اینستاگرام کالج مدیریت را دنبال کنید
/ در پایان نامه / توسط
آخرین زمان ویرایش:

نمونه گیری تصادفی طبقه ای

زمان مطالعه: ۸ دقیقه

نمونه گیری تصادفی طبقه ای چیست؟

نمونه گیری تصادفی طبقه ای ، روشی از نمونه گیری است که شامل تقسیم جمعیت به زیر گروه های کوچکتر است که به عنوان اقشار شناخته می شوند. در نمونه گیری تصادفی طبقه ای یا طبقه بندی، اقشار بر اساس خصوصیات یا خصوصیات مشترک اعضا مانند درآمد یا تحصیلات تشکیل می شوند.

نمونه گیری تصادفی طبقه ای نوعی از نمونه گیری احتمالی است که با استفاده از آن یک سازمان تحقیقاتی می تواند کل جمعیت را به چند گروه غیر همسان و همگن (اقشار) منشعب کرده و اعضای نهایی را به طور تصادفی از بین اقشار مختلف برای تحقیق انتخاب کند که باعث کاهش هزینه و بهبود کارایی می شود. اعضای هر یک از این گروه ها باید متمایز باشند تا هر یک از اعضای همه گروه ها از فرصت برابر برای انتخاب با استفاده از احتمال ساده برخوردار شوند. این روش نمونه گیری “نمونه گیری سهمیه ای تصادفی” نیز نامیده می شود.

نحوه طبقه بندی نمونه گیری تصادفی چگونه است؟

هنگام تکمیل تجزیه و تحلیل یا تحقیق در مورد گروهی از نهادها با ویژگی های مشابه، یک محقق ممکن است دریابد که اندازه جمعیت بسیار زیاد است و برای انجام آن تحقیقات کامل نیست. برای صرفه جویی در وقت و هزینه، ممکن است یک تحلیلگر با انتخاب گروه کوچکی از جمعیت، رویکرد عملی تری اتخاذ کند. از گروه کوچک به عنوان حجم نمونه یاد می شود که زیر مجموعه ای از جمعیت است که برای نشان دادن کل جمعیت استفاده می شود. یک نمونه ممکن است از طریق جمعیتی از طریق روش های مختلفی انتخاب شود که یکی از آن ها روش نمونه گیری تصادفی طبقه ای است.

یک نمونه گیری تصادفی طبقه ای شامل تقسیم کل جمعیت به گروه های همگن به نام لایه ها (جمع برای لایه) است. سپس نمونه های تصادفی از هر طبقه انتخاب می شوند. به عنوان مثال، یک محقق دانشگاهی را در نظر بگیرید که مایل است از تعداد دانشجویان MBA در سال ۲۰۰۷ که ظرف سه ماه پس از فارغ التحصیلی پیشنهاد کار دریافت کرده اند، مطلع شود.

نمونه ای از نمونه گیری تصادفی طبقه ای

فرض کنید یک تیم تحقیقاتی می خواهد معدل دانشجویان دانشگاه در سراسر ایالات متحده را تعیین کند. تیم تحقیقاتی در جمع آوری داده ها از ۲۱ میلیون دانشجو مشکل دارد. تصمیم می گیرد با استفاده از ۴۰۰۰ دانشجو، یک نمونه تصادفی از جمعیت را انتخاب کند.

حال فرض کنید که تیم ویژگی های مختلف شرکت کنندگان نمونه را بررسی می کند و تعجب می کند که آیا در معدل ها و رشته های تحصیلی تفاوتی وجود دارد. فرض کنید که ۵۶۰ دانشجو رشته انگلیسی هستند، ۱۱۵۴ نفر رشته علوم، ۸۰۰ نفر رشته علوم کامپیوتر، ۱۰۹۰ نفر رشته مهندسی و ۴۱۵ نفر رشته ریاضی هستند. این تیم می خواهد از یک نمونه تصادفی طبقه ای متناسب استفاده کند که در آن طبقه نمونه متناسب با نمونه تصادفی در جمعیت باشد.

فرض کنید این تیم در مورد مشخصات جمعیت دانشجویان دانشگاه در ایالات متحده تحقیق می کند و درصدی از دانشجویان را پیدا می کند: ۱۲٪ رشته انگلیسی، ۲۸٪ رشته علوم، ۲۴٪ رشته کامپیوتر، ۲۱٪ مهندسی و ۱۵٪ گرایش ریاضیات. بنابراین، پنج طبقه از فرآیند نمونه گیری تصادفی طبقه ای ایجاد می شوند.

سپس تیم باید تأیید کند که قشر جمعیت متناسب با قشر موجود در نمونه است. با این حال، آن ها دریافتند که نسبت ها برابر نیستند. سپس این تیم نیاز به انتخاب مجدد ۴۰۰۰ دانشجو از بین جمعیت و انتخاب ۴۸۰ دانشجوی انگلیسی، ۱۱۲۰ علمی، ۹۶۰ علوم کامپیوتر، ۸۴۰ مهندسی و ۶۰۰ دانشجوی ریاضی به طور تصادفی دارد.

با این افراد، یک نمونه تصادفی طبقه ای متناسب از دانشجویان وجود دارد که نمایشی بهتر از رشته های دانشگاهی دانشجویان در ایالات متحده را فراهم می کند. محققان می توانند یک طبقه خاص را برجسته کنند، مطالعات مختلف دانشجویان دانشگاه ایالات متحده را مشاهده کنند و میانگین های مختلف درجه بندی را مشاهده کنند.

نمونه های تصادفی ساده در مقابل طبقه ای تصادفی

نمونه های تصادفی ساده و نمونه های تصادفی طبقه ای هر دو ابزار اندازه گیری آماری هستند. از یک نمونه تصادفی ساده برای نشان دادن کل جمعیت داده استفاده می شود. یک نمونه تصادفی طبقه ای، بر اساس ویژگی های مشترک، جمعیت را به گروه های کوچکتر یا اقشار تقسیم می کند.

نمونه تصادفی ساده غالباً هنگامی استفاده می شود که اطلاعات کمی در مورد جمعیت داده ها در دسترس باشد، زمانی که جمعیت داده ها اختلاف بسیار زیادی برای تقسیم به زیرمجموعه های مختلف دارند یا وقتی فقط یک مشخصه مشخص در میان جمعیت داده وجود دارد.

به عنوان مثال، یک شرکت تولید آب نبات ممکن است بخواهد عادات خرید مشتریان خود را مطالعه کند تا آینده خط تولید خود را تعیین کند. اگر ۱۰ هزار مشتری وجود دارد، ممکن است از ۱۰۰ مشتری به عنوان نمونه تصادفی استفاده کند. سپس می تواند آنچه را که از آن ۱۰۰ مشتری پیدا می کند به بقیه پایگاه خود اعمال کند. برخلاف طبقه بندی، از ۱۰۰ عضو کاملاً تصادفی و بدون در نظر گرفتن خصوصیات فردی آن ها نمونه گیری می شود.

 

نمونه گیری تصادفی طبقه ای

نمونه گیری تصادفی طبقه ای – کالج مدیریت

طبقه بندی متناسب و نامتناسب

نمونه گیری تصادفی طبقه ای تضمین می کند که هر زیر گروه از یک جمعیت مشخص به اندازه کافی در کل جمعیت نمونه یک مطالعه تحقیقاتی نشان داده شده است. طبقه بندی می تواند متناسب یا نامتناسب باشد. در روش طبقه بندی متناسب، اندازه نمونه هر طبقه متناسب با اندازه جمعیت لایه است.

به عنوان مثال، اگر محقق می خواست نمونه ای از ۵۰،۰۰۰ فارغ التحصیل با استفاده از دامنه سنی، نمونه تصادفی طبقه ای متناسب با استفاده از این فرمول بدست می آید: (اندازه نمونه / اندازه جمعیت) x اندازه طبقه.

اندازه نمونه اقشار برای فارغ التحصیلان MBA در محدوده سنی ۲۴ تا ۲۸ سال (۵۰،۰۰۰ / ۱۸۰،۰۰۰) x 90،۰۰۰ = ۲۵،۰۰۰ محاسبه می شود. برای سایر گروه های سنی نیز از همین روش استفاده می شود. اکنون که اندازه نمونه اقشار مشخص شده است، محقق می تواند با انتخاب نمونه گیری تصادفی ساده در هر لایه، شرکت کنندگان در نظرسنجی خود را انتخاب کند. به عبارت دیگر، ۲۵۰۰۰ فارغ التحصیل از گروه سنی ۲۴-۲۸ به طور تصادفی از کل جمعیت، ۱۶،۶۶۷ فارغ التحصیل از ۲۹ تا ۳۳ سال از جمعیت به طور تصادفی و غیره انتخاب می شوند.

در یک نمونه طبقه بندی شده نامتناسب، اندازه هر طبقه متناسب با اندازه آن در جمعیت نیست. محقق ممکن است تصمیم بگیرد ۱/۲ از فارغ التحصیلان گروه سنی ۳۴-۳۷ و ۱/۳ فارغ التحصیلان گروه سنی ۲۹-۳۳ را نمونه برداری کند.

توجه به این نکته مهم است که یک نفر نمی تواند در چندین طبقه قرار گیرد. هر موجودیت فقط باید در یک قشر قرار بگیرد. داشتن گروه های فرعی همپوشانی به این معنی است که برخی از افراد شانس بیشتری برای انتخاب برای نظرسنجی خواهند داشت، که مفهوم نمونه گیری طبقه ای را به عنوان نوعی از نمونه گیری احتمال کاملاً نفی می کند.

مزایای نمونه گیری تصادفی طبقه ای

مزیت اصلی نمونه گیری تصادفی طبقه ای این است که ویژگی های کلیدی جمعیت را در نمونه جمع آوری می کند. مشابه میانگین وزنی، این روش نمونه گیری خصوصیاتی را در نمونه تولید می کند که متناسب با کل جمعیت باشد. نمونه گیری تصادفی طبقه ای برای جمعیت های دارای ویژگی های متنوع به خوبی کار می کند اما در صورت عدم تشکیل زیر گروه ها در غیر این صورت بی اثر است.

طبقه بندی خطای کوچکی در تخمین و دقت بیشتری نسبت به روش نمونه گیری تصادفی ساده ارائه می دهد. هرچه اختلافات بین اقشار بیشتر باشد، افزایش دقت نیز بیشتر خواهد بود.

معایب نمونه گیری تصادفی طبقه ای

متأسفانه، این روش تحقیق در هر مطالعه ای قابل استفاده نیست. عیب این روش این است که برای استفاده صحیح از آن باید چندین شرط وجود داشته باشد. محققان باید هر عضوی از جمعیت مورد مطالعه را شناسایی کرده و هر یک از آن ها را در یک و تنها یک زیرمجموعه طبقه بندی کنند. در نتیجه، وقتی محققان نتوانند با اطمینان تمام اعضای جامعه را در یک زیر گروه دسته بندی کنند، نمونه گیری تصادفی طبقه ای ضرر دارد. همچنین، یافتن یک لیست جامع و قطعی از کل جمعیت می تواند چالش برانگیز باشد.

در صورت وجود سوژه هایی که در چندین زیر گروه قرار می گیرند، همپوشانی می تواند مسئله ای باشد. هنگامی که نمونه گیری تصادفی ساده انجام می شود، افرادی که در چندین زیر گروه قرار دارند به احتمال زیاد انتخاب می شوند. نتیجه می تواند ارائه نادرست یا انعکاس نادرست از جمعیت باشد.

۸ مرحله برای انتخاب یک نمونه تصادفی طبقه ای

۱٫ مخاطبان هدف را مشخص کنید.
۲٫ متغیر طبقه بندی یا متغیرها را بشناسید و تعداد طبقات مورد استفاده را کشف کنید. این متغیرهای طبقه بندی باید مطابق با هدف تحقیق باشد. هر اطلاعات اضافی متغیرهای طبقه بندی را تعیین می کند. به عنوان مثال، اگر هدف تحقیق برای درک همه زیر گروه ها باشد، متغیرها به زیر گروه ها مربوط می شوند و تمام اطلاعات مربوط به این زیر گروه ها بر متغیرها تأثیر می گذارد. در حالت ایده آل، بیش از ۴-۶ متغیر طبقه بندی و بیش از ۶ طبقه نباید در یک نمونه استفاده شود زیرا افزایش متغیرهای طبقه بندی احتمال برخی متغیرها را برای از بین بردن تأثیر سایر متغیرها افزایش می دهد.
۳٫ از یک چارچوب نمونه برداری موجود استفاده کنید یا یک کادر ایجاد کنید که شامل تمام اطلاعات متغیر طبقه بندی برای همه عناصر مخاطب هدف باشد.
۴٫ پس از ارزیابی از چارچوب نمونه برداری، بر اساس کمبود پوشش، پوشش بیش از حد یا گروه بندی، تغییراتی ایجاد کنید.
۵٫ با در نظر گرفتن کل جمعیت، هر قشر باید منحصر به فرد باشد و باید تک تک افراد جامعه را در بر بگیرد. در درون لایه، اختلافات باید حداقل باشد در حالی که هر لایه باید بسیار متفاوت از یک دیگر باشد. هر عنصر از جمعیت باید فقط به یک قشر تعلق داشته باشد.
۶٫ به هر عنصر یک عدد تصادفی و منحصر به فرد اختصاص دهید.
۷٫ اندازه هر لایه را با توجه به نیاز خود مشخص کنید. توزیع عددی بین تمام عناصر موجود در همه اقشار، نوع نمونه برداری را تعیین می کند. این می تواند به صورت طبقه ای متناسب یا نامتناسب باشد.
۸٫ سپس محقق می تواند عناصر تصادفی را برای انتخاب نمونه از هر لایه انتخاب کند. حداقل یک عنصر باید از هر قشر انتخاب شود تا نمایندگی از هر قشر وجود داشته باشد اما در صورت انتخاب دو عنصر از هر قشر، حاشیه خطای محاسبه داده های جمع آوری شده به راحتی محاسبه می شود.

ادمین

حدود 6 سالی هست که در زمینه آموزش رشته مدیریت به صورت تخصصی فعالیت می کند و علاقه زیادی به کسب تجربه در زمینه بازاریابی اینترنتی و تجارت الکترونیک دارد، یک کارآفرین خستگی ناپذیر است و با انرژی حیرت انگیزی تمام قسمت های کالج مدیریت را توسعه می دهد، به سبک حرفه ای و انحصاری خود زندگی می کند و خط فکری خاصی را همیشه دنبال می کند، او رفتار هایی کاملا متفاوت نسبت به سایر مدیرانی که تا به حال دیده اید دارد...

نوشته های مشابه

نمونه گیری تصادفی طبقه ای

نمونه گیری تصادفی طبقه ای چیست؟ نمونه گیری تصادفی طبقه ای روشی از نمونه گیری است که شامل تقسیم جمعیت…

نمونه گیری راحت

نمونه گیری راحت چیست؟ نمونه گیری راحت ، به عنوان روشی که محققان در آنجا جمع آوری می کنند، داده…