Differenza tra campionamento stratificato e a grappolo

2019

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 del 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.

Grafico comparativo

Base per il confronto	Campionamento stratificato	Campionamento a grappolo
Senso	Il 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".
Campione	Le persone selezionate a caso vengono prese da tutti gli strati.	Tutti gli individui sono presi da cluster selezionati casualmente.
Selezione di elementi di popolazione	Individualmente	Collettivamente
Omogeneità	All'interno del gruppo	Tra gruppi
Eterogeneità	Tra gruppi	All'interno del gruppo
Biforcazione	Imposto dal ricercatore	Gruppi che si verificano in natura
Obbiettivo	Aumentare 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 casualmente da ciascun gruppo (strato), che vengono poi combinati per formare un solo campione Uno strato non è altro che un sottoinsieme omogeneo della popolazione, e quando tutti gli strati sono presi insieme, è conosciuto 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 esaustivi 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 Proporzionale
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 una progettazione di campioni 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:

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".
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.
Nel campionamento del cluster, gli elementi della popolazione vengono selezionati in aggregati, tuttavia, nel caso del campionamento stratificato, gli elementi della popolazione vengono selezionati singolarmente da ogni strato.
Nel campionamento stratificato, vi è omogeneità all'interno del gruppo, mentre nel caso del campionamento a cluster l'omogeneità si trova tra i gruppi.
L'eterogeneità si verifica tra i gruppi nel campionamento stratificato. Al contrario, i membri del gruppo sono eterogenei nel campionamento del cluster.
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.
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.