STRATIFIED SAMPLING: ANO ITO, URI, KALAMANGAN AT KAWALAN - EKONOMIYA - 2025

Ang stratified sampling , o stratification, ay isang paraan ng sampling na nagsasangkot sa paghati sa isang populasyon sa mas maliit na mga subgroup, na kilala bilang strata. Kaugnay nito, ang mga strata na ito ay nabuo batay sa ibinahaging katangian o katangian ng mga miyembro, tulad ng kita o antas ng edukasyon.

Ginagamit ito upang i-highlight ang mga pagkakaiba sa pagitan ng mga grupo sa isang populasyon, hindi tulad ng simpleng sampling, na tinatrato ang lahat ng mga miyembro ng isang populasyon bilang pantay, na may parehong posibilidad na mai-sample.

Pinagmulan: needpix.com

Ang layunin ay upang mapabuti ang katumpakan ng sample sa pamamagitan ng pagbabawas ng error sa sampling. Maaari itong makabuo ng isang bigat na kahulugan na may mas kaunting pag-iiba kaysa sa pang-aritmetika na kahulugan ng isang simpleng sample ng populasyon.

Ang stratification ay ang proseso ng pagkapira-piraso ng mga miyembro ng isang populasyon sa homogenous na mga subset bago ang sampling. Sa pamamagitan ng strata, ang isang pamamahagi ng populasyon ay tinukoy.

Iyon ay, dapat itong sama-samang kumpleto at kapwa eksklusibo, upang ang isang solong stratum ay dapat italaga sa bawat elemento ng populasyon. Pagkatapos isang sistematikong o simpleng sampling ay inilalapat sa loob ng bawat stratum.

Mahalagang pagsasaalang-alang

Mahalagang tandaan na ang mga layer ay hindi dapat juxtaposed. Ang pagkakaroon ng overlay na mga subgroup ay magbibigay sa ilang mga tao ng isang mas malaking pagkakataon na mapili bilang mga paksa. Ito ay lubos na nagpapabagal sa paniwala ng pinagsama-samang sampling bilang isang sampling prototype.

Ito ay pantay na mahalaga na ang mananaliksik ay dapat gumamit ng simpleng sampling sa loob ng iba't ibang strata.

Ang pinaka-karaniwang strata na ginamit sa stratified sampling ay edad, kasarian, katayuan sa socioeconomic, relihiyon, nasyonalidad, at antas ng edukasyon.

Ano ang stratified sampling?

Kapag nakumpleto ang pagsusuri sa isang pangkat ng mga nilalang na may katulad na mga katangian, maaaring malaman ng isang investigator na ang laki ng populasyon ay napakalaki upang makumpleto ang pagsisiyasat.

Upang makatipid ng oras at pera, ang isang mas magagawa na pananaw ay maaaring makuha sa pamamagitan ng pagpili ng isang maliit na grupo mula sa populasyon. Ang maliit na pangkat na ito ay tinatawag na laki ng sample, na kung saan ay isang subset ng populasyon na ginamit upang kumatawan sa buong populasyon.

Ang isang sample mula sa isang populasyon ay maaaring mapili sa maraming mga paraan, na ang isa ay may stratified sampling. Ito ay nagsasangkot ng paghati sa kabuuang populasyon sa mga homogenous na pangkat na tinatawag na strata. Pagkatapos ay ang mga random na sample ay pinili mula sa bawat stratum.

Proseso para sa pagsasagawa ng stratified sampling

- Hatiin ang populasyon sa mga subgroup o mas maliit na strata, ayon sa mga katangian at katangian na ibinahagi ng mga miyembro.

- Kumuha ng isang random na sample mula sa bawat stratum sa isang bilang na proporsyonal sa laki ng stratum.

- Pangkatin ang mga subset ng strata upang makabuo ng isang random sample.

- Isagawa ang pagsusuri.

Halimbawa, isaalang-alang ang isang mananaliksik na nais malaman ang bilang ng mga mag-aaral sa negosyo na nakatanggap ng alok sa trabaho sa loob ng tatlong buwan na pagtatapos sa 2018. Malalaman nilang matutuklasan na halos 200,000 mga nagtapos sa negosyo sa taong iyon.

Maaari kang magpasya na kumuha lamang ng isang random sample ng 5,000 graduates at magsagawa ng survey. Mas mabuti pa, maaari mong hatiin ang populasyon sa strata at kumuha ng isang random na sample mula sa mga strata na iyon.

Upang gawin ito, gagawa ka ng mga pangkat ng populasyon batay sa edad, lahi, nasyonalidad, o propesyonal na background.

Ang isang random na sample ay kukuha mula sa bawat stratum, na proporsyon sa laki ng stratum na may paggalang sa kabuuang populasyon. Ang mga subset na ito ay pinagsama-sama upang makabuo ng isang sample.

Mga Uri

Proporsyonal na stratified sampling

Sa ganitong uri, ang laki ng sample para sa bawat stratum ay proporsyonal sa laki ng populasyon ng stratum kung ihahambing sa kabuuang populasyon. Nangangahulugan ito na ang bawat stratum ay may parehong rate ng sampling.

Kung ang isang katangian ng mga indibidwal ay napili upang tukuyin ang strata, ang mga nagreresultang mga subgroup ay madalas na magkakaibang laki.

Halimbawa, nais naming pag-aralan ang porsyento ng populasyon ng Mexico na naninigarilyo, at napagpasyahan na ang edad ay magiging mabuting pamantayan sa stratify dahil pinaniniwalaan na ang mga gawi sa paninigarilyo ay maaaring magkakaiba ayon sa edad. Tatlong strata ang tinukoy:

- Sa ilalim ng 20 taong gulang.

- Sa pagitan ng 20 at 44.

- Mahigit sa 44.

Kapag ang populasyon ng Mexico ay nahahati sa tatlong strata na ito, ang tatlong pangkat ay hindi inaasahan na magkaparehong sukat. Sa katunayan, ang aktwal na data ay nagpapatunay na ito:

- Stratum 1: 42.4 milyon (41.0%).

- Stratum 2: 37.6 milyon (36.3%).

- Stratum 3: 23.5 milyon (22.7%).

Kung ang proporsyonal na stratified sampling ay ginagamit, ang sample ay dapat na binubuo ng strata na nagpapanatili ng parehong proporsyon ng populasyon. Kung nais mong lumikha ng isang sample ng 1,000 mga indibidwal, ang mga sample ay dapat magkaroon ng mga sumusunod na sukat:

Ito ay halos kapareho sa pangangalap ng isang mas maliit na populasyon, na tinutukoy ng mga kamag-anak na proporsyon ng strata sa loob ng populasyon.

Unipormadong stratified sampling

Sa ganitong uri, ang parehong laki ng sample ay itinalaga sa lahat ng tinukoy na strata, anuman ang bigat ng mga strata na ito sa loob ng populasyon.

Ang isang unipormadong stratified sampling na kumukuha ng nakaraang halimbawa ay makagawa ng sumusunod na sample para sa bawat stratum:

Ang pamamaraan na ito ay pinapaboran ang strata na may mas kaunting timbang sa populasyon, sa pamamagitan ng pagbibigay sa kanila ng parehong antas ng kahalagahan bilang mas may-katuturang strata.

Binabawasan nito ang pangkalahatang pagiging epektibo ng sample, ngunit pinapayagan ang mga indibidwal na katangian ng bawat stratum na mapag-aralan na may higit na katumpakan.

Sa halimbawa, kung nais mong gumawa ng isang tiyak na pahayag tungkol sa populasyon ng stratum 3 (higit sa 44), maaari mong bawasan ang mga error sa pag-sampling gamit ang isang sample ng 333 mga yunit, sa halip na isang sample ng 227 mga yunit, tulad ng nakuha mula sa proporsyonal na stratified sampling.

Mga kalamangan at kawalan

Ang istrukturang sampling ay gumagana nang maayos para sa mga populasyon na may iba't ibang mga katangian, ngunit kung hindi man ay hindi magiging epektibo kung ang mga subgroup ay hindi mabubuo.

- Kalamangan

Kolektahin ang mga pangunahing tampok

Ang pangunahing bentahe ng stratified sampling ay kinokolekta nito ang mga pangunahing katangian ng populasyon sa sample.

Katulad sa isang may timbang na average, ang pamamaraang sampling na ito ay gumagawa ng mga katangian sa sample na proporsyonal sa kabuuang populasyon.

Mas mataas na istatistika katumpakan

Ang stratification ay nagbibigay ng mas kaunting error sa pagtatantya kaysa sa simpleng pamamaraan ng pag-sampling. Ang mas malaki ang pagkakaiba sa pagitan ng strata, mas malaki ang pakinabang sa katumpakan.

Mayroong isang mas mataas na statistical precision kung ihahambing sa simpleng sampling. Ito ay dahil sa ang katunayan na sa loob ng mga subgroup ang pagkakaiba-iba ay mas mababa, kung ihahambing sa mga pagkakaiba-iba na nangyayari sa kabuuang populasyon.

Mas maliit na sukat ng sample

Dahil ang pamamaraan na ito ay may mataas na istatistika ng istatistika, nangangahulugan din ito na nangangailangan ng isang mas maliit na laki ng sample, na maaaring makatipid ng mga mananaliksik ng maraming pagsisikap, pera at oras.

- Mga Kakulangan

Sa kasamaang palad, ang pamamaraang ito ng pananaliksik ay hindi maaaring magamit sa lahat ng pag-aaral. Ang kawalan ng paraan ay ang maraming mga kundisyon ay dapat matugunan para magamit ito nang tama.

Hirap sa paghahanap ng strata

Ang pangunahing kawalan ay maaaring maging mahirap makilala ang naaangkop na strata para sa isang pag-aaral. Bilang karagdagan, ang paghahanap ng isang kumpleto at tiyak na listahan ng isang buong populasyon ay maaaring maging mahirap.

Pagiging kumplikado upang ayusin

Ang pangalawang kawalan ay mas kumplikado upang ayusin at suriin ang mga resulta kumpara sa simpleng sampling.

Dapat makilala ng mga mananaliksik ang bawat miyembro ng isang populasyon ng pag-aaral at iuriin ito sa isang subpopulasyon lamang. Bilang isang resulta, ang stratified sampling ay hindi nakakapinsala kung hindi masigasig na pag-uuri ng mga mananaliksik ang bawat miyembro ng populasyon sa isang subgroup.

Ang Juxtaposition ay maaaring maging isang problema kung mayroong mga paksa na nahuhulog sa maraming mga subgroup. Kung isinasagawa ang simpleng sampling, ang mga nasa maraming mga subgroup ay mas malamang na mapili. Ang resulta ay maaaring isang maling pagpapahayag o hindi tumpak na pagmuni-muni ng populasyon.

Ang mga halimbawa tulad ng mga mag-aaral sa kolehiyo, nagtapos, kalalakihan at kababaihan, ay ginagawang madali, dahil malinaw na tinukoy ang mga pangkat.

Gayunpaman, sa ibang mga sitwasyon maaari itong maging mas mahirap. Maaari mong isipin ang pagsasama ng mga katangian tulad ng lahi, etniko, o relihiyon. Ang proseso ng pag-uuri ay magiging mas mahirap, na ginagawang stratified sampling isang hindi epektibo na pamamaraan.

Halimbawa

Ipagpalagay na nais ng isang koponan ng pananaliksik upang matukoy ang average na punto ng grade ng mga mag-aaral sa kolehiyo sa Estados Unidos.

Ang pangkat ng pananaliksik ay may halatang mga paghihirap sa pagkolekta ng data na ito mula sa 21 milyong mga mag-aaral sa kolehiyo. Samakatuwid, nagpasya kang kumuha ng isang sample mula sa populasyon, gamit lamang ang 4,000 mga mag-aaral.

Tinitingnan ng koponan ang iba't ibang mga katangian ng mga kalahok ng sample at kamangha-mangha kung mayroong pagkakaiba sa pagitan ng average point ng grade at specialization ng mga mag-aaral.

Natagpuan sa halimbawang ang 560 mga mag-aaral ay mga mag-aaral sa Ingles, 1,135 ng agham, 800 ng computer science, 1,090 ng engineering at 415 ng matematika.

Nais ng koponan na gumamit ng proporsyonal na stratified sampling, kung saan ang sample strata ay proporsyonal sa sample ng populasyon.

Paglikha ng strata

Upang gawin ito, sinisiyasat ng koponan ang mga istatistika ng mga mag-aaral sa unibersidad sa US at nakita ang opisyal na porsyento ng mga mag-aaral na nagpakadalubhasa: 12% sa Ingles, 28% sa agham, 24% sa science sa computer, 21% sa engineering at 15% sa matematika.

Samakatuwid, ang limang strata ay nilikha mula sa proseso ng naka-stratify na sampling. Dapat kumpirmahin ng koponan na ang populasyon stratum ay proporsyonal sa sample stratum. Gayunpaman, napag-alaman niya na ang mga proporsyon ay hindi pantay.

Samakatuwid, ang koponan ay kailangang mag-resample ng populasyon ng 4,000 mga mag-aaral, ngunit sa oras na ito na random na pagpili ng 480 (12%) English aaral, 1,120 (28%) science, 960 (24%) computer science, 840 ( 21%) sa engineering at 600 (15%) sa matematika.

Gamit ito, mayroon kaming isang proporsyonal na stratified sample ng mga mag-aaral sa unibersidad, na nagbibigay ng isang mas mahusay na representasyon ng mga mag-aaral sa unibersidad sa US.

Ang mga mananaliksik ay magagawang i-highlight ang isang tiyak na stratum, obserbahan ang iba't ibang mga pag-aaral ng mga mag-aaral sa kolehiyo ng US, at obserbahan ang iba't ibang mga average point sa average.

Mga Sanggunian

1. Adam Hayes (2019). Stratified Random Sampling. Kinuha mula sa: investopedia.com.
2. Wikipedia, ang libreng encyclopedia (2019). Stratified sampling. Kinuha mula sa: en.wikipedia.org.
3. Mapapaliwanag (2019). Pamamaraan na Sampol ng Stratified Kinuha mula sa: explorable.com.
4. Survey Gizmo (2019). Ano ang Stratified Sampling at Kailan Ito Ginamit? Kinuha mula sa: surveygizmo.com.
5. Ashley Crossman (2019). Pag-unawa sa mga Stratified Samples at Paano Gawin Ito. Pag-iisip Co Kinuha mula sa: thoughtco.com.
6. Carlos Ochoa (2017). Random sampling: stratified sampling. Kinuha mula sa: netquest.com.