설문 조사 모집단의 연구를 수행 할 때 통계적 샘플링 방법으로 체계적인 샘플링을 사용하는 경우의 장점과 단점이 있습니다.
체계적인 샘플링: 개요
체계적인 샘플링은 랜덤 샘플링보다 간단하고 간단합니다. 또한 광범위한 학습 영역을 다루는 데 도움이 될 수 있습니다. 반면에 체계적인 샘플링은 데이터에 임의의 특정 매개 변수를 도입합니다. 이로 인해 특정 패턴이 과도하거나 과도하게 표현 될 수 있습니다.
체계적인 샘플링은 단순성으로 인해 연구원들에게 인기가 있습니다. 연구원들은 일반적으로 모든 "n"데이터 샘플에 임의의 특성이 불균형 적으로 존재하지 않는 한 결과가 대부분의 정규 모집단을 대표한다고 가정합니다.
우선, 연구원은 시스템의 기초가 될 시작 정수를 선택합니다. 이 숫자는 전체 인구보다 적어야합니다 (예: 100 야드 축구장을 샘플링하기 위해 500 야드마다 선택하지는 않음). 숫자를 선택한 후 연구원은 모집단의 표본 간 간격 또는 간격을 선택합니다.
주요 테이크 아웃
- 시스템 샘플링은 단순하기 때문에 연구자들에게 인기가 있으며, 이 방법론의 다른 장점으로는 군집 선택 현상을 제거하고 데이터를 오염시킬 가능성이 낮으며, 특정 패턴의 과도 또는 과소 표현 및 데이터 조작 위험이 크다는 단점이 있습니다..
체계적인 샘플링 예
체계적인 표본에서 선택한 데이터가 고르게 분포됩니다. 예를 들어, 인구 10, 000 명에서 통계학자는 샘플링 할 100 번째 사람마다 선택할 수 있습니다. 샘플링 간격은 12 시간마다 하나의 새로운 샘플을 선택하는 것과 같이 체계적 일 수도 있습니다.
체계적인 샘플링의 장점
체계적인 샘플링의 장점은 다음과 같습니다.
실행 및 이해가 쉬움
체계적인 샘플은 구성, 실행, 비교 및 이해가 비교적 쉽습니다. 이는 예산 제약이 엄격한 연구 또는 설문 조사에 특히 중요합니다.
프로세스 제어 및 감지
체계적인 방법은 또한 연구원과 통계 학자에게 어느 정도의 제어 및 프로세스 감각을 제공합니다. 이는 표본 추출이 특정 매개 변수에 적합하게 구성되었다고 가정 할 때 엄격한 매개 변수 또는 좁게 형성된 가설을 가진 연구에 특히 유용 할 수 있습니다.
클러스터 된 선택 제거
무작위로 선택된 샘플이 모집단에서 드물게 서로 가까운 현상 인 군집 선택은 체계적인 샘플링에서 제거됩니다. 무작위 샘플은 샘플 수를 늘리거나 둘 이상의 측량을 실행하여이를 처리 할 수 있습니다. 이들은 비싼 대안이 될 수 있습니다.
낮은 위험 요소
아마도 체계적인 접근 방식의 가장 큰 장점은 위험 요소가 적다는 것입니다. 시스템의 주요 잠재적 단점은 데이터를 오염시킬 가능성이 현저히 낮다는 것입니다.
체계적인 샘플링의 단점
이 연구 방법에는 다음과 같은 단점이 있습니다.
인구의 크기를 결정할 수 있다고 가정
체계적인 방법은 모집단의 규모가 이용 가능하거나 합리적으로 추정 될 수 있다고 가정합니다. 예를 들어, 연구자들이 주어진 영역에서 쥐의 크기를 연구하려고한다고 가정하자. 그들이 얼마나 많은 쥐가 있는지 전혀 모른다면 체계적으로 시작점이나 간격 크기를 선택할 수 없습니다.
자연의 무작위성 필요
모집단은 선택한 측정 항목을 따라 자연스럽게 임의의 정도를 나타내야합니다. 모집단에 표준화 된 패턴 유형이있는 경우 실수로 매우 일반적인 사례를 선택할 위험이 더 분명합니다.
단순한 가상의 상황을 위해, 목록에있는 모든 짝수 개가 작고 모든 홀수 개가 큰 (의도적으로 또는 우연히) 좋아하는 개 품종의 목록을 고려하십시오. 체계적인 샘플러가 네 번째 개로 시작하여 6 개의 간격을 선택한 경우 설문 조사는 큰 개를 건너 뜁니다.
데이터 조작 위험 증가
연구자들이 무작위 데이터가 대표적 대답을하게하지 않고 목표 결과를 얻을 가능성을 높이기 위해 시스템을 구축 할 수 있기 때문에 체계적인 샘플링으로 데이터 조작의 위험이 더 큽니다. 결과 통계를 신뢰할 수 없습니다.
