代表サンプルとランダムサンプル：概要
経済学者と研究者は、統計分析を採用する際に、サンプリングバイアスを無視できるレベルにまで下げようとしています。 サンプルの3つの基本的な特性により、サンプリングバイアスの可能性が減り、経済学者はサンプル分析または研究から得られた結果から一般集団についてより自信を持って推論できるようになります。
- そのようなサンプルは、研究対象の選択された母集団を代表するものでなければならず、ランダムに選択する必要があります（つまり、大規模な母集団の各メンバーが選択される確率は等しくなります）。 サンプルグループの最適なサイズは、推論を行うために必要な正確な信頼度に依存します。
代表的なサンプリングとランダムサンプリングは、データに偏りがないようにするために使用される2つの手法です。 これらのサンプリング手法は相互に排他的ではなく、実際には、分析におけるサンプリング誤差の程度を減らし、より大きなグループに関してサンプルから統計的推測を行う際の信頼性を高めるために、しばしば一緒に使用されます。
代表的なサンプル
代表的なサンプルは、調査中の特性や品質に応じて、より大きな統計的母集団または因子またはインスタンスのグループから選択されたグループまたはセットであり、より大きなグループを適切に複製します。
代表的なサンプルは、検討中の大規模な社会の主要な変数と特性に対応しています。 いくつかの例には、性別、年齢、教育レベル、社会経済的地位（SES）、または婚ital状況が含まれます。 サンプルサイズを大きくすると、サンプリングエラーが減少し、サンプルがターゲット母集団を正確に反映する可能性が高くなります。
ランダムサンプル
ランダムサンプルとは、より大きなグループの各メンバーが選択される機会が等しくなるように、インスタンスのより大きな母集団または因子のグループからランダムに選択されたグループまたはセットです。 ランダムサンプルは、より大きな母集団の公平な表現を意味します。 母集団のすべてのメンバーが選択される可能性が等しいため、より大きな母集団からサンプルを選択するのは公平な方法と見なされます。
特別な考慮事項：
サンプルを収集する人々は、バイアスを最小限に抑える必要があります。 代表的なサンプリングは、これを達成するための重要な方法の1つです。そのようなサンプルは、研究中のより大きな母集団の可能な限り近い要素を複製するためです。 ただし、これだけでは、サンプリングバイアスを無視できるほどにするには不十分です。 ランダムサンプリング手法と代表サンプリング手法を組み合わせると、代表母集団の特定のメンバーが他のどのサンプルよりもサンプルを選択する可能性が高くなることがないため、バイアスがさらに減少します。
効果的なランダムサンプリングは、より正確な結果につながるさまざまな手法によって実現でき、選択された母集団に関して統計的推測を行う際の信頼性が高まります。
これらの手法の中で最も効果的な方法の1つは、層化として知られ、より大きな母集団をかなり均質なサブグループまたは階層に分割し、各階層から同数のグループメンバーを選択します。 体系的なサンプリングなどの他の一般的な方法では、メンバーはランダムな開始点から始まり、一定の周期間隔で進むように選択されます。
重要なポイント
- 代表的なサンプルは、指定された特性に応じてより大きな統計母集団から選択されたグループまたはセットです。ランダムサンプルは、より大きな母集団からランダムに選択されたグループまたはセットです。2つを一緒に使用して、サンプルバイアスを減らすことができます。
