Vad är klusterprovtagning i statistik?

I statistik, klusterurval är en sannolikhetsprovsteknik där forskare delar upp befolkningen i flera grupper (kluster) för forskning. Forskarna väljer sedan slumpmässiga grupper med en enkel slumpmässig eller systematisk slumpmässig samplingsteknik för datainsamling och analys.

Med andra ord är klusterprovtagning a testmetod där hela studiepopulationen är indelad i externt homogena men internt heterogena grupper, kallade kluster. I grund och botten är varje grupp en minirepresentation av hela befolkningen.

Efter att ha identifierat grupperna väljs vissa med hjälp av a enkelt slumpmässigt urvalmedan de andra inte är representerade i en studie. Efter valet av grupper måste en forskare också välja lämplig metod för att prova artiklarna från varje vald grupp.

Cluster sampling types

Det finns två typer av klusterprovtagning, bland dem är:

• One-Stage Cluster Sampling: Denna typ av klusterprov behandlar när en forskare arbetar med hela gruppens befolkning genom att välja den slumpmässigt.
• Tvåsteg: Å andra sidan handlar klusterprovet i två steg om när en forskare arbetar med en viss kvantitet bland hela befolkningen för varje grupp som valts ut genom systematisk slumpmässig urval eller enkel.

För att utför klusterprovtagningmåste en serie steg utföras. Bland dem är:

1. Provet: målgruppen och dess storlek bestäms.
2. Utveckla och utvärdera samplingsramar - En samplingsram skapas med en befintlig eller genom att skapa en ny och sedan utvärdera dem baserat på täckning och gruppering genom att göra justeringar motsvarande.
3. Bestäm grupper: antalet grupper bestäms genom att inkludera samma genomsnittliga antal medlemmar i var och en. Varje grupp måste skilja sig från varandra.
4. Välj grupper: grupper väljs genom att använda ett slumpmässigt urval.
5. Skapa undertyper: Tvåstegs- och flerstegsundertyper kommer att delas upp enligt antalet steg som forskare följer för att bilda grupper.

Fördelar och nackdelar med klusterprovtagning

Av fördelarna finns:

• Mindre resurser, som kostnad och tid
• Det är mer genomförbart
• Bekväm tillgång
• Mer exakta uppgifter
• Enkel att implementera provtagning

När det gäller nackdelarna har den:

• Högt samplingsfel: I allmänhet är prover som dras med poolningsmetoden utsatta för högre samplingsfel än prover som dras med andra samplingsmetoder.
• Partiska prover: Metoden är benägen för partiskhet. Om grupperna som representerar hela befolkningen bildades under en partisk åsikt skulle slutsatserna om hela befolkningen också vara partiska.

Skillnader mellan kluster och stratifierad sampling

I stratifierat urval delas befolkningen upp i skikt enligt vissa variabler som anses vara relaterade till de variabler som intresserar oss. Ett prov tas sedan från varje stratum.

Detta är avsett att minska provtagningsfelet eftersom, om skikten verkligen är relaterade till variablerna av intresse, är varje skikt mer homogent (det har mindre variation i målvariablerna).

I klusterprovtagning delas befolkningen upp i grupper och ett urval tas från dem. Men bara några av grupperna tas. Detta tenderar att öka samplingsfelet eftersom grupperna tenderar att vara lika.

Om de var identiska vore det inte vettigt att ta mer än en observation inom gruppen eftersom de alla skulle vara identiska. Förlusten av precision är relaterad till variationen inom de grupper som först är känd efter att man tagit provet.

På ytan är grupperingen och stratifieringarna lika: i båda delas befolkningen i icke-överlappande grupper. Men där slutar likheten. Medan stratifierad sampling kan minska samplingsfelet ökar klusterprovtagningen det (för samma provstorlek).

Emellertid kan klusterprovtagning tillåta få ett större prov för samma kostnad, och i termer av kostnad, hoppas vi fortfarande att minska felet. Helst bör variationen inom strata vara så liten som möjligt, medan variationen inom grupper bör vara bäst möjligt (men vi kan inte kontrollera det senare och vi måste ta det som är).

När ska man välja klusterprovtagning?

När du inte kan få fullständig information om befolkningen, men du kan få information om grupper / kluster, är det när du ska välja klusterprovtagning.

Om du antar att du har bestämt dig för klusterprovtagning kan du vara föremål för budget eller tidsbegränsningar. I så fall kan det vara bekvämare att använda klusterprovtagning genom att välja personer eller objekt som är närmare, svarar snabbare eller är billigare att nå.

Clusterprovtagning är användbart när: du inte har en lista med element från befolkningen, men det är lätt att få en lista över grupper. När kostnaden för att få observationer ökar när avståndet separerar elementen.