მიმოხილვები

სტრატიფიცირებული ნიმუშების გააზრება და მათი დამზადება

სტრატიფიცირებული ნიმუშების გააზრება და მათი დამზადება

სტრატიფიცირებული ნიმუშია ისეთი, რომელიც უზრუნველყოფს, რომ მოცემული მოსახლეობის ქვეჯგუფები (შრეები) ადეკვატურად არის წარმოდგენილი კვლევის კვლევის მთლიანი ნიმუშის პოპულაციაში. მაგალითად, შეიძლება მოზრდილების ნიმუში დაყოს ქვეჯგუფებში ასაკის მიხედვით, მაგალითად, 18-29, 30-39, 40-49, 50-59 და 60 და ზევით. ამ ნიმუშის სტრატიფიკაციისთვის, მკვლევარი შემთხვევით შეარჩევს ადამიანთა პროპორციულ რაოდენობას თითოეული ასაკობრივი ჯგუფიდან. ეს არის ეფექტური შერჩევის ტექნიკა იმის შესამოწმებლად, თუ როგორ შეიძლება განსხვავდებოდეს ტენდენცია ან საკითხი ქვეჯგუფებში.

რაც მთავარია, ამ ტექნიკაში გამოყენებულ ფენებს არ უნდა ემთხვეოდეს, რადგან თუ ეს მოხდა, ზოგიერთს უფრო მეტი შანსი ექნება, ვიდრე სხვებს. ეს შექმნის შედგენილ ნიმუშს, რაც გამოიწვევს მიკერძოებულ კვლევას და შედეგების ბათილობას გახდის.

ზოგიერთი ყველაზე გავრცელებული ფენა, რომელიც გამოიყენება სტრატიფიცირებულ შემთხვევით შერჩევაში, მოიცავს ასაკს, სქესს, რელიგიას, რასას, საგანმანათლებლო მიღწევებს, სოციალურ-ეკონომიკურ სტატუსს და ეროვნებას.

როდის გამოიყენოთ სტრატიფიცირებული შერჩევა

არსებობს მრავალი სიტუაცია, როდესაც მკვლევარებმა შეარჩიეს სტრატიფიცირებული შემთხვევითი შერჩევა სხვა ნიმუშების შერჩევისას. ჯერ ის გამოიყენება, როდესაც მკვლევარს სურს ქვეჯგუფების შემოწმება პოპულაციაში. მკვლევარებმა ასევე გამოიყენეს ეს ტექნიკა, როდესაც მათ სურთ დააკვირდნენ ურთიერთობებს ორ ან მეტ ქვეჯგუფს შორის, ან როდესაც მათ სურთ მოსახლეობის იშვიათი უკიდურესობების შემოწმება. ამ ტიპის შერჩევით, მკვლევარს გარანტირებულია, რომ თითოეული ქვეჯგუფიდან საგნები შედის საბოლოო ნიმუშში, ხოლო მარტივი შემთხვევითი შერჩევა არ იძლევა იმის უზრუნველყოფას, რომ ქვეჯგუფები წარმოდგენილია თანაბრად ან პროპორციულად.

პროპორციული სტრატიფიცირებული შემთხვევითი ნიმუში

პროპორციული სტრატიფიცირებული შემთხვევითი შერჩევისას, თითოეული ფენის ზომა პროპორციულად განისაზღვრება ფენის პოპულაციის ზომაზე, როდესაც იგი მთლიანი პოპულაციის დროს გამოიკვლევა. ეს ნიშნავს, რომ თითოეულ ფენას აქვს ერთი და იგივე ნიმუშის ფრაქცია.

მაგალითად, მოდით ვთქვათ, რომ თქვენ გაქვთ ოთხი ფენა, რომელთა ზომის 200, 400, 600 და 800 ზომებია. . ერთი და იგივე ნიმუშის ფრაქცია გამოიყენება თითოეული ფენისთვის, განურჩევლად ფენის პოპულაციის ზომაში.

არაპროპორციული სტრატიფიცირებული შემთხვევითი ნიმუში

არაპროპორციული სტრატიფიცირებული შემთხვევითი შერჩევისას, სხვადასხვა ფენას არ აქვთ ერთი და იგივე ნიმუშის ფრაქციები, როგორც ერთმანეთთან. მაგალითად, თუ თქვენი ოთხი ფენა შეიცავს 200, 400, 600 და 800 კაცს, შეგიძლიათ აირჩიოთ თითოეული ფენის შერჩევის სხვადასხვა ფრაქცია. ალბათ, პირველ სტრიუმს, სადაც 200 ადამიანია, შედის ნიმუშის ფრაქცია ½, რის შედეგადაც ნიმუში შეირჩა 100 ადამიანი, ხოლო ბოლო სტრიუმს 800 ადამიანი ჰყავს შერჩევითი წილი ¼, რის შედეგადაც ნიმუში შეირჩა 200 ადამიანი.

არაპროპორციული სტრატიფიცირებული შემთხვევითი შერჩევის სიზუსტე დიდად არის დამოკიდებული მკვლევარის მიერ არჩეულ და გამოყენებულ შერჩევის ფრაქციებზე. აქ მკვლევარი ფრთხილად უნდა იყოს და ზუსტად იცოდეს რას აკეთებს. შერჩევის ფრაქციების შერჩევისას და შეცდომების დროს მიღებულმა შეცდომებმა შეიძლება გამოიწვიოს ფენა, რომელიც ზედმეტად არის წარმოდგენილი ან არ არის წარმოდგენილი, რაც გამოიწვევს შედეგს.

სტრატიფიცირებული შერჩევის უპირატესობები

სტრატიფიცირებული ნიმუშის გამოყენება ყოველთვის მიაღწევს უფრო მეტ სიზუსტეს, ვიდრე უბრალო შემთხვევითი ნიმუში, იმ პირობით, რომ ფენების შერჩევა მოხდა ისე, რომ იმავე ფენის წევრები იყვნენ მაქსიმალურად მსგავსი ინტერესის მახასიათებლის მიხედვით. რაც უფრო დიდია განსხვავებები ფენებს შორის, მით უფრო დიდია სიზუსტე.

ადმინისტრაციულად, ხშირად უფრო მოსახერხებელია ნიმუშის სტრატიფიკაცია, ვიდრე მარტივი შემთხვევითი ნიმუშის შერჩევა. მაგალითად, ინტერვიუერების მსურველებს შეუძლიათ ტრენინგი გაუწიონ, თუ როგორ უკეთესად გაუმკლავდნენ ამა თუ იმ კონკრეტულ ასაკს ან ეთნიკურ ჯგუფს, ზოგი კი მომზადებულია სხვადასხვა ასაკის ან ეთნიკური ჯგუფის მოსაგვარებლად. ამ გზით ინტერვიუერებს შეეძლოთ კონცენტრირება და დახვეწა მცირე უნარ-ჩვევებზე და მკვლევარისთვის ეს ნაკლებად დროულია და ძვირი.

სტრატიფიცირებული ნიმუში ასევე შეიძლება იყოს მცირე ზომის, ვიდრე უბრალო შემთხვევითი ნიმუშები, რამაც შეიძლება დაზოგოს ბევრი დრო, ფული და ძალისხმევა მკვლევარებისთვის. ეს ხდება იმის გამო, რომ ამ ტიპის შერჩევის ტექნიკას აქვს მაღალი სტატისტიკური სიზუსტე შედარებით მარტივი შემთხვევითი შერჩევისას.

საბოლოო უპირატესობა ის არის, რომ სტრატიფიცირებული ნიმუში უზრუნველყოფს მოსახლეობის უკეთესად გაშუქებას. მკვლევარს აქვს კონტროლი იმ ქვეჯგუფებზე, რომლებიც მოცემულია ნიმუშში, ხოლო მარტივი შემთხვევითი შერჩევა არ იძლევა გარანტიას, რომ საბოლოო ნიმუშში შედის ნებისმიერი ერთი ადამიანი.

სტრატიფიცირებული შერჩევის უარყოფითი მხარეები

სტრატიფიცირებული შერჩევის ერთი მთავარი მინუსი ისაა, რომ კვლევისთვის შესაბამისი ფენის დადგენა შეიძლება ძნელი იყოს. მეორე მინუსი ის არის, რომ უფრო რთული არის შედეგების ორგანიზება და ანალიზი მარტივი შემთხვევითი შერჩევისას.

განახლდა ნიკი ლისა კოული, დოქტორი.