Stratificirano naključno vzorčenje koristi raziskovalcem, saj jim omogočijo, da dobijo vzorčno populacijo, ki najbolje predstavlja celotno populacijo, ki se preučuje. Vseeno pa ta metoda raziskovanja ni brez svojih pomanjkljivosti.
Stratificirano naključno vzorčenje: pregled
Stratificirano naključno vzorčenje vključuje prvo delitev populacije na podpopulacije in nato uporabo metod naključnega vzorčenja za vsako podpopulacijo, da se oblikuje testna skupina. Pomanjkljivost je, če raziskovalci ne morejo razvrstiti vsakega člana populacije v podskupino.
Stratificirano naključno vzorčenje se razlikuje od preprostega naključnega vzorčenja, ki vključuje naključno izbiro podatkov iz celotne populacije, tako da je vsak možni vzorec enako verjeten. Nasprotno pa stratificirano naključno vzorčenje razdeli populacijo v manjše skupine ali sloje na podlagi skupnih značilnosti. Iz vsakega sloja se vzame naključni vzorec v sorazmerju z velikostjo sloja v primerjavi s populacijo.
Primer stratificiranega naključnega vzorčenja
Sledi primer stratificiranega naključnega vzorčenja:
Raziskovalci izvajajo študijo, namenjeno ocenjevanju politične nagnjenosti študentov ekonomije na večji univerzi. Raziskovalci želijo zagotoviti, da naključni vzorec najbolje približa študentsko populacijo, vključno s spolom, dodiplomskim študentom in podiplomskim študentom. Skupna populacija v študiji je 1.000 študentov in od tam nastanejo podskupine, kot je prikazano spodaj.
Skupno prebivalstvo = 1.000
Raziskovalci bi vsakega študenta ekonomije na univerzi razvrstili v eno od štirih podpopulacij: moški dodiplomski, ženski dodiplomski, moški diplomski in diplomski ženski. Raziskovalci bi naslednjič šteli, koliko študentov iz vsake podskupine sestavlja skupno prebivalstvo 1.000 študentov. Od tam raziskovalci izračunajo v vsaki podskupini odstotno zastopanost celotnega prebivalstva.
Podskupine:
- Moški dodiplomski študenti = 450 študentov (od 100) oz 45% prebivalstvaŠenske dodiplomske študije = 200 študentov ali 20% moški diplomanti = 200 študentov ali 20% diplomanti žensk = 150 študentov ali 15%
Naključno vzorčenje vsake podpopulacije se opravi na podlagi njene reprezentacije v celotni populaciji. Ker je moških dodiplomskih študentov 45% prebivalstva, je 45 moških dodiplomskih študentov naključno izbranih iz te podskupine. Ker diplomirani moški predstavljajo le 20% populacije, jih je 20 izbranih za vzorec in tako naprej.
Čeprav stratificirano naključno vzorčenje natančno odraža populacijo, ki se preučuje, pogoji, ki jih je treba izpolniti, pomenijo, da te metode ni mogoče uporabiti v vsaki študiji.
Prednosti stratificiranega naključnega vzorčenja
Stratificirano naključno vzorčenje ima prednosti v primerjavi s preprostim naključnim vzorčenjem.
Natančno odraža preučeno prebivalstvo
Stratificirano naključno vzorčenje natančno odraža populacijo, ki se preučuje, ker raziskovalci stratificirajo celotno populacijo, preden uporabijo metode naključnega vzorčenja. Skratka, zagotavlja, da ima vsaka podskupina znotraj populacije ustrezno zastopanost znotraj vzorca. Kot rezultat, stratificirano naključno vzorčenje zagotavlja boljšo pokritost prebivalstva, saj imajo raziskovalci nadzor nad podskupinami, da bi zagotovili, da so vsi predstavljeni v vzorčenju.
S preprostim naključnim vzorčenjem ni nobenega zagotovila, da je izbrana katera posebna podskupina ali vrsta osebe. V našem prejšnjem primeru študentov bi lahko s preprostim naključnim vzorčenjem za odvzem vzorca 100 iz populacije prišlo do izbire le 25 moških dodiplomskih študentov ali le 25% celotne populacije. Izbere se lahko tudi 35 podiplomskih študentk (35% populacije), kar ima za posledico premajhno zastopanost moških dodiplomskih študentov in prekomerno zastopanost diplomskih študentk. Vsake napake v reprezentaciji prebivalstva lahko zmanjšajo natančnost študije.
Slabosti stratificiranega naključnega vzorčenja
Stratificirano naključno vzorčenje tudi raziskovalcem predstavlja pomanjkljivost.
Ni mogoče uporabiti v vseh študijah
Na žalost te metode raziskovanja ni mogoče uporabiti v vsaki študiji. Pomanjkljivost metode je, da mora biti za pravilno uporabo izpolnjenih več pogojev. Raziskovalci morajo identificirati vsakega člana populacije, ki se preučuje, in vsakega od njih razvrstiti v eno in samo eno podpopulacijo. Zato je stratificirano naključno vzorčenje neugodno, če raziskovalci ne morejo samozavestno razvrstiti vsakega člana populacije v podskupino. Tudi iskanje izčrpnega in dokončnega seznama celotne populacije je lahko izziv.
Prekrivanje je lahko težava, če obstajajo predmeti, ki spadajo v več podskupin. Ko se izvaja preprosto naključno vzorčenje, je večja verjetnost, da bodo izbrani tisti, ki so v več podskupinah. Rezultat bi lahko bil napačna predstavitev ali netočen odraz populacije.
Zgornji primer olajša: dodiplomske, podiplomske, moške in ženske so jasno določene skupine. V drugih situacijah pa je lahko veliko težje. Predstavljajte si, da vključuje značilnosti, kot so rasa, narodnost ali vera. Postopek razvrščanja postane težji, stratificirano naključno vzorčenje postane neučinkovita in manj kot idealna metoda.
Ključni odvzemi
- Stratificirano naključno vzorčenje omogoča raziskovalcem, da dobijo vzorčno populacijo, ki najbolje predstavlja celotno populacijo, ki se preučuje. Te metode raziskovanja ni mogoče uporabiti v vsaki študiji. Stratificirano naključno vzorčenje se razlikuje od preprostega naključnega vzorčenja, ki vključuje naključno izbiro podatkov iz celotne populacije, zato je enaka verjetnost pojava vsakega možnega vzorca.
