რა არის სტრატიფიცირებული შერჩევა?

სტრატიფიცირებული შერჩევა ეს არის ალბათური ტექნიკა, რომელსაც იყენებენ მაშინ, როდესაც მკვლევარი გარკვეული ინფორმაციის საშუალებით ყოფს ა მოსახლეობა ქვეჯგუფებად ან ფენებად და შემდეგ განახორციელეთ სხვადასხვა ფენის შიდა შერჩევა ა პროპორციული.

ეს პროცესი ძირითადად შედგება გარკვეული კატეგორიის ინტერესის სხვადასხვა კატეგორიის კლასიფიკაციაძირითადად სოციოდემოგრაფიული მახასიათებლებით, როგორიცაა ასაკი, ჰაბიტატის ზომა, სქესი, სოციალური კლასი ან გეოგრაფიული რეგიონი, ანალოგიურად, ეს შეიძლება იყოს მკვლევარის ნებისმიერი სხვა ინტერესი.

ეს მახასიათებლები იწვევს პოპულაციის ფენების მშენებლობას, რაც იძლევა უსაფრთხო შედეგებს ისე, რომ ისინი აისახება საბოლოო ნიმუშებში. ეს ფენები უნდა აკმაყოფილებდეს მთელ რიგ პირობებს, რომლებიც გარანტირებს შიდა ჰომოგენურობას სეგმენტაციის ცვლადებთან დაკავშირებული მოსახლეობა და, თავის მხრივ, ფენები არაერთგვაროვანია დიახ

ზოგადად, ამ ცვლადების საშუალებით შესაძლებელია ნიმუშის ადვილად დაყოფა სხვადასხვა ჯგუფებად ურთიერთგამომრიცხავი და ხშირი, რაც საშუალებას იძლევა დიფერენცირებული იყოს შინაგანი ქცევა მოსახლეობა.

სტრატიფიცირებული შერჩევის ტიპები

იმის მიხედვით, თუ რა ზომაზეა მინიჭებული ფენები, შესაძლებელი იქნება ფენის შერჩევის კლასიფიკაცია შემდეგნაირად:

გათვალისწინებულია სტრატიფიცირებული შერჩევა

როდესაც შერჩევა ხდება სხვადასხვა პიროვნების მახასიათებლისა, რათა შეძლონ განსაზღვრონ ფენებს, შეიძლება მოხდეს, რომ ქვეჯგუფების ზომა განსხვავებული აღმოჩნდეს სხვა ნაწილებში სამყარო

ერთიანი სტრატიფიცირებული შერჩევა

ამ შემთხვევაში ჩვენ ვსაუბრობთ ა ერთგვაროვანი ფიქსაცია, ყველა განსაზღვრულ ფენაში იმავე ნიმუშის ზომის მინიჭებით, იმ წონის გათვალისწინების გარეშე, რაც ამ ფენებს აქვთ მოსახლეობაში.

ეს არის ტექნიკა, რომელსაც შეუძლია თქვენს სასარგებლოდ მოვიდეს.ქვედა წონის ფენებში გადასვლა რომლებიც მოსახლეობაში არიან, ვინაიდან მნიშვნელობა მიენიჭება ყველაზე შესაბამის ფენებს.

Ზოგადად, ამცირებს ნიმუშის ეფექტურობასამასთან, ეს საშუალებას აძლევს კოლეგას ჩაატაროს თითოეული ფენის ყველაზე კონკრეტული მახასიათებლების შესწავლა, რომელსაც აქვს მეტი სიზუსტე.

ოპტიმალური სტრატიფიცირებული შერჩევა

ამ ტიპის შერჩევისას, ნიმუში არ შეინარჩუნებს ფენების ზომის მოსახლეობის პროპორციულობას, განსაზღვრავს ფენების ზომას პროპორციული გზით ობიექტის ცვლადების გადახრის შესაბამისად სწავლა.

Ეს ნიშნავს რომ აირჩევა ფენების ყველაზე დიდი ზომის მქონე ფენები, რომლებიც უფრო შინაგანად ცვალებადია და ამ გზით სრულყოფილად წარმოვადგინოთ მრავალფეროვანი პოპულაციების ჯგუფების ნიმუში, რომლებიც უფრო მეტ სირთულეს წარმოადგენს, რომ შეძლონ მათი შესწავლა.

რა არის პროპორციული და არაპროპორციული სტრატიფიცირებული შერჩევა?

კვლევის მიზანი შეიძლება მოითხოვდეს გამომძიებელს დეტალური ანალიზის ჩატარებაზე ნიმუშის ფენები, ამისათვის არსებობს ორი ძირითადი სტრატიფიცირებული შერჩევის ქვეტიპი, რომლებიც Ისინი არიან:

პროპორციული სტრატიფიცირებული შერჩევა

ამ შემთხვევაში ელემენტების რაოდენობა, რომლებიც გამოიყოფა სხვადასხვა ფენებში, პროპორციულია მოსახლეობის ფენის მიზნის გამოხატვისა, რაც ნიშნავს, რომ თითოეული ფენიდან გამოტანილი ნიმუშის ზომა პროპორციულია იმ ზომის, რომელიც ეხება მოსახლეობის ფენას.

შერჩევის ფრაქცია უნდა იქნას გამოყენებული თითოეულ ფენაში, ისე რომ ყველა ელემენტი იყოს მოსახლეობას შერჩევის იგივე შესაძლებლობა აქვს და შერჩევის შედეგია თვითწონიანი. ეს პროცედურა გამოიყენება მაშინ, როდესაც გამოკვლევის მიზანია სხვადასხვა პოპულაციის პარამეტრების მიღწევა.

ზოგჯერ, მკვლევარს არა მხოლოდ მოსახლეობის პარამეტრების გათვალისწინება სჭირდება, არამედ შეიძლება ის შემთხვევაც იყოს, რომ მას სურს ანალიზის ჩატარებაც მცირე ფენის დეტალების შედარება და მათი შედარება, თუმცა შეიძლება მოხდეს, რომ ზოგიერთ ფენაში შედეგები არ არის მოცემული ამ ტიპის ანალიზი

არაპროპორციული სტრატიფიცირებული შერჩევა

იგი შედგება პროცედურისგან, სადაც ელემენტთა რაოდენობა, რომელიც შედის ნიმუში თითოეული ფენისთვის, არ არის პროპორციული მთლიანი პოპულაციის წარმომადგენლობისთვის.

ეს იმიტომ ხდება, რომ მოსახლეობის ყველა ელემენტს არ აქვს შესაძლებლობა შევიდეს ნიმუში, ანუ ერთი და იგივე ფრაქცია არ ვრცელდება თითოეულ ფენაზე. მეორეს მხრივ, შერჩევის ფრაქციები შეიძლება განსხვავდებოდეს ფენებში, შესაბამისად, ეს არის პროცედურა, რომელსაც არ გააჩნია დამაჯერებელი არჩევანი.

პოპულაციის პარამეტრების შესაფასებლად, მათი შემადგენლობა უნდა იქნას გამოყენებული, როგორც კომპენსაცია ნიმუშში არაპროპორციულობისთვის. ამასთან, ამ ტიპის შერჩევა შეიძლება უფრო შესაფერისი იყოს, ვიდრე პროპორციული.

არაპროპორციული შერჩევა შეიძლება დაიყოს სამ ქვეტიპად, რუკების მიზნების შესაბამისად, რაც უფრო ადვილი იქნება ფენების ანალიზისთვის ან ფოკუსირება სიზუსტის, ხარჯების ან ორივე.

სტრატიფიცირებული შერჩევის უპირატესობები და უარყოფითი მხარეები

იმ სტრატიფიცირებული შერჩევა გვხვდება სხვადასხვა დადებითი და უარყოფითი მხარეები, რომლებიც ასოცირდება თითქმის ყველასთან ალბათობის სინჯის აღების პროცედურები, როდესაც შედარებულია არა-სინჯების პროცედურებთან ალბათური. შემდეგ, ჩვენ აღვნიშნავთ ზოგიერთ მათგანს:

სტრატიფიცირებული შერჩევის უპირატესობები

• უზრუნველყოფს უფრო მეტ ორგანიზაციას საველე სამუშაოებში.
• მოსახლეობის ქვეჯგუფები სრულად არის წარმოდგენილი ნიმუში.
• თქვენ გაქვთ შესაძლებლობა გამოიყენოთ სხვადასხვა ნიმუშის ჩარჩოები თითოეულ ფენაში.

სტრატიფიცირებული შერჩევის უარყოფითი მხარეები

• თქვენი დიზაინი შეიძლება ცოტა რთული იყოს, სტრატიფიკაციის შესასრულებლად სამზე მეტი ცვლადის შემოღებით.
• თქვენ უნდა გქონდეთ ისეთი ჩარჩოს ნიმუში, სადაც შეგიძლიათ დეტალურად აღნიშნოთ საგნების სხვადასხვა მახასიათებლები, რომლებიც დაკავშირებულია სტრატიფიკაციაში გამოყენებულ ცვლადებთან.
• იგი აერთიანებს დამაბნეველ სტატისტიკურ გამოთვლებს.

სტრატიფიცირებული შერჩევის მაგალითი

თუ გსურთ შეისწავლოთ მწეველი მოსახლეობის პროცენტული მაჩვენებელი და კრიტერიუმად ასაკის არჩევა გსურთ, ვინაიდან მას შეუძლია ეფექტურად განასხვავებს მოწევის მნიშვნელოვან ფენებს, შემდეგ შეიძლება განისაზღვროს სამი ფენები:

• 20 წლამდე.
• 20-დან 44 წლამდე.
• 44 წელს გადაცილებული.

სამ ფენად დაყოფისას, ჯგუფების შედეგებს არათანაბარი ზომა აქვთ, შესაბამისად, ოფიციალურად შემდეგი შედეგების მიღება შეიძლება:

ფენა 1

მოსახლეობა 20 წლამდე: 42.4 მილიონი (41.0%)

ფენა 2

მოსახლეობა 20-დან 44 წლამდე: 37,6 მილიონი (36,3%)

ფენა 3

მოსახლეობა 44 წელზე მეტია: 23,5 მილიონი (22,7%)

თუ ამ მაგალითში გვინდა გავაკეთოთ ათასი ადამიანის ნიმუში, ფენებს უნდა ჰქონდეთ ისეთი ზომა, როგორიც მოცემულია ქვემოთ:

ფენა	მოსახლეობა	პროპორცია	შოუ
1	42.4 მ	41,0%	410
2	37,6 მ	36,3%	363
3	23.5 მ	22,7%	227