В статистике выборочное обследование представляет собой метод вероятностной выборки, при котором исследователи делят совокупность на несколько групп (кластеров) для исследования. Затем исследователи выбирают случайные группы, используя метод простой случайной или систематической случайной выборки для сбора и анализа данных.
Другими словами, кластерная выборка - это метод отбора проб в котором вся исследуемая популяция разделена на внешне однородные, но внутренне неоднородные группы, называемые кластерами. По сути, каждая группа - это миниатюрное представление всего населения.
Рекламные объявления
После определения групп некоторые из них выбираются с помощью простая случайная выборкав то время как другие не представлены в исследовании. Кроме того, после выбора групп исследователь должен выбрать подходящий метод для выборки предметов из каждой выбранной группы.
Рекламные объявления
В этой статье вы найдете:
Типы кластерной выборки
Существует два типа кластерной выборки, среди которых:
- Одноступенчатая кластерная выборка: Этот тип кластерной выборки имеет дело с тем, когда исследователь работает со всем населением группы, выбирая его случайным образом.
- Двухступенчатый: С другой стороны, двухэтапная кластерная выборка связана с тем, когда исследователь работает с определенным количество среди всего населения для каждой группы, выбранной посредством систематической случайной выборки или просто.
Чтобы проводить кластерную выборку, необходимо выполнить ряд шагов. Среди них:
Рекламные объявления
- Выборка: будет определена целевая аудитория и ее размер.
- Разработка и оценка основ выборки - Основа выборки создается с использованием существующей или путем создания новый, а затем оцените их на основе охвата и группировки, внося корректировки соответствующий.
- Определите группы: количество групп будет определяться включением одинакового среднего количества членов в каждую из них. Каждая группа должна отличаться друг от друга.
- Выбрать группы: группы будут выбраны случайным образом.
- Создание подтипов: двухэтапные и многоэтапные подтипы будут разделены в зависимости от количества шагов, которым следуют исследователи для формирования групп.
Преимущества и недостатки кластерной выборки
По части преимуществ:
- Меньше ресурсов, таких как затраты и время
- Это более осуществимо
- Удобный подъезд
- Более точные данные
- Легкость осуществления выборки
Что касается недостатков, то у него есть:
Рекламные объявления
- Высокая ошибка выборки: как правило, образцы, отобранные с помощью метода объединения, подвержены более высокой ошибке выборки, чем образцы, отобранные с помощью других методов выборки.
- Предвзятые выборки: метод склонен к предвзятости. Если бы группы, представляющие все население, были сформированы на основе предвзятого мнения, выводы обо всем населении также были бы необъективными.
Различия между кластерной и стратифицированной выборкой
При стратифицированной выборке совокупность делится на страты в соответствии с некоторыми переменными, которые считаются связанными с интересующими нас переменными. Затем отбирают пробу из каждого слоя.
Это предназначено для уменьшить ошибку выборки потому что, если страты действительно связаны с интересующими переменными, то каждая страта более однородна (у нее меньше вариаций в целевых переменных).
Рекламные объявления
При кластерной выборке совокупность делится на группы и из них отбирается выборка. Но взяты только некоторые из групп. Это ведет к увеличению ошибки выборки, поскольку группы имеют тенденцию быть похожими.
Если бы они были идентичны, не имело бы смысла проводить более одного наблюдения в группе, потому что все они были бы идентичны. Потеря точности связана с изменчивостью внутри групп, которая известна только после взятия пробы.
На первый взгляд группировка и стратификация схожи: в обеих популяция разделена на непересекающиеся группы. Но на этом сходство заканчивается. В то время как стратифицированная выборка может уменьшить ошибку выборки, кластерная выборка увеличивает ее (для того же размера выборки).
Однако кластерная выборка может позволить получить больший образец за ту же цену и с точки зрения стоимости мы все же надеемся уменьшить погрешность. В идеале вариация внутри слоев должна быть как можно меньше, в то время как вариация внутри групп должно быть наилучшим из возможных (но мы не можем контролировать последнее, и мы должны воспринимать это как это).
Когда выбирать кластерную выборку?
Когда вы не можете получить полную информацию о популяции, но можете получить информацию о группах / кластерах, вам следует выбрать кластерную выборку.
Предполагая, что вы выбрали кластерную выборку, у вас могут быть ограничения по бюджету или времени. В этом случае было бы удобнее использовать кластерную выборку, выбирая людей или элементы, которые находятся ближе друг к другу, быстрее реагируют или дешевле охватить.
Кластерная выборка полезна, когда: у вас нет списка элементов из генеральной совокупности, но легко получить список групп. Когда стоимость получения наблюдений увеличивается по мере того, как расстояние разделяет элементы.
