Stratified Random Sampling
Mikä on kerrostettu satunnaisotos?
Ositettu satunnaisotos on otantamenetelmä, jossa populaatio jaetaan pienempiin alaryhmiin, jotka tunnetaan ositteina. Ositetun satunnaisotannan eli ositteen avulla ositteet muodostetaan jäsenten yhteisten ominaisuuksien tai ominaisuuksien, kuten tulojen tai koulutustason, perusteella.
Ositettua satunnaisotantaa kutsutaan myös suhteelliseksi satunnaisotannaksi tai kiintiön satunnaisotannaksi.
Kuinka kerrostettu satunnaisotos toimii
Suorittaessaan analyysiä tai tutkimusta ryhmästä, jolla on samankaltaisia ominaisuuksia, tutkija saattaa huomata, että populaatiokoko on liian suuri tutkimuksen loppuun saattamiseksi. Ajan ja rahan säästämiseksi analyytikko voi valita järkevämmän lähestymistavan valitsemalla väestöstä pienen ryhmän. Pienestä ryhmästä käytetään nimitystä otoskoko,. joka on populaation osajoukko, jota käytetään edustamaan koko populaatiota. Otos voidaan valita populaatiosta useilla tavoilla, joista yksi on ositettu satunnaisotosmenetelmä.
Ositettu satunnainen otanta sisältää koko populaation jakamisen homogeenisiin ryhmiin, joita kutsutaan ositteiksi (monikko ositteelle). Jokaisesta ositteesta valitaan sitten satunnaiset näytteet. Ajatellaanpa esimerkiksi akateemista tutkijaa, joka haluaisi tietää niiden MBA-opiskelijoiden määrän vuonna 2007, jotka saivat työtarjouksen kolmen kuukauden kuluessa valmistumisesta.
Tutkija huomaa pian, että MBA-tutkinnon suorittaneita oli tänä vuonna lähes 200 000. He saattavat päättää ottaa yksinkertaisen satunnaisen otoksen 50 000 valmistuneesta ja suorittaa kyselyn. Vielä parempi, he voisivat jakaa populaation kerroksiin ja ottaa satunnaisen otoksen ositteista. Tätä varten he luovat väestöryhmiä sukupuolen, ikäjakauman, rodun, kansallisuusmaan ja urataustan perusteella. Jokaisesta ositteesta otetaan satunnaisotos luku, joka on verrannollinen ositteen kokoon verrattuna perusjoukkoon. Nämä kerrosten osajoukot yhdistetään sitten satunnaisen näytteen muodostamiseksi.
Ositettua otantaa käytetään korostamaan eroja populaation ryhmien välillä, toisin kuin yksinkertaista satunnaisotantaa, joka kohtelee kaikkia populaation jäseniä tasa-arvoisina ja samalla todennäköisyydellä joutua otokseen.
Esimerkki stratifioidusta satunnaisotannasta
Oletetaan, että tutkimusryhmä haluaa määrittää korkeakouluopiskelijoiden GPA-arvon kaikkialla Yhdysvalloissa. Tutkimusryhmällä on vaikeuksia kerätä tietoja kaikista 21 miljoonasta korkeakouluopiskelijasta. se päättää ottaa satunnaisotoksen perusjoukosta käyttämällä 4000 opiskelijaa.
Oletetaan nyt, että tiimi tarkastelee otokseen osallistuneiden eri ominaisuuksia ja pohtii, onko GPA:issa ja opiskelijoiden pääaineissa eroja. Oletetaan, että se havaitsee, että 560 opiskelijaa on englanninkielisiä, 1 135 on luonnontieteiden pääaineita, 800 on tietojenkäsittelytieteen pääaineita, 1 090 on tekniikan pääaineita ja 415 on matematiikan pääaineita. Ryhmä haluaa käyttää suhteellista kerrostettua satunnaisotosta, jossa otoksen kerros on verrannollinen perusjoukon satunnaisotokseen.
Oletetaan, että tiimi tutkii yhdysvaltalaisten korkeakouluopiskelijoiden demografisia tietoja ja löytää opiskelijoiden prosenttiosuuden: 12 % pääaineena englanti, 28 % tiede, 24 % tietojenkäsittelytiede, 21 % insinööritiede ja 15 %. pääaineena matematiikka. Näin ollen ositetun satunnaisotantaprosessista luodaan viisi ostetta.
Tämän jälkeen tiimin on vahvistettava, että väestön kerros on suhteessa otoksessa olevaan osteeseen; He kuitenkin huomaavat, että suhteet eivät ole yhtä suuret. Ryhmän on sitten otettava uudelleen otos 4 000 opiskelijasta väestöstä ja valittava satunnaisesti 480 englannin, 1 120 luonnontieteiden, 960 tietojenkäsittelytieteen, 840 tekniikan ja 600 matematiikan opiskelijaa.
Niiden avulla sillä on suhteellinen kerrostettu satunnainen otos korkeakouluopiskelijoista, mikä antaa paremman edustuksen opiskelijoiden korkeakoulujen pääaineista Yhdysvalloissa. Tutkijat voivat sitten korostaa tiettyä ostetta, tarkkailla yhdysvaltalaisten korkeakouluopiskelijoiden vaihtelevia tutkimuksia ja tarkkailla erilaisia arvosanapisteiden keskiarvoja. .
Yksinkertaiset satunnaiset vs. kerrostetut satunnaiset näytteet
Yksinkertaiset satunnaisotokset ja ositetut satunnaisotokset ovat molemmat tilastollisia mittaustyökaluja. Yksinkertaista satunnaisotosta käytetään edustamaan koko tietopopulaatio. Ositettu satunnaisotos jakaa populaation pienempiin ryhmiin eli kerroksiin yhteisten ominaisuuksien perusteella.
Yksinkertaista satunnaisotosta käytetään usein silloin, kun tietojoukosta on saatavilla hyvin vähän tietoa, kun tietopopulaatiossa on aivan liian paljon eroja eri osajoukkojen jakamiseksi tai kun tietojoukossa on vain yksi selkeä ominaisuus.
Esimerkiksi karkkiyritys saattaa haluta tutkia asiakkaidensa ostotottumuksia voidakseen määrittää tuotelinjansa tulevaisuuden. Jos asiakkaita on 10 000, se voi valita 100 näistä asiakkaista satunnaisotokseksi. Se voi sitten soveltaa näiltä 100 asiakkaalta löytämiään muuhun tukikohtaansa. Toisin kuin kerrostuminen, se ottaa näytteen 100 jäsenestä puhtaasti satunnaisesti ottamatta huomioon heidän yksilöllisiä ominaisuuksiaan.
Suhteellinen ja suhteeton kerrostuminen
Ositettu satunnaisotannalla varmistetaan, että tietyn populaation jokainen alaryhmä on riittävästi edustettuna tutkimuksen koko otospopulaatiossa. Ositus voi olla oikeasuhteista tai suhteetonta. Suhteellisessa ositteisessa menetelmässä kunkin ositteen otoskoko on verrannollinen ositteen populaation kokoon.
Jos tutkija esimerkiksi halusi 50 000 valmistuneen otoksen ikäjakauman perusteella, suhteellinen ositettu satunnaisotos saadaan käyttämällä tätä kaavaa: (otoskoko/populaatiokoko) x ositteen koko. Alla olevassa taulukossa oletetaan, että väestön koko on 180 000 MBA-tutkinnon suorittanutta vuodessa.
TTT
24–28-vuotiaiden MBA-tutkinnon suorittaneiden ositteiden otoskoko on (50 000/180 000) x 90 000 = 25 000. Samaa menetelmää käytetään muissa ikäryhmissä. Nyt kun ositteiden otoskoko on tiedossa, tutkija voi suorittaa yksinkertaisen satunnaisotantaan kussakin ositteessa valitakseen kyselyyn osallistujansa. Toisin sanoen koko väestöstä valitaan satunnaisesti 25 000 valmistuvaa 24-28-vuotiaista, 16 667 ikäluokasta 29-33 valmistuvaa satunnaisesti ja niin edelleen.
Suhteettoman ositetussa otoksessa kunkin ositteen koko ei ole verrannollinen sen kokoon perusjoukossa. Tutkija voi päättää ottaa otoksen 1/2:n valmistuneista 34-37-vuotiaista ja 1/3:n valmistuneista 29-33-vuotiaista.
On tärkeää huomata, että yksi henkilö ei mahdu useaan kerrokseen. Jokainen kokonaisuus saa mahtua vain yhteen osteeseen. Päällekkäisten alaryhmien olemassaolo tarkoittaa, että joillakin henkilöillä on suurempi mahdollisuus tulla valituksi kyselyyn, mikä tekee täysin tyhjäksi ositetun otannan käsitteen todennäköisyysotantaan.
Salkunhoitajat voivat käyttää ositettua satunnaisotantaa salkkujen luomiseen replikoimalla indeksin, kuten joukkovelkakirjaindeksin.
Ositetun satunnaisnäytteenoton edut
Ositetun satunnaisotannan tärkein etu on, että se kaappaa otoksen tärkeimmät populaation ominaisuudet. Painotetun keskiarvon tapaan tämä otantamenetelmä tuottaa otokseen ominaisuuksia, jotka ovat verrannollisia kokonaisjoukon määrään. Ositettu satunnaisotos toimii hyvin populaatioille, joilla on erilaisia ominaisuuksia, mutta se on muuten tehotonta, jos alaryhmiä ei voida muodostaa.
Stratifikaatio antaa pienemmän virheen estimointiin ja suuremman tarkkuuden kuin yksinkertainen satunnaisotosmenetelmä. Mitä suuremmat erot ositteiden välillä ovat, sitä suurempi on tarkkuushyöty.
Ositetun satunnaisotannan haitat
Valitettavasti tätä tutkimusmenetelmää ei voida käyttää kaikissa tutkimuksissa. Menetelmän haittana on, että useiden ehtojen on täytyttävä, jotta sitä voidaan käyttää oikein. Tutkijoiden on tunnistettava jokainen tutkittavan populaation jäsen ja luokiteltava jokainen heistä yhdeksi ja vain yhdeksi alapopulaatioksi. Tästä johtuen ositettu satunnaisotos on epäedullista, kun tutkijat eivät voi luotettavasti luokitella jokaista populaation jäsentä alaryhmään. Myös kattavan ja lopullisen luettelon löytäminen koko väestöstä voi olla haastavaa.
Päällekkäisyys voi olla ongelma, jos on aiheita, jotka kuuluvat useisiin alaryhmiin. Kun suoritetaan yksinkertaista satunnaisotantaa, useampaan alaryhmään kuuluvat valitaan todennäköisemmin. Seurauksena voi olla virheellinen tai epätarkka heijastus väestöstä.
Yllä olevat esimerkit tekevät siitä helppoa: perustutkinto-, jatko-, miehet ja naiset ovat selkeästi määriteltyjä ryhmiä. Muissa tilanteissa se voi kuitenkin olla paljon vaikeampaa. Kuvittele, että sinulla on ominaisuuksia, kuten rotu, etnisyys tai uskonto. Lajitteluprosessi muuttuu vaikeammaksi, mikä tekee ositetun satunnaisotannan tehottomaksi ja vähemmän ideaaliksi menetelmäksi.
Kohokohdat
Ositettu satunnaisotos eroaa yksinkertaisesta satunnaisotannuksesta, jossa data valitaan satunnaisesti koko populaatiosta, joten jokainen mahdollinen otos on yhtä todennäköinen.
Ositettu satunnaisotannalla koko populaatio jaetaan homogeenisiin ryhmiin, joita kutsutaan ositteiksi.
Ositetun satunnaisotannan avulla tutkijat voivat saada otospopulaation, joka edustaa parhaiten koko tutkittavaa populaatiota.
