계층화 된 무작위 표본 추출은 연구 대상 전체 모집단을 가장 잘 나타내는 표본 모집단을 얻을 수있게함으로써 연구원에게 혜택을줍니다. 마찬가지로, 이 연구 방법에도 단점이 없습니다.
계층화 된 랜덤 샘플링: 개요
계층화 된 랜덤 샘플링은 먼저 모집단을 소집단으로 나눈 다음 무작위 샘플링 방법을 각 소집단에 적용하여 테스트 그룹을 형성합니다. 단점은 연구원이 모든 모집단을 하위 그룹으로 분류 할 수없는 경우입니다.
계층화 된 무작위 표본 추출은 전체 모집단에서 무작위로 데이터를 선택하여 가능한 각 표본이 똑같이 발생할 수있는 간단한 무작위 표본 추출과 다릅니다. 반대로 계층화 된 랜덤 샘플링은 모집단을 공유 특성에 따라 더 작은 그룹 또는 계층으로 나눕니다. 각 지층에서 무작위 표본을 채취 한 인구와 비교하여 지층의 크기에 정비례합니다.
계층화 된 랜덤 샘플링 예
다음은 계층화 된 랜덤 샘플링의 예입니다.
연구원들은 주요 대학에서 경제학 학생들의 정치적 기대를 평가하기 위해 고안된 연구를 수행하고 있습니다. 연구원들은 무작위 표본이 성별, 학부 및 대학원생을 포함하여 학생 인구에 가장 근접하도록 보장하려고합니다. 이 연구의 총 인구는 1, 000 명이며 여기에서 하위 그룹이 아래와 같이 생성됩니다.
총인구 = 1, 000
연구원은 대학의 모든 경제학 학생을 남성 학부, 여성 학부, 남성 대학원 및 여성 대학원의 4 개 하위 모집단 중 하나에 배정합니다. 다음으로 연구원들은 각 하위 그룹의 학생이 총 1, 000 명을 구성하는 학생 수를 계산합니다. 여기에서 연구자들은 전체 집단에 대한 각 부분 군의 백분율 표현을 계산합니다.
부분 군:
- 남성 학부 = 450 명 (100 명 중) 또는 인구의 45 % 여성 학부 = 200 명의 학생 또는 20 % 남성 대학원생 = 200 명의 학생 또는 20 % 여성 대학원생 = 150 명의 학생 또는 15 %
모집단 내의 전체 표현을 기반으로 각 부분 모집단의 무작위 샘플링이 수행됩니다. 남자 학부생은 인구의 45 %이므로 45 명의 남자 학부생이 해당 하위 그룹에서 무작위로 선택됩니다. 남성 졸업생은 인구의 20 % 만 차지하므로 표본 등으로 20 명이 선정됩니다.
계층화 된 랜덤 샘플링은 연구 대상 모집단을 정확하게 반영하지만, 충족되어야하는 조건은이 방법을 모든 연구에 사용할 수는 없다는 의미입니다.
계층화 된 랜덤 샘플링의 장점
계층화 된 랜덤 샘플링은 단순한 랜덤 샘플링과 비교할 때 장점이 있습니다.
연구 대상 인구를 정확하게 반영
계층화 된 무작위 표본 추출은 연구자가 무작위 표본 추출 방법을 적용하기 전에 전체 모집단을 계층화하기 때문에 연구중인 모집단을 정확하게 반영합니다. 즉, 모집단 내의 각 부분 군이 표본 내에서 적절한 표현을 받도록합니다. 결과적으로 계층화 된 무작위 표본 추출은 부분 군을 제어하여 모든 부분이 표본 추출에 포함되도록하기 때문에 부분 군을 더 잘 커버 할 수 있습니다.
단순한 무작위 샘플링을 사용하면 특정 하위 그룹 또는 사람 유형이 선택되었다는 보장이 없습니다. 이전 대학생 사례에서 간단한 무작위 표본 추출을 사용하여 모집단에서 100 개 표본을 확보하면 25 명의 남성 학부 만 선택하거나 전체 인구의 25 % 만 선택할 수 있습니다. 또한 35 명의 여성 대학원생 (인구의 35 %)이 선발되어 남성 학부생의 과소 대표와 여성 대학원생의 과대 표현이 발생할 수 있습니다. 모집단 표현의 오류는 연구의 정확성을 떨어 뜨릴 수 있습니다.
계층화 된 무작위 샘플링의 단점
계층화 된 랜덤 샘플링은 또한 연구원들에게 단점을 제시합니다.
모든 연구에서 사용할 수 없습니다
불행히도, 이 연구 방법은 모든 연구에 사용될 수 없습니다. 이 방법의 단점은 올바르게 사용 되려면 몇 가지 조건이 충족되어야한다는 것입니다. 연구원은 연구중인 모집단의 모든 구성원을 식별하고 각 구성원을 하나의 하위 집단으로 분류해야합니다. 결과적으로 계층화 된 무작위 표본 추출은 연구원이 모든 모집단 구성원을 하위 그룹으로 자신있게 분류 할 수없는 경우 불리합니다. 또한 전체 인구의 철저하고 결정적인 목록을 찾는 것이 어려울 수 있습니다.
여러 하위 그룹에 속하는 주제가있는 경우 겹치는 문제가 될 수 있습니다. 단순 무작위 표본 추출을 수행하면 여러 하위 그룹에 속한 사람들이 더 많이 선택 될 수 있으며, 그 결과 모집단이 잘못 표현되거나 부정확하게 반영 될 수 있습니다.
위의 예는 쉽습니다. 학부, 대학원, 남성 및 여성은 명확하게 정의 된 그룹입니다. 그러나 다른 상황에서는 훨씬 더 어려울 수 있습니다. 인종, 민족 또는 종교와 같은 특성을 통합한다고 상상해보십시오. 분류 프로세스가 더욱 어려워 져서 계층화 된 무작위 샘플링을 비효율적이고 이상적인 방법보다 덜 렌더링합니다.
주요 테이크 아웃
- 계층화 된 무작위 표본 추출을 통해 연구원은 연구중인 전체 모집단을 가장 잘 나타내는 표본 모집단을 얻을 수 있습니다.이 연구 방법은 모든 연구에 사용할 수 없습니다. 계층화 된 무작위 표본 추출은 간단한 무작위 표본 추출과는 다릅니다. 전체 모집단, 따라서 각 가능한 샘플이 동일하게 발생할 가능성이 있습니다.
