체계적인 샘플링

체계적인 샘플링이란 무엇입니까?

체계적인 샘플링은 고정된 주기적인 간격으로 임의의 시작점에 따라 더 큰 모집단의 샘플 구성원을 선택하는 확률 샘플링 방법의 한 유형입니다. 표본 추출 간격이라고 하는 이 간격은 모집단 크기를 원하는 표본 크기로 나누어 계산합니다. 표본 모집단이 미리 선택되었음에도 불구하고 주기적 간격이 미리 결정되고 시작점이 무작위인 경우 체계적인 표본 추출은 여전히 무작위로 간주됩니다.

체계적인 샘플링의 이해

단순 무작위 샘플링 은 비효율적이고 시간이 많이 소요될 수 있으므로 통계학자는 체계적인 샘플링과 같은 다른 방법을 사용합니다. 체계적인 접근을 통해 표본 크기를 선택하면 신속하게 수행할 수 있습니다. 고정된 시작점이 확인되면 참가자 선택을 용이하게 하기 위해 일정한 간격이 선택됩니다.

데이터 조작의 위험이 낮은 경우에는 단순 무작위 샘플링보다 체계적인 샘플링이 선호됩니다. 연구자가 원하는 결과를 얻기 위해 간격 길이를 조작할 수 있을 때 이러한 위험이 높으면 간단한 무작위 샘플링 기법이 더 적절할 것입니다.

체계적인 샘플링은 단순성 때문에 연구원과 분석가에게 인기가 있습니다. 연구자들은 일반적으로 무작위 특성이 모든 "n번째" 데이터 샘플에 불균형하게 존재하지 않는 한 대부분의 정상 모집단 을 대표한다고 가정합니다(가능성은 낮음). 즉, 모집단은 선택한 측정항목과 함께 자연스러운 정도의 무작위성을 나타내야 합니다. 모집단에 일종의 표준화된 패턴이 있는 경우 실수로 매우 일반적인 사례를 선택할 위험이 더 분명해집니다.

다른 샘플링 방법과 마찬가지로 체계적인 샘플링에서는 참가자를 선택하기 전에 대상 모집단을 선택해야 합니다. 모집단은 수행 중인 연구의 목적에 맞는 원하는 특성을 기반으로 식별할 수 있습니다. 일부 선택 기준에는 연령, 성별, 인종, 위치, 교육 수준 및/또는 직업이 포함될 수 있습니다.

통계적 추론을 위해 모집단을 샘플링하는 몇 가지 방법이 있습니다. 체계적인 샘플링은 무작위 샘플링의 한 형태입니다.

체계적인 샘플링의 예

체계적 표본추출의 가상적인 예로서 10,000명의 인구에서 통계학자가 표본추출을 위해 100번째 사람을 선택한다고 가정합니다. 샘플링 간격은 12시간마다 추출할 새 샘플을 선택하는 것과 같이 체계적일 수도 있습니다.

또 다른 예로, 체계적인 샘플링을 사용하여 50,000명의 인구에서 1,000명의 무작위 그룹을 선택하려면 모든 잠재적 참가자를 목록에 배치해야 하고 시작점을 선택해야 합니다. 목록이 구성되면 50,000/1,000 = 50이므로 목록의 모든 50번째 사람(선택한 시작 지점에서 계산 시작)이 참가자로 선택됩니다.

예를 들어, 선택한 시작점이 20인 경우 목록에서 70번째 사람이 선택되고 120번째 사람이 선택되는 식입니다. 목록의 끝에 도달하고 추가 참가자가 필요한 경우 카운트는 목록의 시작 부분으로 반복하여 카운트를 완료합니다.

체계적인 표본추출을 하기 위해서는 먼저 대상 모집단의 규모를 알아야 합니다.

체계적인 샘플링 대 클러스터 샘플링

체계적인 샘플링과 클러스터 샘플링은 샘플에 포함된 모집단에서 샘플 포인트를 가져오는 방법이 다릅니다. 클러스터 샘플링은 모집단을 클러스터로 나누는 반면, 체계적인 샘플링은 더 큰 모집단에서 고정된 간격을 사용하여 샘플을 만듭니다.

체계적인 샘플링은 모집단에서 임의의 시작점을 선택한 다음 해당 크기에 따라 모집단의 일정한 고정 간격에서 표본을 추출합니다. 클러스터 샘플링은 모집단을 클러스터로 나눈 다음 각 클러스터에서 간단한 무작위 샘플을 취합니다.

클러스터 샘플링은 다른 샘플링 방법보다 덜 정확하다고 간주됩니다. 그러나 샘플을 얻는 데 드는 비용을 절약할 수 있습니다. 클러스터 샘플링은 2단계 샘플링 절차입니다. 전체 인구의 목록을 작성하는 것이 어려울 때 사용할 수 있습니다. 예를 들어 인터뷰할 식료품점 고객의 전체 모집단을 구성하는 것은 어려울 수 있습니다.

그러나 사람은 프로세스의 첫 번째 단계인 임의의 매장 하위 집합을 만들 수 있습니다. 두 번째 단계는 해당 매장의 고객 중 무작위 표본을 인터뷰하는 것입니다. 이것은 시간과 비용을 절약할 수 있는 간단한 수동 프로세스입니다.

체계적인 샘플링의 한계

통계학자가 체계적인 샘플링을 수행할 때 고려해야 하는 한 가지 위험은 샘플링 간격과 함께 사용되는 목록을 구성하는 방법과 관련이 있습니다. 목록에 있는 모집단이 샘플링 간격과 일치하는 주기적 패턴으로 구성되면 선택한 샘플이 편향될 수 있습니다.

예를 들어, 회사의 인사 부서에서 직원 샘플을 선택하고 회사 정책에 대해 어떻게 느끼는지 묻고자 합니다. 직원은 20명의 팀으로 그룹화되며 각 팀은 관리자가 이끌게 됩니다. 표본 크기를 선택하는 데 사용되는 목록이 함께 클러스터된 팀으로 구성된 경우 통계학자는 표본 추출 간격에 따라 관리자만 선택하거나 관리자를 전혀 선택하지 않을 위험이 있습니다.

##하이라이트

• 이 방법론의 다른 장점은 클러스터링된 선택 현상을 제거하고 데이터를 오염시킬 가능성이 낮다는 것입니다.

• 표본 추출 간격이라고 하는 고정된 주기 간격은 모집단 크기를 원하는 표본 크기로 나누어 계산합니다.

• 단점은 특정 패턴의 과대 또는 과소 표현과 데이터 조작의 더 큰 위험을 포함합니다.

• 체계적 표본추출은 더 큰 모집단에서 일정한 주기 간격으로 무작위 표본을 선택하는 확률 표본 추출 방법입니다.

##자주하는 질문

체계적인 샘플링의 장점은 무엇입니까?

체계적인 샘플링은 수행하기 쉽고 이해하기 쉽기 때문에 일반적으로 연구자들이 선호합니다. 결과가 정상 모집단의 대다수를 나타낸다는 중심 가정은 전체 모집단이 고르게 샘플링된다는 것을 보장합니다. 또한 체계적인 샘플링은 프로세스로 인해 다른 샘플링 방법에 비해 제어 수준이 높습니다. 체계적인 샘플링은 데이터가 오염될 가능성이 낮기 때문에 위험 요소도 낮습니다.

클러스터 샘플링과 체계적인 샘플링은 어떻게 다른가요?

클러스터 샘플링과 체계적인 샘플링은 샘플에 포함된 모집단에서 샘플 포인트를 가져오는 방법이 다릅니다. 클러스터 샘플링은 모집단을 클러스터로 나눈 다음 각 클러스터에서 간단한 무작위 샘플을 취합니다. 체계적인 샘플링은 모집단에서 임의의 시작점을 선택한 다음 해당 크기에 따라 모집단의 일정한 고정 간격에서 표본을 추출합니다. 클러스터 샘플링은 더 저렴한 프로세스일 수 있지만 체계적인 샘플링보다 더 큰 샘플링 오류에 취약합니다.

체계적인 샘플링의 단점은 무엇입니까?

체계적인 샘플링의 주요 단점은 인구의 크기가 필요하다는 것입니다. 모집단의 특정 참가자 수를 알지 못하면 체계적인 샘플링이 제대로 작동하지 않습니다. 예를 들어, 통계학자가 특정 지역의 노숙자 연령을 조사하려고 하지만 노숙자가 몇 명인지 정확하게 파악할 수 없다면 인구 규모나 시작점이 없을 것입니다. 또 다른 단점은 모집단이 자연적인 양의 무작위성을 나타내야 한다는 것입니다. 그렇지 않으면 유사한 인스턴스를 선택할 위험이 증가하여 표본의 목적을 훼손할 수 있습니다.