Plik próbkowanie warstwowe, lub stratyfikacja to metoda próbkowania polegająca na podzieleniu populacji na mniejsze podgrupy, zwane warstwami. Z kolei te warstwy są tworzone na podstawie wspólnych atrybutów lub cech członków, takich jak dochód czy poziom wykształcenia..
Służy do podkreślania różnic między grupami w populacji, w przeciwieństwie do prostego próbkowania, które traktuje wszystkich członków populacji jako równych, z tym samym prawdopodobieństwem pobrania próbki.
Celem jest poprawa precyzji próbki poprzez zmniejszenie błędu próbkowania. Potrafi wygenerować średnią ważoną z mniejszą zmiennością niż średnia arytmetyczna prostej próbki populacji.
Stratyfikacja to proces fragmentacji członków populacji na jednorodne podzbiory przed pobraniem próbek. Poprzez warstwy określa się rozmieszczenie populacji.
Oznacza to, że musi być zbiorczo wyczerpujący i wzajemnie się wykluczać, więc każdemu elementowi populacji należy przypisać jedną warstwę. Następnie w każdej warstwie stosuje się systematyczne lub proste pobieranie próbek.
Indeks artykułów
Należy zauważyć, że warstwy nie powinny być zestawione. Nakładające się podgrupy dają niektórym ludziom większą szansę na wybranie ich jako przedmiotów. To całkowicie utrudnia pojęcie próbkowania warstwowego jako prototypu próbkowania..
Równie ważne jest, aby badacz użył prostego pobierania próbek w ramach różnych warstw..
Warstwy najczęściej używane w losowaniu warstwowym to wiek, płeć, status społeczno-ekonomiczny, religia, narodowość i poziom wykształcenia..
Kończąc analizę na grupie podmiotów o podobnych cechach, badacz może stwierdzić, że wielkość populacji jest zbyt duża, aby zakończyć badanie..
Aby zaoszczędzić czas i pieniądze, można przyjąć bardziej realną perspektywę, wybierając małą grupę z populacji. Ta mała grupa nazywana jest wielkością próby, która jest podzbiorem populacji używanym do reprezentowania całej populacji..
Próbkę z populacji można wybrać na kilka sposobów, z których jednym jest próbkowanie warstwowe. Obejmuje to podzielenie całej populacji na jednorodne grupy zwane warstwami. Następnie z każdej warstwy wybiera się losowe próbki.
- Podziel populację na mniejsze podgrupy lub warstwy w oparciu o atrybuty i cechy wspólne dla członków.
- Wybierz losową próbkę z każdej warstwy w liczbie proporcjonalnej do wielkości tej warstwy.
- Pogrupuj podzbiory warstw, aby utworzyć losową próbkę.
- Przeprowadź analizę.
Weźmy na przykład badacza, który chciałby poznać liczbę studentów biznesu, którzy otrzymali ofertę pracy w ciągu trzech miesięcy od ukończenia studiów w 2018 r. Wkrótce odkryją, że w tym roku było prawie 200 000 absolwentów kierunków biznesowych..
Możesz po prostu wybrać losową próbę 5000 absolwentów i przeprowadzić ankietę. Jeszcze lepiej, możesz podzielić populację na warstwy i pobrać losową próbkę z tych warstw..
Aby to zrobić, należy utworzyć grupy ludności na podstawie wieku, rasy, narodowości lub doświadczenia zawodowego..
Próbka losowa byłaby pobierana z każdej warstwy, proporcjonalnie do wielkości warstwy w odniesieniu do całej populacji. Te podzbiory zostaną zgrupowane razem, aby utworzyć próbkę.
W tym typie wielkość próby dla każdej warstwy jest proporcjonalna do wielkości populacji tej warstwy w porównaniu z populacją całkowitą. Oznacza to, że każda warstwa ma taki sam udział w próbkowaniu.
Gdy do zdefiniowania warstw wybierana jest cecha osobników, powstałe podgrupy mają często różne rozmiary..
Na przykład chcemy zbadać odsetek populacji meksykańskiej, która pali, i zdecydowano, że wiek będzie dobrym kryterium stratyfikacji, ponieważ uważa się, że nawyki palenia mogą się znacznie różnić w zależności od wieku. Zdefiniowano trzy warstwy:
- Poniżej 20 lat.
- Między 20 a 44 rokiem życia.
- Ponad 44.
Kiedy populacja Meksyku jest podzielona na te trzy warstwy, oczekuje się, że te trzy grupy nie będą tej samej wielkości. W rzeczywistości faktyczne dane to potwierdzają:
- Stratum 1: 42,4 mln (41,0%).
- Warstwa 2: 37,6 mln (36,3%).
- Warstwa 3: 23,5 mln (22,7%).
Jeżeli stosuje się proporcjonalne próbkowanie warstwowe, próbka powinna składać się z warstw, które zachowują te same proporcje co populacja. Jeśli chcesz utworzyć próbkę 1000 osobników, próbki muszą mieć następujące rozmiary:
Jest to bardzo podobne do gromadzenia mniejszej populacji, określanej przez względne proporcje warstw w populacji..
W tym typie do wszystkich zdefiniowanych warstw przypisuje się tę samą wielkość próby, niezależnie od wagi tych warstw w populacji..
Jednolite warstwowe pobieranie próbek na przykładzie poprzedniego przykładu dałoby następującą próbkę dla każdej warstwy:
Ta metoda faworyzuje warstwy, które mają mniejszą wagę w populacji, nadając im ten sam poziom ważności, co najbardziej odpowiednie warstwy.
Zmniejsza to ogólną skuteczność próbki, ale umożliwia badanie indywidualnych cech każdej warstwy z większą precyzją..
W tym przykładzie, jeśli chcesz sformułować konkretne stwierdzenie dotyczące populacji warstwy 3 (powyżej 44), możesz zmniejszyć błędy próbkowania, używając próby 333 jednostek zamiast próby 227 jednostek, jak uzyskano z proporcjonalnej stratyfikacji próbowanie.
Próbkowanie warstwowe działa dobrze w przypadku populacji, które mają różne cechy, ale poza tym nie będzie skuteczne, jeśli nie można utworzyć podgrup..
Główną zaletą losowania warstwowego jest to, że gromadzi on kluczowe cechy populacji w próbie..
Podobnie jak w przypadku średniej ważonej, ta metoda pobierania próbek daje cechy w próbie, które są proporcjonalne do całej populacji..
Stratyfikacja daje mniejszy błąd oszacowania niż prosta metoda próbkowania. Im większa różnica między warstwami, tym większy przyrost precyzji..
Ma wyższą dokładność statystyczną w porównaniu z prostym próbkowaniem. Wynika to z faktu, że w podgrupach zmienność jest mniejsza w porównaniu ze zmianami, które występują w całej populacji..
Ponieważ technika ta ma wysoką dokładność statystyczną, oznacza to również, że wymaga mniejszego rozmiaru próbki, co może zaoszczędzić badaczom wiele wysiłku, pieniędzy i czasu..
Niestety ta metoda badawcza nie może być zastosowana we wszystkich badaniach. Wadą tej metody jest to, że należy spełnić kilka warunków, aby można ją było prawidłowo stosować.
Główną wadą jest to, że określenie odpowiednich warstw do badania może być trudne. Ponadto znalezienie wyczerpującej i ostatecznej listy całej populacji może być wyzwaniem..
Drugą wadą jest to, że organizowanie i analizowanie wyników jest bardziej złożone w porównaniu z prostym pobieraniem próbek..
Badacze muszą zidentyfikować każdego członka badanej populacji i zaklasyfikować go tylko do jednej subpopulacji. W rezultacie losowanie warstwowe jest niekorzystne, gdy badacze nie mogą z całą pewnością zaklasyfikować każdego członka populacji do podgrupy..
Zestawienie może stanowić problem, jeśli istnieją przedmioty, które należą do wielu podgrup. W przypadku prostego pobierania próbek istnieje większe prawdopodobieństwo, że zostaną wybrane osoby z wielu podgrup. Rezultatem może być wprowadzenie w błąd lub niedokładne odzwierciedlenie populacji.
Przykłady, takie jak studenci, absolwenci, mężczyźni i kobiety, ułatwiają to, ponieważ są to jasno zdefiniowane grupy.
Jednak w innych sytuacjach może to być znacznie trudniejsze. Możesz sobie wyobrazić włączenie takich cech, jak rasa, pochodzenie etniczne lub religia. Proces klasyfikacji stałby się trudniejszy, przez co próbkowanie warstwowe byłoby nieskuteczną metodą..
Załóżmy, że zespół badawczy chce określić średnią ocen studentów w Stanach Zjednoczonych.
Zespół badawczy ma oczywiste trudności w zebraniu tych danych od 21 milionów studentów. Dlatego decydujesz się pobrać próbkę z populacji, używając tylko 4000 uczniów..
Zespół obserwuje różne cechy uczestników próby i pyta, czy jest jakaś różnica między średnią ocen a specjalizacją uczniów..
W próbie stwierdzono, że 560 uczniów to uczniowie języka angielskiego, 1135 nauk ścisłych, 800 informatyki, 1090 inżynierów i 415 matematyki..
Zespół chce zastosować proporcjonalne próbkowanie warstwowe, w którym warstwy próby są proporcjonalne do próby populacji.
W tym celu zespół bada statystyki studentów uniwersytetów w USA i znajduje oficjalny odsetek studentów, którzy specjalizują się: 12% z angielskiego, 28% z nauk ścisłych, 24% z informatyki, 21% z inżynierii i 15% z matematyki..
Dlatego z warstwowego procesu pobierania próbek tworzy się pięć warstw. Zespół musi potwierdzić, że warstwa populacji jest proporcjonalna do warstwy próby. Jednak stwierdza, że proporcje nie są równe..
Dlatego zespół musi ponownie próbować populację 4000 uczniów, ale tym razem losowo wybierając 480 (12%) uczących się języka angielskiego, 1120 (28%) nauk ścisłych, 960 (24%) informatyki, 840 (21%) inżynierii i 600 ( 15%) matematyka.
Dzięki temu mamy proporcjonalną, warstwową próbę studentów uniwersytetów, co zapewnia lepszą reprezentację studentów uniwersytetów w Stanach Zjednoczonych..
Naukowcy będą mogli wyróżnić określoną warstwę, obserwować różne badania studentów amerykańskich college'ów i obserwować różne średnie ocen..
Jeszcze bez komentarzy