Ano ang isang Sukat na Random na Pagsusukat?

Ang isang pinag-isang random na sample ay isang paraan ng pagkuha ng impormasyon tungkol sa mga koleksyon ng mga partikular na target audience o demograpiko. Ang mga sampol na ito ay sinadya upang maging kinatawan lamang ng mga partikular na demograpiko na naka-target, kahit na ang isang na-sample na demograpiko ay maaaring kinatawan ng buong demograpiko sa loob ng populasyon.

Ang data ay ang resulta ng isang uri ng sampling procedure na parehong pinag-istilong at probabilistic. Ang mga sinuring random na sample ay kilala rin bilang proporsyonal na mga random na sample o quota random na sample. Upang maintindihan kung ano ang ibig sabihin nito, mahalaga muna itong buwagin ang mga termino na nasasangkot.

Ano ang sample?

Ang isang sample ay isang mini-representasyon ng isang mas malaking populasyon. Ang mga halimbawa ay maaaring tinukoy sa impormal o pormal. Subalit ang mga sample na sistematikong binuo ayon sa ilang mga siyentipikong pamamaraan ay karaniwang itinuturing na mas kapaki-pakinabang sa paggawa ng mga generalizations tungkol sa mas malaking populasyon.

Ano ang ibig sabihin ng sinagatas?

Ang binagong mga halimbawa ay binubuo ng mga homogenous subgroup na itinuturing na naiiba sa mahahalagang paraan. Ang isang koleksyon ng mga magkakatulad subgroup na ito ay tinutukoy bilang strata. Ang pamamaraang ito ng mga pamamaraan ng sampling ay nagbibigay-daan sa populasyon na paghati sa mga homogenous subgroup na kung saan ang mga simpleng random na sample ay maaaring mapili.

Bakit ang kapaki-pakinabang na sample na kapaki-pakinabang?

Ang layunin ng pagsasapin sa random na sampling ay upang piliin ang mga kalahok mula sa iba't ibang mga subgroup na pinaniniwalaan na may kaugnayan sa pananaliksik na isasagawa. Halimbawa, ang mga resulta ng isang pag-aaral ay maaaring maimpluwensyahan ng mga katangian ng mga paksa, tulad ng kanilang edad, kasarian, antas ng karanasan sa trabaho, lahi at grupo ng etniko, sitwasyon sa ekonomiya, antas ng edukasyon na natamo, at iba pa. Ang isang pinagtitibay na sample ay itinayo upang ang mga potensyal na maimpluwensyang mga katangian ay maaaring makatwirang ipalagay upang ipakita ang huwaran ng mga katangiang ito sa pangkalahatang populasyon.

Sa ganitong paraan, ang sample ay sumasalamin sa populasyon mula sa kung saan ito ay kinuha, ngunit ang sample ay hindi maaaring sinabi na kinatawan ng mas malaking populasyon. Tandaan, ang pagpili ng mga miyembro ng isang pinag-isang sample ay hindi isang random na proseso. Na sinabi, sa sandaling ang sapin ay naitatag, ang simpleng random na sampling ay ginagamit upang piliin ang mga miyembro ng sample para sa bawat stratum.

Ano ang ibig sabihin ng probabilistic?

Ang isang sapilitan na random na sample ay probabilistic dahil ang bawat paraan na ginagamit upang piliin ang populasyon ng sample ay nagbibigay ng isang makatwirang maaasahang paraan ng pagtantya kung paano kinakatawan ang sample na populasyon sa mas malaking populasyon kung saan napili ang sample. Sa madaling salita, isang probabilistic sample ang nagpapahintulot sa isang mananaliksik upang tantiyahin ang mga logro na ang halimbawang napili ay o hindi kumakatawan sa mas malaking populasyon kung saan nakuha ang sample.

Isang halimbawa

Ang mga sinasabing random na mga pamamaraan ng sampling ay kadalasang ginagamit kapag may interes sa mga pagkakaiba sa pagitan ng mga homogenous subgroup at ang mas malaking populasyon ng sample bilang isang buo.

Sabihin nating ang isang populasyon ng mga kliyente sa negosyo ay maaaring nahahati sa tatlong grupo: Generation X, millennial, at baby boomer. Bukod dito, may dahilan tayo upang maniwala na ang parehong mga Gen Xers at ang mga millennials ay relatibong mas maliit na mga minorya ng pangkalahatang mga kliyente ng negosyo. Si Gen Xers ay bumubuo ng 5 porsiyento ng pangkalahatang populasyon ng mga kliyente, at ang mga millennial ay bumubuo ng halos 10 porsiyento ng mga kliente. Ang isang simpleng random na sample ng 100 mga miyembro (n = 100) ay maaaring makabuo ng 5 Gen Xers at 10 millennials kung ginamit namin ang sampling fraction na 10 porsiyento.

Ito ay posible-sa pamamagitan lamang ng pagkakataon-upang makakuha ng kahit na mas kaunting Gen Xers at mas kaunting mga millennials kaysa sa sample na iyon. Ang pagsasanib ay malamang na makagawa ng higit pang mga kinitang resulta. Sabihin nating gusto nating magkaroon ng 25 tao sa bawat grupo. Kung kukuha pa rin kami ng isang sample ng 100 (n = 100), maaari kaming makapag-sample ng 25 Gen Xers, 25 millennials, at 50 boomer ng sanggol.

Alam namin na ang 10 porsiyento ng populasyon ay mga millennial (o mga 100 sa aming mga kliyente). Ang isang random na sample ng 25 mga kliyente ay magbibigay ng isang bahagi sa sukat na sampling ng 25/100 o 25 porsiyento. Alam din namin na 5 porsiyento ng 50 mga kliyente na hindi mga boomer ng sanggol ay Gen Xers. Nangangahulugan ito na ang fraction sa loob-ng-stratum ay magiging 25/50 o 50 porsiyento. Kaya, 50 Gen Xers plus 100 millennials ay isang kabuuan ng 150 ng aming client sample. Dahil ang kabuuang populasyon ng kliyente ay 1,000, binabawasan namin ang Gen Xers at millennials (isang kabuuang 150 mga kliyente) na nag-iiwan ng 850 mga kliyente na mga baby boomer.

Ang panloob na seksyon ng sampling para sa mga boomer ng sanggol ay 50/850 o tungkol sa 5.88 porsyento.

Ang dalawang bagay ay maliwanag:

1. Ang tatlong grupo ay mas magkakatulad sa loob ng grupo kaysa sa buong populasyon. Nangangahulugan ito na mayroong mas kaunting pagkakaiba, na nagbibigay ng pagkakataon para sa mas mataas na katumpakan ng istatistika.
2. Dahil ang sample ay na-stratified, magkakaroon ng sapat na mga miyembro mula sa bawat grupo upang makagawa ng makabuluhang mga inferences ng subgroup.

Maaaring mas gusto ang pinag-istilong sampling sa simpleng random sampling kapag mahalaga na kumatawan sa pangkalahatang populasyon at upang kumatawan sa mga pangunahing subgroup ng populasyon, lalo na kapag ang mga subgroup ay medyo maliit ngunit nakikilala sa mga mahahalagang paraan. Sa pamamagitan ng paggamit ng mga pamamaraan ng pagsasaling-wika ng sampling, ang isang tagapagpananaliksik ay maaaring epektibong tiyakin na ang mga subgroup ay maaaring naiiba sa talakayan ng mga natuklasan sa pananaliksik.