多级抽样|介绍指南和示例
在多级抽样,或多阶段聚类抽样,则绘制一个样本在每个阶段使用越来越小的群体(单位)。它经常被用来收集数据在全国调查中,从地理上分散的一大群人。
单段采样vs多段采样
在单阶段抽样中,您将总体划分为单位(例如,家庭或个人),并通过收集所选单位中每个人的数据直接选择样本。
在多级抽样中,你把总体分成越来越小的组,用几个步骤创建一个样本。您可以利用分层分组的优势(例如,从州到城市到社区)来创建一个样本,从该样本中收集数据的成本较低且耗时较短。
你可以用任何一种概率或non-probability单段抽样和多段抽样方法。但对于外部效度,或普遍性在美国,最好使用概率抽样方法,这样可以进行更有力的统计推断。
单级抽样
在单阶段概率抽样中,你从a开始抽样框架,这是整个种群中每个成员的列表。它应该尽可能完整,这样你的样本才能准确地反映你的总体情况。
你可以使用简单随机,系统的,分层,或集群抽样方法的选择概率抽样从采样坐标系中。
整群抽样vs分层抽样
在聚类抽样和分层抽样中,你将你的人口划分为相互排斥和详尽的组。
在整群抽样,人口分为集群,通常以地理位置(如城市或州)或组织(如学校或大学)为基础。在单阶段聚类抽样中,随机选择一些聚类作为样本,并在一个阶段中从这些聚类中的每个人收集数据。
在分层抽样,人口分为地层这些数据通常基于种族、性别或社会经济地位等人口统计学特征。每个单位或人口的成员都被置于一个阶层。从每个阶层中选择一些成员,以便所有群体都在样本中得到代表。
多级抽样通常包括整群抽样和分层抽样的结合。
多级抽样
多级抽样通常被认为是聚类抽样的扩展版本。
在多阶段抽样中,您将总体划分为聚类,并在第一阶段选择一些聚类。在随后的每个阶段,您将这些选定的集群进一步划分为更小的集群,并重复该过程,直到进入最后一步。在最后一步中,您仅为示例选择每个集群的一些成员。
与单阶段抽样一样,首先定义目标人群。但在多级抽样中,你不需要一个列出总体中所有成员的抽样框架。这就是为什么这种方法对于从大规模、分散的人群中收集数据非常有用。
在多级抽样中,你总是在每个阶段从高级别到低级别集群。这些集群通常被称为抽样单位.
在第一阶段,你将总体划分为集群,并从中选择一些:这些是你的初级采样单元(电源)。
在第二阶段,您将psu划分为进一步的集群,并选择其中一些作为您的集群二次采样单元(四)。
你可以在第二个阶段结束,或者根据需要继续这个过程。在最后一个阶段,你会得到你的最终样本最终采样单位(一般)。
对于概率抽样,必须使用概率抽样技术在每个阶段选择聚类。但你可以混合使用简单的随机、系统或分层的方法,根据与你的研究相关和适用的内容,在每个阶段选择单元。
第一阶段:初级采样单元
在第一阶段,就像在聚类抽样中一样,你将把你的人口划分为相互排斥和详尽的聚类。
然后,您将选择一些集群作为您的主要抽样单位,理想情况下使用概率抽样方法。您可以使用任何单级采样方法来选择电源模块。
大规模调查通常在第一阶段结合使用聚类和分层抽样,以帮助确保单位代表更大的人口。这叫做分层多级样品.
首先在第一阶段对集群进行分层。分层后,使用概率抽样方法选择聚类。
单阶段聚类抽样到此结束,因为您将从所选聚类(psu)中的每个人收集数据。这在现实生活中通常是不可行的,所以多级抽样进一步从每个簇或单元内进行抽样,以创建新的单元。
第二阶段:二次采样单元
在第二阶段,将psu划分为更小的采样单元。您将从每个选定的PSU中只选择一些较小的单元:这些是次要采样单元(ssu)。
如果你在这个点结束抽样,它被称为两级或双级抽样.这将意味着从你的二级抽样单位的每个人收集数据:所选学校的所有学生。
通过增加更多阶段来继续这个过程是可选的,但它通常可以使研究过程更简单。
最后阶段:最终采样单位
您可以继续重复进一步划分每个采样单元的过程,并为下一阶段选择其中的几个。在最后阶段,你得到了最终的抽样单位。
优点和缺点
对于大样本,多阶段抽样是有效和灵活的,但可能很难确保你的样本是总体的代表性。
优势
- 你不需要从目标人群的抽样框架开始。
- 与简单的随机样本相比,当你拥有大量或地理上分散的人口时,它相对便宜且有效。
- 它很灵活——你可以根据合适或可行的方法在不同阶段之间改变采样方法。
缺点
- 与简单的随机样本相比,多级样本需要更大的样本量才能达到相同的效果统计推断属性。
- 每个阶段的最佳抽样方法的选择是非常主观的,所以你需要明确的理由来避免你的决定有偏见的决策。
- 它可能会导致不具代表性的样本,因为大部分人口可能没有被选择进行抽样,从而导致总量差额的偏见而且选择性偏差.
关于多级抽样的常见问题
引用这篇Scribbr文章
如果你想引用这个来源,你可以复制和粘贴引用或点击“引用这篇Scribbr文章”按钮,自动添加到我们的免费引用生成器引用。