स्तरीकृत नमूनों को समझना और उन्हें कैसे बनाना है

एक स्तरीकृत नमूना वह है जो यह सुनिश्चित करता है कि किसी दिए गए आबादी के उपसमूह (स्ट्रेटा) प्रत्येक को पूरे के भीतर पर्याप्त रूप से दर्शाया गया है नमूना जनसंख्या एक शोध अध्ययन के। उदाहरण के लिए, कोई भी 18-29, 30-39, 40-49, 50-59 और 60 और उससे अधिक उम्र के वयस्कों को उपसमूहों में विभाजित कर सकता है। इस नमूने को स्तरीकृत करने के लिए, शोधकर्ता प्रत्येक आयु वर्ग के लोगों की आनुपातिक मात्रा का चयन करेगा। यह अध्ययन के लिए एक प्रभावी नमूनाकरण तकनीक है कि कैसे उपसमूहों में एक प्रवृत्ति या मुद्दा भिन्न हो सकता है।

महत्वपूर्ण रूप से, इस तकनीक में प्रयुक्त स्ट्रैट को ओवरलैप नहीं करना चाहिए, क्योंकि यदि वे करते हैं, तो कुछ व्यक्तियों के पास दूसरों की तुलना में चयनित होने की अधिक संभावना होगी। यह एक तिरछा नमूना बनाएगा जो शोध को पूर्वाग्रहित करेगा और परिणामों को प्रस्तुत करेगा अमान्य.

स्तरीकृत यादृच्छिक नमूने में उपयोग किए जाने वाले कुछ सबसे सामान्य स्ट्रैट्स में आयु, लिंग, धर्म, जाति, शैक्षिक प्राप्ति आदि शामिल हैं। सामाजिक आर्थिक स्थितिऔर राष्ट्रीयता।

ऐसी कई स्थितियाँ हैं जिनमें शोधकर्ता अन्य प्रकार के नमूनों पर स्तरीकृत यादृच्छिक नमूने का चयन करेंगे। सबसे पहले, इसका उपयोग तब किया जाता है जब शोधकर्ता जांच करना चाहता है

आनुपातिक स्तरीकृत यादृच्छिक नमूनाकरण में, प्रत्येक स्ट्रेटम का आकार संपूर्ण आबादी की जांच करने पर स्ट्रैट के जनसंख्या आकार के अनुपात में होता है। इसका मतलब यह है कि प्रत्येक स्ट्रैटनम में समान नमूना अंश होता है।

उदाहरण के लिए, मान लें कि आपके पास 200, 400, 600 और 800 के जनसंख्या आकार के साथ चार समतल हैं। यदि आप ½ का एक नमूना अंश चुनते हैं, तो इसका मतलब है कि आपको क्रमशः प्रत्येक स्ट्रॉम से 100, 200, 300 और 400 विषयों का बेतरतीब ढंग से नमूना लेना चाहिए। समता के जनसंख्या आकार में अंतर की परवाह किए बिना प्रत्येक नमूने के लिए समान नमूना अंश का उपयोग किया जाता है।

अनुपातहीन स्तरीकृत यादृच्छिक नमूने में, अलग-अलग स्ट्रैट में एक-दूसरे के समान नमूना अंश नहीं होते हैं। उदाहरण के लिए, यदि आपके चार स्ट्रेट्स में 200, 400, 600 और 800 लोग शामिल हैं, तो आप प्रत्येक स्ट्रैटम के लिए अलग-अलग सैंपलिंग फ्रैक्शन कर सकते हैं। शायद 200 लोगों के साथ पहले स्ट्रैटम में resulting का नमूना अंश होता है, जिसके परिणामस्वरूप 100 लोगों को चुना जाता है सैंपल, जबकि 800 लोगों के साथ अंतिम स्ट्रैटनम में ¼ का सैंपलिंग अंश होता है, जिसके परिणामस्वरूप 200 लोगों का चयन किया जाता है नमूना।

शोधकर्ता द्वारा चुने गए और उपयोग किए जाने वाले नमूने के अंशों पर डिस्प्रोटेनेटेड स्तरीकृत यादृच्छिक नमूने का उपयोग करने की सटीकता अत्यधिक निर्भर है। यहां, शोधकर्ता को बहुत सावधान रहना चाहिए और यह जानना चाहिए कि वे क्या कर रहे हैं। नमूना अंशों को चुनने और उनका उपयोग करने के लिए बनाई गई गलतियाँ एक परिणाम का प्रतिनिधित्व कर सकती हैं जो अधिक-प्रतिनिधित्व वाली या कम-प्रतिनिधित्व वाली होती हैं, जिसके परिणामस्वरूप तिरछे परिणाम होते हैं।

एक स्तरीकृत नमूने का उपयोग करना हमेशा एक सरल यादृच्छिक नमूने की तुलना में अधिक सटीकता प्राप्त करेगा, बशर्ते कि स्ट्रैट को इसलिए चुना गया है ताकि एक ही स्ट्रैटम के सदस्य जितना संभव हो सके ब्याज की विशेषता. स्ट्रैट के बीच अंतर जितना अधिक होगा, परिशुद्धता में अधिक लाभ होगा।

प्रशासनिक रूप से, एक साधारण यादृच्छिक नमूने का चयन करने की तुलना में एक नमूने को स्तरीकृत करना अक्सर अधिक सुविधाजनक होता है। उदाहरण के लिए, साक्षात्कारकर्ताओं को एक विशेष आयु या जातीय समूह के साथ सर्वोत्तम व्यवहार करने के तरीके के बारे में प्रशिक्षित किया जा सकता है, जबकि अन्य को एक अलग उम्र या जातीय समूह से निपटने के सर्वोत्तम तरीके पर प्रशिक्षित किया जाता है। इस तरह साक्षात्कारकर्ता कौशल के एक छोटे समूह पर ध्यान केंद्रित कर सकते हैं और परिष्कृत कर सकते हैं और यह शोधकर्ता के लिए कम समय पर और महंगा है।

एक स्तरीकृत नमूना सरल यादृच्छिक नमूनों की तुलना में आकार में छोटा हो सकता है, जो शोधकर्ताओं के लिए बहुत समय, पैसा और प्रयास बचा सकता है। ऐसा इसलिए है क्योंकि इस तरह की सैंपलिंग तकनीक में सरल यादृच्छिक नमूने की तुलना में उच्च सांख्यिकीय सटीकता है।

एक अंतिम लाभ यह है कि एक स्तरीकृत नमूना आबादी के बेहतर कवरेज की गारंटी देता है। शोधकर्ता का नमूना में शामिल उपसमूहों पर नियंत्रण होता है, जबकि सरल यादृच्छिक नमूना यह गारंटी नहीं देता है कि अंतिम नमूने में किसी एक प्रकार के व्यक्ति को शामिल किया जाएगा।

स्तरीकृत नमूनाकरण का एक मुख्य नुकसान यह है कि एक अध्ययन के लिए उपयुक्त स्तर की पहचान करना मुश्किल हो सकता है। एक दूसरा नुकसान यह है कि सरल यादृच्छिक नमूने की तुलना में परिणामों को व्यवस्थित और विश्लेषण करना अधिक जटिल है।

द्वारा अपडेट निकी लिसा कोल, पीएचडी।