Differenza tra campionamento stratificato e a grappolo

Nel nostro precedente articolo, abbiamo discusso il campionamento di probabilità e non probabilità, in cui ci siamo imbattuti in tipi di campionamento probabilistico, cioè Campionamento stratificato e Campionamento a grappolo. Nella tecnica di campionamento stratificato, il campione viene creato dalla selezione casuale di elementi da tutti gli strati mentre nel campionamento del cluster, tutte le unità dei cluster selezionati casualmente formano un campione.

Nel campionamento stratificato, viene seguito un processo in due fasi per dividere la popolazione in sottogruppi o strati. Al contrario, nel campionamento di cluster inizialmente una partizione di oggetti di studio viene trasformata in sottogruppi che si escludono a vicenda e collettivamente completi, noti come cluster. successivamente viene scelto un campione casuale del cluster, basato su un semplice campionamento casuale.

In questo estratto dell'articolo, puoi trovare tutte le differenze tra il campionamento stratificato e del cluster, quindi prendi una lettura.

Contenuto: Campionamento stratificato Vampling Cluster

  1. Grafico comparativo
  2. Definizione
  3. Differenze chiave
  4. Conclusione

Grafico comparativo

Base per il confrontoCampionamento stratificatoCampionamento a grappolo
SensoIl campionamento stratificato è uno, in cui la popolazione è divisa in segmenti omogenei, quindi il campione viene prelevato a caso dai segmenti.Il campionamento a grappolo si riferisce a un metodo di campionamento in cui i membri della popolazione vengono selezionati casualmente, da gruppi presenti in natura chiamati "cluster".
CampioneLe persone selezionate a caso vengono prese da tutti gli strati.Tutti gli individui sono presi da cluster selezionati casualmente.
Selezione di elementi di popolazioneIndividualmenteCollettivamente
OmogeneitàAll'interno del gruppoTra gruppi
EterogeneitàTra gruppiAll'interno del gruppo
BiforcazioneImposto dal ricercatoreGruppi che si verificano in natura
ObbiettivoAumentare la precisione e la rappresentazione.Per ridurre i costi e migliorare l'efficienza.

Definizione di campionamento stratificato

Il campionamento stratificato è un tipo di campionamento probabilistico, in cui prima di tutto la popolazione viene biforcata in vari sottogruppi (strati) omogenei che si escludono a vicenda, dopo di che un soggetto viene selezionato in modo casuale da ciascun gruppo (strato), che vengono quindi combinati per formare un singolo campione Uno strato non è altro che un sottoinsieme omogeneo della popolazione, e quando tutti gli strati sono presi insieme, è noto come strati.

I fattori comuni in cui la popolazione è separata sono età, sesso, reddito, razza, religione, ecc. Un punto importante da ricordare è che gli strati dovrebbero essere collettivamente esaurienti in modo che nessun individuo sia escluso e anche non sovrapposto perché lo strato sovrapposto può determinare l'aumento delle possibilità di selezione di alcuni elementi della popolazione. I sottotipi di campionamento stratificato sono:

  • Campionamento Stratificato Proporzionato
  • Campionamento stratificato sproporzionato

Definizione del campionamento del cluster

Il campionamento a grappolo è definito come una tecnica di campionamento in cui la popolazione è suddivisa in raggruppamenti già esistenti (cluster), quindi un campione del cluster viene selezionato a caso dalla popolazione. Il termine cluster si riferisce a un raggruppamento naturale, ma eterogeneo, intatto dei membri della popolazione.

Le variabili più comuni utilizzate nella popolazione di clustering sono l'area geografica, gli edifici, la scuola, ecc. L'eterogeneità del cluster è una caratteristica importante di un progetto di esempio di cluster ideale. I tipi di campionamento del cluster sono indicati di seguito:

  • Campionamento a cluster a stadio singolo
  • Campionamento a cluster a due stadi
  • Campionamento multistadio di cluster


Differenze chiave tra campionamento stratificato e cluster

Le differenze tra il campionamento stratificato e quello a grappolo possono essere tratte in modo chiaro per i seguenti motivi:

  1. Una procedura di campionamento probabilistico in cui la popolazione viene separata in diversi segmenti omogenei chiamati "strati", e quindi il campione viene scelto a caso da ciascuno strato a caso, viene chiamato Campionamento stratificato. Cluster Sampling è una tecnica di campionamento in cui le unità della popolazione vengono selezionate casualmente da gruppi già esistenti chiamati "cluster".
  2. Nel campionamento stratificato gli individui vengono selezionati casualmente da tutti gli strati, per costituire il campione. D'altra parte il campionamento del cluster, il campione si forma quando tutti gli individui sono presi da cluster selezionati casualmente.
  3. Nel campionamento del cluster, gli elementi della popolazione sono selezionati in aggregati, tuttavia, nel caso del campionamento stratificato, gli elementi della popolazione vengono selezionati singolarmente da ogni strato.
  4. Nel campionamento stratificato, vi è omogeneità all'interno del gruppo, mentre nel caso del campionamento a grappolo si trova l'omogeneità tra i gruppi.
  5. L'eterogeneità si verifica tra i gruppi nel campionamento stratificato. Al contrario, i membri del gruppo sono eterogenei nel campionamento del cluster.
  6. Quando il metodo di campionamento adottato dal ricercatore viene stratificato, allora le categorie vengono imposte da lui. Al contrario, le categorie sono gruppi già esistenti nel campionamento del cluster.
  7. Il campionamento stratificato mira a migliorare la precisione e la rappresentazione. A differenza del campionamento a cluster, il cui obiettivo è migliorare l'efficacia dei costi e l'efficienza operativa.

Conclusione

Per concludere la discussione, possiamo dire che una situazione preferibile per il campionamento stratificato è quando l'identità all'interno di uno strato individuale e gli strati significano variare l'uno dall'altro. D'altra parte, la situazione standard per il campionamento del cluster si verifica quando la diversità all'interno dei cluster e il cluster non devono variare l'uno dall'altro.

Inoltre, gli errori di campionamento possono essere ridotti nel campionamento stratificato se vengono aumentate le differenze tra i gruppi tra gli strati, mentre le differenze tra i gruppi tra i cluster dovrebbero essere ridotte al minimo per ridurre gli errori di campionamento nel campionamento dei cluster.