Wat Is gestratificeerde aselecte bemonstering?
gestratificeerde aselecte bemonstering is een bemonsteringsmethode waarbij een populatie wordt verdeeld in kleinere subgroepen die bekend staan als strata. In gestratificeerde aselecte steekproeven, of stratificatie, worden de strata gevormd op basis van gedeelde attributen of kenmerken van leden, zoals inkomen of opleidingsniveau.
gestratificeerde aselecte bemonstering wordt ook proportionele aselecte bemonstering of quota aselecte bemonstering genoemd.,
Key Takeaways
- Met gestratificeerde aselecte steekproeven kunnen onderzoekers een steekproefpopulatie verkrijgen die het best de gehele onderzochte populatie vertegenwoordigt.
- gestratificeerde aselecte steekproeven omvatten het verdelen van de gehele populatie in homogene groepen die strata worden genoemd.
- gestratificeerde aselecte steekproeven verschillen van eenvoudige aselecte steekproeven, waarbij de aselecte selectie van gegevens uit een volledige populatie plaatsvindt, zodat elke mogelijke steekproef even waarschijnlijk zal plaatsvinden.,
gestratificeerde aselecte steekproef
hoe gestratificeerde aselecte steekproef werkt
bij het voltooien van analyse of onderzoek op een groep entiteiten met vergelijkbare kenmerken; een onderzoeker kan vinden dat de omvang van de populatie te groot is om onderzoek te voltooien. Om tijd en geld te besparen, een analist kan nemen op een meer haalbare aanpak door het selecteren van een kleine groep uit de bevolking., De kleine groep wordt aangeduid als een steekproefgrootte, die een subset van de bevolking is die wordt gebruikt om de gehele bevolking te vertegenwoordigen. Een steekproef kan op een aantal manieren uit een populatie worden geselecteerd, waaronder de gestratificeerde aselecte steekproefmethode.
een gestratificeerde aselecte steekproef omvat het verdelen van de gehele populatie in homogene groepen die strata (meervoud voor stratum) worden genoemd. Vervolgens worden uit elk stratum willekeurige monsters genomen., Denk bijvoorbeeld aan een wetenschappelijk onderzoeker die graag wil weten hoeveel MBA-studenten in 2007 binnen drie maanden na afstuderen een baan aangeboden hebben gekregen.
hij zal snel merken dat er bijna 200.000 MBA afgestudeerden voor het jaar. Hij zou kunnen besluiten om gewoon een eenvoudige steekproef van 50.000 afgestudeerden te nemen en een enquête uit te voeren. Beter nog, hij kan de populatie in lagen verdelen en een willekeurige steekproef van de lagen nemen. Om dit te doen, zou hij bevolkingsgroepen creëren op basis van geslacht, leeftijd, ras, land van nationaliteit, en carrière achtergrond., Een aselecte steekproef van elk stratum wordt genomen in een aantal evenredig aan de grootte van het stratum in vergelijking met de populatie. Deze deelverzamelingen van de strata worden vervolgens samengevoegd tot een willekeurige steekproef.
voorbeeld van gestratificeerde aselecte steekproef
stel dat een onderzoeksteam de GPA van studenten in de VS wil bepalen het onderzoeksteam heeft moeite met het verzamelen van gegevens van alle 21 miljoen studenten; het besluit een aselecte steekproef van de populatie te nemen met behulp van 4.000 studenten.,
neem nu aan dat het team de verschillende attributen van de voorbeelddeelnemers bekijkt en zich afvraagt of er verschillen zijn in GPA’ s en studenten ‘ majors. Stel dat het vindt dat 560 studenten zijn Engels majors, 1,135 zijn wetenschap majors, 800 zijn computer science majors, 1,090 zijn engineering majors, en 415 zijn wiskunde majors. Het team wil een proportionele gestratificeerde willekeurige steekproef gebruiken waarbij het stratum van de steekproef evenredig is met de willekeurige steekproef in de populatie.
stel dat het team de demografie van studenten in de U. onderzoekt,S en vindt het percentage van wat studenten major in: 12% major in het Engels, 28% major in de wetenschap, 24% major in computer science, 21% major in engineering, en 15% major in de wiskunde. Zo worden vijf strata gecreëerd uit het gestratificeerde aselecte Steekproefproces.
het team moet dan bevestigen dat het stratum van de populatie in verhouding staat tot het stratum in de steekproef; zij vinden echter dat de verhoudingen niet gelijk zijn., Het team moet dan opnieuw steekproef 4.000 studenten uit de bevolking en willekeurig selecteren 480 Engels, 1120 wetenschap, 960 Informatica, 840 engineering, en 600 wiskunde studenten.
met die, heeft het een proportionele gestratificeerde willekeurige steekproef van studenten, die een betere vertegenwoordiging van studenten college majors in de VS biedt de onderzoekers kunnen dan specifieke stratum markeren, de verschillende studies van Amerikaanse studenten observeren en de verschillende grade point gemiddelden observeren.,
eenvoudige aselecte Versus gestratificeerde aselecte Monsters
eenvoudige aselecte monsters en gestratificeerde aselecte monsters zijn beide statistische meetinstrumenten. Een eenvoudige willekeurige steekproef wordt gebruikt om de volledige gegevenspopulatie te vertegenwoordigen. Een gestratificeerde willekeurige steekproef verdeelt de populatie in kleinere groepen, of strata, op basis van gedeelde kenmerken.,
De eenvoudige aselecte steekproef wordt vaak gebruikt wanneer er zeer weinig informatie beschikbaar is over de datapopulatie, wanneer de datapopulatie veel te veel verschillen heeft om in verschillende deelverzamelingen te verdelen, of wanneer er slechts één duidelijk kenmerk onder de datapopulatie is.
een snoepbedrijf wil bijvoorbeeld de koopgewoonten van zijn klanten bestuderen om de toekomst van zijn productlijn te bepalen. Als er 10.000 klanten, het kan gebruiken kiezen 100 van die klanten als een willekeurige steekproef., Het kan dan toepassen wat het vindt van die 100 klanten aan de rest van zijn basis. In tegenstelling tot stratificatie, zal het 100 leden puur willekeurig bemonsteren zonder rekening te houden met hun individuele kenmerken.
proportionele en onevenredige stratificatie
gestratificeerde aselecte bemonstering zorgt ervoor dat elke subgroep van een bepaalde populatie adequaat vertegenwoordigd is binnen de gehele steekproefpopulatie van een onderzoek. Stratificatie kan evenredig of onevenredig zijn., Bij een evenredige gestratificeerde methode is de steekproefgrootte van elk stratum evenredig met de populatiegrootte van het stratum.
bijvoorbeeld, als de onderzoeker een steekproef van 50.000 afgestudeerden met leeftijdscategorie wilde, zal de proportionele gestratificeerde aselecte steekproef worden verkregen met behulp van deze formule: (steekproefgrootte/populatiegrootte) x stratum grootte. De onderstaande tabel gaat uit van een bevolkingsgrootte van 180.000 MBA afgestudeerden per jaar.,>
het Aantal mensen in stratum
90,000
60,000
de 30.000
de 180.000
Lagen sample size
de 25.000
16,667
8,333
50,000
De strata grootte van de steekproef voor MBA-afgestudeerden in de leeftijdscategorie van 24 tot en met 28 jaar is berekend als (50,000/de 180.000) x van 90.000 = 25,000., Dezelfde methode wordt gebruikt voor de andere leeftijdsgroepen. Nu de steekproefgrootte van de strata bekend is, kan de onderzoeker eenvoudige willekeurige bemonstering in elke stratum uitvoeren om zijn enquêtedeelnemers te selecteren. Met andere woorden, 25.000 afgestudeerden uit de 24-28 leeftijdscategorie zullen willekeurig worden geselecteerd uit de gehele bevolking, 16.667 afgestudeerden uit de 29-33 leeftijdscategorie zullen willekeurig worden geselecteerd uit de bevolking, enzovoort.
in een disproportionele gestratificeerde steekproef is de omvang van elk stratum niet evenredig met de omvang ervan in de populatie., De onderzoeker kan besluiten om een monster te nemen 1/2 van de afgestudeerden binnen de 34-37 leeftijdscategorie en 1/3 van de afgestudeerden binnen de 29-33 leeftijdscategorie.
Het is belangrijk op te merken dat één persoon niet in meerdere lagen kan passen. Elke entiteit mag slechts in één laag passen. Het hebben van overlappende subgroepen betekent dat sommige individuen hogere kansen zullen hebben om te worden geselecteerd voor de enquête, die volledig het concept van gestratificeerde bemonstering als een soort waarschijnlijkheidsbemonstering ontkent.,
portefeuillemanagers kunnen gestratificeerde willekeurige steekproeven gebruiken om portefeuilles te creëren door een index zoals een obligatie-index te repliceren.
voordelen van gestratificeerde aselecte bemonstering
het belangrijkste voordeel van gestratificeerde aselecte bemonstering is dat de belangrijkste populatiekenmerken in de steekproef worden opgenomen. Vergelijkbaar met een gewogen gemiddelde, produceert deze bemonsteringsmethode kenmerken in de steekproef die evenredig zijn aan de totale populatie., Gestratificeerde willekeurige bemonstering werkt goed voor populaties met een verscheidenheid aan attributen, maar is anders niet effectief als subgroepen niet kunnen worden gevormd.
stratificatie geeft een kleinere fout in de schatting en een grotere nauwkeurigheid dan de eenvoudige aselecte steekproefmethode. Hoe groter de verschillen tussen de lagen, hoe groter de precisie.
nadelen van gestratificeerde aselecte bemonstering
helaas kan deze onderzoeksmethode niet in elk onderzoek worden gebruikt. Het nadeel van de methode is dat aan verschillende voorwaarden moet worden voldaan om de methode goed te kunnen gebruiken., De onderzoekers moeten elk lid van een bestudeerde populatie identificeren en elk van hen in één, en slechts één, subpopulatie classificeren. Als gevolg daarvan is gestratificeerde willekeurige bemonstering nadelig wanneer onderzoekers niet met vertrouwen elk lid van de bevolking in een subgroep kunnen classificeren. Ook, het vinden van een uitputtende en definitieve lijst van een hele bevolking kan een uitdaging zijn.
Overlapping kan een probleem zijn als er onderwerpen zijn die in meerdere subgroepen vallen. Wanneer eenvoudige aselecte steekproeven worden uitgevoerd, zijn degenen die in meerdere subgroepen zijn meer kans om te worden gekozen., Het resultaat kan een verkeerde voorstelling van zaken zijn of een onnauwkeurige weergave van de bevolking.
de bovenstaande voorbeelden maken het gemakkelijk: undergraduate, graduate, man en vrouw zijn duidelijk gedefinieerde groepen. In andere situaties kan het echter veel moeilijker zijn. Stel je voor het opnemen van kenmerken zoals ras, etniciteit, of religie. Het sorteerproces wordt moeilijker, waardoor gestratificeerde willekeurige bemonstering een ineffectieve en minder dan ideale methode is.,