Stratifierat slumpmässigt provtagning gynnar forskare genom att göra det möjligt för dem att få en provpopulation som bäst representerar hela den population som studeras. Samtidigt är denna metod för forskning inte utan dess nackdelar.
Stratifierat slumpmässigt provtagning: en översikt
Stratifierat slumpmässigt provtagning innebär att först dela en population i subpopulationer och sedan tillämpa slumpmässiga provtagningsmetoder på varje subpopulation för att bilda en testgrupp. En nackdel är när forskare inte kan klassificera varje medlem av befolkningen i en undergrupp.
Stratifierad slumpmässig provtagning skiljer sig från enkel slumpmässig provtagning, vilket involverar slumpmässigt urval av data från hela populationen så att varje möjligt prov är lika troligt att inträffa. Däremot delar stratifierat slumpmässigt urval befolkningen i mindre grupper eller strata baserat på delade egenskaper. Ett slumpmässigt prov tas från varje stratum i direkt proportion till storleken på stratum jämfört med befolkningen.
Stratifierat slumpmässigt provtagningsexempel
Följande är ett exempel på stratifierat slumpmässigt sampling:
Forskare utför en studie som är utformad för att utvärdera de politiska lutningarna för ekonomistudenter vid ett större universitet. Forskarna vill se till att det slumpmässiga urvalet bäst motsvarar studentpopulationen, inklusive kön, grundexamen och doktorander. Den totala befolkningen i studien är 1 000 studenter och därifrån skapas undergrupper som visas nedan.
Total befolkning = 1 000
Forskare skulle tilldela varje ekonomistudent vid universitetet till en av fyra underpopulationer: manlig grundutbildning, kvinnlig grundutbildning, manlig doktorand och kvinnlig examen. Därefter räknar forskarna hur många studenter från varje undergrupp som utgör den totala befolkningen på 1 000 studenter. Därifrån beräknar forskare varje undergrupps procentuella representation av den totala befolkningen.
grupper:
- Manliga grundexamen = 450 studenter (av 100) eller 45% av befolkningen Kvinnliga kandidater = 200 studenter eller 20% Manliga doktorander = 200 studenter eller 20% Kvinnliga doktorander = 150 studenter eller 15%
Slumpmässigt urval av varje subpopulation görs baserat på dess representation inom befolkningen som helhet. Eftersom manliga studenter är 45% av befolkningen, väljs 45 manliga studenter ut slumpmässigt ur den undergruppen. Eftersom manliga kandidater endast utgör 20% av befolkningen väljs 20 för urvalet och så vidare.
Medan stratifierat slumpmässigt provtagning exakt återspeglar den population som studeras, innebär villkor som måste uppfyllas att denna metod inte kan användas i varje studie.
Fördelar med stratifierat slumpmässigt provtagning
Stratifierat slumpmässigt sampling har fördelar jämfört med enkel slumpmässig sampling.
Återspeglar exakt den studerade befolkningen
Stratifierat slumpmässigt urval återspeglar exakt den befolkning som studeras eftersom forskare stratifierar hela befolkningen innan de använder slumpmässiga provtagningsmetoder. Kort sagt, det säkerställer att varje undergrupp inom befolkningen får korrekt representation inom urvalet. Som ett resultat ger stratifierat slumpmässigt provtagning bättre täckning av befolkningen eftersom forskarna har kontroll över undergrupperna för att se till att alla representeras i urvalet.
Med enkel slumpmässig provtagning finns det ingen garanti för att någon särskild undergrupp eller typ av person väljs. I vårt tidigare exempel på universitetsstudenterna, med hjälp av enkel slumpmässig provtagning för att skaffa ett urval av 100 från befolkningen kan det resultera i valet av endast 25 manliga studenter eller endast 25% av den totala befolkningen. Dessutom kan 35 kvinnliga doktorander väljas (35% av befolkningen) vilket resulterar i underrepresentation av manliga studenter och överrepresentation av kvinnliga doktorander. Eventuella fel i representationen av befolkningen har potential att minska studiens noggrannhet.
Nackdelar med stratifierat slumpmässigt provtagning
Stratifierat slumpmässigt provtagning ger också forskare en nackdel.
Kan inte användas i alla studier
Tyvärr kan denna metod för forskning inte användas i varje studie. Metodens nackdel är att flera villkor måste vara uppfyllda för att den ska kunna användas korrekt. Forskare måste identifiera varje medlem av en befolkning som studeras och klassificera var och en av dem och en subpopulation. Som ett resultat är stratifierat slumpmässigt urval negativt när forskare inte med säkerhet kan klassificera varje medlem av befolkningen i en undergrupp. Att hitta en uttömmande och definitiv lista över en hel befolkning kan också vara utmanande.
Överlappning kan vara ett problem om det finns ämnen som faller in i flera undergrupper. När enkel slumpmässig provtagning utförs är det mer troligt att de som är i flera undergrupper väljs. Resultatet kan vara en felaktig presentation eller felaktig återspegling av befolkningen.
Ovanstående exempel gör det enkelt: Grundutbildning, examen, manlig och kvinnlig är tydligt definierade grupper. I andra situationer kan det dock vara mycket svårare. Föreställ dig att du inkluderar egenskaper som ras, etnicitet eller religion. Sorteringsprocessen blir svårare, vilket gör stratifierat slumpmässigt urval en ineffektiv och mindre än idealisk metod.
Key Takeaways
- Stratifierat slumpmässigt provtagning gör det möjligt för forskare att få en provpopulation som bäst representerar hela befolkningen som studeras. Denna metod för forskning kan inte användas i varje studie. Statistiskt slumpmässigt sampling skiljer sig från enkel slumpmässig sampling, vilket innebär slumpmässigt urval av data från en hela befolkningen, så det är lika sannolikt att varje möjligt urval inträffar.
