نمونه گیری سیستماتیک

نمونه گیری سیستماتیک

نمونه گیری سیستماتیک ، یک روش آماری است که برای انتخاب نمونه از جمعیت بزرگتر به صورت سیستماتیک و تصادفی استفاده می شود. این یک تکنیک گسترده برای محققان و تحلیلگرانی است که می خواهند داده ها را از یک جمعیت بزرگ بدون نظرسنجی از هر فرد جمع آوری کنند. این روش زمانی مفید است که جمعیت زیاد، متنوع و یا دسترسی به آن سخت باشد.

این مقاله به جزئیات نمونه گیری سیستماتیک، از جمله تعریف و مزایای آن می پردازد. ما همچنین نمونه هایی از نحوه استفاده از آن در زمینه های مختلف تحقیق و تجزیه و تحلیل داده ها و نکاتی در مورد اجرای موثر آن ارائه خواهیم داد. چه یک محقق، تحلیلگر یا صرفاً علاقه مند به درک این روش نمونه گیری باشید، این مقاله به شما درک درستی از چیستی آن و نحوه استفاده از آن برای تصمیم گیری بهتر می دهد.

نمونه گیری سیستماتیک
نمونه گیری سیستماتیک – تزیسمی

فهرست مطالب

نمونه گیری سیستماتیک چیست؟

نمونه گیری سیستماتیک یک روش آماری است که محققان از آن برای به صفر رساندن جمعیت مورد نظری که می خواهند تحقیق کنند استفاده می کنند. محققان فاصله نمونه گیری را با تقسیم کل حجم جامعه بر تعیین حجم نمونه مورد نظر محاسبه می کنند. این یک اجرای گسترده از نمونه‌گیری احتمالی است که در آن هر یک از اعضای گروه به طور منظم برای تشکیل یک نمونه انتخاب می‌شوند.

تعریف نمونه گیری سیستماتیک

نمونه گیری سیستماتیک یک روش نمونه گیری احتمالی است که در آن محقق با انتخاب یک نقطه شروع تصادفی و انتخاب اعضای نمونه پس از یک “فاصله نمونه گیری” ثابت، عناصری را از یک جامعه هدف انتخاب می کند.

به عنوان مثال، در مدرسه، هنگام انتخاب کاپیتان یک تیم ورزشی، اکثر مربیان ما از ما می خواستند که شماره هایی مانند 1-5 (1-n) و دانش آموزان را با یک شماره تصادفی که مربی تعیین می کند، فراخوانی کنیم. به عنوان مثال، سه نفر به عنوان کاپیتان تیم دعوت می شوند. این یک فرآیند انتخاب بدون استرس هم برای مربی و هم برای بازیکنان است. با استفاده از این تکنیک سوگیری نمونه گیری، فرصت برابر برای هر عضو یک جمعیت وجود دارد.

 

لطفا این مقاله را هم مطالعه کنید: 9 نوع روش نمونه گیری

مراحل تشکیل نمونه با استفاده از روش نمونه گیری سیستماتیک چیست؟

در اینجا مراحل تشکیل یک نمونه سیستماتیک آمده است:

مرحله اول: یک مخاطب ساختاری تعریف شده برای شروع کار روی جنبه نمونه‌گیری ایجاد کنید.

مرحله دوم: به عنوان یک محقق، اندازه ایده آل نمونه را مشخص کنید، به عنوان مثال، چند نفر از کل جامعه را برای عضویت در نمونه انتخاب کنید.

مرحله سوم: هنگامی که اندازه نمونه را تعیین کردید، به هر یک از اعضای نمونه یک عدد اختصاص دهید.

مرحله چهارم: فاصله زمانی این نمونه را مشخص کنید. این فاصله استاندارد بین عناصر خواهد بود.

مثلاً فاصله نمونه باید 10 باشد که حاصل تقسیم 5000 (N=اندازه جامعه) و 500 (n=اندازه نمونه) است.

مرحله پنجم: اعضای متناسب با معیارها را انتخاب کنید که در این صورت از هر 10 نفر 1 نفر خواهد بود.

مرحله ششم: به طور تصادفی عضو اولیه (r) نمونه را انتخاب کنید و فاصله را به عدد تصادفی اضافه کنید تا به اضافه کردن اعضا در نمونه ادامه دهید. r، r+i، r+2i و غیره عناصر نمونه خواهند بود.

نحوه کار نمونه گیری سیستماتیک

هنگام نمونه گیری، مطمئن شوید که جامعه را به طور عادلانه نمایندگی می کنید. نمونه گیری سیستماتیک فرآیندی متقارن است که در آن محقق نمونه ها را پس از یک بازه زمانی مشخص انتخاب می کند. نمونه برداری از این قبیل برای محقق هیچ گونه سوگیری در مورد انتخاب نمونه باقی نمی گذارد. برای اینکه بفهمید دقیقاً چگونه کار می‌کند، کلاس ورزشگاه را مثال بزنید که در آن مربی از دانش‌آموزان می‌خواهد در صف قرار گیرند و از هر نفر سوم می‌خواهد از خط خارج شود. در اینجا، مدرس هیچ تاثیری در انتخاب نمونه ها ندارد و می تواند به طور دقیق کلاس را نشان دهد.

نمونه نمونه گیری سیستماتیک

به عنوان مثال، اگر یک سازمان غیردولتی محلی به دنبال تشکیل یک نمونه سیستماتیک متشکل از 500 داوطلب از جمعیت 5000 نفری باشد، آنها می توانند هر 10 نفر از جمعیت را برای ایجاد یک نمونه به طور سیستماتیک انتخاب کنند.

انواع نمونه گیری سیستماتیک

در اینجا انواع نمونه گیری سیستماتیک آورده شده است:

1. نمونه گیری تصادفی سیستماتیک
2. نمونه گیری سیستماتیک خطی
3. نمونه گیری سیستماتیک دایره ای
بیایید نگاهی دقیق تر به این تکنیک های نمونه برداری بیندازیم.

نمونه گیری تصادفی سیستماتیک:

نمونه گیری تصادفی سیستماتیک روشی برای انتخاب نمونه ها در یک بازه زمانی از پیش تعیین شده خاص است. به عنوان یک محقق، یک نقطه شروع تصادفی بین 1 و فاصله نمونه گیری انتخاب کنید. در زیر مراحل نمونه برای تنظیم یک نمونه تصادفی سیستماتیک آورده شده است:

1. ابتدا فاصله نمونه برداری را محاسبه و ثابت کنید. (تعداد عناصر در جامعه تقسیم بر تعداد عناصر مورد نیاز برای نمونه).
2. یک نقطه شروع تصادفی بین 1 و فاصله نمونه برداری انتخاب کنید.
3. در نهایت، فاصله نمونه برداری را برای انتخاب عناصر بعدی تکرار کنید.

نمونه گیری سیستماتیک خطی:

نمونه‌گیری سیستماتیک خطی روشی است که در آن نمونه‌ها در انتها تکرار نمی‌شوند و واحدهای «n» به عنوان بخشی از نمونه‌ای با واحدهای جمعیت «N» انتخاب می‌شوند. به جای انتخاب تصادفی این «n» واحدهای نمونه، یک محقق می‌تواند از منطق پرش برای انتخاب این واحدها استفاده کند. یک مسیر خطی را دنبال می کند و سپس در انتهای یک جمعیت خاص متوقف می شود.

یک نمونه سیستماتیک خطی چگونه انتخاب می شود؟

. کل جمعیت را در یک توالی طبقه بندی شده مرتب کنید.
. اندازه نمونه را انتخاب کنید (n)
. محاسبه فاصله نمونه برداری (k) = N/n
. یک عدد تصادفی بین 1 تا k (شامل k) انتخاب کنید
. فاصله نمونه برداری (k) را به عدد تصادفی انتخاب شده اضافه کنید تا عضو بعدی به یک نمونه اضافه شود و این روش را برای اضافه کردن اعضای باقیمانده نمونه تکرار کنید.
. در صورتی که k یک عدد صحیح نباشد، می توانید نزدیکترین عدد صحیح به N/n را انتخاب کنید.

نمونه گیری سیستماتیک دایره ای:

در نمونه گیری سیستماتیک دایره ای، یک نمونه پس از پایان دوباره از همان نقطه شروع می شود. بنابراین، نام. به عنوان مثال، اگر N = 7 و n = 2، k = 3.5. دو روش احتمالی برای تشکیل نمونه وجود دارد:

1. اگر k=3 را در نظر بگیریم، نمونه ها به صورت ad، be، ca، db و ec خواهند بود.
2. اگر k=4 را در نظر بگیریم، نمونه ها به صورت ae، ba، cb، dc و ed خواهند بود.
یک نمونه سیستماتیک دایره ای چگونه انتخاب می شود؟

. محاسبه فاصله نمونه برداری (k) = N/n. (اگر N = 11 و n = 2، پس k به عنوان 5 در نظر گرفته می شود و نه 6)
. به طور تصادفی بین 1 تا N شروع کنید
. هر بار تا زمانی که اعضای کل جمعیت را انتخاب کنید، نمونه‌ها را با پرش از میان k واحد ایجاد کنید.
. در مورد این روش، بر خلاف k نمونه در روش نمونه گیری سیستماتیک خطی، N تعداد نمونه وجود خواهد داشت.

مزایای نمونه گیری سیستماتیک چیست؟

در اینجا مزایا وجود دارد:

. ایجاد، انجام، تجزیه و تحلیل نمونه برای محققان بسیار ساده و راحت است.
. از آنجایی که نیازی به شماره گذاری هر یک از اعضای یک نمونه نیست، بهتر است یک جامعه را به روشی سریعتر و ساده تر نشان دهید.
. نمونه های ایجاد شده بر اساس دقت در انتخاب اعضا و عاری از علاقه مندی هستند.
. در روش‌های دیگر روش‌های نمونه‌گیری احتمالی مانند نمونه‌گیری خوشه‌ای و نمونه‌گیری طبقه‌ای یا روش‌های غیر احتمالی مانند نمونه‌گیری آسان، احتمال سوگیری زیاد خوشه‌های ایجاد شده وجود دارد که در نمونه‌گیری سیستماتیک به دلیل قرار گرفتن اعضا در فاصله ثابت از آن اجتناب می‌شود. از یکدیگر
. عامل خطر دخیل در این روش نمونه گیری بسیار کم است.
. در صورت وجود اعضای متنوع در یک جامعه، این روش نمونه گیری می تواند به دلیل توزیع یکنواخت اعضا برای تشکیل یک نمونه مفید باشد.

سایر روش‌های نمونه‌گیری احتمالی مانند نمونه‌گیری خوشه‌ای و نمونه‌گیری تصادفی طبقه‌ای می‌توانند بسیار سازمان‌یافته و چالش‌برانگیز باشند که به همین دلیل محققان و آماردانان برای نتایج نمونه‌گیری بهتر به روش‌هایی مانند نمونه‌گیری سیستماتیک یا نمونه‌گیری تصادفی ساده روی آورده‌اند. کمترین زمان را مصرف می کند زیرا نیاز به انتخاب حجم نمونه و شناسایی نقطه شروع این نمونه دارد که برای تشکیل نمونه باید در فواصل زمانی معین ادامه یابد.

نمونه گیری سیستماتیک
نمونه گیری سیستماتیک – تزیسمی

 

می توانید این مقاله را هم مطالعه کنید: نمونه تصادفی ساده چیست؟

چه زمانی از نمونه گیری سیستماتیک استفاده کنیم؟

بیایید مثالی بزنیم که در آن شما می‌خواهید یک نمونه از 500 نفر از جمعیت 5000 نفری تشکیل دهید. شما باید همه افراد جمعیت را شماره گذاری کنید.

هنگامی که شماره گذاری انجام شد، محقق می تواند یک عدد را به طور تصادفی انتخاب کند، به عنوان مثال، 5. نفر پنجم اولین نفری خواهد بود که بخشی از نمونه سیستماتیک خواهد بود. پس از آن، عضو دهم به نمونه اضافه می شود و به همین ترتیب.

در اینجا 4 موقعیت دیگر برای استفاده از نمونه گیری سیستماتیک آورده شده است:

1. محدودیت های بودجه ای: این روش نمونه گیری در مقایسه با سایر روش های نمونه گیری مانند نمونه گیری تصادفی ساده برای شرایطی که محدودیت های بودجه ای وجود دارد و همچنین انجام فوق العاده بدون عارضه مطالعه مناسب تر است.
2. پیاده سازی بدون عارضه: از آنجایی که نمونه گیری سیستماتیک برای تعیین نمونه به فواصل نمونه گیری تعریف شده بستگی دارد، مدیریت نمونه هایی با پاسخ دهندگان بیشتر برای محققان و آماردانان ساده می شود. این به این دلیل است که زمان سرمایه گذاری شده برای ایجاد نمونه ها حداقل است و هزینه صرف شده نیز به دلیل ماهیت دوره ای نمونه گیری سیستماتیک محدود است.
3. عدم وجود الگوی داده: داده های خاصی وجود دارند که ترتیب خاصی ندارند. این داده ها را می توان به شیوه ای بی طرفانه و با استفاده از نمونه گیری سیستماتیک تجزیه و تحلیل کرد.
4. خطر کم دستکاری داده ها در تحقیق: در حین تحقیق در مورد یک موضوع گسترده بسیار مفید است، به خصوص زمانی که خطر دستکاری داده ها ناچیز باشد.

محدودیت های نمونه گیری سیستماتیک

اگرچه نمونه گیری سیستماتیک مزایای قابل توجهی دارد، اما می تواند خطراتی را به همراه داشته باشد که باید از آنها آگاه باشید.

یک فرض که اندازه جمعیت مشخص است

مانند تمام تکنیک‌های نمونه‌گیری احتمالی، نمونه‌گیری سیستماتیک مستلزم آن است که هر عضو نمونه یک احتمال مشخص و غیرصفر برای انتخاب شدن داشته باشد.

اگر اندازه واقعی جمعیت مشخص نیست و نمی توان آن را تعیین کرد، نمی توانید از فرمول k = N/n برای تعیین فاصله نمونه یا احتمال انتخاب استفاده کنید.

چالش دیگر این است که اگر اندازه واقعی جامعه از قبل مشخص نباشد، دستیابی به حجم نمونه مورد نظر دشوار است. اگر به نمونه 200 نفری نیاز دارید، ممکن است ندانید که از هر 5 نفر یا هر 10 نفر نمونه برداری کنید.

نکته: اگر اندازه جامعه را نمی دانید، همچنان می توانید از نمونه گیری سیستماتیک استفاده کنید
هنگامی که اندازه جمعیت از قبل مشخص نیست – اگر آماده حدس زدن فاصله زمانی هستید، راهی برای استفاده از نمونه گیری سیستماتیک وجود دارد. تصور کنید می خواهید پس از یک انتخابات مهم یک خروجی را برگزار کنید. اگرچه از قبل نمی‌دانید چند نفر قرار است در محل انتخابات حاضر شوند، می‌توانید از هر 5 نفری که محل رای‌گیری را بین باز و بسته شدن آن خارج می‌کنند، نمونه بگیرید.

سپس اندازه واقعی جامعه تقریباً 5 برابر اندازه نمونه شما خواهد بود.

شما نیاز به تصادفی بودن در جمعیت دارید

اگر جمعیتی که ارزیابی می‌کنید الگوی استانداردی داشته باشد (مثلاً فهرست به ترتیب مرد، زن، مرد، زن است)، می‌تواند تصادفی بودن فاصله نمونه‌گیری را حذف کند و ناخواسته منجر به نمونه‌ای غیرنماینده مانند همه مردان شود. این معمول نیست، اما ارزش آن را دارد که قبل از برنامه ریزی پروژه تحقیقاتی خود از آن آگاه باشید.

فرض کنید در حال بررسی یک کلاس دبیرستانی بودید و می خواستید نیمی از دانش آموزان را برای ارزیابی انتخاب کنید. اگر لیست دانش‌آموزان در الگوی پسر، دختر، پسر، دختر بود و فاصله نمونه‌گیری شما یک عدد زوج بود، می‌توانید تمام پسران یا همه دختران نمونه خود را به دست آورید.

برای جلوگیری از این امر، مطمئن شوید که داده‌های شما به گونه‌ای مرتب شده‌اند که هیچ نوع الگوی تکراری را معرفی نکند – برای مثال، می‌توانید از بچه‌ها بخواهید که به ترتیب قد در ردیف قرار گیرند. که هر الگوی تکراری (مانند پسر، دختر، پسر، دختر) را که ممکن است با نمونه سیستماتیک تداخل داشته باشد حذف می کند. اگر یک لیست الکترونیکی از دانش‌آموزان کلاس داشتید، می‌توانید فهرست را به صورت تصادفی مانند حروف الفبا بر اساس نام دانش‌آموز مرتب کنید.

پتانسیل بالاتر برای دستکاری داده ها

در حالی که نمونه گیری سیستماتیک قابل اعتماد است و درجه ای طبیعی از غیرقابل پیش بینی بودن و تصادفی بودن را ارائه می دهد، اما امکان دستکاری توسط محققان فردی نیز وجود دارد، البته به روشی محدود.

روشی که محقق برای جمع‌آوری نمونه انتخاب می‌کند، به‌جای استفاده از انتخاب تصادفی ساده، به‌طور بالقوه می‌تواند منجر به شانس بالاتری برای دستیابی به یک نتیجه از پیش تعیین‌شده شود.

نمونه گیری سیستماتیک در مقابل نمونه گیری خوشه ای

نمونه گیری سیستماتیک و نمونه گیری خوشه ای در نحوه استخراج نقاط نمونه از جامعه موجود در نمونه متفاوت است. نمونه‌گیری خوشه‌ای جامعه را به خوشه‌ها تقسیم می‌کند، در حالی که نمونه‌گیری سیستماتیک از فواصل ثابت از جمعیت بزرگ‌تر برای ایجاد نمونه استفاده می‌کند.

نمونه گیری سیستماتیک یک نقطه شروع تصادفی را از جامعه انتخاب می کند، سپس یک نمونه از فواصل ثابت منظم جامعه بسته به اندازه آن گرفته می شود. نمونه گیری خوشه ای جامعه را به خوشه ها تقسیم می کند و سپس از هر خوشه یک نمونه تصادفی ساده می گیرد.

نمونه گیری خوشه ای از دقت کمتری نسبت به سایر روش های نمونه گیری در نظر گرفته می شود. با این حال، ممکن است در هزینه های به دست آوردن نمونه صرفه جویی کند. نمونه گیری خوشه ای یک روش نمونه گیری دو مرحله ای است. ممکن است زمانی استفاده شود که تکمیل فهرستی از کل جمعیت دشوار است. برای مثال، ساختن کل جمعیت مشتریان یک فروشگاه مواد غذایی برای مصاحبه ممکن است دشوار باشد.

با این حال، یک فرد می تواند یک زیرمجموعه تصادفی از فروشگاه ها ایجاد کند، که اولین گام در این فرآیند است. مرحله دوم مصاحبه با یک نمونه تصادفی از مشتریان آن فروشگاه ها است. این یک فرآیند ساده و دستی است که می تواند در زمان و هزینه صرفه جویی کند.

یک دیدگاه ثبت کنید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *