Mis on klastrivalim statistikas?

Statistikas on klastri valim on tõenäosusvalimitehnika, kus teadlased jagavad populatsiooni uurimiseks mitmeks rühmaks (klastriks). Seejärel valivad teadlased juhuslikud rühmad, kasutades andmete kogumiseks ja analüüsimiseks lihtsat juhuslikku või süstemaatilist juhusliku valimi võtmise tehnikat.

Teisisõnu, klastri valim on a proovivõtumeetod milles kogu uuritav populatsioon on jagatud väliselt homogeenseteks, kuid sisemiselt heterogeenseteks rühmadeks, mida nimetatakse klastriteks. Põhimõtteliselt on iga rühm kogu elanikkonna mini-esindus.

Pärast rühmade kindlakstegemist valitakse mõned a abil lihtne juhuslik valimsamas kui teised pole uuringus esindatud. Samuti peab uurija pärast rühmade valimist valima sobiva meetodi igast valitud rühmast üksuste valimiseks.

Klastri valimi tüübid

Klastrivalimid on kahte tüüpi, nende hulgas:

• Üheastmeline klastri proovide võtmine: Seda tüüpi klastri valimid käsitlevad seda, kui teadlane töötab juhuslikult valides kogu rühma populatsiooni.
• Kaheastmeline: Teisalt käsitletakse kaheastmelist klastrivalimit siis, kui teadlane töötab kindla inimesega - kogu süstemaatilise juhusliku valimi abil valitud rühma kogus kogu populatsiooni hulgas lihtne.

Selleks, et viia läbi klastri proovide võtmine, tuleb läbi viia rida samme. Nende hulgas on:

1. Valim: otsustatakse sihtrühm ja selle suurus.
2. Valimiraamide väljatöötamine ja hindamine - valimisraam luuakse olemasoleva abil või luues uue ja seejärel hinnake neid katvuse ja rühmituste põhjal, tehes muudatusi vastav.
3. Määrake rühmad: rühmade arv määratakse, lisades igaühele sama keskmise liikmete arvu. Iga rühm peab olema üksteisest erinev.
4. Valige rühmad: rühmad valitakse juhusliku valiku abil.
5. Alamtüüpide loomine: Kaheastmelised ja mitmeastmelised alamtüübid jagatakse vastavalt rühmade moodustamiseks teadlaste poolt järgitud sammude arvule.

Klastrivalimite eelised ja puudused

Eelised on järgmised:

• Vähem ressursse, näiteks kulu ja aeg
• See on teostatavam
• Mugav juurdepääs
• Täpsemad andmed
• Valimi moodustamise lihtsus

Mis puudutab puudusi, siis sellel on:

• Kõrge valimiviga: üldjuhul on ühismeetodil võetud proovide puhul suurem valimisviga kui muude proovivõtumeetoditega võetud proovides.
• Kallutatud proovid: meetod on kalduvus kallutada. Kui kogu elanikkonda esindavad rühmad moodustataks erapooliku arvamuse alusel, oleks ka järeldused kogu elanikkonna kohta kallutatud.

Klastri ja kihistunud valimi erinevused

Kihistatavas valimis jagatakse populatsioon kihtideks vastavalt mõnele muutujale, mida peetakse seotuks meid huvitavate muutujatega. Seejärel võetakse igast kihist proov.

See on mõeldud vähendada valimiviga sest kui kihid on tõesti huvipakkuvate muutujatega seotud, siis on iga kiht homogeensem (sellel on muutujaid sihtmuutujates vähem).

Klastrivalimis jagatakse populatsioon rühmadesse ja neist võetakse valim. Kuid ainult mõned rühmad on võetud. See kipub valimisviga suurendama, kuna rühmad kipuvad olema sarnased.

Kui need oleksid identsed, poleks mõtet teha rohkem kui ühte vaatlust rühmas, sest need kõik oleksid identsed. Täpsuse kaotus on seotud rühmade varieeruvusega, mis on teada alles pärast proovi võtmist.

Pealtnäha on grupeerimine ja kihistumine sarnased: mõlemas on populatsioon jagatud kattumatuteks rühmadeks. Kuid seal sarnasus lõpeb. Kui kihiline valim võib vähendada valimi viga, siis klastri valim suurendab seda (sama valimi suuruse korral).

Klastrivalim võib siiski lubada saada suurem proov sama kulu eest ja kulude osas loodame siiski viga vähendada. Ideaalis peaks variatsioon kihtides olema võimalikult väike, samas variatsioon gruppides peaks olema parim võimalik (kuid me ei saa viimast kontrollida ja peame seda võtma on).

Millal valida klastri valim?

Kui te ei saa täielikku teavet populatsiooni kohta, kuid võite saada teavet rühmade / klastrite kohta, peaksite valima klastri valimi.

Eeldades, et olete otsustanud klastri valimi võtmise, võivad teie suhtes kehtida eelarve või ajalised piirangud. Sellisel juhul võib olla mugavam kasutada klastrivalimit, valides inimesed või üksused, mis on lähemal, reageerivad kiiremini või on odavamad kätte saada.

Klastrivalim on kasulik juhul, kui: teil pole populatsiooni elementide loendit, kuid rühmade loendi hankimine on lihtne. Kui vaatluste saamise hind suureneb, kui kaugus elemente eraldab.