نمونه گیری طبقه ای

نمونه گیری طبقه ای

نمونه گیری طبقه ای ، نمونه‌گیری طبقه‌ای (چینه‌ای) انتخاب نمونه از میان طبقه‌هایی است که از نظر درونی همگن و از نظر بیرونی ناهمگن هستند. اگر جامعه آماری ناهمگن باشد اما بتوان آن را به طبقه‌هایی تقسیم کرد که افراد هر طبقه از نظر متغیر مورد بررسی همگن باشند آنگاه می‌توان از روش نمونه‌گیری طبقه‌ای استفاده کرد.

روش نمونه‌گیری طبقه‌ای یا چینه‌ای ترجمه Stratified sampling است که در دسته نمونه‌گیری احتمالی قرار می‌گیرد. این روش معمولاً در ترکیبی با روش‌های تصادفی ساده یا سیستماتیک انجام می‌شود. به این معنا که ابتدا طبقات مختلف شناسایی و سپس به صورت تصادفی از میان طبقات نمونه‌گیری می‌شود. کاربرد این شیوه در میان روش‌های نمونه‌گیری آماری بسیار زیاد است. بنابراین در این مقاله به صورت دقیق آموزش داده شده است.

نمونه گیری طبقه ای
نمونه گیری طبقه ای – تزیسمی

فهرست مطالب

نمونه گیری طبقه ای چیست؟

نمونه گیری طبقه ای روشی برای به دست آوردن نمونه ای نماینده از جمعیتی است که محققان آن را به زیرجمعیت های نسبتاً مشابه (قشر) تقسیم کرده اند. محققان از نمونه گیری طبقه ای برای اطمینان از وجود زیر گروه های خاص در نمونه خود استفاده می کنند. همچنین به آنها کمک می کند تا برآوردهای دقیقی از ویژگی های هر گروه بدست آورند. بسیاری از نظرسنجی ها از این روش برای درک بهتر تفاوت های بین زیرجمعیت ها استفاده می کنند. این روش یک روش نمونه گیری احتمالی است و به عنوان نمونه گیری تصادفی طبقه ای نیز شناخته می شود.

فرآیند نمونه‌گیری طبقه‌ای با تقسیم‌بندی یک جمعیت متنوع به گروه‌های نسبتاً همگن به نام طبقات، جمع قشر، آغاز می‌شود. سپس از هر گروه (قشر) یک نمونه تصادفی می گیرند و آنها را ترکیب می کنند تا نمونه کامل نماینده خود را تشکیل دهند. درباره نمونه های نماینده بیشتر بدانید. زمانی که محققان از انتخاب غیرتصادفی برای انتخاب افراد از اقشار استفاده می کنند، به آن نمونه گیری سهمیه ای می گویند.

طبقات، زیرجمعیت هایی هستند که اعضای آن در مقایسه با جمعیت وسیع تر، نسبتاً شبیه به یکدیگر هستند. محققان می توانند طبقات بر اساس درآمد، جنسیت و نژاد و بسیاری از احتمالات دیگر ایجاد کنند. به عنوان مثال، اگر سؤال تحقیق شما از شما می خواهد که نتایج را بین سطوح درآمد مقایسه کنید، ممکن است طبقات را بر اساس درآمد قرار دهید. همه افراد جامعه باید فقط در یک قشر باشند.

 

لطفا این مقاله را هم مطالعه کنید: نمونه گیری خوشه ای: تعریف، روش و مثال

زمان استفاده از نمونه برداری طبقه بندی شده

نمونه گیری طبقه ای در مواردی مفید است که جمعیت دارای زیرگروه های متنوعی است و محققان می خواهند مطمئن شوند که نمونه شامل همه آنها می شود. نمونه‌گیری تصادفی ساده و نمونه‌گیری سیستماتیک ممکن است به اندازه کافی همه این گروه‌ها را به‌ویژه گروه‌هایی که نسبتاً نادر هستند، دربر نگیرد. از این روش زمانی استفاده کنید که مشکوک هستید که معنی گروه متفاوت است و هدف مطالعه شما درک این تفاوت هاست.

قبل از استفاده از نمونه‌گیری طبقه‌ای، باید جمعیت را به گروه‌هایی تقسیم کنید که متقابلاً منحصربفرد هستند که به طور جمعی همه افراد جامعه را دربرمی‌گیرند. این اقشار می توانند متغیرهای سرشماری و جمعیت شناختی از پیش تعریف شده از قبیل جنسیت، نژاد، مکان و غیره باشند و می توانند شامل اقشاری باشند که پژوهشگران بر اساس نیاز مطالعه خود طراحی می کنند. در نتیجه، نمونه‌های طبقه‌بندی شده بار بیشتری را بر دوش محققین می‌گذارد که آنها را ملزم به به‌دست آوردن همه این اطلاعات و اختصاص افراد به هر دسته می‌کند. در برخی موارد، اطلاعات لازم ممکن است در دسترس نباشد.

نمونه‌گیری طبقه‌ای مستلزم آن است که یک چارچوب نمونه‌گیری داشته باشید که شامل فهرست کاملی از اعضای جمعیت به همراه اطلاعات جمعیت شناختی آنها برای اقشار و اطلاعات تماس باشد. درباره Sampling Frames: Definition, Examples & Uses بیشتر بیاموزید.

نمونه گیری طبقه ای با قرار دادن افراد مشابه در گروه ها، تخمین های گروهی دقیق تری را ایجاد می کند. در نتیجه، شما باید طرح گروه‌بندی را درک کنید که همگنی گروه‌ها را نسبت به کل جمعیت افزایش می‌دهد. میانگین وزنی این گروه ها نسبت به میانگین معمولی از یک نمونه تصادفی ساده دارای تنوع کمتری است. به عبارت دیگر، این روش می تواند برآوردهای گروهی بهتری را در شرایط مناسب و زمانی که شما اطلاعات لازم را دارید، تولید کند.

مراحل نمونه گیری طبقه ای

مرحله 1: همه ویژگی ها را بشناسید

با نمونه‌گیری طبقه‌ای، تیم شما باید در مورد ویژگی‌ها (اقشار) که برای مقایسه هدف قرار می‌دهند، واضح باشد. بنابراین، آنها باید در مورد زیرگروه های مرتبط در بازار که ممکن است اقشار مختلفی را به دلیل رفتارها و ویژگی ها ایجاد کنند، بدانند.

فرض کنید بازار هدف دانش‌آموزان مدرسه‌ای هستند و می‌خواهید بفهمید چه کتاب‌هایی را دوست دارند بخوانند. اکنون، می‌تواند چندین لایه در اینجا وجود داشته باشد، مانند:

. جنسیت
. سن
. منافع
. سابقه ی تحصیلی
. نوع معلمان
. صلاحیت والدین

این و زیر گروه های بیشتری در این مورد تشکیل می شوند. ما «نوع معلمان» و «صلاحیت‌های والدین» را گنجانده‌ایم، زیرا این موارد بر انتخاب دانش‌آموزان تأثیر زیادی می‌گذارد. اما نکته اصلی این است که تیم شما برای انجام تحقیقات بازار با استفاده از نمونه‌گیری طبقه‌ای باید تمام ویژگی‌های یک بازار هدف را بداند.

مرحله 2: گروه های مورد علاقه خود را تعیین کنید

بنابراین، در ادامه همین مثال، اگر بخواهید با توجه به تأثیر مدارک تحصیلی والدین، نوع کتاب‌هایی را که دختران ترجیح می‌دهند، درک کنید، اقشار «دختران» و «صلاحیت والدین» برای مطالعه از کل جمعیت خواهند بود. به طور مشابه، صلاحیت های «پسران» و «والدین» می توانند نمونه دیگری را تشکیل دهند.

ما می توانیم طبق الزامات تحقیقات بازار شما زیر گروه های بیشتری ایجاد کنیم. مانند فقط دختران بالای 15 سال یا والدین با حداقل مدرک کارشناسی ارشد. به این ترتیب، نمونه نهایی که بیرون می آید بسیار مطابق با نیازهای تحقیق شما است. از این رو نتایج دقیق تر و قابل اعتمادتر هستند.

مرحله 3: اندازه نمونه را نهایی کنید

پس از نهایی کردن نمونه‌های مختلف برای اقشار و ترکیب‌های زیرگروه مختلف، شما و تیمتان اندازه این نمونه‌ها را تعیین می‌کنید. ما با نگاه کردن به اهداف تحقیق شما به این موضوع پی می بریم.

اندازه نمونه ممکن است از نظر تعداد یکسان باشد یا نباشد، زیرا به کل جمعیت (بازار هدف) بستگی دارد. اما نسبت انتخاب از هر قشر متناسب خواهد بود.

مرحله 4: نمونه تصادفی ایجاد کنید

شما اقشار مختلف را انتخاب کردید، زیر گروه های بیشتری را شناسایی کردید و حجم نمونه را نهایی کردید. تنها چیزی که باقی می ماند این است که حجم نمونه را با استفاده از فرمول نمونه گیری طبقه ای محاسبه کنیم و همه نمونه ها را تشکیل دهیم.

به یاد داشته باشید، اگر کل فرآیند، از جمله فرمول، را به درستی اعمال کنید، همه نمونه ها متقابلاً منحصر به فرد خواهند بود.

مرحله 5: نظرسنجی

پس از ایجاد تمام نمونه های طبقه بندی شده، آخرین مرحله این است که پیش بروید و نظرسنجی انجام دهید. نرم افزار نظرسنجی تحقیقات بازار SurveySparrow به شما امکان می دهد نظرسنجی های بسیار متمرکز انجام دهید و نتایج را برای همه نمونه ها در زمان واقعی تجزیه و تحلیل کنید.

با این راه حل، تیم شما نگران جمع آوری و سپس تجزیه و تحلیل نتایج نظرسنجی نیست. آنها فقط باید انواع سوال مناسب را انتخاب کنند، آنها را سفارشی کنند، “ارسال” را بزنند و سپس منتظر نتایج بمانند.

آنها همچنین می توانند پاسخ ها را در هر دو سطح کلی و فردی تجزیه و تحلیل کنند. شیرین است، اینطور نیست؟

نمونه گیری طبقه ای
نمونه گیری طبقه ای – تزیسمی

مزایای نمونه گیری طبقه ای

بسیاری از نظرسنجی‌ها از نمونه‌گیری طبقه‌ای استفاده می‌کنند زیرا مزایای حیاتی را ارائه می‌دهد.

برآوردهای دقیق برای زیر گروه ها

هنگامی که اعضای زیرجمعیت ها نسبت به کل جمعیت نسبتاً همگن باشند، نمونه گیری طبقه ای می تواند تخمین های دقیق تری از آن زیر گروه ها نسبت به نمونه گیری تصادفی ساده ایجاد کند. در این حالت اقشار دارای انحراف معیار کمتری نسبت به کل جمعیت هستند. اقشار زیرجمعیت های مورد مطالعه هستند.

این دقت افزایش یافته برای اقشار می تواند زمانی که یک مطالعه نیاز به ارزیابی ویژگی های گروه دارد، بسیار مهم باشد. علاوه بر این، دقت به تجزیه و تحلیل شما قدرت آماری بیشتری برای تشخیص تفاوت بین گروه ها می دهد. به عنوان مثال، یک شرکت تست استاندارد ممکن است بخواهد ارزیابی کند که چگونه نمرات آزمون بر اساس درآمد خانوار یا منطقه جغرافیایی متفاوت است، مانند شهری در مقابل روستایی.

کارایی در انجام نظرسنجی

نمونه گیری طبقه ای می تواند هزینه های نظرسنجی را کاهش دهد و جمع آوری داده ها را ساده کند. در بسیاری از موارد، تقسیم کل جمعیت به اقشار مزایایی را برای مدیران نظرسنجی فراهم می کند. زمانی که محققان جمعیت بزرگی را به گروه‌های کوچک‌تر که دارای اعضای مشابه هستند تقسیم کنند، مطالعات می‌توانند ارزان‌تر و کاربردی‌تر شوند. این مزایا زمانی اتفاق می‌افتد که مهارت‌ها، تخصص یا پرسنل خاص بتوانند به طور مؤثرتری از یک قشر خاص نمونه‌برداری کنند. برای مثال، ممکن است از افراد مختلف برای بررسی مناطق روستایی در مقابل شهری استفاده کنید.

نمایندگی همه گروه های مورد علاقه را تضمین می کند

با گنجاندن صریح اقشار در روش نمونه‌گیری، اطمینان حاصل می‌کنید که نمونه همه گروه‌ها را نشان می‌دهد. هنگامی که گروه های کوچکتری در مطالعه خود دارید، نمونه گیری تصادفی ساده می تواند برخی از آنها را به طور تصادفی از دست بدهد. نمونه گیری طبقه ای به حفظ تنوع کامل جامعه در نمونه کمک می کند.

در مقابل، نمونه گیری آسان تمایلی به تولید نمونه های معرف ندارد. جمع آوری این نمونه ها آسان تر است اما نتایج به حداقل می رسد.

 

می توانید این مقاله را هم مطالعه کنید: راهنمای روش‌های نمونه‌گیری احتمال در مقابل غیراحتمال

معایب نمونه گیری طبقه ای

نمونه‌گیری طبقه‌ای، بارهای مهمی را بر دوش محققین تحمیل می‌کند.

اول، آنها باید طرحی برای اقشار خود طراحی کنند تا هر عضوی از جمعیت در یک و تنها یک قشر قرار گیرد. این اقشار باید به طور جمعی شامل همه افراد جامعه باشند.

ثانیاً، محققان باید اطلاعات کافی برای انتساب افراد به اقشار صحیح داشته باشند.

متأسفانه، این می تواند شامل برنامه ریزی و جمع آوری اطلاعات زیادی باشد!

علاوه بر این، نمونه‌گیری طبقه‌ای تنها زمانی مزایایی را به همراه دارد که محققان بتوانند زیر گروه‌هایی را تشکیل دهند که نسبت به کل جمعیت نسبتاً همگن هستند. اگر محققین نتوانند اقشار مناسب ایجاد کنند یا اعضای یک قشر به طور منطقی شبیه هم نباشند، نمونه طبقه بندی شده بی اثر خواهد بود.

در نهایت، امکان سنجی انجام نمونه گیری طبقه ای تا حدودی به اقشار شما بستگی دارد. برخی از گروه ها به راحتی قابل شناسایی و تعیین اعضای هستند، مانند جنسیت، وضعیت فارغ التحصیلی و غیره. با این حال، سایر اقشار می توانند پیچیده تر باشند، مانند قومیت و مذهب.

نمونه ای از نمونه گیری طبقه ای

نمونه گیری طبقه ای شامل مراحل متعددی است. ابتدا جمعیت را به اقشار تقسیم کنید. از هر قشر، از نمونه گیری تصادفی ساده برای رسم نمونه استفاده کنید. این فرآیند تضمین می کند که مشاهداتی را برای همه اقشار به دست می آورید.

به عنوان مثال، تصور کنید که در حال ارزیابی تست های استاندارد هستیم و تحقیقات ما از ما می خواهد که نمرات آزمون را بر اساس درآمد مقایسه کنیم. ما می توانیم از سطوح درآمدی برای اقشار خود استفاده کنیم. دانش آموزان خانواده هایی با درآمد مشابه باید در مقایسه با کل جمعیت ایالتی نسبتاً مشابه باشند.

در حالی که ما به طور کلی یک نمونه تصادفی برای تخمین های بی طرفانه می خواهیم، همچنین می خواهیم تخمین های دقیقی برای هر سطح درآمد در جمعیت خود به دست آوریم. استفاده از نمونه‌گیری تصادفی ساده، سطوح درآمد با تعداد کم دانش‌آموز و شانس تصادفی می‌تواند برای ارائه حجم نمونه کوچک برای برخی سطوح درآمد توطئه کند. این اندازه‌های نمونه کوچکتر تخمین‌های نسبتاً نادرستی را برای آنها تولید می‌کنند.

برای جلوگیری از این مشکل، از نمونه گیری طبقه ای استفاده می کنیم. طرح نمونه گیری ما ممکن است حکم کند که 100 دانش آموز از هر سطح درآمد را با استفاده از نمونه گیری تصادفی ساده انتخاب کنیم. البته این طرح مستلزم این است که سطح درآمد خانوار برای هر دانش آموز را بدانیم که ممکن است مشکل ساز باشد.

مزیت نمونه‌گیری طبقه‌بندی شده این است که شما تخمین‌های منطقی دقیقی را برای همه زیر گروه‌های مرتبط با سؤال تحقیق خود به دست می‌آورید. اشکال این است که تجزیه و تحلیل این مجموعه داده ها پیچیده تر است. وقتی از نمونه‌گیری تصادفی طبقه‌ای استفاده می‌کنید، نمی‌توانید به سادگی میانگین کلی نمونه را بگیرید و از آن برای جمعیت عمومی استفاده کنید، زیرا می‌دانید که اقشار کوچک‌تر بیش از حد حضور دارند. باید از تکنیک میانگین وزنی استفاده کنید.

نمونه گیری طبقه ای
نمونه گیری طبقه ای – تزیسمی

نمونه گیری طبقه ای متناسب در مقابل نامتناسب

هنگام استفاده از نمونه گیری طبقه بندی شده، باید تصمیم بگیرید که آیا اقشار شما متناسب یا نامتناسب هستند. در اینجا مزایا و معایب هر دو تکنیک آورده شده است. اهداف تحقیق خود را با روش صحیح مطابقت دهید.

نمونه گیری متناسب

در نمونه گیری طبقه ای متناسب، حجم نمونه هر قشر متناسب با سهم آن در جامعه است. به عنوان مثال، اگر زیر گروه روستایی 40 درصد از جمعیت مورد مطالعه شما را تشکیل می دهد، فرآیند نمونه گیری شما تضمین می کند که 40 درصد از نمونه را تشکیل می دهد.

زمانی که می‌خواهید اطمینان حاصل کنید که نمونه همه گروه‌های مورد علاقه را نشان می‌دهد و بر روی دستیابی به برآورد خوبی برای کل جمعیت تمرکز می‌کنید، از نمونه‌گیری متناسب استفاده کنید.

گروه هایی با بازنمایی کمتر نیز در یک نمونه متناسب تعداد کمتری خواهند داشت. به نوبه خود، این اندازه های نمونه کوچکتر تخمین های نمونه دقیق تری را تولید می کنند. در نتیجه، نمونه‌گیری طبقه‌ای متناسب، تخمین‌های دقیق‌تری از گروه‌های کوچک‌تر نسبت به نمونه‌گیری نامتناسب به دست می‌دهد، اما برآوردهای کلی جمعیت بهتری را ارائه می‌دهد.

برای محاسبه حجم نمونه برای هر قشر، سهم جامعه آن را در نظر بگیرید و آن را در کل حجم نمونه برای مطالعه خود ضرب کنید. به عنوان مثال، اگر گروه روستایی 40 درصد کل جمعیت باشد و حجم نمونه کامل شما 200 باشد، به 0.40×200 = 80 مشاهدات روستایی نیاز دارید.

نمونه گیری نامتناسب

نمونه گیری طبقه ای نامتناسب نسبت اقشار در جمعیت را حفظ نمی کند. زمانی که نیاز به برآورد دقیق هر گروه و تفاوت بین آنها دارید، از این روش استفاده کنید. با این حال، برخی از دقت را در برآورد کل جمعیت قربانی می کند.

این فرآیند زمانی که نیاز به مطالعه گروه‌های کم‌نمایش در یک جمعیت دارید، انتخابی عالی است. در یک نمونه متناسب، احتمالاً مشاهدات بسیار کمی برای نتیجه گیری معنادار در مورد این گروه های کوچکتر دارید. یک نمونه نامتناسب تضمین می کند که شما تعداد کافی برای تجزیه و تحلیل حتی کوچکترین گروه های یک جمعیت را دارید.

با استفاده از این روش، محققین می توانند حجم کل نمونه را به طور مساوی بین زیر گروه ها تقسیم کنند یا از نسبت های متفاوتی استفاده کنند که برای مطالعه آنها منطقی است.

روش دیگر، آنها می توانند از یک رویکرد نمونه گیری طبقه ای نامتناسب استفاده کنند که اندازه اقشار را با تغییر در لایه ها تنظیم می کند. محققان برای کاهش خطای نمونه‌برداری، نمونه‌های بیشتری از اقشار با تنوع بیشتر جمع‌آوری خواهند کرد. این روش نیاز به دانش در مراحل برنامه ریزی در مورد تغییرپذیری در هر لایه دارد.

نمونه ای از نمونه گیری طبقه ای متناسب در مقابل نامتناسب

فرض کنید محققان می‌خواهند نظرات را ارزیابی کنند و ببینند که چگونه آنها بر اساس نسل تفاوت دارند. جدول فراوانی نسبی زیر سهم جمعیت هر نسل را نشان می دهد. در انتخاب روش نمونه‌گیری طبقه‌ای، سؤال مهمی که آنها باید در نظر بگیرند این است که آیا آنها بر برآورد کل جمعیت یا زیرگروه‌ها تمرکز دارند.

 

جمع بندی

چه نمونه‌برداری طبقه‌ای متناسب یا نامتناسب داشته باشید، مهم‌ترین بخش ایجاد زیرگروه‌های همگن داخلی است. اینها با سایر جمعیت های نمونه که با استفاده از لایه ها و زیر گروه های مختلف ایجاد شده اند، متقابلاً منحصر به فرد هستند.

به این ترتیب، می توانید سهم عادلانه ای از گروه های اقلیت در نمونه نهایی برای تحقیقات بازار کل نگر داشته باشید.

همچنین، از تعصب و توجه بیش از حد به یکی از زیر گروه‌های نمونه‌های طبقه‌بندی شده خودداری کنید، مگر اینکه تحقیق به طور خاص آن را درخواست کند. این نمونه شما را منحرف می کند و نتایج مورد انتظار را مخدوش می کند.

یک دیدگاه ثبت کنید

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