研究者は、大規模な母集団に関する情報を取得するために、単純ランダム、体系的、層化、およびクラスターの4つの確率サンプリング方法を使用します。 特定の母集団のすべての人が、確率サンプリングで選択される可能性が既知で等しく、最も重要なのは、人々がランダムに選択されることです。
確率サンプルの有用性
企業がアメリカ人について何かを知りたいと思うたびに、米国のすべての人を調査することはどれほど困難で費用がかかるか想像してみてください。 サンプルがランダムに作成され、全員が参加する機会があった場合、サンプルの結果は、全員を調査する国勢調査の結果に近くなります。 確率サンプリングは、社会から情報を取得するための重要で時間の節約になり、はるかに安価な方法です。 国勢調査よりも、少数の調査を行ったとしても、その結果は大規模な人口を反映する可能性があるためです。 人。 サンプルがランダムに作成されていない場合、つまり確率のないサンプリングである場合、結果が母集団全体を反映している可能性は低いです。
単純ランダムおよび系統抽出
単純ランダムサンプリングでは、人々は完全な母集団リストからランダムに選択されます。 通常、母集団内の各個人または世帯には番号が与えられ、コンピューターはサンプルに誰が選ばれたかを示す乱数を生成します。 宝くじは純粋にランダムなサンプルです。 すべてのチケット所有者は宝くじに参加していますが、ランダムに選ばれるのはごくわずかです。
系統抽出は単純ランダムサンプリングに似ていますが、参加者の選択のパターンという1つの違いがあります。 たとえば、研究者はランダムなポイントから始めて、ジョージア州アトランタの電話帳で見つけた100番目の名前ごとに名前を付けることができます。 このサンプリング方法は、消費者の郵便や電話によるインタビューに広く使用されています。
層化およびクラスターサンプリング
層化サンプリングは、母集団のさまざまな部分を比較するときに役立ちます。 研究者は、ニーズに関連する方法で母集団を分割またはセグメント化し、各セグメントで単純なランダムサンプルを取得します。 セグメントは、サブポピュレーションまたはストラタと呼ばれます。 1,000人の女性と男性がヘルスケアについてどのように感じているかを比較したい場合は、性別ごとに母集団をセグメント化または階層化し、500人の男性と500人の女性をランダムに選択できます。 年齢、教育、収入、場所など、さまざまな方法で人口をセグメント化または階層化できます。
クラスターサンプリングには、2つのランダムプロセスが含まれます。 最初のステップは、母集団を特定のグループに分割してから、特定の人々ではなく、ランダムにグループを選択することです。 次に、研究者は、選択した各グループでのみ単純ランダムサンプルを実行します。 研究者は、郵便番号や大都市圏を使用してグループを作成することがよくあります。
4つの例
研究者は、520人を調査することにより、すべてのアメリカ人がヘルスケアについてどのように感じているかを知りたいと思うかもしれません。 彼がすべてのアメリカ人のリストを持っていて、全国から520人をランダムに選択する場合、それは単純なランダムサンプリングです。 代わりに、彼がすべてのアメリカ人のリストのランダムなポイントから開始し、700,000人ごとに選択する場合、それは系統抽出です。
彼がすべてのアメリカ人のリストを50の州に分割し、各州からランダムに10人を抽出する場合、彼は層化抽出法を使用します。 彼が50の州からランダムに26の州を選択し、次に26の州のそれぞれからランダムに20人を引き寄せる場合、彼はクラスターサンプリングを使用します。