연구자들은 간단한 무작위 표본을 사용하여 더 큰 그룹 또는 집단에서 선택된 개인의 부분 집합을 통계적으로 측정하여 전체 그룹의 반응을 근사화합니다. 이 연구 방법에는 장점과 단점이 있습니다.
단순 랜덤 샘플: 개요
다른 형태의 측량 기술과 달리 간단한 무작위 샘플링은 대규모 그룹의 응답을 얻는 편견없는 접근 방식입니다. 연구에 간단한 무작위 샘플을 사용하면 뚜렷한 이점이 있지만 고유 한 단점이 있습니다. 이러한 단점에는 특정 모집단의 전체 목록을 수집하는 데 필요한 시간, 해당 목록을 검색하고 문의하는 데 필요한 자본 및 표본 세트가 전체 모집단을 충분히 나타낼 수있을만큼 크지 않을 때 발생할 수있는 편향이 포함됩니다.
간단한 랜덤 샘플의 장점
무작위 샘플링은 두 가지 주요 이점을 제공합니다.
바이어스 부족
더 큰 그룹의 부분 집합을 구성하는 개인은 무작위로 선택되므로, 큰 인구 집단의 각 개인은 동일한 선택 확률을 갖습니다. 이는 대부분의 경우 더 큰 그룹을 전체적으로 표현할 수있는 가장 큰 잠재력을 지닌 균형 잡힌 부분 집합을 만듭니다.
간단
이름에서 알 수 있듯이 간단한 랜덤 샘플 생성은 계층화 된 랜덤 샘플링과 같은 다른 방법보다 훨씬 덜 복잡합니다. 언급 한 바와 같이, 부분 집합의 개체는 무작위로 선택되며 추가 단계는 없습니다.
편견이 발생하지 않도록 연구원은 적절한 수의 응답자로부터 응답을 얻어야하며 이는 시간 또는 예산 제약으로 인해 불가능할 수 있습니다.
단순 무작위 표본의 단점
이 연구 방법의 단점은 다음과 같습니다.
전체 인구 목록에 접근하기 어려움
간단한 무작위 표본 추출에서 전체 모집단의 전체 목록을 사용할 수있는 경우에만 대규모 모집단의 정확한 통계 측정 값을 얻을 수 있습니다. 경우에 따라 각 학생을 연결하는 조직을 통해 대학의 학생 또는 특정 회사의 직원 그룹에 대한 세부 정보에 액세스 할 수 있습니다.
주요 테이크 아웃
- 간단한 무작위 표본은 연구원이 더 많은 집단에서 표본을 선택하는 데 사용하는 방법 중 하나이며, 주요 장점은 단순성과 편견이 없다는 것입니다. 특정 상황에서 편견이 여전히 발생할 수 있습니다.
그러나 전체 목록에 액세스하면 문제가 발생할 수 있습니다. 일부 대학 또는 대학은 연구를 위해 학생 또는 교수의 전체 목록을 기꺼이 제공하지 않습니다. 마찬가지로, 특정 회사는 개인 정보 보호 정책으로 인해 직원 그룹에 대한 정보를 기꺼이 전달하거나 전달하지 못할 수 있습니다.
소비 시간
더 많은 인구의 전체 목록을 사용할 수없는 경우 간단한 무작위 표본 추출을 시도하는 개인은 다른 출처에서 정보를 수집해야합니다. 공개적으로 사용 가능한 경우 더 작은 서브 세트 목록을 사용하여 더 많은 인구의 전체 목록을 다시 작성할 수 있지만이 전략을 완료하는 데 시간이 걸립니다. 학생, 직원 및 개인 소비자에 대한 데이터를 유지하는 조직은 종종 전체 인구 집단에 대한 가장 정확한 정보를 얻을 수있는 연구원의 능력을 멈출 수있는 긴 검색 프로세스를 강요합니다.
소송 비용
다양한 출처에서 정보를 수집하는 데 걸리는 시간 외에도 회사 나 개인에게 상당한 자본이 소요될 수 있습니다. 타사 데이터 제공 업체에서 전체 인구 집단 또는 소규모 하위 집합 목록을 검색하려면 데이터가 제공 될 때마다 지불이 필요할 수 있습니다. 단순 무작위 표본 추출의 첫 번째 라운드에서 표본이 전체 모집단의 관점을 나타낼만큼 충분히 크지 않은 경우, 표본 추출 오류를 피하기 위해 추가 목록 또는 데이터베이스를 구입하는 것은 엄청날 수 있습니다.
샘플 선택 바이어스
간단한 무작위 샘플링은 측량에 대한 편견없는 접근 방식이지만, 샘플 선택 바이어스가 발생할 수 있습니다. 더 큰 모집단의 표본 세트가 충분히 포함되지 않은 경우 전체 모집단의 표현이 왜곡되고 추가 샘플링 기술이 필요합니다.
