ყველაფერი სტრატიფიცირებული შემთხვევითი შერჩევის შესახებ
რა არის სტრატიფიცირებული შემთხვევითი შერჩევა?
ნიმუში არის უფრო დიდი მოსახლეობის მინი წარმომადგენლობა.
ნიმუშები შეიძლება განისაზღვროს არაფორმალურად ან ფორმალურად. მაგრამ გარკვეული ნიმუშების მიხედვით, რომლებიც ზოგადად შეიმჩნევა გარკვეული სამეცნიერო მეთოდების მიხედვით, უფრო ფართო მოსახლეობის შესახებ განზოგადების მისაღებად უფრო სასარგებლოა.
რას ნიშნავს სტრატიფიცირებული?
Stratified ნიმუშები შედგება ერთგვაროვანი ქვე-ჯგუფებისგან, რომლებიც მნიშვნელოვნად განსხვავდება მნიშვნელოვანი გზებით. ამ ერთგვაროვანი ქვეჯგუფების კრებული მოიხსენიება როგორც ფენად. შერჩევის პროცედურების ეს მეთოდი საშუალებას აძლევს მოსახლეობას გამიჯნონ ერთგვაროვან ქვეჯგუფებად, საიდანაც შესაძლებელია შერჩეული მარტივი შემთხვევითი შერჩევა .
რატომ არის სტრატიფიცირებული ნიმუში სასარგებლო?
სტრატიფიცირებული შემთხვევითი შერჩევის მიზანია შეარჩიოს მონაწილეები სხვადასხვა ქვეჯგუფებიდან, რომლებიც მიიჩნევენ, რომ შეესაბამება კვლევას , რომელიც ჩატარდება. მაგალითად, კვლევის შედეგები შეიძლება გავლენა იქონიოს სუბიექტების ატრიბუტებით , როგორიცაა მათი ასაკის, სქესის, სამუშაო გამოცდილების დონის, რასობრივი და ეთნიკური ჯგუფის, ეკონომიკური მდგომარეობის, განათლების მიღწევის დონე და ა.შ.
სტრატიფიცირებული ნიმუში აგებულია ისე, რომ ეს პოტენციურად გავლენიანი თვისებები შეიძლება იყოს გონივრულად, რათა ასახავდეს ამ მახასიათებლების ნიმუშს საერთო მოსახლეობაში. ამგვარად, ნიმუში ასახავს იმ მოსახლეობას, საიდანაც გადაღებულია, მაგრამ ნიმუში არ შეიძლება ითქვას, რომ უფრო დიდი მოსახლეობის წარმომადგენელია .
გახსოვდეთ, სტრატიფიცირებული ნიმუშის წევრების შერჩევა არ არის შემთხვევითი პროცესი. ეს უკვე თქვა, რომ ფაზის დამუშავების შემდეგ, მარტივი შემთხვევითი შერჩევა გამოიყენება თითოეული ფენისათვის ნიმუშების წევრების შესარჩევად.
რას ნიშნავს ალბათობა?
სტრატიფიცირებული შემთხვევითი ნიმუში არის ალბათობა, რადგან ნიმუშის პოპულაციის შესარჩევად გამოყენებული ყველა მეთოდი გონივრულად საიმედო გზას აძლევს იმის შეფასებას, თუ როგორ წარმოადგენს წარმომადგენლის ნიმუშის მოსახლეობა უფრო დიდი (სამყაროს) მოსახლეობისგან , საიდანაც შერჩეულია შერჩევა. სხვა სიტყვებით, probabilistic ნიმუში საშუალებას აძლევს მკვლევარს შეაფასოს შანსები , რომ შერჩეული ნიმუში არ ან არ წარმოადგენს იმ დიდ მოსახლეობას, საიდანაც ნიმუში იყო შედგენილი.
მაგალითები
გამოიყენეთ სტრატიფიცირებული შემთხვევითი შერჩევის მეთოდები, როდესაც არსებობს ერთმანეთისგან ერთმანეთისგან განსხვავებული ერთგვაროვანი ქვეჯგუფებისა და უფრო დიდი ნიმუში მოსახლეობის ინტერესი .
მოდით ვთქვათ, რომ ბიზნეს კლიენტების მოსახლეობა შეიძლება დაიყოს სამ ჯგუფად: Gen-Xers, Gen-Yers (Millennial) და Baby Boomers. უფრო მეტიც, გვაქვს საფუძველი, რომ გენი-ჯერსის და გენერ-იერს საერთო ბიზნესგარემოს შედარებით პატარა უმცირესობა ჰყავთ. Gen-Xers- ი კლიენტთა მთლიანი მოსახლეობის დაახლოებით 5% -ს და ჯენ-იერსს კლიენტთა დაახლოებით 10% შეადგენენ.
100 წევრთა უბრალო შემთხვევითი ნიმუში (n = 100) შეიძლება გენერირებული 5 Gen-Xers და 10 Gen-Yers, თუ ჩვენ გამოვიყენეთ შერჩევის ფრაქცია 10%. შესაძლებელი იქნებოდა კიდევ უფრო ნაკლები გენერ-ჟერსისა და გენერ-იერსის მიღება, ვიდრე ნიმუში - მხოლოდ შანსი. სტრატიფიკაცია სავარაუდოდ უფრო წარმომადგენელ შედეგებს აწარმოებს. ამბობენ, რომ თითოეულ ჯგუფში მინიმუმ 25 ადამიანი გყავს. თუ ჩვენ ჯერ კიდევ 100 (ნიმუში 100) ნიმუშს მივიღებთ, მაშინ ჩვენ შეგვიძლია დავინახოთ 25 Gen-Xers, 25 Gen-Yers და 50 Baby Boomers.
ჩვენ ვიცით, რომ მოსახლეობის 10 პროცენტი ათასწლეულები ან გენ-იერები (ანუ დაახლოებით 100 კლიენტი, 25 კლიენტის შემთხვევითი შერჩევა 25/100 ან 25 პროცენტიანი შპრიცის ნიმუში იქნება, ასევე ვიცით, რომ 5 პროცენტი 50-მდე კლიენტი, რომლებიც არ არიან ბავშვის boomers Gen-Xers, ეს იმას ნიშნავს, რომ შიგნით ფატალური იქნება 25/50 ან 50 პროცენტი.
ასე რომ, 50 Gen-Xers Plus 100 Gen-Yers არის სულ 150 ჩვენი კლიენტების ნიმუში. ვინაიდან საერთო ჯამში მოსახლეობა 1000-ს შეადგენს, ჩვენ ჯენკერსი და ჯენ-იერს (150-მდე კლიენტი) გამოვრიცხავთ, რომლებიც 850 კლიენტს ტოვებენ, რომლებიც ბავშვის ბუმერებით არიან. ბავშვის ბუმერების შიგნით შუალედური შერჩევის ფრაქცია 50/850 ან 5.88 პროცენტია.
ორი რამ ცხადია: (1) სამი ჯგუფი უფრო ერთგვაროვანი შიგნითა, ვიდრე მთელ მოსახლეობაში. ეს იმას ნიშნავს, რომ არსებობს ნაკლები განსხვავება, რაც უზრუნველყოფს უფრო მეტი სტატისტიკური სიზუსტის შესაძლებლობას . (2) და მას შემდეგ, რაც ნიმუში იყო სტრატიფიცირებული, საკმარისი იქნება თითოეული ჯგუფის წევრები, რომ შეძლონ მნიშვნელოვანი ქვეჯგუფის დასკვნები .
Stratified sampling შეიძლება სასურველია მარტივი შემთხვევითი შერჩევის როდესაც მნიშვნელოვანია წარმოადგენს საერთო მოსახლეობის და წარმოადგენს საკვანძო ქვეჯგუფების მოსახლეობის, განსაკუთრებით მაშინ, როდესაც ქვეჯგუფების საკმაოდ მცირე, მაგრამ გამოირჩევა მნიშვნელოვანი გზები. სტრატიფიცირებული შერჩევის მეთოდის გამოყენებით, მკვლევარს შეუძლია ეფექტურად დაარწმუნოს, რომ კვლევის შედეგების განხილვისას ქვეგანყოფილების დიფერენცირება შესაძლებელია.