نمونه گیری طبقه ای (Stratified Sampling)
84 Views
یکی دیگر از روش های آماری مهم در بخش مواد و روش های مقاله، نمونه گیری طبقه ای یک روش نمونه گیری احتمالی و شکلی از نمونه گیری تصادفی است که در آن جامعه با توجه به یک یا چند ویژگی مشترک به دو یا چند گروه (طبقه) تقسیم می شود. این ویژگی ها می تواند جنسیت، سن، درآمد، سطح تحصیلات و غیره با توجه به اهداف مطالعه باشد.
در نمونه‌گیری تصادفی طبقه‌ای، قرار است نمونه، زیر گروه‌ها یا اقشار خاصی را نمایندگی کند. بر این اساس، استفاده از روش نمونه‌گیری طبقه‌ای شامل تقسیم جمعیت به زیرگروه‌های مختلف (اقشار یا strata) و انتخاب آزمودنی‌ها از هر طبقه به شکلی متناسب است. شکل زیر مثال ساده‌ای را نشان می‌دهد که در آن گروه نمونه 10 نفره از پاسخ‌دهندگان با تقسیم جمعیت به اقشار مرد و زن انتخاب می‌شوند تا به نمایندگی برابر از هر دو جنس در گروه نمونه دست یابند.
نمونه گیری طبقه ای را می توان به دو گروه زیر تقسیم کرد: متناسب (proportionate) و غیرمتناسب (disproportionate). استفاده از روش نمونه‌گیری تصادفی طبقه‌ای متناسب شامل تعیین حجم نمونه در هر طبقه به روشی متناسب با کل جامعه است. به عنوان مثال، اگر کل جامعه برای یک تحقیق 5000 نفر باشد، در نمونه گیری تصادفی طبقه ای متناسب می توان گروه را به پنج طبقه با 1000 نفر در هر قشر تقسیم کرد.
برعکس، در نمونه‌گیری تصادفی طبقه‌ای غیرمتناسب، تعداد آزمودنی‌های به کار گرفته شده از هر قشر نباید متناسب با اندازه کل جامعه باشد. اگر در پژوهشی با 5000 نفر از نمونه گیری تصادفی طبقه ای غیرمتناسب استفاده شود، می توان جامعه را به پنج طبقه با تعداد نابرابر جمعیت در هر قشر 1000، 1500، 1200، 800 و 500 تقسیم کرد.
بر این اساس، استفاده از نمونه‌گیری تصادفی طبقه‌ای متناسب، داده‌های اولیه دقیق‌تری را در مقایسه با نمونه‌گیری غیرمتناسب ایجاد می‌کند.
انواع مثال های استفاده از نمونه گیری طبقه ای
- فهم بروز بیماری در سنین مختلف: جمعیت را می توانید به گروه های سنی مختلف طبقه بندی کنید.
- بررسی شیوع و پیامدهای روان شناختی سوء استفاده های فیزیکی و جنسی در بالغین در سطح جمعیت عادی مردم
- ارزیابی مفیدبودن ویژگی های شخصیتی در توضیح و پیش بینی کارآفرینی
- بررسی ادراک مربوط به کیفیت آب شرب در چهار منطقه در غرب استرالیا
کاربرد نمونه گیری طبقه ای: یک مثال جزئی
فرض کنید، هدف پایان نامه شما بررسی سبک های رهبری اعمال شده توسط مدیران سطح متوسط در شرکت الف است. شما یک مصاحبه عمیق نیمه ساختاریافته با مدیران را به عنوان مناسب ترین روش جمع آوری داده های اولیه برای دستیابی به اهداف تحقیق انتخاب کرده اید.
استفاده از روش نمونه گیری تصادفی طبقه ای شامل سه مرحله زیر است.
1. شناسایی اقشار مربوط و حصول اطمینان از نمایندگی واقعی آنها در جمعیت. جدا از جنسیت همانطور که در مثال بالا نشان داده شد، طیفی از معیارهایی که می توان برای تقسیم جمعیت به اقشار مختلف استفاده کرد عبارتند از سن، سطح تحصیلات، وضعیت، ملیت، مذهب و غیره است. الگوهای خاص طبقه بندی به اقشار مختلف بستگی به اهداف مطالعه دارد.
در مورد ما، کارمندان شرکت الف در چهار بخش تجاری – خودرو، موتور سیکلت، خدمات مالی و سایر نهادها به کار گرفته می‌شوند. بر این اساس، هر بخش را می توان به عنوان لایه ای برای ترسیم اعضای گروه نمونه تطبیق داد.
2. شماره گذاری هر موضوع در هر قشر با یک شماره شناسایی منحصر به فرد.
3. انتخاب تعداد کافی آزمودنی از هر قشر. بسیار مهم است که نمونه‌ها از هر طبقه به صورت تصادفی انتخاب شوند تا بتوان سوگیری را به حداقل رساند. همانطور که در جدول زیر نشان داده شده است، پیروی از روشی که در بالا توضیح داده شد، پیروی از روش بالا منجر به شکل گیری گروه نمونه 16 نفره از پاسخ دهندگان – مدیران سطح متوسط گروه شرکت الف که به طور متناسب هر چهار بخش تجاری شرکت را نمایندگی می کنند، می شود.
ویدئوی زیر هم به خوبی نمونه گیری طبقه ای را به تصویر می کشد:
مزایای نمونه گیری طبقه ای
- نمونه‌گیری تصادفی طبقه‌ای برتر از نمونه‌گیری تصادفی ساده است، زیرا فرآیند طبقه‌بندی، خطای نمونه‌گیری را کاهش می‌دهد و سطح بیشتری از نمایندگی را تضمین می‌کند.
- این روش نمونه گیری ویژگی های کلیدی جامعه در نمونه را پوشش می دهد.
- به لطف انتخاب نمونه‌گیری تصادفی طبقه‌ای، می‌توان از نمایندگی مناسب همه زیرگروه‌ها اطمینان حاصل کرد.
- وقتی همگنی در لایه‌ها و ناهمگنی بین طبقات وجود دارد، تخمین‌ها می‌توانند به همان اندازه دقیق (یا حتی دقیق‌تر) از نمونه‌گیری تصادفی ساده باشند.
معایب نمونه گیری طبقه ای
- استفاده از روش نمونه گیری تصادفی طبقه ای مستلزم آگاهی پیشین از عضویت اقشار یا لایه ها است. نیاز به توانایی تشخیص آسان بین اقشار در چارچوب نمونه ممکن است در سطوح عملی مشکلاتی ایجاد کند.
- مسائل همپوشانی ممکن است به گونه ای رخ دهد که برخی از موضوعات در زیر گروه های مختلف قرار گیرند. این می تواند منجر به معرفی و نمایندگی نادرست جمعیت شود.
- فرآیند تحقیق ممکن است طولانی‌تر شود و به دلیل مرحله اضافی در روش نمونه‌گیری، گران‌تر باشد.
- انتخاب روش نمونه گیری طبقه ای پیچیدگی خاصی را به طرح تحلیل اضافه می کند.
نمونه گیری خوشه ای در مقابل نمونه گیری طبقه ای
نمونه‌گیری طبقه‌ای و نمونه‌گیری خوشه‌ای هر دو شامل تقسیم یک جمعیت بزرگ به گروه‌های کوچک‌تر و سپس انتخاب تصادفی از میان زیر گروه‌ها برای تشکیل نمونه است.
اما تفاوت اصلی این است که محققان در نمونه گیری طبقه ای، جمعیت را بر اساس سن، مذهب، قومیت یا سطح درآمد به گروه هایی تقسیم می کنند و به صورت تصادفی از بین این اقشار برای تشکیل نمونه انتخاب می کنند.
اما از آن طرف، محققان در نمونه‌گیری خوشه‌ای از گروه‌های تقسیم‌بندی شده طبیعی برای جداسازی جمعیت (به عنوان مثال، بلوک‌های شهر یا مناطق مدرسه) استفاده می‌کنند و سپس به‌طور تصادفی عناصری را از این خوشه‌ها انتخاب می‌کنند تا بخشی از نمونه باشند.
نمونه گیری طبقه ای در مقابل نمونه گیری سهمیه ای
نمونه‌گیری سهمیه‌ای و نمونه‌گیری طبقه‌ای هر دو شامل تقسیم یک جمعیت به زیرگروه‌های منحصر به فرد و نمونه‌گیری تعداد از پیش تعیین‌شده‌ای از افراد از هر کدام است.
با این حال، مهم ترین تفاوت بین این دو تکنیک این است که نمونه گیری سهمیه ای یک روش نمونه گیری غیراحتمالی است، در حالی که نمونه گیری طبقه ای یک روش نمونه گیری احتمالی است.
در یک نمونه طبقه بندی شده، افراد هر قشر به صورت تصادفی انتخاب می شوند، در حالی که در نمونه سهمیه ای، پژوهشگران به جای انتخاب تصادفی، نمونه را انتخاب می کنند.
نمونه گیری طبقه ای به عنوان نمونه گیری تصادفی سهمیه ای نیز شناخته می شود.
پاسخگوی سوالات و نظرات شما هستیم