PRÓBKOWANIE WARSTWOWE: CO TO JEST, RODZAJE, ZALETY I WADY - GOSPODARKA - 2025

Warstwowy próbkowania lub rozwarstwienie jest sposób pobierania próbek, która polega na podzieleniu na mniejsze podgrupy populacji, znane jako warstwy. Z kolei te warstwy są tworzone na podstawie wspólnych atrybutów lub cech członków, takich jak dochód czy poziom wykształcenia.

Służy do podkreślania różnic między grupami w populacji, w przeciwieństwie do prostego próbkowania, w którym wszyscy członkowie populacji są traktowani jako równi, z takim samym prawdopodobieństwem pobrania próbki.

Źródło: needpix.com

Celem jest poprawa dokładności próbki poprzez zmniejszenie błędu próbkowania. Może dać średnią ważoną z mniejszą zmiennością niż średnia arytmetyczna prostej próbki populacji.

Stratyfikacja to proces fragmentacji członków populacji na jednorodne podzbiory przed pobraniem próbek. Poprzez warstwy określa się rozkład populacji.

Oznacza to, że musi być zbiorczo wyczerpujący i wzajemnie wykluczający się, tak aby pojedyncza warstwa musi być przypisana do każdego elementu populacji. Następnie w każdej warstwie stosuje się systematyczne lub proste pobieranie próbek.

Ważne uwagi

Ważne jest, aby pamiętać, że warstwy nie powinny być zestawione. Nakładające się podgrupy dają niektórym osobom większą szansę na wybranie ich jako przedmiotów. To całkowicie przytępia pojęcie próbkowania warstwowego jako prototypu próbkowania.

Równie ważne jest, aby badacz użył prostego pobierania próbek w ramach różnych warstw.

Warstwy najczęściej używane w losowaniu warstwowym to wiek, płeć, status społeczno-ekonomiczny, religia, narodowość i poziom wykształcenia.

Co to jest próbkowanie warstwowe?

Kończąc analizę na grupie podmiotów o podobnych cechach, badacz może stwierdzić, że wielkość populacji jest zbyt duża, aby zakończyć badanie.

Aby zaoszczędzić czas i pieniądze, można przyjąć bardziej realną perspektywę, wybierając małą grupę z populacji. Ta mała grupa jest nazywana wielkością próby, która jest podzbiorem populacji używanym do reprezentowania całej populacji.

Próbkę z populacji można wybrać na kilka sposobów, z których jednym jest próbkowanie warstwowe. Obejmuje to podzielenie całej populacji na jednorodne grupy zwane warstwami. Następnie z każdej warstwy wybiera się losowe próbki.

Proces wykonywania próbkowania warstwowego

- Podziel populację na podgrupy lub mniejsze warstwy, zgodnie z atrybutami i cechami wspólnymi dla członków.

- Wybierz losową próbkę z każdej warstwy w liczbie proporcjonalnej do wielkości warstwy.

- Pogrupuj podzbiory warstw, aby utworzyć losową próbkę.

- Przeprowadź analizę.

Weźmy na przykład badacza, który chce poznać liczbę studentów biznesu, którzy otrzymali ofertę pracy w ciągu trzech miesięcy od ukończenia studiów w 2018 r. Wkrótce odkryją, że w tym roku było prawie 200 000 absolwentów kierunków biznesowych.

Możesz po prostu wybrać losową próbę 5000 absolwentów i przeprowadzić ankietę. Jeszcze lepiej, możesz podzielić populację na warstwy i pobrać losową próbkę z tych warstw.

Aby to zrobić, należy utworzyć grupy ludności na podstawie wieku, rasy, narodowości lub doświadczenia zawodowego.

Próbka losowa byłaby pobierana z każdej warstwy, proporcjonalnie do wielkości warstwy w odniesieniu do całej populacji. Te podzbiory zostaną zgrupowane razem, aby utworzyć próbkę.

Rodzaje

Próbkowanie warstwowe proporcjonalne

W tym typie wielkość próby dla każdej warstwy jest proporcjonalna do wielkości populacji tej warstwy w porównaniu z populacją całkowitą. Oznacza to, że każda warstwa ma taką samą częstotliwość próbkowania.

Gdy do zdefiniowania warstw wybierana jest cecha osobników, powstałe podgrupy mają często różne rozmiary.

Na przykład, chcesz zbadać odsetek populacji meksykańskiej, która pali, i zdecydujesz, że wiek będzie dobrym kryterium stratyfikacji, ponieważ uważa się, że nawyki palenia mogą się znacznie różnić w zależności od wieku. Zdefiniowano trzy warstwy:

- Poniżej 20 lat.

- Od 20 do 44 lat.

- Ponad 44.

Kiedy populacja Meksyku jest podzielona na te trzy warstwy, oczekuje się, że te trzy grupy nie będą tej samej wielkości. W rzeczywistości faktyczne dane potwierdzają to:

- Stratum 1: 42,4 mln (41,0%).

- Stratum 2: 37,6 mln (36,3%).

- Stratum 3: 23,5 mln (22,7%).

Jeżeli stosuje się proporcjonalne losowanie warstwowe, próbka powinna składać się z warstw, które zachowują te same proporcje co populacja. Jeśli chcesz utworzyć próbkę 1000 osobników, próbki muszą mieć następujące rozmiary:

Jest to bardzo podobne do gromadzenia mniejszej populacji, określanej przez względne proporcje warstw w populacji.

Jednolite próbkowanie warstwowe

W tym typie do wszystkich zdefiniowanych warstw przypisuje się tę samą wielkość próby, niezależnie od wagi tych warstw w populacji.

Jednolite warstwowe pobieranie próbek na przykładzie poprzedniego przykładu dałoby następującą próbkę dla każdej warstwy:

Ta metoda faworyzuje warstwy, które mają mniejszą wagę w populacji, nadając im ten sam poziom ważności, co warstwom bardziej odpowiednim.

Zmniejsza to ogólną skuteczność próby, ale umożliwia badanie indywidualnych cech każdej warstwy z większą precyzją.

W tym przykładzie, jeśli chcesz sformułować konkretne stwierdzenie dotyczące populacji warstwy 3 (powyżej 44), możesz zmniejszyć błędy losowania, używając próby 333 jednostek zamiast próby 227 jednostek, jak otrzymano z proporcjonalne próbkowanie warstwowe.

Zalety i wady

Próbkowanie warstwowe działa dobrze w przypadku populacji, które mają różne cechy, ale w przeciwnym razie nie będzie skuteczne, jeśli nie można utworzyć podgrup.

- Zaleta

Zbierz kluczowe cechy

Główną zaletą próbkowania warstwowego jest to, że gromadzi on kluczowe cechy populacji w próbie.

Podobnie jak w przypadku średniej ważonej, ta metoda pobierania próbek daje cechy w próbie, które są proporcjonalne do całej populacji.

Wyższa dokładność statystyczna

Stratyfikacja daje mniej błędów w oszacowaniu niż prosta metoda doboru próby. Im większa różnica między warstwami, tym większy przyrost precyzji.

W porównaniu z prostym próbkowaniem istnieje większa dokładność statystyczna. Wynika to z faktu, że w podgrupach zmienność jest mniejsza w porównaniu ze zmianami, które występują w całej populacji.

Mniejszy rozmiar próbki

Ponieważ technika ta charakteryzuje się dużą dokładnością statystyczną, oznacza to również, że wymaga mniejszego rozmiaru próbki, co może zaoszczędzić badaczom wiele wysiłku, pieniędzy i czasu.

- Niedogodności

Niestety ta metoda badawcza nie może być stosowana we wszystkich badaniach. Wadą tej metody jest to, że musi być spełnionych kilka warunków, aby można ją było prawidłowo stosować.

Trudność w znalezieniu warstw

Główną wadą jest to, że określenie odpowiednich warstw do badania może być trudne. Ponadto znalezienie pełnej i ostatecznej listy całej populacji może być trudne.

Złożoność organizacji

Drugą wadą jest to, że organizacja i analiza wyników jest bardziej złożona w porównaniu z prostym pobieraniem próbek.

Badacze muszą zidentyfikować każdego członka badanej populacji i zaklasyfikować go tylko do jednej subpopulacji. W rezultacie losowanie warstwowe jest niekorzystne, gdy badacze nie mogą z całą pewnością zaklasyfikować każdego członka populacji do podgrupy.

Zestawienie może stanowić problem, jeśli istnieją przedmioty, które należą do wielu podgrup. Kiedy przeprowadza się proste pobieranie próbek, istnieje większe prawdopodobieństwo, że zostaną wybrane osoby z wielu podgrup. Rezultatem może być wprowadzenie w błąd lub niedokładne odzwierciedlenie populacji.

Przykłady, takie jak studenci, absolwenci, mężczyźni i kobiety, ułatwiają to, ponieważ są to jasno zdefiniowane grupy.

Jednak w innych sytuacjach może to być znacznie trudniejsze. Możesz sobie wyobrazić włączenie takich cech, jak rasa, pochodzenie etniczne lub religia. Proces klasyfikacji stałby się trudniejszy, przez co próbkowanie warstwowe byłoby nieskuteczną metodą.

Przykład

Załóżmy, że zespół badawczy chce określić średnią ocen studentów w Stanach Zjednoczonych.

Zespół badawczy ma oczywiste trudności w zebraniu tych danych od 21 milionów studentów. Dlatego decydujesz się pobrać próbkę z populacji, używając tylko 4000 uczniów.

Zespół przygląda się różnym cechom badanych uczestników i zastanawia się, czy istnieje różnica między średnią ocen a specjalizacją uczniów.

W próbie 560 studentów to uczniowie języka angielskiego, 1135 studentów nauk ścisłych, 800 studentów informatyki, 1090 studentów inżynierii i 415 studentów matematyki.

Zespół chce zastosować proporcjonalne próbkowanie warstwowe, w którym warstwy próby są proporcjonalne do próby populacji.

Tworzenie warstw

W tym celu zespół bada statystyki studentów uniwersytetów w USA i znajduje oficjalny odsetek studentów, którzy specjalizują się: 12% z angielskiego, 28% z nauk ścisłych, 24% z informatyki, 21% z inżynierii i 15% w matematyce.

Dlatego z warstwowego procesu pobierania próbek tworzy się pięć warstw. Zespół musi potwierdzić, że warstwa populacji jest proporcjonalna do warstwy próby. Jednak stwierdza, że ​​proporcje nie są równe.

W związku z tym zespół musi ponownie próbować populację 4000 uczniów, ale tym razem losowo wybierając 480 (12%) uczących się języka angielskiego, 1120 (28%) nauk ścisłych, 960 (24%) informatyki, 840 ( 21%) w inżynierii i 600 (15%) w matematyce.

Dzięki temu mamy proporcjonalną, warstwową próbę studentów uniwersytetów, która zapewnia lepszą reprezentację studentów uniwersytetów w USA.

Naukowcy będą mogli wyróżnić określoną warstwę, obserwować różne badania studentów amerykańskich college'ów i obserwować różne średnie ocen.

Bibliografia

1. Adam Hayes (2019). Stratyfikowane losowe próbkowanie. Zaczerpnięte z: investopedia.com.
2. Wikipedia, wolna encyklopedia (2019). Próbkowanie warstwowe. Zaczerpnięte z: en.wikipedia.org.
3. Eksplorowalne (2019). Stratyfikowana metoda pobierania próbek. Zaczerpnięte z: explorable.com.
4. Survey Gizmo (2019). Co to jest próbkowanie warstwowe i kiedy jest używane? Zaczerpnięte z: surveygizmo.com.
5. Ashley Crossman (2019). Zrozumienie próbek uwarstwionych i jak je wykonać. Thought Co. Zaczerpnięte z: thinkco.com.
6. Carlos Ochoa (2017). Próbkowanie losowe: próbkowanie warstwowe. Zaczerpnięte z: netquest.com.