სტრატიფიცირებული შემთხვევითი შერჩევის დადებითი და უარყოფითი მხარეები

როდესაც ექსპერიმენტატორები ან მკვლევარები ეძებენ მონაცემებს, ხშირად შეუძლებელია თითოეული მონაცემის წერტილის გაზომვა ა მოსახლეობა. თუმცა, სტატისტიკური მეთოდები იძლევა დასკვნებს პოპულაციის შესახებ მცირე ზომის შედეგების გაანალიზებით ნიმუში ამოღებულია იმ მოსახლეობიდან. შერჩევის რამდენიმე მეთოდი არსებობს.

სტრატიფიცირებული შემთხვევითი შერჩევა არის ერთ -ერთი გავრცელებული მეთოდი, რომელსაც იყენებენ მკვლევარები, რადგანაც მათ შეუძლიათ მიიღონ პოპულაციის ნიმუში საუკეთესოდ წარმოადგენს შესწავლილ მთელ მოსახლეობას და დარწმუნებულია, რომ ინტერესის თითოეული ქვეჯგუფი არის წარმოდგენილი. თუმცა, კვლევის ეს მეთოდი არ არის ნაკლოვანებების გარეშე.

სტრატიფიცირებული შემთხვევითი შერჩევა: მიმოხილვა

სტრატიფიცირებული შემთხვევითი შერჩევა მოიცავს პირველ რიგში მოსახლეობის დაყოფას ქვემოპოპულაციებად და შემდეგ შემთხვევითი შერჩევის მეთოდების გამოყენებას თითოეულ ქვეპოპულაციაზე საცდელი ჯგუფის შესაქმნელად. მინუსი ის არის, როდესაც მკვლევარებს არ შეუძლიათ მოსახლეობის ყველა წევრის ქვეჯგუფად დაყოფა.

სტრატიფიცირებული შემთხვევითი შერჩევა განსხვავდება მარტივი შემთხვევითი შერჩევა, რომელიც მოიცავს მონაცემთა შემთხვევითი შერჩევა მთელი მოსახლეობისგან ისე, რომ თითოეული შესაძლო ნიმუში თანაბრად იყოს სავარაუდო. ამის საპირისპიროდ, სტრატიფიცირებული შემთხვევითი შერჩევა მოსახლეობას ყოფს მცირე ჯგუფებად ან ფენებად, საერთო მახასიათებლების საფუძველზე. შემთხვევითი ნიმუში აღებულია თითოეული ფენიდან ფენის სიდიდის უშუალო პროპორციით მოსახლეობასთან შედარებით.

სტრატიფიცირებული შემთხვევითი შერჩევის მაგალითი

Შემდეგი არის მაგალითი სტრატიფიცირებული შემთხვევითი შერჩევის:

მკვლევარები ატარებენ კვლევას, რომელიც მიზნად ისახავს შეაფასოს ეკონომიკის სტუდენტების პოლიტიკური მიდრეკილებები დიდ უნივერსიტეტში. მკვლევარებს სურთ, რომ შემთხვევითი ნიმუში მაქსიმალურად მიახლოვდეს სტუდენტურ პოპულაციას, მათ შორის სქესს, ბაკალავრიატსა და მაგისტრანტს. კვლევაში მთლიანი მოსახლეობაა 1000 სტუდენტი და იქიდან, ქვეჯგუფები იქმნება, როგორც ნაჩვენებია ქვემოთ.

მთლიანი მოსახლეობა = 1000.

მკვლევარები უნივერსიტეტის ეკონომიკის თითოეულ სტუდენტს მიანიჭებენ ოთხ ქვეპოსტს ერთ – ერთში: კაცი ბაკალავრიატის, ქალი ბაკალავრიატის, მამაკაცის კურსდამთავრებული და ქალი კურსდამთავრებული. მკვლევარები შემდეგ დაითვლიან, თუ რამდენი სტუდენტი თითოეული ქვეჯგუფიდან შეადგენს 1000 სტუდენტის საერთო რაოდენობას. იქიდან, მკვლევარებმა გამოთვალეს თითოეული ქვეჯგუფის პროცენტული წარმოდგენა მთლიანი მოსახლეობის შესახებ.

ქვეჯგუფები:

• მამაკაცი ბაკალავრიატი = 450 სტუდენტი (100 -დან) ან მოსახლეობის 45%
• ბაკალავრია ქალი = 200 სტუდენტი ან 20%
• მაგისტრანტი სტუდენტები = 200 სტუდენტი ან 20%
• ასპირანტი ქალი = 150 სტუდენტი ან 15%

თითოეული ქვეპოპულაციის შემთხვევითი შერჩევა ხდება მოსახლეობის მთლიანობაში მისი წარმომადგენლობის საფუძველზე. მას შემდეგ, რაც ბაკალავრიატის მოსახლეობა მოსახლეობის 45% -ს შეადგენს, 45 მამაკაცი ბაკალავრიატი შემთხვევით ირჩევა ამ ქვეჯგუფიდან. რადგან მამაკაცი კურსდამთავრებულები შეადგენენ მოსახლეობის მხოლოდ 20% -ს, 20 შერჩეულია ნიმუშისთვის და ა.შ.

სტრატიფიცირებული შემთხვევითი შერჩევის უპირატესობები

სტრატიფიცირებულ შემთხვევით შერჩევას აქვს უპირატესობა უბრალო შემთხვევით შერჩევასთან შედარებით.

ზუსტად ასახავს შესწავლილ მოსახლეობას

სტრატიფიცირებული შემთხვევითი შერჩევა ზუსტად ასახავს შესასწავლ მოსახლეობას, რადგან მკვლევარები სტრატიფიკაციას უწევენ მთელ მოსახლეობას შემთხვევითი შერჩევის მეთოდების გამოყენებამდე. მოკლედ, ის უზრუნველყოფს მოსახლეობის თითოეულ ქვეჯგუფს მიიღოს შესაბამისი წარმომადგენლობა ნიმუშში. შედეგად, სტრატიფიცირებული შემთხვევითი შერჩევა უზრუნველყოფს მოსახლეობის უკეთეს დაფარვას, ვინაიდან მკვლევარებს აქვთ კონტროლი ქვეჯგუფებზე იმის უზრუნველსაყოფად, რომ ყველა მათგანი წარმოდგენილია შერჩევაში.

უბრალო შემთხვევითი შერჩევით, არ არსებობს გარანტია იმისა, რომ რომელიმე კონკრეტული ქვეჯგუფი ან პიროვნების ტიპია არჩეული. უნივერსიტეტის სტუდენტების ჩვენს წინა მაგალითში, უბრალო შემთხვევითი შერჩევის გზით, 100 – დან ნიმუშის შესყიდვის მიზნით პოპულაციამ შეიძლება გამოიწვიოს მხოლოდ 25 მამაკაცის ბაკალავრიატის შერჩევა ან მთლიანი მოსახლეობის მხოლოდ 25%. ასევე, შეიძლება შეირჩეს 35 ქალი კურსდამთავრებული (მოსახლეობის 35%), რაც გამოიწვევს მამაკაცის ბაკალავრიატის არასაკმარისი წარმოდგენას და ქალთა მაგისტრანტ სტუდენტებს. მოსახლეობის წარმოდგენაში ნებისმიერი შეცდომა პოტენციურად ამცირებს კვლევის სიზუსტეს.

სტრატიფიცირებული შემთხვევითი შერჩევის უარყოფითი მხარეები

სტრატიფიცირებული შემთხვევითი შერჩევა ასევე უქმნის მკვლევარებს ნაკლოვანებებს.

არ შეიძლება გამოყენებულ იქნას ყველა კვლევაში

სამწუხაროდ, კვლევის ეს მეთოდი არ შეიძლება გამოყენებულ იქნას ყველა კვლევაში. მეთოდის მინუსი ის არის, რომ რამდენიმე პირობა უნდა დაკმაყოფილდეს იმისათვის, რომ ის სწორად იქნას გამოყენებული. მკვლევარებმა უნდა გამოავლინონ შესასწავლი პოპულაციის ყველა წევრი და დაალაგონ თითოეული მათგანი ერთ და მხოლოდ ერთ ქვე -მოსახლეობაში. შედეგად, სტრატიფიცირებული შემთხვევითი შერჩევა არახელსაყრელია, როდესაც მკვლევარები ვერ შეძლებენ მოსახლეობის ყველა წევრის თავდაჯერებული კლასიფიკაციას ქვეჯგუფში. ასევე, მთლიანი ამომწურავი და საბოლოო სიის პოვნა მოსახლეობა შეიძლება იყოს გამომწვევი.

გადახურვა შეიძლება იყოს საკითხი, თუ არსებობს საგნები, რომლებიც მრავალ ქვეჯგუფში იყოფა. როდესაც უბრალო შემთხვევითი შერჩევა ხდება, უფრო მეტად ირჩევენ ისინი, ვინც რამდენიმე ქვეჯგუფშია. შედეგი შეიძლება იყოს მოსახლეობის არასწორი წარმოდგენა ან არაზუსტი ასახვა.

ზემოთ მოყვანილი მაგალითი ამარტივებს: ბაკალავრიატის, კურსდამთავრებულების, მამაკაცების და ქალების მკაფიოდ განსაზღვრული ჯგუფებია. სხვა სიტუაციებში, ეს შეიძლება იყოს ბევრად უფრო რთული. წარმოიდგინეთ ისეთი მახასიათებლების ჩართვა, როგორიცაა რასა, ეთნიკური წარმომავლობა ან რელიგია. დახარისხების პროცესი უფრო რთულდება, რის გამოც სტრატიფიცირებული შემთხვევითი შერჩევა ხდება არაეფექტური და ნაკლებად იდეალური მეთოდი.