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.
مطالعه کنید: انجام پایان نامه دکتری
روش نمونه‌گیری طبقه‌ای
در نمونه‌گیری تصادفی ساده فرض بر این است که افراد جامعه از تجانس نسبی برخوردار هستند و جامعه از نظر صفت مورد بررسی همگن است. اما در بسیاری مطالعات این همگنی در میان آحاد جامعه وجود ندارد. اگر یک جامعه آماری قابل تقسیم به بخش‌هایی با تجانس درونی باشد در این صورت نمونه‌گیری تصادفی می‌تواند اریب باشد. به این معنا که فقط عناصر یک طبقه خاص را شامل شود و از سایر طبقات عنصری در نمونه قرار نگیرد.
شیوه نمونه‌گیری طبقه‌ای برای چنین جوامعی مناسب است. ابتدا جامعه آماری بزرگتر به چندین طبقه یا چینه Strata تقسیم می‌شود. عناصر هر Strata از سایر طبقات متفاوت است اما با سایر عناصر درون Strata مشابه می‌باشد. بنابراین پس از طبقه‌بندی می‌توان از هر طبقه به صورت تصادفی نمونه‌گیری کرد.
برای مثال اگر جامعه آماری کارکنان یک سازمان بزرگ باشد می‌توان دوایر سازمانی را به عنوان چینه یا Strata در نظر گرفت. سپس از هر دایره تعدادی از کارکنان را به صورت تصادفی انتخاب کرد. اینکه سهم هر چینه تعداد از حجم نمونه باشد نیز به صورت سیستماتیک قابل محاسبه است.
مطالعه کنید: نوشتن پروپوزال
مراحل روش نمونه‌گیری طبقه‌ای
اگر شرایط موردنظر مهیا باشد برای نمونه‌گیری باید گام‌های زیر برداشته شود:
- صفت‌های متمایزکننده افراد جامعه را مشخص شود.
- جامعه براساس صفت یا صفت‌های موردنظر طبقه‌بندی شود.
- جدول توزیع افراد جامعه در هر طبقه تهیه شود.
- درصد حجم هر طبقه به کل جامعه برآورد شود.
- با استفاده از روش تصادفی ساده افرادی از هر طبقه انتخاب شود.
مطالعه کنید: نمونه گیری تصادفی
پرسش‌های عمومی در مورد نمونه‌گیری طبقه‌ای
نمونه‌گیری طبقه‌ای (چینه‌ای) چه تفاوتی با نمونه‌گیری تصادفی ساده دارد؟
اگر جامعه آماری پژوهش همگن باشد یعنی همه افراد جامعه از نظر متغیر مورد بررسی مشابه هم باشند از روش نمونه‌گیری تصادفی ساده استفاده می‌شود. اگر افراد جامعه آماری از نظر متغیر مورد بررسی ناهمگن باشد اما بتوان آنها را به طبقاتی تقسیم کرد که هر طبقه شامل افرادی با ویژگی‌های مشابه باشد، از روش طبقه‌ای برای نمونه‌گیری استفاده می‌شود.
برای نمونه اگر جامعه آماری شامل کارمندان یک شرکت کوچک باشد می‌توان از روش تصادفی ساده برای نمونه‌گیری استفاده کرد. زیرا کارکنان چنین شرکتی از نظر متغیرهای دموگرافیک مختلف تقریباً مشابه هستند. اما اگر جامعه آماری شامل کارکنان یک سازمان بزرگ تولیدی باشد می‌توان طبقاتی مانند کارکنان عملیاتی، کارشناسان و سرپرستان را در نظر گرفت. سپس به صورت تصادفی از هر طبقه نمونه‌گیری کرد.
مطالعه کنید: تحقیق پیمایشی
نمونه‌گیری طبقه‌ای (چینه‌ای) چه تفاوتی با نمونه‌گیری خوشه‌ای دارد؟
هر دو روش وقتی استفاده می‌شوند که جامعه آماری ناهمگن باشد. در این صورت اگر بتوان طبقه‌های مشخصی را تعریف کرد از روش نمونه‌گیری طبقه‌ای استفاده می‌شود. اگر جامعه آماری چنان ناهمگن باشد که طبقاتی همگن قابل تعریف نباشد از روش نمونه‌گیری خوشه‌ای استفاده می‌شود. برای نمونه اگر جامعه آماری شهروندان باشد باید هر منطقه از شهر مانند شمال، جنوب، شرق و غرب را به عنوان یک خوشه در نظر گرفت سپس از میان خوشه‌ها نمونه‌گیری انجام داد.
انواع نمونه گیری طبقه ای
جنبه اصلی نمونه‌برداری تصادفی طبقه‌ای این است که هر طبقه از سایر طبقات متفاوت است. هنگامی که ما از این طبقات زیرگروه‌ها را تشکیل می‌دهیم، آنها باید همگی از یکدیگر مستقل باشند. برای دستیابی به این هدف، تیم شما باید بر دو روش یا نوع نمونه‌برداری لایه‌ای تکیه کند. در واقع هنگام استفاده از این روش نمونه‌گیری، باید تصمیم بگیرید که طبقات شما به‌صورت متناسب یا نامتناسب باشند. بیایید هر دو را بررسی کنیم:
مطالعه کنید: تحلیل همبستگی
نمونه گیری طبقه ای متناسب (Proportionate Stratified Sampling)
در این رویکرد، اندازه نمونه هر قشر به‌صورت مستقیم با اندازه جمعیت کلیه اقشار مرتبط است. به‌عبارت دیگر، اگر جمعیت یک طبقه بزرگتر از سایر طبقات باشد، اندازه نمونه آن طبقه نیز بیشتر خواهد بود و نسبت آن به جمعیت مربوطه ثابت خواهد ماند.
استفاده از نمونه‌گیری متناسب زمانی مناسب است که می‌خواهید اطمینان حاصل کنید که نمونه تحقیقاتی شامل تمام گروه‌های مورد علاقه باشد و دقیق‌ترین تخمین را برای جمعیت کل بدست آورید.
فرض کنید شما می‌خواهید یک تحقیق بازاریابی بر روی یک شهر انجام دهید که از نظر جمعیت به سه دسته تقسیم می‌شود: مناطق شمالی، مرکزی و جنوبی.
اگر جمعیت کل شهر 100000 نفر باشد و از این تعداد 40% در منطقه شمالی، 30% در منطقه مرکزی و 30% در منطقه جنوبی زندگی کنند، با نمونه‌گیری متناسب، شما تصمیم می‌گیرید که نمونه تحقیقاتی شما هم این تقسیمات را حفظ کند.
در اینجا:
• برای منطقه شمالی: 40% از تعداد نمونه‌ها (مثلا 40 نفر از 100 نفر)
• برای منطقه مرکزی: 30% از تعداد نمونه‌ها (مثلا 30 نفر از 100 نفر)
• برای منطقه جنوبی: 30% از تعداد نمونه‌ها (مثلا 30 نفر از 100 نفر)
این رویکرد به شما کمک می‌کند تا نمونه‌های خود را با توجه به اهمیت نسبی هر منطقه انتخاب کنید و نتایج نهایی تحقیقاتتان به‌طور دقیق‌تر با واقعیت کل شهر همخوانی داشته باشد.
مطالعه کنید: انجام مقاله
نمونه گیری طبقه ای نامتناسب (Disproportionate Stratified Sampling)
نمونه‌گیری نامتناسب به تناسب اندازه جمعیت مختلف گروه‌ها در جمعیت پایه اهمیت نمی‌دهد. از این روش زمانی استفاده می‌شود که نیاز به برآورد دقیق از هر گروه و تفاوت‌های میان آنها وجود دارد. با این حال، این روش برخی از دقت برآورد در کل جمعیت را فدا می‌کند.
در اصل، کل فرآیند انتخاب نمونه به عهده تحقیق‌گر یا انجام‌دهنده نظرسنجی یا تیم شماست؛ زیرا می‌توانند تعداد دلخواهی از افراد را از یک زیرگروه خاص براساس نیازهای تحقیق انتخاب کنند.
فرض کنید می‌خواهیم تأثیر نرخ تحصیلات بر انتخاب یک محصول مصرفی را بررسی کنیم. جمعیت را به 4 گروه تحصیلی تقسیم می‌کنیم: دیپلم، لیسانس، فوق لیسانس، و دکترا. در حالی که نرخ تحصیلات دکتراها در جمعیت کل کم است، می‌خواهیم نمونه‌گیری نامتناسب انجام دهیم تا از هر یک از این گروه‌ها تعداد نمونه بیشتری بگیریم.
مثلا، اگر نرخ دکتراها 5% از کل جمعیت باشد، اما ما می‌خواهیم از این گروه 20% از نمونه را بگیریم. این کار باعث می‌شود تا در تحلیل نمونه، ما بتوانیم تأثیر گروه دکتراها را به‌خوبی بررسی کنیم، حتی اگر این گروه در جمعیت کل به‌مقدار کمتری نسبت داشته باشد.