Nakumpirma ng random na sampling ang nakikinabang sa mga mananaliksik sa pamamagitan ng pagpapagana sa kanila na makakuha ng isang sample na populasyon na pinakamahusay na kumakatawan sa buong populasyon na pinag-aaralan. Lahat ng pareho, ang pamamaraang ito ng pananaliksik ay hindi nang walang mga kawalan nito.
Stratified Random Sampling: Isang Pangkalahatang-ideya
Ang stratified random sampling ay nagsasangkot ng unang paghati sa isang populasyon sa mga subpopulasyon at pagkatapos ay ilapat ang mga random na mga pamamaraan ng sampling sa bawat subpopulation upang makabuo ng isang grupo ng pagsubok. Ang isang kawalan ay kapag ang mga mananaliksik ay hindi maaaring uriin ang bawat miyembro ng populasyon sa isang subgroup.
Ang stratified random sampling ay naiiba sa simpleng random sampling, na nagsasangkot sa random na pagpili ng data mula sa buong populasyon upang ang bawat posibleng sample ay pantay na mangyari. Sa kaibahan, ang stratified random sampling ay naghahati sa populasyon sa mas maliit na mga grupo, o strata, batay sa ibinahaging mga katangian. Ang isang random na sample ay kinuha mula sa bawat stratum sa direktang proporsyon sa laki ng stratum kumpara sa populasyon.
Stratified Random Sampling Halimbawa
Ang sumusunod ay isang halimbawa ng stratified random sampling:
Ang mga mananaliksik ay nagsasagawa ng isang pag-aaral na idinisenyo upang suriin ang mga pampulitika na kurbatang mga mag-aaral sa ekonomiya sa isang pangunahing unibersidad. Nais ng mga mananaliksik na tiyakin na ang random sample ay pinakamahusay na tinatayang ang populasyon ng mag-aaral, kabilang ang kasarian, undergraduates, at mga mag-aaral na nagtapos. Ang kabuuang populasyon sa pag-aaral ay 1, 000 mag-aaral at mula doon, ang mga subgroup ay nilikha tulad ng ipinapakita sa ibaba.
Kabuuang populasyon = 1, 000
Itatalaga ng mga mananaliksik ang bawat mag-aaral sa ekonomiks sa unibersidad sa isa sa apat na subpopulasyon: lalaki undergraduate, babaeng undergraduate, male graduate at babaeng nagtapos. Susuriin ng mga mananaliksik kung gaano karaming mga mag-aaral mula sa bawat subgroup ang bumubuo sa kabuuang populasyon ng 1, 000 mag-aaral. Mula doon, kinakalkula ng mga mananaliksik ang bawat porsyento ng bawat subgroup ng kabuuang populasyon.
Mga Grupo:
- Lalaki undergraduates = 450 mga mag-aaral (sa 100) o 45% ng populasyonFemale undergraduates = 200 mga mag-aaral o 20% Lalake na mag-aaral na nagtapos = 200 mga mag-aaral o 20% Mga mag-aaral na nagtapos sa graduate = 150 mga mag-aaral o 15%
Ang random na sampling ng bawat subpopulation ay ginagawa, batay sa kinatawan nito sa loob ng populasyon bilang isang kabuuan. Yamang ang mga lalaki na undergraduates ay 45% ng populasyon, 45 na mga lalaki na undergraduates ay sapalarang napili sa subgroup na iyon. Dahil ang mga male graduates ay bumubuo lamang ng 20% ng populasyon, 20 ang napili para sa sample at iba pa.
Habang ang stratified random sampling ay tumpak na sumasalamin sa populasyon na pinag-aaralan, ang mga kundisyon na kailangang matugunan ay nangangahulugang ang pamamaraang ito ay hindi magamit sa bawat pag-aaral.
Mga Kalamangan ng Stratified Random Sampling
Ang nakabalangkas na random sampling ay may mga kalamangan kung ihahambing sa simpleng random sampling.
Tumpak na Sumasalamin sa Pag-aaral na Natuto
Ang tumpak na random na sampling ay tumpak na sumasalamin sa populasyon na pinag-aaralan sapagkat pinapagpapalakasan ng mga mananaliksik ang buong populasyon bago ilapat ang mga random na pamamaraan ng sampling. Sa madaling salita, tinitiyak nito ang bawat subgroup sa loob ng populasyon ay tumatanggap ng wastong representasyon sa loob ng sample. Bilang isang resulta, ang stratified random sampling ay nagbibigay ng mas mahusay na saklaw ng populasyon dahil ang mga mananaliksik ay may kontrol sa mga subgroup upang matiyak na ang lahat ng mga ito ay kinakatawan sa sampling.
Sa simpleng random sampling, walang anumang garantiya na ang anumang partikular na subgroup o uri ng tao ay pinili. Sa aming mas maagang halimbawa ng mga mag-aaral sa unibersidad, ang paggamit ng simpleng random sampling upang makakuha ng isang sample ng 100 mula sa populasyon ay maaaring magresulta sa pagpili ng 25 lamang na undergraduates ng lalaki o 25% lamang ng kabuuang populasyon. Gayundin, 35 babaeng mag-aaral na graduate ay maaaring mapili (35% ng populasyon) na nagreresulta sa ilalim ng representasyon ng mga lalaki na undergraduates at over-representasyon ng mga babaeng mag-aaral na nagtapos. Ang anumang mga pagkakamali sa kinatawan ng populasyon ay may posibilidad na mabawasan ang kawastuhan ng pag-aaral.
Mga Kakulangan ng Stratified Random Sampling
Ang stratified random sampling ay nagtatanghal din sa isang mananaliksik ng mga mananaliksik.
Hindi Magagamit sa Lahat ng Pag-aaral
Sa kasamaang palad, ang pamamaraang ito ng pananaliksik ay hindi maaaring magamit sa bawat pag-aaral. Ang kawalan ng pamamaraan ay ang maraming mga kundisyon ay dapat matugunan para magamit ito nang maayos. Dapat tukuyin ng mga mananaliksik ang bawat miyembro ng isang populasyon na pinag-aaralan at pag-uri-uriin ang bawat isa sa kanila, at isa lamang, subpopulasyon. Bilang isang resulta, ang stratified random sampling ay hindi nakakapinsala kung hindi masigasig na pag-uuri ng mga mananaliksik ang bawat miyembro ng populasyon sa isang subgroup. Gayundin, ang paghahanap ng isang kumpleto at tiyak na listahan ng isang buong populasyon ay maaaring maging mahirap.
Ang pag-overlay ay maaaring maging isang isyu kung mayroong mga paksa na nahuhulog sa maraming mga subgroup. Kung isinasagawa ang simpleng random sampling, ang mga taong nasa maraming mga subgroup ay mas malamang na mapili.Ang resulta ay maaaring isang maling pagpapahayag o hindi tumpak na pagmuni-muni ng populasyon.
Ang halimbawa sa itaas ay ginagawang madali: undergraduate, graduate, lalaki, at babae ay malinaw na tinukoy na mga pangkat. Gayunpaman, sa iba pang mga sitwasyon, maaaring mas mahirap. Isipin ang pagsasama ng mga katangian tulad ng lahi, etnisidad, o relihiyon. Ang proseso ng pag-uuri ay nagiging mas mahirap, ang paglalagay ng stratified random sampling ng isang hindi epektibo at mas mababa sa perpektong pamamaraan.
Mga Key Takeaways
- Pinahusay na random sampling ay nagbibigay-daan sa mga mananaliksik na makakuha ng isang sample na populasyon na pinakamahusay na kumakatawan sa buong populasyon na pinag-aaralan. Ang pamamaraang ito ng pananaliksik ay hindi maaaring magamit sa bawat pag-aaral. Ang pagtukoy ng random sampling ay naiiba sa simpleng random sampling, na nagsasangkot sa random na pagpili ng data mula sa isang buong populasyon, kaya ang bawat posibleng sample ay pantay na mangyari.
