層化サンプルとその作成方法について

ベン・マイナーズ/ゲッティイメージズ

層化されたサンプルは、特定の母集団のサブグループ (層) がそれぞれ全体の中で適切に表されていることを保証するものです。 サンプル母集団 調査研究の。たとえば、成人のサンプルを、18 ～ 29 歳、30 ～ 39 歳、40 ～ 49 歳、50 ～ 59 歳、60 歳以上など、年齢別にサブグループに分けることができます。このサンプルを階層化するために、研究者は各年齢層から比例した量の人々をランダムに選択します。これは、傾向や問題がサブグループ間でどのように異なるかを調べるための効果的なサンプリング手法です。

重要なことは、この手法で使用される階層が重複してはならないということです。重複すると、一部の個人が他の個人よりも選択される可能性が高くなるためです。これにより、偏ったサンプルが作成され、研究にバイアスがかかり、結果がレンダリングされます 無効 .

層化無作為抽出で使用される最も一般的な層には、年齢、性別、宗教、人種、学歴、 社会経済的地位 、および国籍。

層化サンプリングを使用する場合

研究者が他のタイプのサンプリングよりも層化無作為抽出を選択する状況は数多くあります。まず、研究者が調べたいときに使いますサブグループ人口内。研究者は、2 つ以上のサブグループ間の関係を観察したい場合や、母集団のまれな極端を調べたい場合にも、この手法を使用します。このタイプのサンプリングでは、研究者は各サブグループの被験者が最終サンプルに含まれていることが保証されます。 無作為抽出 サブグループがサンプル内で均等または比例して表されることは保証されません。

比例層化ランダムサンプル

比例成層ランダム サンプリングでは、各層のサイズは、母集団全体を調べると、層の母集団のサイズに比例します。これは、各層のサンプリング割合が同じであることを意味します。

たとえば、人口サイズが 200、400、600、および 800 の 4 つの層があるとします。サンプリングの割合を ½ にすると、各層からそれぞれ 100、200、300、および 400 人の被験者をランダムにサンプリングする必要があります。 .層の母集団サイズの違いに関係なく、各層には同じサンプリング比率が使用されます。

不均衡な層化ランダムサンプル

不均衡成層無作為抽出では、異なる層が互いに同じ抽出割合を持ちません。たとえば、4 つの層に 200、400、600、および 800 人が含まれる場合、層ごとに異なるサンプリング比率を選択できます。おそらく、200 人の最初の層のサンプリング比率は 1/2 で、100 人がサンプルに選択され、800 人の最後の層のサンプリング比率は 1/4 で、200 人がサンプルに選択されます。

不均衡層化無作為抽出法を使用する精度は、研究者が選択して使用する抽出分数に大きく依存します。ここでは、研究者は非常に注意深く、自分が何をしているかを正確に把握する必要があります。サンプリング分数の選択と使用に誤りがあると、ストラタムが過大または過小に表現され、歪んだ結果が生じる可能性があります。

層化サンプリングの利点

階層化されたサンプルを使用すると、単純な無作為サンプルより常に高い精度が得られます。 興味の特徴 .地層間の差が大きいほど、精度が向上します。

管理上、単純なランダム サンプルを選択するよりも、サンプルを階層化する方が便利なことがよくあります。たとえば、インタビュアーは、ある特定の年齢または民族グループに対処する最善の方法についてトレーニングを受けることができますが、他の人は、別の年齢または民族グループに対処する最善の方法についてトレーニングを受けることができます。このようにして、インタビュアーは少数のスキルセットに集中して磨きをかけることができ、研究者にとってタイムリーでコストもかかりません。

層化サンプルは、単純な無作為サンプルよりもサイズを小さくできるため、研究者の時間、費用、および労力を大幅に節約できます。これは、このタイプのサンプリング手法は、単純な無作為抽出に比べて統計精度が高いためです。

最後の利点は、層化されたサンプルが母集団のより良いカバレッジを保証することです。研究者は、サンプルに含まれるサブグループを制御できますが、単純な無作為抽出では、特定のタイプの人が最終サンプルに含まれるとは限りません。

層化サンプリングの欠点

層化サンプリングの主な欠点の 1 つは、研究に適した層を特定するのが難しい場合があることです。 2 つ目の欠点は、単純なランダム サンプリングに比べて、結果の整理と分析がより複雑になることです。

更新者ニッキー リサ コール博士