階層化されたランダムサンプリングは、研究対象の母集団全体を最もよく表す標本母集団を取得できるようにすることで、研究者に利益をもたらします。 それでも、この研究方法には欠点がないわけではありません。
層別ランダムサンプリング：概要
階層化ランダムサンプリングでは、まず母集団を部分母集団に分割し、次に各部分母集団にランダムサンプリング法を適用してテストグループを形成します。 欠点は、研究者が人口のすべてのメンバーをサブグループに分類できない場合です。
層別ランダムサンプリングは、母集団全体からデータをランダムに選択する単純なランダムサンプリングとは異なるため、可能な各サンプルが等しく発生する可能性が高くなります。 対照的に、層化ランダムサンプリングは、共有された特性に基づいて、母集団をより小さなグループまたは層に分割します。 母集団と比較した階層のサイズに正比例して、ランダムなサンプルが各階層から取得されます。
階層化ランダムサンプリングの例
以下は、層化されたランダムサンプリングの例です。
研究者は、主要な大学で経済学の学生の政治的傾向を評価するために設計された研究を行っています。 研究者は、ランダムなサンプルが性別、学部生、および大学院生を含む学生人口に最も近いことを保証したいと考えています。 調査の総人口は1, 000人の学生で、そこからサブグループが次のように作成されます。
総人口= 1, 000
研究者は、大学のすべての経済学の学生を、男性学部、女性学部、男性卒業生、および女性卒業生の4つのサブ集団のいずれかに割り当てます。 次に、研究者は、各サブグループから何千人の学生が総人口1, 000人を占めるかを数えます。 そこから、研究者は各サブグループの総人口の割合を計算します。
サブグループ：
- 男性学部= 450人の学生（100人中）または 人口の45％女性学部= 200人の学生または20％男性大学院生= 200人の学生または20％女性大学院生= 150人の学生または15％
全体としての母集団内の表現に基づいて、各部分母集団のランダムサンプリングが行われます。 男性の大学生は人口の45％であるため、45人の男性の大学生がそのサブグループからランダムに選択されます。 男性の卒業生は人口の20％しか占めていないため、サンプルには20人が選ばれます。
階層化されたランダムサンプリングは、調査対象の母集団を正確に反映しますが、満たす必要がある条件は、すべての調査でこの方法を使用できないことを意味します。
階層化ランダムサンプリングの利点
階層化ランダムサンプリングは、単純なランダムサンプリングに比べて利点があります。
調査された人口を正確に反映
研究者はランダムサンプリング法を適用する前に母集団全体を階層化するため、層化ランダムサンプリングは研究対象の母集団を正確に反映します。 つまり、母集団内の各サブグループがサンプル内で適切な表現を受け取ることを保証します。 その結果、研究者はサブグループを制御して、すべてがサンプリングで表されるようにするため、層化ランダムサンプリングは母集団のより良いカバレッジを提供します。
単純なランダムサンプリングでは、特定のサブグループまたは個人の種類が選択されるという保証はありません。 大学生の以前の例では、単純なランダムサンプリングを使用して人口から100のサンプルを取得すると、男性学部学生が25人のみ、または総人口の25％しか選択されなかった可能性があります。 また、35人の女性の大学院生（人口の35％）が選択される可能性があり、その結果、男性の学部学生が過小評価され、女性の大学院生が過大表示されます。 母集団の表現に誤りがあると、研究の精度が低下する可能性があります。
階層化ランダムサンプリングの欠点
階層化されたランダムサンプリングは、研究者に欠点ももたらします。
すべての研究で使用できない
残念ながら、この研究方法はすべての研究で使用できるわけではありません。 この方法の欠点は、適切に使用するためにいくつかの条件を満たさなければならないことです。 研究者は、研究対象の母集団のすべてのメンバーを特定し、それぞれを1つのサブポピュレーションに分類する必要があります。 その結果、研究者が自信を持って母集団のすべてのメンバーをサブグループに分類できない場合、層別ランダムサンプリングは不利です。 また、母集団全体の網羅的かつ決定的なリストを見つけることは困難な場合があります。
複数のサブグループに分類されるサブジェクトがある場合、重複が問題になる可能性があります。 単純なランダムサンプリングを実行すると、複数のサブグループに属する人々が選択される可能性が高くなります。結果は、人口の不正確な表示または不正確な反映である可能性があります。
上記の例では簡単になります。学部生、大学院生、男性、女性は明確に定義されたグループです。 ただし、他の状況では、はるかに難しい場合があります。 人種、民族、または宗教などの特性を組み込むことを想像してください。 分類プロセスはより困難になり、層別化されたランダムサンプリングは非効率的で理想的ではない方法になります。
重要なポイント
- 層別ランダムサンプリングにより、研究者は、研究対象の母集団全体を最もよく表すサンプル母集団を取得できます。この研究方法は、すべての研究で使用できるわけではありません。人口全体であるため、可能性のある各サンプルは等しく発生する可能性があります。
