Кластерная выборка определяется как метод выборки, при котором исследователь создает несколько кластеров людей из популяции, где они обладают однородными характеристиками и имеют равные шансы стать частью выборки.
Рассмотрим сценарий, в котором организация хочет провести исследование производительности смартфонов по всей Германии. Они могут разделить население всей страны на города (кластеры), выбрать города с наибольшей численностью населения и отфильтровать тех, кто пользуется мобильными устройствами.
Индекс контента
- Что такое кластерная выборка?
- Типы кластерной выборки
- Шаги проведения кластерной выборки
- Применение кластерной выборки
- Кластерная выборка в статистике
- Преимущества кластерной выборки
- Кластерная выборка против стратифицированной выборки
- Вывод
Что такое кластерная выборка?
Кластерная выборка - это метод вероятностной выборки, при котором исследователи делят население на несколько групп (кластеров) для проведения исследования. Затем исследователи отбирают случайные группы с помощью метода простой случайной или систематической случайной выборки для сбора и анализа данных.
Пример: Исследователь хочет провести исследование, чтобы оценить успеваемость второкурсников в сфере бизнес-образования в США. Невозможно провести исследование с участием студентов каждого университета. Вместо этого кластерная выборка позволяет исследователю объединить университеты из каждого города в один кластер. Эти кластеры затем определяют популяцию студентов-второкурсников в США. Далее, используя простую случайную выборку или систематическую случайную выборку, случайным образом выбираются кластеры для проведения исследования. Затем с помощью простой или систематической выборки из каждого из этих отобранных кластеров выбираются второкурсники, на которых будет проводиться исследование.
При таком методе выборки исследователи анализируют выборку, состоящую из нескольких параметров выборки, таких как демографические характеристики, привычки, происхождение - или любой другой атрибут населения, который может быть в центре внимания проводимого исследования. Этот метод обычно проводится, когда группы, похожие, но внутренне различные, образуют статистическую совокупность. Вместо того чтобы выбирать все население, кластерная выборка позволяет исследователям собрать данные, разделив их на небольшие, более продуктивные группы.
Типы кластерной выборки
Существует два способа классификации этого метода выборки. Первый способ основан на количестве этапов, пройденных для получения кластерной выборки, а второй - на представленности групп во всем кластерном анализе. В большинстве случаев выборка по кластерам происходит в несколько этапов. Этапом считается шаг, предпринятый для получения желаемой выборки. Мы можем разделить эту технику на одноэтапную, двухэтапную и многоэтапную.
Одноэтапная кластерная выборка:
Как следует из названия, выборка делается только один раз. Пример одноэтапной кластерной выборки - НПО хочет создать выборку девочек в пяти соседних городах для получения образования. Используя одноступенчатую выборку, НПО случайным образом выбирает города (кластеры) для формирования выборки и оказания помощи девочкам, лишенным образования в этих городах.
Двухступенчатая кластерная выборка:
В данном случае вместо выбора всех элементов кластера из каждой группы выбирается лишь несколько членов путем систематической или простой случайной выборки. Пример двухэтапной кластерной выборки - владелец бизнеса хочет изучить производительность своих заводов, расположенных в разных частях США. Он создает кластеры заводов. Затем он/она выбирает случайные выборки из этих кластеров для проведения исследования.
Многоступенчатая кластерная выборка:
Многоступенчатая кластерная выборка идет на шаг или несколько шагов дальше, чем двухступенчатая выборка.
Для проведения эффективного исследования в нескольких географических регионах необходимо сформировать сложные кластеры, что можно сделать только с помощью метода многоступенчатой выборки. Пример многоступенчатой выборки по кластерам - Организация намерена провести исследование для анализа производительности смартфонов по всей Германии. Они могут разделить все население страны на города (кластеры) и выбрать города с наибольшей численностью населения, а также отфильтровать тех, кто пользуется мобильными устройствами.
Steps to conduct Cluster Sampling
Здесь описаны шаги для проведения кластерной выборки:
- Выборка: Определите целевую аудиторию, а также размер выборки.
- Создайте и оцените рамки выборки: Создайте рамку выборки, используя либо существующие рамки, либо создав новую для целевой аудитории. Оцените рамки на основе охвата и кластеризации и внесите соответствующие коррективы. Эти группы будут разнообразными, учитывая совокупность, которая может быть исключительной и всеобъемлющей. Члены выборки отбираются индивидуально.
- Определение групп: Определите количество групп, включив в каждую из них одинаковое среднее количество членов. Поэтому убедитесь, что каждая из этих групп отличается друг от друга.
- Выбрать кластеры: Выбрать кластеры, применяя случайный отбор.
- Создать подтипы: Он раздваивается на двухэтапный и многоэтапный подтипы в зависимости от количества шагов, которым следуют исследователи для формирования кластеров.
Applications of Cluster Sampling
Этот метод выборки используется в территориальной или географической кластерной выборке для маркетинговых исследований. Опрос в широком географическом районе может быть дорогостоящим по сравнению с опросами, направленными в кластеры, разделенные по регионам. Для получения точных результатов необходимо увеличить численность выборки, но экономия средств делает этот процесс увеличения кластеров достижимым.
Кластерная выборка в статистике
Эта техника широко используется в статистике, когда исследователь не может собрать данные от всего населения. Таким образом, это наиболее экономичное и практичное решение для статистиков-исследователей. Возьмем пример исследователя, желающего понять использование смартфонов в Германии. В этом случае города Германии образуют кластеры. Этот метод выборки также используется во время войн и стихийных бедствий для получения выводов о населении, когда сбор данных от каждого отдельного жителя невозможен.
Преимущества кластерной выборки
У использования кластерной выборки есть множество преимуществ. Вот они:
- Затраты времени и средств: Выборка географически разделенных групп требует меньше работы, времени и затрат. Это очень экономичный метод наблюдения за кластерами вместо того, чтобы проводить их случайным образом по всему определенному региону, выделяя ограниченное количество ресурсов на эти выбранные кластеры.
- Удобный доступ: Исследователи могут выбирать большие выборки с помощью этой техники выборки, и это увеличит доступность к различным кластерам.
- Точность данных: Поскольку в каждом кластере могут быть большие выборки, потеря точности данных в информации на одного человека может быть компенсирована.
- Простота реализации: Кластерная выборка облегчает получение информации из различных областей и групп. Исследователи могут быстро применять ее в практических ситуациях по сравнению с другими методами вероятностной выборки.
По сравнению с простой случайной выборкой, этот метод может быть полезен при определении характеристик группы, такой как население, и исследователи могут применять его без наличия выборочной совокупности для всех элементов для всего населения.
Кластерная выборка против стратифицированной выборки
Поскольку кластерная и стратифицированная выборки довольно похожи, могут возникнуть проблемы с пониманием их тонкостей. Поэтому давайте поговорим о существенных различиях между кластерной и стратифицированной выборкой:
| Элементы популяции случайным образом отбираются в группы (кластеры). | Исследователь делит всю совокупность на четные сегменты (страты). |
| Члены случайно отобранных кластеров являются частью этой выборки. | Исследователи рассматривают отдельные компоненты страт случайным образом как часть единиц выборки. |
| Исследователи поддерживают однородность между кластерами. | Исследователи поддерживают однородность внутри страт. |
| Исследователи делят кластеры естественным образом. | Исследователи или статистики в первую очередь принимают решение о разделении страт. |
| Ключевая цель - минимизация затрат и повышение компетентности. | Ключевая цель - провести точную выборку, наряду с правильно представленным населением. |
Вывод
С помощью ПО вы можете реализовать кластерную выборку, разделив целевую совокупность на кластеры. Вы также можете выбрать случайную выборку из этих кластеров для опроса.
Надежный набор исследовательских инструментов ПО предоставляет вам все необходимое для проведения кластерной выборки. Выбирайте из более чем 22 миллионов респондентов, готовых к мобильному использованию, чтобы проводить постоянные маркетинговые исследования для вашего исследования.
- questionpro
Поделиться
