Систематична вибірка проти Кластерна вибірка: у чому різниця?

Систематична вибірка проти Вибірка кластерів: огляд

Систематична вибірка та кластерна вибірка - це два різні типи статистичних показників, які використовуються дослідниками, аналітиками та маркетологами для вивчення вибірок сукупності.

Спосіб, як систематична, так і кластерна вибірка тягнуть зразок бали від населення різні. У той час як систематична вибірка використовує фіксовані інтервали від більшої сукупності для створення вибірки, кластерна вибірка розбиває сукупність на різні кластери.

Систематична вибірка вибирає випадкову вихідну точку з сукупності, а потім вибірку беруть із регулярних фіксованих інтервалів сукупності залежно від її розміру. Вибірка кластерів ділить сукупність на кластери, а потім бере просту випадкову вибірку з кожного кластера.У цій статті ми розглянемо відмінності обох цих типів вибірок, їх переваги та недоліки, коли найкраще використовувати одне над іншим, та приклади кожного з них.

Систематична вибірка

Систематична вибірка - це випадкова ймовірність вибірка метод. Це один з найпопулярніших і найпоширеніших методів, який використовують дослідники та аналітики. Цей метод передбачає відбір зразків з більшої групи. Хоча початкова точка може бути випадковою, вибірка передбачає використання фіксованих інтервалів між кожним членом.

Ось як це працює. Дослідник починає з того, що спочатку вибирає вихідну точку з більшого населення. Зазвичай це у вигляді цілого числа, яке повинно бути меншим за кількість суб’єктів у більшій сукупності. Потім аналітик обирає інтервал між кожним членом; це послідовна різниця між кожним членом. Ось гіпотетичний приклад. Скажімо, у дослідженні беруть участь 100 осіб. Дослідник починає з людини на 10 -му місці. Потім вони вирішують обрати кожну сьому особу. Це означає, що під час вибірки вибираються люди у таких місцях: 10, 17, 24, 31, 38, 45 тощо.

Переваги та недоліки систематичної вибірки

Цей тип статистичної вибірки є досить простим, і тому його, як правило, вважають за краще дослідники. Це також дуже корисно для певних цілей у фінансів. Ті, хто використовує цей метод, роблять припущення, що результати представляють більшість нормальних груп населення. Цей процес також гарантує рівну вибірку всього населення.Але можуть виникнути проблеми з таким видом вибірки. Наприклад, ризик маніпулювання даними може бути більшим, оскільки ті, хто використовує цей метод, можуть вибирати теми та інтервали на основі бажаного результату.

Систематична вибірка проста у проведенні та зрозуміла. Статистики, які можуть мати обмеження щодо бюджету чи часу, вважають використання систематичної вибірки вигідним у створенні, порівнянні та розумінні їх вибірок. Крім того, систематична вибірка забезпечує більш високий рівень контролю порівняно з іншими методологіями вибірки через її процес.

Систематична вибірка також позбавляє від кластерного відбору, де випадково відібрані вибірки в сукупності неприродно близькі один до одного. Випадкові вибірки, на відміну від систематичних, здатні усунути це явище лише шляхом проведення кількох опитувань або збільшення кількості вибірок; обидва з них можуть забирати багато часу і коштувати дорого. Систематична вибірка також несе фактор низького ризику, оскільки існує низька ймовірність зараження даних.

Незважаючи на свою численність переваги, систематична вибірка має свої недоліки. Основним обмеженням систематичної вибірки є необхідність розміру сукупності. Без конкретної кількості учасників сукупності систематична вибірка не працює добре. Наприклад, якщо статистик хотів би вивчити вік бездомних у певному регіоні, але не може точно визначити кількість бездомних, тоді вони не матимуть чисельності населення, ні початківців точка.

Інший недолік полягає в тому, що населення має мати природну кількість випадковості. Якщо цього не відбувається, ризик вибору подібних екземплярів збільшується, що порушує мету вибірки.

Приклад систематичної вибірки

Метою систематичної вибірки є отримання неупередженої вибірки. Метод досягнення цього - присвоєння числа кожному учаснику сукупності, а потім вибір того самого визначеного інтервалу в сукупності для створення вибірки.

Наприклад, ви можете обрати кожного 5 -го учасника або кожного 20 -го учасника, але ви повинні вибрати одного і того ж у кожній популяції. Процес вибору цього n -го числа - це систематична вибірка.

Наприклад, компанія з виробництва зубних паст створює новий аромат зубної пасти і хотіла б протестувати її на вибірковій сукупності, перш ніж продавати її населенню. Тест має визначити, чи добре прийнятий зразком новий аромат. Компанія об’єднує населення 50 осіб і вирішує використати систематичні вибірки, щоб створити вибірку з 10 осіб, думку яких щодо зубної пасти вони будуть враховувати.

По -перше, команда маркетингу присвоює номер кожному учаснику сукупності. У цьому випадку він має 50 осіб у групі, тому він присвоює кожному учаснику номер від 1 до 50. Далі він повинен визначити, наскільки великий зразок він хоче мати, і він визначив розмір вибірки 10. Отже, 50/10 = 5. П'ять буде його цифрою вибірки; це означає, що він відбере кожного п'ятого учасника сукупності для визначення його вибірки. Це викладено у таблиці нижче, де кожен п’ятий учасник виділений жирним шрифтом, а той, що вибраний для вибірки.

1	2	3	4	5
6	7	8	9	10
11	12	13	14	15
16	17	18	19	20
21	22	23	24	25
26	27	28	29	30
31	32	33	34	35
36	37	38	39	40
41	42	43	44	45
46	47	48	49	50

Кластерна вибірка

Кластерна вибірка - це ще один тип випадкових статистичні міра. Цей метод використовується, коли в більшій популяції є різні підмножини груп. Ці групи відомі як кластери. Кластерна вибірка зазвичай використовується маркетинг групи та професіонали.

Кластерна вибірка-це двоетапна процедура. По -перше, вся популяція відбирається і поділяється на різні групи. Потім з цих підгруп вибирають випадкові вибірки. Наприклад, досліднику може бути важко побудувати всю сукупність клієнтів a продуктовий магазин на співбесіду. Однак вони можуть створити випадкову підмножину магазинів; це перший крок у цьому процесі. Другий крок - опитувати випадкову вибірку покупців цих магазинів.

Види кластерної вибірки

Існує два типи кластерної вибірки: одноетапна кластерна вибірка та двоетапна кластерна вибірка.

Одноетапна вибірка кластерів передбачає вибір випадкової вибірки кластерів та збір даних від кожного окремого суб’єкта в цьому кластері. Двоетапна кластерна вибірка передбачає випадковий вибір кількох кластерів та випадковий вибір певних суб’єктів у кожному кластері для формування остаточної вибірки. Двоступеневу вибірку можна розглядати як підмножину одноетапної вибірки: вибірку певних елементів зі створених кластерів.

Переваги та недоліки кластерної вибірки

Цей метод вибірки може бути використаний у разі складності заповнення списку всієї сукупності, як показано у наведеному вище прикладі. Це простий, ручний процес, який може заощадити час та гроші.

Насправді, використання кластерної вибірки може бути досить дешевим у порівнянні з іншими методами. Це тому, що загалом їх менше витрати та витрати оскільки вибірка кластерів вимагає випадкового вибору вибраних кластерів, а не оцінки цілих сукупностей. Цей самий процес також дозволяє збільшити розмір вибірки. Оскільки статистик вибирає лише з вибраної групи кластерів, вони можуть збільшити кількість суб’єктів для вибірки всередині цього кластеру.

Основним недоліком кластерної вибірки є те, що існує більша помилка вибірки пов'язані з ним, що робить його менш точним, ніж інші методи вибірки. Це пояснюється тим, що суб’єкти всередині кластера мають схожі характеристики, а це означає, що вибірка кластерів не включає різноманітні демографічні показники населення. Це часто призводить до надмірної або недостатньої представленості в кластері, а отже, може бути упередженою вибіркою.

Приклад кластерної вибірки

Наприклад, скажімо, проводиться академічне дослідження для визначення кількості працівників інвестиційні банки тримати МВА, а з цих МВА - скільки з шкіл Ліги плюща. Статистику було б важко звернутися до кожного інвестиційного банку та запитати кожного працівника про його освіту. Для досягнення мети статистик може використовувати кластерну вибірку.

Першим кроком було б сформувати кластер інвестиційних банків. Замість того, щоб вивчати кожен інвестиційний банк, статистик може вибрати вивчення трьох найбільших інвестиційних банків на основі доходу, утворюючи перший кластер. Звідси, замість опитування кожного працівника у всіх трьох інвестиційних банках, можна створити статистика інший кластер, до якого увійшли б працівники лише певних відділів, наприклад, відділу продажів та торгівлі або злиття та поглинання.

Цей метод дозволяє статистику звузити розмір вибірки, роблячи її більш ефективною та економічно ефективною, але все ще маючи достатньо різноманітну вибірку для оцінки шуканої інформації.

Особливі міркування

Хоча і систематична вибірка, і кластерна вибірка є формами випадкової вибірки, вони досягають розміру вибірки абсолютно різними способами. Систематична вибірка вибирає вибірку на основі фіксованих інтервалів у сукупності, тоді як кластерна вибірка створює кластер із сукупності.

Кластерна вибірка краще підходить для випадків, коли всередині певної сукупності є різні підмножини, тоді як систематична вибірка краще використовується, коли відомий весь список або кількість сукупності. Проте обидва розділяють сукупність на менші одиниці для вибірки.

Для систематичної вибірки важливо переконатися, що у групі немає шаблонів, інакше ви ризикуєте обрати подібні предмети, не представляючи загальної сукупності. Для вибірки кластерів важливо переконатися, що кожен кластер має подібні ознаки до всієї вибірки.

Систематична вибірка	Кластерна вибірка
Вибирає зразок, обираючи предмети з періодичністю	Вибирає зразок шляхом створення кластерів
Потрібно знати список чи кількість всього населення	У створенні кластерів не потрібно всього населення
Для точності потрібно уникати закономірностей у популяції	Кластери повинні мати подібні характеристики до всієї вибірки

Поширені запитання щодо вибірки кластерів

Що означає кластерна вибірка?

Кластерна вибірка - це форма випадкової вибірки, яка розділяє сукупність на кластери для створення вибірки. Додаткові кластери можуть бути створені з початкових кластерів, а також для звуження вибірки.

Чому ви використовуєте кластерну вибірку?

Кластерну вибірку найкраще використовувати для вивчення великого, розповсюдженого населення, де мета опитування кожного предмета була б дорогою, тривалою і, можливо, неможливою. Вибірка кластерів дозволяє створювати кластери, які є меншим представником оцінюваної сукупності з подібними характеристиками.

Як працює кластерна вибірка?

Кластерна вибірка просто передбачає поділ досліджуваного населення на менші групи. Ці підгрупи можна вивчати або надалі випадковим чином поділяти на інші підгрупи.

Яка різниця між кластерним відбором та стратифікованим?

Основна відмінність між кластерною вибіркою та стратифікована вибірка полягає в тому, що кластери, створені під час вибірки кластерів, неоднорідні, тоді як групи для стратифікованої вибірки однорідні.

Суть

Є a різноманітність методів вибірки доступна статистикам, які прагнуть вивчити інформацію в групах. Оскільки групи чи популяції мають тенденцію бути великими, отримати дані від кожного окремого суб’єкта дуже важко. Щоб подолати цю проблему, статистики використовують вибірку, створюючи менші групи, які мають бути представником більшої сукупності.

Важливим аспектом створення цих менших вибірок є забезпечення їх випадкового відбору та справжнього представлення більшої сукупності. Систематична вибірка та кластерна вибірка - це два методи, які статистики можуть використовувати для вивчення популяцій.

Обидві форми є випадковою вибіркою, яка може бути економічною за часом та витратами, поділяючи населення на менші групи для легшого аналізу. Систематична вибірка найкраще працює, коли відома вся сукупність, тоді як кластерна вибірка найкраще працює, коли всю сукупність важко оцінити.