Gestratificeerde monsters begrijpen en maken

Een gestratificeerde steekproef is een steekproef die ervoor zorgt dat subgroepen (lagen) van een bepaalde populatie elk voldoende worden vertegenwoordigd binnen de gehele steekproefpopulatie van een onderzoekstudie. Je kunt bijvoorbeeld een steekproef van volwassenen in subgroepen verdelen volgens leeftijd, zoals 18-29, 30-39, 40-49, 50-59 en 60 en hoger. Om deze steekproef te stratificeren, zou de onderzoeker vervolgens willekeurig proportionele hoeveelheden mensen uit elke leeftijdsgroep selecteren. Dit is een effectieve bemonsteringstechniek om te bestuderen hoe een trend of probleem kan verschillen tussen subgroepen.

Belangrijk is dat de in deze techniek gebruikte lagen elkaar niet mogen overlappen, want als ze dat deden, zouden sommige individuen een grotere kans hebben om te worden geselecteerd dan anderen. Dit zou een scheve steekproef opleveren die het onderzoek zou beïnvloeden en de resultaten ongeldig zou maken.

Enkele van de meest voorkomende lagen die worden gebruikt bij gestratificeerde steekproeven zijn leeftijd, geslacht, religie, ras, opleidingsniveau, sociaal-economische status en nationaliteit.

Wanneer Stratified Sampling te gebruiken

Er zijn veel situaties waarin onderzoekers gestratificeerde willekeurige steekproeven verkiezen boven andere soorten steekproeven. Ten eerste wordt het gebruikt wanneer de onderzoeker subgroepen binnen een populatie wil onderzoeken. Onderzoekers gebruiken deze techniek ook wanneer ze relaties tussen twee of meer subgroepen willen observeren, of wanneer ze de zeldzame uitersten van een populatie willen onderzoeken. Met dit type steekproef is de onderzoeker gegarandeerd dat onderwerpen uit elke subgroep worden opgenomen in de laatste steekproef, terwijl eenvoudige willekeurige steekproeven niet garanderen dat subgroepen gelijk of evenredig in de steekproef worden weergegeven.

Proportioneel gestratificeerd willekeurig monster

Bij proportionele gestratificeerde willekeurige steekproeven is de grootte van elke laag evenredig aan de populatiegrootte van de lagen wanneer deze over de gehele populatie wordt onderzocht. Dit betekent dat elke laag dezelfde bemonsteringsfractie heeft.

Laten we bijvoorbeeld zeggen dat u vier lagen heeft met een populatiegrootte van 200, 400, 600 en 800. Als u een steekproeffractie van ½ kiest, betekent dit dat u willekeurig 100, 200, 300 en 400 onderwerpen uit elk stratum moet nemen . Voor elke laag wordt dezelfde bemonsteringsfractie gebruikt, ongeacht de verschillen in populatiegrootte van de lagen.

Onevenredig gestratificeerd willekeurig monster

In onevenredige gestratificeerde willekeurige steekproeven hebben de verschillende lagen niet dezelfde steekproeffracties als elkaar. Als uw vier lagen bijvoorbeeld 200, 400, 600 en 800 mensen bevatten, kunt u ervoor kiezen om voor elke laag verschillende bemonsteringsfracties te hebben. Misschien heeft de eerste laag met 200 mensen een bemonsteringsfractie van ½, wat resulteert in 100 mensen geselecteerd voor de steekproef, terwijl de laatste laag met 800 mensen een bemonsteringsfractie van ¼ heeft, wat resulteert in 200 mensen geselecteerd voor de steekproef.

De precisie van het gebruik van onevenredige gestratificeerde willekeurige steekproeven is sterk afhankelijk van de steekproeffracties die de onderzoeker heeft gekozen en gebruikt. Hier moet de onderzoeker heel voorzichtig zijn en precies weten wat hij of zij doet. Fouten bij het kiezen en gebruiken van bemonsteringsfracties kunnen leiden tot een laag die oververtegenwoordigd of ondervertegenwoordigd is, met scheve resultaten tot gevolg.

Voordelen van Stratified Sampling

Het gebruik van een gestratificeerd monster zal altijd een grotere precisie bereiken dan een eenvoudig willekeurig monster, op voorwaarde dat de lagen zo zijn gekozen dat leden van hetzelfde stratum zo vergelijkbaar mogelijk zijn wat betreft het kenmerk van belang. Hoe groter de verschillen tussen de lagen, hoe groter de winst in precisie.

Administratief is het vaak handiger om een ​​steekproef te stratificeren dan om een ​​eenvoudige willekeurige steekproef te selecteren. Interviewers kunnen bijvoorbeeld worden getraind in hoe ze het beste met een bepaalde leeftijd of etnische groep kunnen omgaan, terwijl anderen worden getraind in de beste manier om met een andere leeftijd of etnische groep om te gaan. Op deze manier kunnen de interviewers zich concentreren op een kleine reeks vaardigheden en dit is minder tijdrovend en kostbaar voor de onderzoeker.

Een gestratificeerde steekproef kan ook kleiner zijn dan eenvoudige willekeurige steekproeven, wat veel tijd, geld en moeite voor de onderzoekers kan besparen. Dit komt omdat dit type bemonsteringstechniek een hoge statistische precisie heeft in vergelijking met eenvoudige willekeurige bemonstering.

Een laatste voordeel is dat een gestratificeerde steekproef een betere dekking van de bevolking garandeert. De onderzoeker heeft controle over de subgroepen die in de steekproef zijn opgenomen, terwijl eenvoudige willekeurige steekproeven niet garanderen dat een bepaald type persoon in de uiteindelijke steekproef wordt opgenomen.

Nadelen van Stratified Sampling

Een belangrijk nadeel van gestratificeerde steekproeven is dat het moeilijk kan zijn om geschikte lagen voor een onderzoek te identificeren. Een tweede nadeel is dat het complexer is om de resultaten te ordenen en te analyseren in vergelijking met eenvoudige steekproeven.

Bijgewerkt door Nicki Lisa Cole, Ph.D.