როგორ მუშაობს სტრატიფიცირებული შემთხვევითი შერჩევა

სტრატიფიცირებული შემთხვევითი შერჩევა არის შერჩევის მეთოდი, რომელიც გულისხმობს მოსახლეობის დაყოფას მცირე ჯგუფებად - ფენებად წოდებულებად. ჯგუფები ან ფენები ორგანიზებულია ჯგუფის წევრების საერთო მახასიათებლებისა თუ თვისებების საფუძველზე. მოსახლეობის ჯგუფებად დაყოფის პროცესს ეწოდება სტრატიფიკაცია.

სტრატიფიცირებული შემთხვევითი შერჩევა ასევე ცნობილია როგორც კვოტა შემთხვევითი შერჩევა და პროპორციული შემთხვევითი შერჩევა. სტრატიფიცირებულ შემთხვევით შერჩევას აქვს მრავალი პროგრამა და სარგებელი, როგორიცაა მოსახლეობის დემოგრაფიის შესწავლა და სიცოცხლის ხანგრძლივობა.

სტრატიფიცირებული შემთხვევითი შერჩევის გაგება

სტრატიფიცირებული შემთხვევითი შერჩევა მოსახლეობას ყოფს ქვეჯგუფებად. შემთხვევითი ნიმუშები აღებულია მოსახლეობის თანაბარი პროპორციით თითოეული ჯგუფიდან ან ფენიდან. თითოეულ ფენაში (ფენებისთვის ერთეული) წევრებს აქვთ მსგავსი ატრიბუტები და მახასიათებლები.

სტრატიფიცირებული შემთხვევითი შერჩევა არის შერჩევის მეთოდი, როდესაც მკვლევარი ირჩევს მცირე ჯგუფს ნიმუშის ზომა სწავლისთვის. ეს ქვესიმრავლე წარმოადგენს უფრო მეტ მოსახლეობას. მოსახლეობის ორგანიზება მსგავსი მახასიათებლების მქონე ჯგუფებად ეხმარება მკვლევარებს დაზოგონ დრო და ფული, როდესაც შესასწავლი მოსახლეობა ძალიან დიდია ინდივიდუალურად გასაანალიზებლად. სტრატიფიცირებული შემთხვევითი შერჩევა ეხმარება მკვლევარებს, მოახდინონ ჯგუფების ორგანიზება მსგავსი მახასიათებლების საფუძველზე, რომლის მიხედვითაც შემთხვევითი ნიმუში აღებულია თითოეული ფენიდან ან ჯგუფიდან.

სტრატიფიცირებული შემთხვევითი შერჩევა შეიძლება გამოყენებულ იქნას, მაგალითად, არჩევნების კენჭისყრის შესასწავლად, ადამიანები, რომლებიც მუშაობენ ზეგანაკვეთური საათები, სიცოცხლის ხანგრძლივობა, სხვადასხვა მოსახლეობის შემოსავალი და შემოსავალი სხვადასხვა სამუშაოსთვის ერი.

სტრატიფიცირებული vs. გამარტივებული შემთხვევითი შერჩევა

ა მარტივი შემთხვევითი ნიმუში არის ინდივიდის ნიმუში, რომელიც არსებობს პოპულაციაში, რომლის მიხედვითაც ინდივიდები შემთხვევით ირჩევიან პოპულაციიდან და მოთავსებულნი არიან ნიმუშში. ინდივიდების შემთხვევითი შერჩევის ეს მეთოდი ცდილობს შეარჩიოს ნიმუშის ზომა, რომელიც წარმოადგენს მოსახლეობის მიუკერძოებელ წარმოდგენას. თუმცა, უბრალო შემთხვევითი ნიმუში არ არის მომგებიანი, როდესაც მოსახლეობის ნიმუშები მნიშვნელოვნად განსხვავდება.

პირიქით, სტრატიფიცირებული შემთხვევითი შერჩევა მოსახლეობას ანაწილებს ქვეჯგუფებად და აწყობს მათ მსგავსი თვისებებით, მახასიათებლებით და ქცევით. შედეგად, სტრატიფიცირებული შემთხვევითი შერჩევა უფრო მომგებიანია, როდესაც მოსახლეობა მნიშვნელოვნად განსხვავდება, ვინაიდან ეს ხელს უწყობს შესწავლისთვის ნიმუშების უკეთ ორგანიზებას.

თუმცა, უბრალო შემთხვევითი ნიმუში უფრო მომგებიანია, როდესაც მოსახლეობა ქვეჯგუფებად ვერ არის ორგანიზებული, რადგან მოსახლეობაში ძალიან ბევრი განსხვავებაა. ასევე, უბრალო შემთხვევითი ნიმუშები საუკეთესოა მაშინ, როდესაც მოსახლეობის შესახებ მცირე ინფორმაციაა, რაც ხელს უშლის მოსახლეობის დაყოფას ქვეჯგუფებად მახასიათებლების ან თვისებების საფუძველზე.

სტრატიფიცირებული შემთხვევითი შერჩევის მაგალითი

მკვლევართა ჯგუფმა გადაწყვიტა ჩაეტარებინა კვლევა 21 მილიონიანი კოლეჯის საშუალო ნიშნულის ან GPA- ს გასაანალიზებლად სტუდენტები აშშ - ში მკვლევარებმა გადაწყვიტეს მიიღონ კოლეჯის 4000 სტუდენტის შემთხვევითი ნიმუში 21 მოსახლეობაში მილიონი. გუნდს სურს განიხილოს სხვადასხვა სპეციალობა და შემდგომი GPA სტუდენტებისთვის ან მონაწილეებისათვის.

4000 მონაწილედან, ძირითადი მიმართულებები შემდეგნაირად გამოიყურება:

• ინგლისური: 560
• მეცნიერება: 1,135
• კომპიუტერული მეცნიერება: 800
• ინჟინერია: 1,090
• მათემატიკა: 415

მკვლევარებს აქვთ თავიანთი ხუთი ფენა სტრატიფიცირებული შემთხვევითი შერჩევის პროცესისგან. შემდეგი, მკვლევარებმა შეისწავლეს მოსახლეობის მონაცემები, რათა დადგინდეს 21 მილიონი სტუდენტის პროცენტული მაჩვენებელი, რომელიც უმთავრესია საგნებში მათი ნიმუშიდან. დასკვნები აჩვენებს შემდეგს:

• ინგლისური ენის 12%
• 28% მეცნიერებაში
• კომპიუტერული მეცნიერებების 24%
• ინჟინერიის 21%
• 15% მათემატიკაში

გუნდი გადაწყვეტს გამოიყენოს პროპორციული სტრატიფიცირებული შემთხვევითი ნიმუში, რომლის მიხედვითაც მათ სურთ დაადგინონ, არის თუ არა სტუდენტებისთვის განკუთვნილი კურსები იგივე პროპორციით, როგორც მოსახლეობა.

თუმცა, შერჩევის პროპორციები არ არის მოსახლეობის პროცენტული მაჩვენებლის ტოლი. მაგალითად, სტუდენტური მოსახლეობის 12% არის ინგლისური სპეციალობა, ხოლო სტუდენტთა 14% არის ინგლისური (ან 560 ინგლისური სპეციალობა / 4000).

შედეგად, მკვლევარებმა გადაწყვიტეს სტუდენტების ხელახალი ნიმუში მოსახლეობის მაიორების პროცენტული მაჩვენებლის შესატყვისად. მათ ნიმუშში შემავალი 4000 სტუდენტიდან ისინი გადაწყვეტენ შემთხვევით შეარჩიონ შემდეგი:

• 480 ინგლისური სპეციალობა (4000 – ის 12%)
• 1,120 მეცნიერების სპეციალობა (4,000 -ის 28%)
• კომპიუტერული მეცნიერებების 960 სპეციალობა (4000 – ის 24%)
• 840 საინჟინრო სპეციალობა (4,000 -ის 21%)
• 600 მათემატიკის სპეციალობა (4000 – ის 15%)

მკვლევარებს ახლა აქვთ კოლეჯის სტუდენტთა პროპორციული სტრატიფიცირებული ნიმუში და მათი შესაბამისი სპეციალობები, რაც უფრო ზუსტად ასახავს სტუდენტთა საერთო პოპულაციის სპეციალობას. იქიდან გამომდინარე, მკვლევარებს შეუძლიათ გაანალიზონ თითოეული ფენის GPA და მათი მახასიათებლები, რათა უკეთ გაეცნონ როგორ მუშაობს სტუდენტური მოსახლეობა.