie z każdego segmentu (warstwy) wybierana jest prosta próba losowa. Wybrane próbki z różnych warstw są łączone w jedną próbkę. Ta procedura pobierania próbek jest czasami określana jako „okazjonalne pobieranie próbek”. Przeczytaj poniżej o niektórych kwestiach, o których należy pamiętać, aby uzyskać najlepsze ujęcie.

Próbkowanie warstwowe jest jednym z rodzajów próbkowania probabilistycznego, które możemy zastosować. Zapraszam do dalszej lektury, aby dowiedzieć się więcej o jego słabych i mocnych stronach.

Etapy selekcji do ankiety warstwowej

Wybór losowej próby warstwowej składa się z ośmiu głównych kroków:

1. Zdefiniuj populację docelową.
2. Zidentyfikuj zmienną(e) stratyfikacji i określ liczbę warstw do wykorzystania. Zmienne stratyfikacyjne muszą być powiązane z celem badania. Jeżeli celem badania jest oszacowanie podgrup, zmienne stratyfikacyjne muszą być powiązane z tymi podgrupami. Dostępność informacji pomocniczych często determinuje stosowane zmienne stratyfikacyjne. Można użyć więcej niż jednej zmiennej stratyfikacyjnej. Weź pod uwagę, że wraz ze wzrostem liczby zmiennych stratyfikacji wzrasta prawdopodobieństwo, że niektóre zmienne anulują wpływ innych zmiennych. W szczególności należy stosować nie więcej niż cztery do sześciu zmiennych stratyfikacji i nie więcej niż sześć warstw zmiennej.
3. Zidentyfikuj istniejącą ramę testową lub opracuj taką, która zawiera informacje na temat zmiennych stratyfikacji dla każdej pozycji w populacji docelowej. Jeżeli ramka próby nie zawiera informacji o zmiennych stratyfikacji, stratyfikacja nie byłaby możliwa.
4. Oceń operat próbkowania pod kątem ukrytych, ukrytych, wielokrotnych i grupowania oraz dokonaj niezbędnych korekt.
5. Podziel operat losowania na warstwy i kategorie stratyfikacji zmiennych, tworząc operat losowania dla każdej warstwy. W warstwie różnice powinny być minimalizowane, a różnice między warstwami maksymalizowane. Warstwy nie mogą się nakładać, razem muszą stanowić całą populację. Warstwy muszą być niezależne i wykluczać podzbiór populacji. Każdy element populacji musi znajdować się w jednej warstwie.
6. Każdemu przedmiotowi przypisz unikalny numer.
7. Określ wielkość próby dla każdej warstwy. Rozkład liczbowy pozycji zawartych w próbie w różnych warstwach określa rodzaj testu do wdrożenia. Może to być proporcjonalna prezentacja warstwowa lub jeden z kilku rodzajów nieproporcjonalnej demonstracji warstwowej.
8. Losowo wybiera określoną liczbę elementów z każdej warstwy. Z każdej warstwy należy wybrać co najmniej jeden element reprezentujący próbkę; z każdej warstwy należy wybrać co najmniej dwa elementy, aby obliczyć margines błędu szacunków obliczonych na podstawie zebranych danych.

Proporcjonalne próbkowanie warstwowe

Istnieją dwa główne podtypy losowania warstwowego: losowanie proporcjonalne i nieproporcjonalne. W stratyfikacji proporcjonalnej liczba pozycji przypisanych do różnych warstw jest proporcjonalna do reprezentacji warstw w populacji docelowej. Oznacza to, że wielkość próby pobranej z każdej warstwy jest proporcjonalna do względnej wielkości tej warstwy populacji docelowej.

Frakcja próbkowania jest stosowana do każdej warstwy, dając każdemu elementowi populacji równe szanse wyboru. Otrzymana próbka jest samoważona. Ta procedura pobierania próbek jest stosowana, gdy badanie ma na celu oszacowanie parametrów populacji.

Badacz często chce nie tylko oszacować parametry populacji, ale także przeprowadzić szczegółową analizę w obrębie stosunkowo niewielkiej warstwy i/lub porównać warstwy ze sobą. Proporcjonalne pobieranie próbek warstwowych może nie skutkować niektórymi warstwami tego typu analizy.

Biorąc przykład opisany w naszej tabeli, nie byłoby możliwe przeprowadzenie szczegółowej analizy pierwiastków w strefie 2, ponieważ w próbce znajduje się tylko 12 pierwiastków. Wątpliwe byłoby ponadto porównanie elementów strefy 2 z innymi strefami.

Proporcjonalne pobieranie próbek warstwowych nie jest dobrym wyborem do przeprowadzania tego typu analizy. Nieproporcjonalny może być lepszym wyborem.

Nieproporcjonalne próbkowanie warstwowe

Próbkowanie nieproporcjonalne to procedura, w której liczba elementów zawartych w próbie z każdej warstwy nie jest proporcjonalna do ich reprezentacji w całej populacji. Elementy populacji nie mają równej szansy na uwzględnienie w próbie. Ta sama frakcja próbkowania nie ma zastosowania do każdej warstwy.

Z drugiej strony warstwy mają różne frakcje próbkowania i jako taka procedura próbkowania nie jest równoprawną selekcją. Aby oszacować parametry populacji, skład populacji musi kompensować dysproporcję próbki. Jednak w przypadku niektórych projektów badawczych nieproporcjonalny dobór warstwowy może być bardziej odpowiedni niż proporcjonalny.

Nieproporcjonalne pobieranie próbek można podzielić na trzy podtypy w zależności od celów naszego zadania. Na przykład może to być ułatwienie analizy w warstwach, skupienie się na optymalizacji kosztów, dokładności lub zarówno dokładności, jak i kosztów.

Cel badania może wymagać od badacza przeprowadzenia szczegółowej analizy warstw próby. Jeśli stosuje się stratyfikację proporcjonalną, wielkość próby warstwy jest bardzo mała; dlatego osiągnięcie celów badania może być trudne.

Przydział proporcjonalny może nie dawać wystarczającej liczby przypadków dla tego rodzaju szczegółowej analizy. Jedną z opcji jest nadpróbkowanie małych lub rzadkich warstw. Takie nadpróbkowanie spowodowałoby nieproporcjonalny rozkład warstw próby w porównaniu z populacją. Może jednak istnieć wystarczająca liczba przypadków, aby przeprowadzić analizę warstw wymaganą do celów badania.

Mocne i słabe strony próbkowania warstwowego

Próbkowanie warstwowe ma wiele mocnych i słabych stron związanych z większością procedur próbkowania prawdopodobieństwa w porównaniu z procedurami próbkowania bez prawdopodobieństwa.

W porównaniu z prostym losowym próbkowaniem, mocne strony próbkowania warstwowego obejmują:

• Możliwość oszacowania nie tylko parametrów populacji, ale także wnioskowania w obrębie każdej warstwy i porównań między warstwami. Proste losowe pobieranie próbek może nie uchwycić wystarczających danych dotyczących podgrup będących przedmiotem zainteresowania. Próby warstwowe generują mniejsze błędy losowe w próbie niż te, które uzyskuje się w przypadku prostej próby losowej o tej samej wielkości próby. Próba warstwowa daje próbkę, która jest co najmniej tak samo precyzyjna jak próba losowa o tej samej wielkości.
• Próbki warstwowe są zwykle bardziej reprezentatywne dla populacji, ponieważ zapewnia to, że elementy z każdej warstwy w populacji są reprezentowane w próbie. Pobieranie próbek można podzielić na warstwy, aby zapewnić rozłożenie próbki na podobszary geograficzne i podgrupy populacji.
• Stosując dobór warstwowy, wykorzystuje się wiedzę, jaką badacz posiada na temat populacji.
• Korzystanie z próbkowania warstwowego pozwala badaczowi na stosowanie różnych procedur próbkowania w różnych warstwach.

Jaka jest różnica między próbkowaniem warstwowym, próbkowaniem i próbkowaniem kwotowym?

Próbkowanie warstwowe i próbkowanie kwotowe są do siebie nieco podobne. Oba obejmują podzielenie populacji docelowej na kategorie, a następnie wybranie określonej liczby pozycji z każdej kategorii. Obie procedury mają za główny cel wybór reprezentatywnej próby i/lub ułatwienie analizy podgrup. Istnieją jednak ważne różnice.

Próbkowanie warstwowe wykorzystuje proste próbkowanie losowe. Do losowania warstwowego potrzebny jest operat losowania, ale nie do losowania kwotowego.

Zalety pobierania próbek kwotowych:

• Jest to najtańsza metoda pobierania próbek.
• Jest szeroko stosowany w sondażach i sondażach przeprowadzanych przez media.
• Metoda zakłada, że ​​informacje, które chcemy uzyskać, są skorelowane z populacją, ale jest to trudna do udowodnienia hipoteza reprezentatywności.

Krótko mówiąc, rozważ wybór próbkowania warstwowego, jeśli:

• Możliwe jest podzielenie populacji na dwie lub więcej warstw i zbudowanie jednorodnego operatu losowania dla każdej warstwy.
• Niektóre podgrupy populacji bardzo różnią się od innych podgrup.
• Niezbędne jest zminimalizowanie błędu próbkowania.
• Populacja jest niejednorodna.
• Pożądana jest analiza porównawcza warstw.

Na koniec dzielimy się artykułem na temat charakterystyki innego rodzaju próbkowania, próbkowania systematycznego.

Rozwiązuj wyzwania badawcze dzięki prostym do tworzenia ankietom, które dostarczają złożonych informacji w czasie rzeczywistym. Wykorzystaj niestandardową logikę wskaż i kliknij, zaawansowane typy pytań i integracje oraz twórz dojrzałe, złożone modele badawcze do badań opartych na wyborach, badań konsumenckich i nie tylko.

DOWIEDZ SIĘ WIĘCEJ BEZPŁATNA PRÓBA