Wat is clustersteekproef in statistieken?

In de statistieken is de clusterbemonstering is een kanssteekproeftechniek waarbij onderzoekers de populatie voor onderzoek in meerdere groepen (clusters) verdelen. De onderzoekers selecteren vervolgens willekeurige groepen met behulp van een eenvoudige willekeurige of systematische willekeurige steekproeftechniek voor het verzamelen en analyseren van gegevens.

Met andere woorden, clusterbemonstering is een bemonsteringsmethode: waarin de gehele onderzoekspopulatie is verdeeld in extern homogene, maar intern heterogene groepen, clusters genaamd. In wezen is elke groep een mini-vertegenwoordiging van de hele bevolking.

Na identificatie van de groepen, worden sommige gekozen door middel van een eenvoudige willekeurige steekproeventerwijl de anderen niet vertegenwoordigd zijn in een studie. Ook moet een onderzoeker na de selectie van de groepen de juiste methode kiezen om de items uit elke geselecteerde groep te samplen.

Typen clustersteekproeven

Er zijn twee soorten clustersteekproeven, waaronder:

• Eentraps clusterbemonstering: Dit type clustersteekproef houdt zich bezig met wanneer een onderzoeker met de gehele populatie van een groep werkt door deze willekeurig te selecteren.
• Tweetraps: Aan de andere kant gaat de tweetraps clustersteekproef over wanneer een onderzoeker werkt met een bepaalde hoeveelheid onder de gehele populatie voor elke groep geselecteerd door middel van systematische willekeurige steekproeven of gemakkelijk.

Om zo te clustersteekproeven uitvoerenmoet een reeks stappen worden uitgevoerd. Onder hen is:

1. De steekproef: de doelgroep en de grootte ervan worden bepaald.
2. Het ontwikkelen en evalueren van steekproefkaders - Een steekproefkader wordt gemaakt met behulp van een bestaand kader of door het maken van een nieuwe en evalueer ze vervolgens op basis van dekking en groepering door aanpassingen te maken overeenkomend.
3. Bepaal groepen: het aantal groepen wordt bepaald door in elke groep hetzelfde gemiddelde aantal leden op te nemen. Elke groep moet van elkaar verschillen.
4. Groepen selecteren: groepen worden gekozen door middel van een willekeurige selectie.
5. Subtypes maken: Subtypes in twee fasen en in meerdere fasen worden verdeeld volgens het aantal stappen dat onderzoekers volgen om groepen te vormen.

Voor- en nadelen van clustersteekproeven

Aan de kant van de voordelen zijn er:

• Minder middelen, zoals kosten en tijd
• Het is meer haalbaar
• Gemakkelijke toegang
• Nauwkeurigere gegevens
• Eenvoudige implementatie van steekproeven

Wat betreft de nadelen, het heeft:

• Hoge bemonsteringsfout: In het algemeen zijn monsters die zijn getrokken met behulp van de pooling-methode vatbaar voor hogere bemonsteringsfouten dan monsters die zijn getrokken met behulp van andere bemonsteringsmethoden.
• Bevooroordeelde steekproeven: De methode is gevoelig voor vertekening. Als de groepen die de gehele populatie vertegenwoordigen gevormd zouden zijn onder een bevooroordeelde mening, zouden de gevolgtrekkingen over de gehele populatie ook bevooroordeeld zijn.

Verschillen tussen cluster- en gestratificeerde steekproeven

Bij gestratificeerde steekproeven wordt de populatie verdeeld in strata volgens enkele variabelen die worden beschouwd als gerelateerd aan de variabelen die ons interesseren. Van elk stratum wordt vervolgens een monster genomen.

Dit is bedoeld om bemonsteringsfout verminderen omdat, als de strata echt gerelateerd zijn aan de variabelen van belang, elke stratum homogener is (het heeft minder variatie in de doelvariabelen).

Bij clustersteekproeven wordt de populatie in groepen verdeeld en wordt daaruit een steekproef getrokken. Maar slechts enkele van de groepen zijn bezet. Dit heeft de neiging om de steekproeffout te vergroten, omdat de groepen meestal vergelijkbaar zijn.

Als ze identiek waren, zou het geen zin hebben om meer dan één observatie binnen de groep te doen, omdat ze allemaal identiek zouden zijn. Het verlies aan precisie hangt samen met de variabiliteit binnen de groepen die pas bekend is na het nemen van de steekproef.

Op het eerste gezicht zijn de groepering en stratificaties vergelijkbaar: in beide is de bevolking verdeeld in niet-overlappende groepen. Maar daar houdt de gelijkenis op. Hoewel gestratificeerde steekproeven de steekproeffout kunnen verminderen, vergroot clustersteekproef deze (voor dezelfde steekproefomvang).

Clusterbemonstering kan echter toestaan: krijg een grotere steekproef voor dezelfde kosten, en qua kosten, hopen we toch de fout te verminderen. Idealiter zou de variatie binnen strata zo klein mogelijk moeten zijn, terwijl de variatie binnen groepen moet het best mogelijke zijn (maar dat laatste hebben we niet in de hand en we moeten het zo zien) dit).

Wanneer kies je voor clustersteekproeven?

Wanneer u geen volledige informatie over de populatie kunt krijgen, maar wel informatie over groepen/clusters, dan moet u voor clustersteekproeven kiezen.

Ervan uitgaande dat u hebt gekozen voor clustersteekproeven, kunt u te maken krijgen met budget- of tijdsbeperkingen. In dat geval is het misschien handiger om clustersteekproeven te gebruiken door mensen of items te selecteren die dichter bij elkaar staan, sneller reageren of goedkoper te bereiken zijn.

Clustersteekproeven zijn handig wanneer: u geen lijst met elementen uit de populatie heeft, maar u wel gemakkelijk een lijst met groepen kunt verkrijgen. Wanneer de kosten voor het verkrijgen van waarnemingen toenemen naarmate de afstand de elementen scheidt.