8 Svarbūs tikimybės atrankos tipai

Šiame straipsnyje aptariami aštuoni svarbūs tikimybių atrankos tipai, naudojami atliekant socialinius tyrimus. Tipai yra šie: 1. Paprasta atsitiktinė atranka 2. Sisteminis mėginių ėmimas 3. Stratifikuotas atsitiktinis ėminių ėmimas 4. Proporcingas stratifikuotas ėminių ėmimas 5. Neproporcingas stratifikuotas ėminių ėmimas 6. Optimalus paskirstymas 7 mėginys.

Tipas # 1. Paprasta atsitiktinė atranka:

Paprastas atsitiktinis mėginių ėmimas tam tikra prasme yra pagrindinė visos mokslinės atrankos tema. Tai yra pirminė tikimybės atrankos schema. Iš tiesų, visi kiti mokslinio mėginių ėmimo metodai yra paprastos atsitiktinės atrankos variantai. Suprantant bet kurią iš rafinuotų ar sudėtingų mėginių ėmimo procedūrų, būtina suprasti paprastą atsitiktinę atranką.

Paprastas atsitiktinis mėginys atrenkamas pagal procesą, kuris ne tik suteikia kiekvienam gyventojų elementui vienodą galimybę būti įtrauktam į imtį, bet taip pat leidžia pasirinkti bet kokį galimą atvejų derinį norimu imties dydžiu, taip pat tikėtiną. Tarkime, pavyzdžiui, kad vienas turi šešių vaikų, ty, A, B, C, D, E ir F.

Bus tokie galimi atvejų deriniai, kurių kiekvienas turi du elementus iš šios populiacijos, ty, AB, AC, AD, AE, AF, BC, BD, BE, BF, CD, CE, EF, DE, DF ir EF, ty visose 15 derinių.

Jei parašome kiekvieną derinį vienodų dydžių kortelėse, įdėkite korteles į krepšį, kruopščiai jas sumaišykite ir palikite užrakintą asmenį, kiekvienai iš šių kortelių bus suteikta tokia pati galimybė būti atrinktam / įtrauktam į mėginį.

Tokiu būdu abu atvejai (pora), užrašyti ant kortelės, paimto aklai sulankstyto asmens, sudarys norimą paprastą atsitiktinę imtį. Jei norime pasirinkti paprastus atsitiktinius pavyzdžius iš trijų atvejų iš pirmiau nurodytų šešių atvejų, galimi mėginiai, kiekvienas iš trijų atvejų, bus: ABC, ABD, ABE, ABF, ACD, ACE, ACF, ADE, ADF, BCD, BCE, BCF, BDE, BDF, BEF, CDE, CDF, CEF ir DEF, ty 20 kombinacijų.

Kiekvienas iš šių kombinacijų turės vienodą galimybę atrinkti mėginyje. Naudojant tą patį metodą, galima pasirinkti paprastą atsitiktinį keturių atvejų mėginį iš šios populiacijos.

Iš esmės šis metodas gali būti naudojamas atrenkant atsitiktinius bet kokio dydžio mėginius iš populiacijos. Tačiau praktiškai tai būtų labai sudėtinga ir tam tikrais atvejais neįmanoma užduotis išvardyti visus galimus pageidaujamų atvejų skaičiaus derinius. Tą patį rezultatą galima gauti pasirinkus atskirus elementus po vieną, naudojant pirmiau nurodytą metodą (loteriją) arba naudojant atsitiktinių skaičių knygą.

Lentelių, apimančių atsitiktinių skaičių sąrašą, knyga pavadinta „Tippet“, kuris pirmiausia atsitiktinės atrankos sąvoką pavertė atsitiktinių skaičių knyga.

Ši knyga yra parengta labai sudėtinga tvarka taip, kad skaičiai nerodo jokių sistemingos tvarkos įrodymų, tai yra, niekas negali įvertinti skaičiaus pagal ankstesnį skaičių ir atvirkščiai. Aptarkime du paprasto atsitiktinio atrankos braižymo metodus.

Loterijos metodas:

Šis metodas apima šiuos veiksmus:

a) Kiekvienam „gyventojų“ nariui ar elementui priskiriamas unikalus numeris. Tai reiškia, kad du nariai neturi tokio paties numerio,

(b) Kiekvienas numeris nurodomas ant atskiros kortelės ar lusto. Kiekvienas lustas ar kortelė turi būti panašūs į visus kitus pagal svorį, dydį ir formą ir tt

c) Kortelės arba lustai dedami į dubenį ir gerai sumaišomi,

(d) Žiūrint iš aklųjų, reikia pakviesti bet kokį lustą ar kortelę iš dubens.

Tokiomis aplinkybėmis galima tikėtis, kad vienos kortelės piešimo tikimybė bus tokia pati kaip bet kurios kitos kortelės piešimo tikimybė. Kadangi kiekviena kortelė atstovauja gyventojų grupei, kiekvieno pasirinkimo tikimybė būtų lygiai tokia pati.

Jei pasirinkus kortelę (lustą) jis buvo pakeistas į dubenį ir turinys vėl gerai sumaišytas, kiekvienas lustas turėtų būti lygiai taip pat pasirinktas antrajame, ketvirtame ar n-ame brėžinyje. Tokia procedūra galiausiai sudarytų paprastą atsitiktinę imtį.

Pavyzdžio pasirinkimas atsitiktinių numerių pagalba :

Mes jau sakėme, kokie yra atsitiktiniai skaičiai. Šie skaičiai padeda išvengti bet kokio šališkumo (nevienodų galimybių) elementams, kuriuos sudaro populiacija ir kurie yra įtraukti į imtį atrenkant pavyzdį.

Šie atsitiktiniai skaičiai yra tokie, kad jie atitiktų matematinį visiško atsitiktinumo kriterijų. Bet kurioje standartinėje statistikos knygoje yra keli atsitiktinių skaičių puslapiai. Šie numeriai paprastai išvardyti stulpeliuose iš eilės.

Toliau yra atsitiktinių skaičių rinkinio dalis:

Atsitiktinių skaičių lentelių naudojimas apima šiuos veiksmus:

a) Kiekvienam gyventojų grupei priskiriamas unikalus numeris. Pavyzdžiui, vienas narys gali turėti numerį 77 ir dar 83, ir tt

(b) Atsitiktinių skaičių lentelė įrašoma į atsitiktinį tašką (bet kurioje lentelių knygos pusėje yra aklas ženklas), o atvejai, kurių skaičiai atsiranda kaip vienas, einantis iš šio taško žemyn stulpelyje, yra įtraukti į mėginį tol, kol gaunamas norimas atvejų skaičius.

Tarkime, kad mūsų gyventojai susideda iš penkių šimtų elementų ir norime atrinkti penkiasdešimt atvejų. Tarkime, kad mes naudojame paskutinius tris skaitmenis kiekviename penkių skaitmenų skaičiuje (kadangi visatos dydis yra 500, ty trys skaitmeniniai).

Toliau einame stulpelį, pradedant nuo 42827; tačiau kadangi nusprendėme naudoti tik tris skaitmenis (pvz., paskutinius tris), pradedame nuo 827 (ignoruojant pirmuosius du skaitmenis). Dabar pažymime, kad kiekvienas skaičius yra mažesnis nei 501 (nuo 500 gyventojų).

Mėginys turėtų būti sudarytas iš gyventojų elementų, turinčių skaičių, atitinkančių pasirinktus. Mes sustojame po to, kai pasirenkame 50 (mūsų pasirinktą dydį) elementus. Remiantis tuo, kas išdėstyta pirmiau pateiktame lentelės skirsnyje, pasirinksime 12 numerių, atitinkančių pasirinktus. Pasirenkame 12 atvejų, atitinkančių numerius 237, 225, 280, 184, 203, 190, 213, 027, 336, 281, 288, 251.

Paprasto atsitiktinio pavyzdžio charakteristikos:

Pradėsime svarstydami vieną labai svarbią paprastų atsitiktinių mėginių savybę; tuo labiau, kad didesnis mėginio dydis, tuo labiau tikėtina, kad jos vidurkis (vidutinė vertė) bus artimas „gyventojų“ vidurkiui, ty tikrajai vertei. Parodysime šią savybę, manydami, kad gyventojų skaičius susideda iš šešių narių (vaikų).

Leiskite, kad šių vaikų amžius būtų atitinkamai: A = 2 metai, B = 3 metai, C = 4 metai, D = 6 metai, E = 9 metai ir F = 12 metų. Sudarykime atsitiktinius vieno, dviejų, trijų keturių ir penkių narių pavyzdžius iš šios populiacijos ir pamatysime, kaip kiekvienu atveju imties priemonės (vidurkiai) elgiasi pagal tikrą „gyventojų“ vidurkį (ty 2 + 3 + 4 + 6 + 9 + 12 = 36/6 = 6). Toliau pateiktoje lentelėje parodyta pavyzdžio priemonių elgsena, susijusi su mėginio dydžiu.

Lentelė, kurioje pateikti galimi vieno, dviejų, trijų, keturių ir penkių elementų pavyzdžiai (vaikai, iš šešių 2, 3, 4, 6, 9 ir 12 metų vaikų):

Šioje lentelėje pateikiami visi galimi atsitiktiniai įvairių dydžių mėginiai (ty 1, 2, 3, 4 ir 5) ir jų atitinkamos priemonės. Tikras (gyventojų) vidurkis yra 6 metai. Šis vidurkis, žinoma, gali būti apskaičiuojamas sudedant visų elementų kombinacijų vidurkio reikšmes bet kuriam konkretaus mėginio dydžiui.

Lentelėje, pavyzdžiui, matome, kad trijų elementų imties dydžiui yra 20 galimų elementų derinių, kurių kiekviena kombinacija turi vienodą galimybę atrinkti kaip pavyzdį pagal tikimybės principą.

Pridedant šių galimų kombinacijų, pateiktų lentelėje, vidutines vertes, gauname 120 balų. Vidutinis vidurkis yra 120 ÷ 20 = 6, kuris, be abejo, yra gyventojų skaičius. Tai tinka ir kitiems stulpeliams.

Dabar atidžiai išnagrinėsime lentelę. Mes nustatysime, kad vieno elemento (A stulpelis) mėginiams yra tik viena vidutinė vertė, kuri nesiskiria daugiau nei 1 vienetu nuo tikrosios gyventojų vidurkio 6 metų. Tai reiškia, kad visi kiti, ty, 2, 3, 4, 9 ir 12, nukrypsta nuo gyventojų skaičiaus daugiau nei vieno vieneto, ty, 6. Kai padidiname mėginio dydį, pvz., B stulpelyje, kur mėginio dydis yra 2, mes randame didesnę dalį priemonių (vidurkių), kurie nesiskiria nuo gyventojų skaičiaus daugiau nei 1 vienetui.

Pirmiau pateikta lentelė rodo, kad dviejų mėginių atveju yra 15 galimų kombinacijų, taigi ir 15 galimų priemonių. Iš šių 15 priemonių yra 5 priemonės, kurios nukrypsta nuo gyventojų skaičiaus daugiau nei 1 vienetui.

Tai reiškia, kad yra 33% imties priemonių, kurios yra artimos gyventojų skaičiui +1 ir -1 vienetuose. Lentelės C stulpelyje matome, kad yra 20 galimų elementų derinių trijų elementų imties dydžiui.

Iš 20 galimų imties priemonių matome, kad 10, ty 50%, nukrypsta nuo gyventojų skaičiaus daugiau nei 1 vienetui. Keturių elementų imties dydžiui yra 67% priemonių, kurios yra +1 ir -1 vienetų intervale nuo tikrojo (gyventojų) vidurkio.

Galiausiai, penkių elementų atrankos atveju yra daug daugiau, ty 83% tokių priemonių ar įverčių. Mūsų pastabose paminėta pamoka yra gana aiški, ty, kuo didesnis mėginys, tuo didesnė tikimybė, kad jos vidurkis bus artimas gyventojų skaičiui.

Tai yra tas pats, kas sako, kad skaičiavimų (priemonių) sklaida mažėja, kai imties dydis didėja. Tai aiškiai matome pirmiau pateiktoje lentelėje. Vieno mėginio dydžio (A stulpelis) priemonių diapazonas yra didžiausias, ty nuo 2 iki 12 = 10. Dviejų mėginių dydžio intervalas yra tarp 2, 5 ir 10, 5 = 8.

Pavyzdžiui, trijų, keturių ir penkių mėginių dydis, priemonių kintamumo intervalas atitinkamai yra nuo 3 iki 9 = 6, 3, 8–7, 8 = 4 ir 4, 8–6, 8 = 2. Lentelėje taip pat bus matyti, kad kuo daugiau mėginio vidurkis skiriasi nuo gyventojų vidurkio, tuo rečiau atsiranda tikimybė.

Šį fenomeną galime aiškiai parodyti atsitiktinės atrankos būdu, naudojant kreivių seriją, rodančią sąsają tarp įvertinimų kintamumo ir imties dydžio. Apsvarstykite didelį gyventojų skaičių. Galima įsivaizduoti, kad jų amžius svyruos nuo mažiau nei 1 metų (ne mažiau kaip iki 80 metų).

Normalios ir pagrįstos lūkesčiai būtų, kad yra mažiau atvejų, kai vienas artėja prie kraštutinumų, o atvejų skaičius didėja palaipsniui ir simetriškai, kai nutolę nuo šių kraštutinumų.

Sakykime, gyventojų vidutinis amžius yra 40 metų. Toks gyventojų pasiskirstymas gali būti pavaizduotas kaip kreivė, vadinama normalia arba varpine (toliau pateiktoje diagramoje A). Tarkime, kad iš šios populiacijos imsimės įvairių atsitiktinių skirtingų dydžių pavyzdžių, pvz., 10 100 ir 10 000. Bet kuriam imties dydžiui mes gausime labai daug mėginių iš gyventojų.

Kiekvienas iš šių pavyzdžių suteiks mums ypatingą gyventojų vidurkio įvertinimą. Kai kurios iš šių priemonių bus pernelyg didelės apytikrės ir kai kurios mažesnės gyventojų charakteristikos (vidurkis arba vidutinis amžius). Kai kurios priemonės bus labai artimos, gana daug.

Jei planuojame tokį pavyzdį tam tikram mėginio dydžiui ir prisijungiame prie šių taškų, kiekvienu atveju gausime normalią kreivę. Taigi skirtingos normalios kreivės parodys skirtingų dydžių mėginių ėminių reikšmes.

Pirmiau pateikta schema apytiksliai parodo, kaip imties priemonės elgtųsi atsižvelgiant į mėginio dydį. Kreivė A rodo atskirų asmenų amžių vietas. Apskaičiuotos 10 asmenų, kiekvienos iš B kreivės pavyzdžių, rodančių gana plačią sklaidą nuo tikrosios gyventojų vidurkio 40 metų).

Kiekvieno 100 mėginių mėginiai sudaro normalią kreivę C, kuri rodo daug mažesnį nukrypimą nuo populiacijos vidurkio. Galiausiai, 10 000 mėginių iš kreivės, kuri labai artima vertikaliajai linijai, atitinkančiai gyventojų vidurkį, priemonės. Vertės, atitinkančios kreivę D, nukrypimas nuo populiacijos vidurkio būtų nereikšmingos, kaip matyti iš diagramos.

Tai taip pat labai lengvai galima pastebėti iš aukščiau pateikto skaičiaus, kad bet kurio dydžio mėginiams labiausiai tikėtinas mėginio vidurkis yra gyventojų vidurkis. Kitas greičiausiai yra vidutinės vertės, artimos gyventojų skaičiui.

Taigi galime daryti išvadą, kad kuo daugiau mėginio vidurkio nukrypsta nuo gyventojų vidurkio, tuo mažesnė tikimybė, kad atsiras. Ir galiausiai, mes taip pat matome, ką mes jau sakėme apie mėginių elgesį, būtent, kuo didesnis mėginys, tuo didesnė tikimybė, kad jos vidurkis bus artimas gyventojų skaičiui.

Būtent toks elgesys paprastų atsitiktinių (tikimybės) mėginių atžvilgiu, atsižvelgiant į vidurkį ir proporcijas bei kitus statistikos tipus, leidžia mums įvertinti ne tik populiacijos charakteristikas (pvz., vidurkis), bet taip pat tikimybė, kad mėginys tam tikru dydžiu skirsis nuo tikrosios populiacijos vertės.

Vienas tipinių paprastos atsitiktinės atrankos bruožų yra tas, kad, kai populiacija yra didelė, palyginti su imties dydžiu (pvz., Daugiau nei dešimt kartų didesnė), mėginių pasiskirstymo skirtumai labiau priklauso nuo absoliutaus atvejų skaičiaus imties dalis, palyginti su gyventojų skaičiumi, į kurį įeina mėginys.

Kitaip tariant, klaidų, kurios gali atsirasti dėl atrankos, mastas labiau priklauso nuo absoliutinio imties dydžio, o ne nuo jo proporcijos su gyventojais, t. gyventojų.

Kuo didesnis atsitiktinės imties dydis, tuo didesnė tikimybė, kad ji suteiks pakankamai gerą populiacijos charakteristikos įvertinimą, nepaisant jo proporcijos, palyginti su gyventojų skaičiumi.

Taigi, populiarus balsavimas nacionaliniame apklausoje, atsižvelgiant į leistiną klaidų ribą, nereikalautų gerokai didesnio imties nei tas, kuris būtų reikalingas gyventojų balsavimui konkrečioje provincijoje įvertinti, kai apklausos rezultatai abejoja.

Norint išsiaiškinti šį aspektą, 500 (100% mėginio) pavyzdys suteiks puikų tikslumą, jei bendruomenė turės tik 500 gyventojų. 500 gyventojų pavyzdys suteiks šiek tiek didesnį 1000 gyventojų gyvenamosios vietos tikslumą nei 10 000 gyventojų. Tačiau po to, kai mėginys yra didelė „visatos“ dalis, nėra reikšmingo tikslumo skirtumo su „visatos“ dydžio padidėjimu.

Bet kokiam tikslumo lygiui identiški mėginių dydžiai būtų tokie pat tikslūs skirtingų gyventojų bendruomenėms, pvz., Nuo 10 000 iki 10 milijonų. Pavyzdžių dydžio santykis su šių bendruomenių populiacijomis nieko nereiškia, nors tai atrodo svarbi, jei mes vykdome intuiciją.

Tipas # 2. Sisteminis mėginių ėmimas:

Šis mėginių ėmimo būdas yra praktinis, paprastas atsitiktinis mėginių ėmimas. Ji reikalauja, kad gyventojai būtų vienareikšmiškai identifikuojami pagal jo tvarką. Pavyzdžiui, bendruomenės gyventojai gali būti išvardyti ir jų pavadinimai pertvarkomi abėcėlės tvarka. Kiekvienam iš šių pavadinimų gali būti suteiktas unikalus numeris. Toks indeksas vadinamas atitinkamų gyventojų „rėmu“.

Tarkime, kad šis rėmas susideda iš 1000 narių, kurių kiekvienas turi unikalų numerį, ty nuo 1 iki 1000. Sakykime, norime pasirinkti 100 mėginį. Mes galime pradėti nuo bet kokio skaičiaus nuo 1 iki 10 (abu įtraukti). Tarkime, mes atsitiktinai pasirinkome įvesdami sąrašą ir gauname 7.

Tada pereisime į narius; pradedant nuo 7, su reguliariais 10 intervalais. Pasirinkta pasirinkti narius: pradedant nuo reguliaraus 10 intervalo. Taigi pasirinktas mėginys sudarytų iš elementų, turinčių Nr. 7, 17, 27, 37, 47, … 977, 987, 997. Šie elementai kartu sudarytų sisteminį pavyzdį.

Reikėtų prisiminti, kad sisteminis mėginys gali būti laikomas tikimybės pavyzdžiu tik tuo atveju, jei pirmasis atvejis (pvz., 7) buvo pasirinktas atsitiktinai ir po to netgi dešimtasis atvejis iš rėmo.

Jei pirmasis atvejis nepasirenkamas atsitiktinai, gautas mėginys nebus tikimybės mėginys, nes, atsižvelgiant į bylos pobūdį, daugeliu atvejų, kurie nėra iš dešimties atstumo nuo iš pradžių pasirinkto numerio, bus nulis (0 ) tikimybė, kad ji bus įtraukta į imtį.

Pažymėtina, kad atliekant sisteminį mėginių ėmimą, kai pirmas atvejis atsitiktinai imamas, iš anksto nėra jokių apribojimų, susijusių su konkrečių atvejų įtraukimu į imtį. Bet kai pasirenkamas pirmasis atvejis, vėlesnių atvejų tikimybė yra lemiama arba pakeista. Pirmiau pateiktame pavyzdyje, išskyrus 17, 27, 37, 47 ir kt. Atvejus, nėra galimybės būti įtraukti į imtį.

Tai reiškia, kad sistemingas mėginių ėmimo planas nesuteikia visų galimų atvejų derinių, vienodos galimybės dalyvauti pavyzdyje.

Taigi rezultatai gali būti gana apgaulingi, jei sąraše išvardyti atvejai yra išdėstyti tam tikra cikliškumo tvarka arba jei gyventojai nėra kruopščiai sumaišyti atsižvelgiant į tiriamas charakteristikas (pvz., Pajamas ar studijų valandas), ty tam tikru būdu kad kiekvienas iš dešimties narių turėjo vienodas galimybes rinktis.

Tipas # 3. Stratifikuotas atsitiktinis mėginių ėmimas:

Stratifikuotoje atsitiktinėje atrankoje pirmiausia populiacija suskirstyta į keletą sluoksnių. Tokie sluoksniai gali būti grindžiami vienu kriterijumi, pvz., Išsilavinimo lygiu, suteikiantys daugybę sluoksnių, atitinkančių skirtingus išsilavinimo lygius) arba dviejų ar daugiau kriterijų (pvz., Amžiaus ir lyties) derinį, gaunant tokius sluoksnius kaip vyrai. 30 metų ir vyrų per 30 metų, moterys iki 30 metų ir moterys per 30 metų.

Stratifikuota atsitiktinė atranka, iš kiekvieno sluoksnio paimamas paprastas atsitiktinis mėginys ir tokie daliniai mėginiai sujungiami, kad būtų sudarytas bendras mėginys.

Apskritai, visatos stratifikacija mėginių ėmimo tikslais prisideda prie mėginių ėmimo efektyvumo, jei ji nustato klases, ty jei ji gali padalinti populiaciją į narių ar elementų, kurie yra vidiškai palyginti homogeniniai ir tarpusavyje susiję, grupes., atsižvelgiant į tiriamas charakteristikas. Tarkime, kad amžius ir lytis yra du galimi stratifikacijos pagrindai.

Dabar, jei turėtume pastebėti, kad suskirstymas pagal lytį (vyrą / moterį) duoda du sluoksnius, kurie labai skiriasi vienas nuo kito, atsižvelgiant į kitų nagrinėjamų charakteristikų balus, kita vertus, amžius kaip stratifikacijos pagrindas nėra derliaus sluoksniai, kurie yra labai skirtingi vienas nuo kito pagal kitų svarbių charakteristikų balus, tada patartina populiaciją suskirstyti pagal lytį, o ne amžių.

Kitaip tariant, lyties kriterijus bus veiksmingesnis stratifikacijos pagrindas šioje byloje. Visai įmanoma, kad gyventojų persilaužimo į sluoksnius procesas, kuris yra vidaus homogeninis ir santykinai heterogeniškas tam tikrų atitinkamų charakteristikų atžvilgiu, yra pernelyg brangus.

Esant tokiai situacijai, tyrėjas gali pasirinkti didelį paprastą atsitiktinį mėginį ir kompensuoti dideles sąnaudas, padidindamas (per didelį paprastą atsitiktinį mėginį) bendrą mėginio dydį ir vengdamas pavojaus, susijusio su stratifikacija.

Turėtų būti aiškiai suprantama, kad stratifikacija beveik neturi nieko bendro su mėginio replikacija.

Tiesą sakant, sprendžiant, ar stratifikacija turi būti vykdoma, pirmiausia susiję su numatomu apibrėžtų sluoksnių homogeniškumu atsižvelgiant į tiriamas charakteristikas ir skirtingų tikslumo metodų palyginamąsias sąnaudas. Į stratifikuotą atsitiktinę atranką, pvz., Paprastą atsitiktinę atranką, įtraukiami tipiniai mėginių ėmimo planai.

Dabar aptariame pagrindines formas arba stratifikuotą mėginių ėmimą. Kiekviename sluoksnyje atrinktų atvejų skaičius gali būti proporcingas sluoksnio stiprumui arba neproporcingai didelis.

Gali būti, kad atvejų skaičius gali būti vienodas nuo sluoksnio iki sluoksnio arba skirtingose ​​sluoksniuose, priklausomai nuo atrankos plano. Dabar labai trumpai aptarsime šias dvi formas, ty proporcingas ir neproporcingas stratifikuotus mėginius.

Tipas # 4. Proporcingas stratifikuotas mėginių ėmimas :

Proporcingai imant mėginius, kiekvienas sluoksnis yra paimtas iš tos pačios dalies, kaip ir visatoje. Tarkime, mes žinome, kad 60% „gyventojų“ yra vyrai ir 40% - moterys. Proporcingas stratifikuotas mėginių ėmimas, atsižvelgiant į šią „populiaciją“, apimtų pavyzdį taip, kad tas pats pasiskirstymas tarp lyties būtų atvaizduojamas, ty, 60:40.

Jei sistemoje atliekama sisteminė atrankos procedūra, pagrindas, kuriuo remiantis sudaromas sąrašas, nustato, ar gautas mėginys yra proporcingas stratifikuotas mėginys. Pavyzdžiui, jei kiekvienas 7-asis pavadinimas yra pasirinktas reguliariai iš abėcėlės tvarka išdėstytų pavadinimų sąrašo, gautame pavyzdyje turėtų būti maždaug 1/7-oji visų raidžių raidžių raidžių.

Šiuo atveju gautas mėginys būtų proporcingas stratifikuotas abėcėlės pavyzdys. Žinoma, jei abėcėlės tvarka yra visiškai nesusijusi ir nesusijusi su tiriama problema, pavyzdys gali būti laikomas atsitiktine imtimi su tam tikrais apribojimais, būdingais pirmiau aptartiems sisteminiams mėginiams.

Įvairių sluoksnių mėginių ėmimui nevienodomis ar skirtingomis proporcijomis gali būti pateiktos įvairios priežastys. Kartais, norint užtikrinti, kad šie sluoksniai būtų atrenkami iš viso, reikia padidinti iš nedidelio skaičiaus atvejų paimtų sluoksnių.

Pavyzdžiui, jei planuojame tam tikru momentu atlikti mažmeninės prekybos drabužiais tam tikrame mieste tyrimą, paprastas atsitiktinis mažmeninės prekybos audinių parduotuvių pavyzdys gali mums nesuteikti tikslaus viso pardavimo apimties įvertinimo, nes mažas įmonių, kuriose yra labai didelė bendro pardavimo dalis, skaičius gali atsitraukti nuo imties.

Šiuo atveju būtų tikslinga sluoksniuoti audinių parduotuvių populiaciją pagal keletą nedidelių audinių parduotuvių, kurių pardavimo apimtis yra didžiausias. Mokslininkas gerai atliktų visus jų pavyzdžius.

Tai reiškia, kad jis kartais gali padaryti 100% mėginio iš šio sluoksnio ir daug mažiau atvejų iš kitų sluoksnių, atstovaujančių daug parduotuvių (su mažu arba vidutiniu apyvartos kiekiu). Toks tik neproporcingas mėginių ėmimas greičiausiai suteiks patikimų gyventojų skaičiaus įvertinimų.

Dar viena priežastis, dėl kurios daugiau sluoksnių buvo paimta iš vieno sluoksnio, o ne iš kitų, yra ta, kad tyrėjas gali pageidauti, kad kiekvienas sluoksnis būtų suskirstytas tolesniam tyrimui.

Tokiu būdu išvestų substraktų ne visuose yra pakankamai atvejų, kad būtų galima paimti mėginius iš kitų substraktų, ir tokiu pačiu santykiu, kad nebūtų pakankamai atvejų, kad būtų tinkamas pagrindas tolesniam tyrimui. Tokiu atveju gali tekti atrinkti didesnę atvejų dalį iš sluoksnio.

Apskritai galima teigti, kad didžiausią tikslumą ir reprezentaciją galima gauti, jei įvairių sluoksnių mėginiai tinkamai atspindi jų santykinius svyravimus pagal tiriamas charakteristikas, o ne nurodo jų santykinius dydžius „populiacijoje“.

Patartina daugiau mėginių imti sluoksniuose, kai tyrėjas turi pagrindo manyti, kad tam tikros charakteristikos, pvz., Požiūrio ar dalyvavimo, kintamumas būtų didesnis.

Todėl atlikus tyrimą, skirtą prognozuoti nacionalinių rinkimų rezultatus, naudojant stratifikuoto atrankos metodą, o valstybės kaip stratifikacijos pagrindą, turėtų būti imamas sunkesnis pavyzdys iš tų vietovių ar regionų, kur rezultatas yra labai drumstas ir labai abejotinas .

Tipas # 5. Neproporcingas stratifikuotas mėginių ėmimas :

Mes jau pasiūlėme neproporcingos atrankos ypatumus ir kai kuriuos svarbiausius šio atrankos metodo privalumus. Akivaizdu, kad stratifikuotas mėginys, kuriame elementų, ištrauktų iš įvairių sluoksnių, skaičius nepriklauso nuo šių sluoksnių dydžio, gali būti vadinamas neproporcingu stratifikuotu mėginiu.

Tas pats poveikis gali būti pasiektas alternatyviai, iš kiekvieno sluoksnio pritraukiant vienodą skaičių atvejų, neatsižvelgiant į tai, kaip stipriai ar silpnai sluoksnis yra atstovaujamas gyventojams.

Kaip pasirinktas būdas, neproporcingos stratifikuotos atrankos pranašumas yra susijęs su tuo, kad visi sluoksniai yra vienodai patikimi nuo mėginio dydžio. Dar svarbesnis privalumas yra ekonomika.

Toks pavyzdys yra ekonomiškas tuo, kad tyrėjai gelbsti nepatogumus užtikrinti nereikalingai didelį informacijos kiekį iš labiausiai paplitusių gyventojų grupių.

Tačiau toks pavyzdys taip pat gali išduoti bendrą nelygių atvejų, ty mažumo ir neatstovumo, trūkumų. Be to, neproporcingai dideliam mėginiui reikia gilių žinių apie atitinkamas įvairių sluoksnių savybes.

Tipas # 6. Optimalus paskirstymo pavyzdys :

Šioje atrankos procedūroje iš kiekvieno sluoksnio paimto mėginio dydis yra proporcingas bet kokio sluoksnio verčių dydžiui ir plitimui. Tikslus šios atrankos procedūros taikymas apima tam tikrų statistinių sąvokų, kurios dar nebuvo tinkamai ar įtikinamai įvestos, naudojimą.

Dabar mes žinome kažką apie stratifikuotą atsitiktinę atranką ir jos skirtingas apraiškas. Dabar pažiūrėkime, kaip turėtų būti planuojami kintamieji ar stratifikacijos kriterijai.

Geriausia, kad tokie svarstymai būtų įtraukti į stratifikacijos kontrolę:

a) Informacija apie sluoksnių pateikimą turėtų būti naujausia, tiksli, išsami, taikoma gyventojams ir prieinama tyrėjui.

Daugelis gyventojų charakteristikų negali būti naudojamos kaip kontrolė, nes nėra tinkamos statistikos apie juos. Labai dinamiškoje visuomenėje, kuriai būdingi dideli gyventojų perversmai, stratifikacijos strategiją taikantis tyrėjas paprastai rizikuoja gana neteisingai vertinti savo mėginiuose naudojamų sluoksnių dydžius.

b) Mokslininkas turėtų turėti pagrindo manyti, kad stratifikacijai naudojami veiksniai ar kriterijai yra reikšmingi atsižvelgiant į nagrinėjamą problemą.

c) Jei aptariamas sluoksnis yra pakankamai didelis ir todėl mėginių ėmėjas ir lauko darbininkai neturi didelių sunkumų ieškodami kandidatų, jis neturėtų būti naudojamas.

(d) Renkantis stratifikacijos atvejus, tyrėjas turėtų stengtis pasirinkti tuos, kurie yra vienodi, atsižvelgiant į charakteristikas, kurios yra svarbios tiriamai problemai. Kaip jau buvo minėta anksčiau, stratifikacija yra veiksminga tiek, kiek sluoksnio elementai yra panašūs vienas į kitą ir tuo pat metu skiriasi nuo kitų sluoksnių elementų.

Apsvarstykime stratifikuotos atsitiktinės atrankos privalumus ir apribojimus bendruoju būdu:

(1) Taikant stratifikuotą atsitiktinės atrankos procedūrą, tyrėjas gali būti tikras, kad nė viena esminė grupė ar kategorija nebus įtraukta į imtį. Taip užtikrinamas didesnis pavyzdžio reprezentatyvumas ir taip išvengiama atsitiktinių atsitiktinių atrankos atvejų.

(2) homogeniškesnių populiacijų atveju galima pasiekti didesnį tikslumą mažesniais atvejais.

(3) Palyginti su paprastais atsitiktiniais, stratifikuoti mėginiai labiau susikoncentruoti geografiškai, todėl interviu su respondentais mažėja laiko, pinigų ir energijos sąnaudos.

(4) Pavyzdžiai, kuriuos apklausėjas pasirenka, gali būti labiau reprezentatyvūs, jei jo kvota yra paskirta asmenišku stratifikacijos būdu nei tuo atveju, jei jis naudojasi savo sprendimu (kaip ir kvotų atranka).

Pagrindinis stratifikuotos atsitiktinės atrankos apribojimas yra tas, kad norint užtikrinti maksimalią naudą iš jos tyrimo metu, tyrėjas turi daug sužinoti apie mokslinių tyrimų problemą ir jos ryšį su kitais veiksniais. Tokios žinios ne visada vyksta ir gana dažnai laukia ilgas.

Reikėtų nepamiršti, kad tikimybės atrankos teorijos požiūris iš esmės neturi reikšmės, ar stratifikacija įvedama atliekant mėginių ėmimo procedūrą, ar analizuojant duomenis, išskyrus atvejus, kai pirmasis leidžia kontroliuoti mėginys, gautas iš kiekvieno sluoksnio, ir taip padidinti mėginių ėmimo plano efektyvumą.

Kitaip tariant, paprastos atsitiktinės imties sudarymo procedūra ir tada padalijimas į sluoksnius yra lygiavertis stratifikuotos atsitiktinės imties sudarymui, panaudojant kaip kiekvienos sluoksnio atrankos rėmą. Atsitiktinis pavyzdys.

# 7. Tipo atranka :

Paprastai paprasta atsitiktinė atranka ir stratifikuota atsitiktinė atranka apima didžiules išlaidas, kai susiduriama su didelėmis ir erdvinėmis ar geografiškai išsklaidytomis populiacijomis.

Pirmiau išvardytose atrankos rūšyse atrinkti elementai gali būti tokie plačiai išsklaidyti, kad jų apklausos gali reikšti didelių išlaidų, didesnę nepelno laiko dalį (praleido kelionės metu), didesnę tikimybę, kad interviu atlikėjai nebus vienodi. klausimai, įrašai ir, galiausiai, didelės išlaidos lauko personalo priežiūrai.

Taip pat yra ir kitų praktinių šios atrankos veiksnių. Pavyzdžiui, gali būti laikoma mažiau nepriimtina ir todėl leidžiama administruoti klausimyną trims ar keturiems fabriko ar biuro padaliniams, o ne administruoti jį iš visų departamentų išimtinio ar sluoksniuotos atsitiktinės atrankos, nes ši pastaroji procedūra gali būti daug labiau trikdančios gamyklos rutiną.

Dėl šių priežasčių didelės apimties apklausos tyrimai retai naudoja paprastus arba stratifikuotus atsitiktinius mėginius; vietoj to jie naudoja klasterių atrankos metodą.

Klasterių atrankos metu mėginių ėmėjas pirmą kartą ima iš gyventojų, tam tikrų didelių grupių, ty „klasterio“. Šie klasteriai gali būti miesto padaliniai, namų ūkiai arba keli geografiniai ar socialiniai vienetai. Klasterių atranka iš gyventojų atliekama paprastais arba stratifikuotais atsitiktinių imčių metodais. Iš šių atrinktų grupių sudedamieji elementai imami taikant procedūras, užtikrinančias atsitiktinumą.

Tarkime, pavyzdžiui, kad tyrėjas nori atlikti pavyzdinį tyrimą apie Maharaštros kolegijų bakalauro studentų problemas.

Jis gali veikti taip:

(a) Pirmiausia jis parengia visų valstybinių universitetų sąrašą ir „atsitiktinai“ atrenka universitetų pavyzdį.

(b) For each of the universities of the state included m the sample, he makes a list of colleges under its jurisdiction and takes a sample of colleges on a 'random' basis.

(c) For each of the colleges that happen to get included in the sample, he makes a list of all undergraduate students enrolled with it. From out of these students, he selects a sample of the desired size on a 'random' basis (simple or stratified).

In this manner, the researcher gets a probability or random sample of elements, more or less concentrated, geographically. This way he is able to avoid heavy expenditure that would otherwise have been incurred had he resorted to simple or stratified random sampling, and yet he need not sacrifice the principles and benefits of probability sampling.

Ši mėginių ėmimo procedūra būdinga daugeliu etapų. Todėl tam tikra prasme tai yra „daugiapakopė“ atranka ir kartais žinoma pagal šį pavadinimą. Ši mėginių ėmimo procedūra palaipsniui pereina nuo labiau įtrauktos į mažiau įtraukius mėginių ėmimo vienetus, kuriuos tyrėjas pagaliau atvyksta į tuos populiacijos elementus, kurie sudaro jo norimą mėginį.

Pažymėtina, kad atrankos būdu, nebėra tiesa, kad kiekvienas norimų elementų skaičiaus derinys populiacijoje taip pat bus pasirinktas kaip gyventojų pavyzdys. Vadinasi, čia neįmanoma matyti, kokių efektų mes matėme atliekant paprastų atsitiktinių imčių analizę, ty populiacijos vertę, kuri yra labiausiai tikėtina imties vertė.

Tačiau tokie poveikiai yra sudėtingesni, nors, žinoma, tam tikru mastu trukdo mėginių ėmimo efektyvumas. Nustatyta, kad kiekvienu atveju klasterio mėginių ėmimas yra daug mažiau efektyvus gaunant informaciją nei palyginamai efektyvi stratifikuota atsitiktinė atranka.

Santykinai kalbant, klasterių atrankos atveju klaidų skirtumas yra daug didesnis. Tačiau šią kliūtį labiau nei subalansuoja asocijuotos ekonomikos, kurios leidžia imti pakankamai didelį skaičių atvejų mažesnėmis bendrosiomis sąnaudomis.

Priklausomai nuo mėginių ėmimo plano specifinių požymių, susijusių su tyrimo objektais, klasterių mėginių ėmimas gali būti daugiau ar mažiau veiksmingas nei paprastas atsitiktinis mėginių ėmimas. Su klasterių atranka susijusi ekonomika paprastai pakreipia pusiausvyrą naudodamosi klasterių atranka didelio masto tyrimuose, nors, palyginti su paprasta atsitiktine atranka, reikia daugiau atvejų tam pačiam tikslumo lygiui.

Tipas # 8. Kelių etapų mėginių ėmimas:

Kartais patogu užduoti tam tikrus klausimus apie konkrečius tyrimo aspektus su tam tikra mėginio dalimi, o kita informacija renkama iš viso mėginio. Ši procedūra vadinama „kelių fazių mėginių ėmimu“.

Pagrindinė informacija, užregistruota iš viso mėginio, leidžia palyginti tam tikras sub mėginio charakteristikas su viso mėginio charakteristikomis.

Vienas papildomas dalykas, kurį reikia paminėti, yra tai, kad daugiafazis mėginių ėmimas palengvina dalinio mėginio stratifikaciją, nes informacija, surinkta iš pirmojo etapo mėginio, kartais gali būti surenkama prieš pradedant atrankos procesą. Reikia prisiminti, kad grupės tyrimai apima daugiafazę mėginių ėmimą.