Wszystko o losowym losowaniu warstwowym
Co to jest losowe losowanie warstwowe?
Próbka jest mini-reprezentacją większej populacji.
Próbki można określić nieformalnie lub formalnie. Jednak próbki, które są systematycznie opracowywane zgodnie z pewnymi metodami naukowymi, są generalnie postrzegane jako bardziej użyteczne w generalizacjach dotyczących większej populacji.
Co oznacza stratyfikacja?
Próbki podzielone na warstewki składają się z jednorodnych podgrup, które są uważane za odrębne na ważne sposoby. Zbiór tych jednorodnych podgrup nazywa się warstwami. Ta metoda procedur pobierania próbek umożliwia podział populacji na jednorodne podgrupy, z których można wybrać proste próbki losowe.
Dlaczego ustrukturyzowana próbka jest przydatna?
Celem stratyfikowanej losowej próby jest wyłonienie uczestników z różnych podgrup, którzy, jak się uważa, mają związek z badaniami, które będą przeprowadzane. Na przykład wyniki badania mogą mieć wpływ na atrybuty badanych , takie jak wiek, płeć, poziom doświadczenia zawodowego, grupa rasowa i etniczna, sytuacja ekonomiczna, poziom wykształcenia i tak dalej.
Warstwowana próbka skonstruowana jest w taki sposób, aby można było racjonalnie założyć, że te potencjalnie wpływowe cechy odzwierciedlają wzór tych cech w całej populacji. W ten sposób próbka odzwierciedla populację, z której została pobrana, ale próbki nie można uznać za reprezentatywną dla większej populacji .
Pamiętaj, że dobór członków stratyfikowanej próbki nie jest procesem losowym. To powiedziawszy, po ustaleniu warstw, proste losowe próbkowanie jest używane do wyboru członków próbek dla każdej warstwy .
Co oznacza probabilistyka?
Stratyfikowana próbka losowa jest probabilistyczna, ponieważ każda metoda zastosowana do wyboru populacji próbki zapewnia rozsądnie wiarygodny sposób oszacowania, jak reprezentatywna jest populacja próbki dla większej (wszechświatowej) populacji, z której wybrano próbkę. Innymi słowy, probabilistyczna próbka pozwala badaczowi oszacować szanse, że wybrana próbka ma lub nie reprezentuje większej populacji, z której pobrano próbkę.
Przykłady
W przypadku zainteresowania różnicami między jednorodnymi podgrupami a większą populacją próby jako całości należy stosować stratyfikowane metody losowego doboru próby.
Załóżmy, że populacja klientów biznesowych można podzielić na trzy grupy: Gen-Xers, Gen-Yers (Millennial) i Baby Boomers. Co więcej, mamy powody sądzić, że zarówno Gen-Xers, jak i Gen-Yers są stosunkowo mniejszymi mniejszościami w ogólnej klienteli biznesowej. Gen-Xers stanowią około 5 procent ogólnej populacji klientów, a Gen-Yers stanowią około 10 procent klientów.
Prosta losowa próbka 100 członków (n = 100) może wygenerować 5 Gen-Xers i 10 Gen-Yers, jeśli użyjemy frakcji próbkowania 10%. Można by uzyskać jeszcze mniej Gen-Xerów i mniej Gen-Yers niż w próbie - tylko przez przypadek. Stratyfikacja prawdopodobnie przyniesie bardziej reprezentatywne wyniki. Załóżmy, że chcemy mieć co najmniej 25 osób w każdej grupie. Jeśli nadal pobieramy próbkę 100 (n = 100), wówczas możemy pobrać próbki 25 genów Xers, 25 gen-yerów i 50 baby boomers.
Wiemy, że 10 procent populacji to milenialsi lub Gen-Yers (lub około 100 naszych klientów) Losowa próba 25 klientów da frakcję wewnątrz warstwy w wysokości 25/100 lub 25 procent. Wiemy również, że 5 procent z 50 klientów, którzy nie są wyżu demograficznego, to Gen-Xers, co oznacza, że frakcja wewnątrz warstwy będzie wynosić 25/50 lub 50 procent.
Tak więc 50 Gen-Xers plus 100 Gen-Yers to w sumie 150 z naszej próbki klienta. Ponieważ całkowita populacja klientów wynosi 1000, odejmujemy Gen-Xers oraz Gen-Yers (w sumie 150 klientów), co daje 850 klientów, którzy są Baby Boomers. Frakcja do pobierania próbek w próbkach dla Baby Boomers wynosi 50/850 lub około 5,88 procent.
Dwie rzeczy są oczywiste: (1) Te trzy grupy są bardziej jednorodne w obrębie grupy niż w całej populacji. Oznacza to, że jest mniej wariancji, co daje możliwość większej precyzji statystycznej . (2) A ponieważ próbka została podzielona na straty, będzie wystarczającej liczby członków z każdej grupy, aby móc uzyskać znaczące wnioskowania podgrupy .
Próbkowanie warstwowe może być preferowane w porównaniu z prostym losowym próbkowaniem, gdy ważne jest reprezentowanie całej populacji i reprezentowanie kluczowych podgrup populacji, zwłaszcza gdy podgrupy są dość małe, ale wyróżnione na ważne sposoby. Dzięki zastosowaniu warstwowych metod próbkowania badacz może skutecznie zapewnić, że podgrupy mogą być zróżnicowane w dyskusji na temat wyników badań.