Definitie van clusterbemonstering
Clusterbemonstering, een kosteneffectieve methode in vergelijking met andere statistische methoden, verwijst naar een variant van de bemonsteringsmethode waarbij de onderzoekers in plaats van naar de volledige set van de beschikbare gegevens te kijken, de populatie verdelen in individuele groepen die bekend staan als clusters en willekeurige steekproeven uit de populatie om resultaten te analyseren en interpreteren.
Uitleg
Dit type steekproef wordt in statistieken gebruikt door willekeurige steekproeven uit de populatie te kiezen. Bij deze methode kiezen de onderzoekers niet alle onderwerpen uit de populatie, maar concentreren ze zich op slechts enkele steekproeven. De onderzoekers kiezen ook voor het hele cluster en niet voor de subset uit het cluster. Het bekendste cluster dat in statistieken wordt gebruikt, is het geografische cluster.
Voorbeelden van clusterbemonstering
Er zijn veel voorbeelden alsof een onderzoeker ervoor kiest om een studie uit te voeren om de presentatie van de tweedejaarsstudenten in de bedrijfscultuur in de VS te herzien, dus het is niet mogelijk om tweedejaarsstudent te betrekken bij het organiseren van onderzoek aan elke universiteit van de VS. Door deze steekproefmethode te gebruiken, kunnen onderzoekers gemakkelijk alle universiteiten van de VS verenigen, waarbij elke stad in één cluster wordt gediversifieerd. Deze clusters specificeren alle tweedejaarssterkte van studenten in het land. De volgende stap is het oppakken van clusters voor de studie of het onderzoek. Door echter systematische steekproeven of eenvoudige steekproeven te gebruiken, kan elk geselecteerd cluster worden uitgekozen voor tweedejaarsstudenten van elke universiteit voor succesvol onderzoek. Deze methode wordt uitgevoerd op een steekproef die meerdere parameters bevat, zoals achtergrond, gewoonten, demografische gegevens of andere kenmerken, die de kern van onderzoek vormen.Deze techniek rechtvaardigt dat in plaats van de volledige gegevens van de populatie te selecteren, alleen de gevorkte gegevens worden geselecteerd voor meer effectiviteit.
Een ander voorbeeld is waar een organisatie de prestaties van smartphones in Duitsland onderzoekt. Ze kunnen de hele bevolking diversifiëren in verschillende clusters en vervolgens de steden met de hoogste bevolking selecteren. Zodat onderzoekers degene filteren met mobiele telefoons. Deze meervoudige bemonstering wordt clusterbemonstering genoemd.
Types
Er zijn drie soorten die als volgt zijn:
- Single-Stage : in deze fase van bemonstering wordt dit slechts één keer gedaan. Willekeurige steekproeven werden slechts één keer tegelijk geselecteerd. Een ngo wil bijvoorbeeld meisjes in zes naburige steden bemonsteren om onderwijs te geven. Ze kiezen een willekeurige steekproef uit geselecteerde steden van meisjes die geen onderwijs hebben genoten.
- Tweetraps: deze fase van een cluster is beter dan een eentrapscluster omdat deze betrouwbaardere resultaten laat zien. Bij deze methode hebben meer filters de voorkeur, wat betere resultaten oplevert. In plaats van het hele cluster te kiezen, werkt het over de handvol clusters die nodig zijn voor de steekproef door middel van eenvoudige of systematische willekeurige steekproeven.
- Meerdere fasen : deze methode is nogal ingewikkeld in vergelijking met andere fasen. Voor meerdere geografische gebieden zou onderzoek complexer moeten zijn, en het is gedaan door middel van monsternemingstechniek in meerdere fasen.
Vereisten
- Deze bemonsteringselementen moeten heterogeen zijn. Het onderzoek van de populatie moet worden omsloten door een aparte subpopulatie van veranderde typen.
- Elk cluster moet worden gemaakt als een weergave van de hele populatie van de steekproef.
- Elk cluster zou elkaar wederzijds exclusief van aard moeten zijn, zodat het niet mogelijk zou zijn dat het cluster tegelijkertijd voorkomt.
Wanneer moet u clusterbemonstering gebruiken?
Cluster Sampling wordt door onderzoekers in statistieken gebruikt wanneer er natuurlijke groepen in de populatie zijn. De gehele populatie is zo in clusters verdeeld dat er een willekeurige steekproef is. Het wordt meestal gebruikt bij marktonderzoek waarbij de onderzoeker niet in staat is om informatie over de hele populatie te krijgen. Integendeel, ze kunnen informatie krijgen over clusters.
Toepassingen
Deze steekproefmethode wordt gebruikt in zowel geografisch als marktonderzoek in het algemeen. Onderzoek naar geografische clusters is duur in vergelijking met andere onderzoeksgebieden. Het aantal samples is in dit geval verhoogd voor meer nauwkeurigheid. Deze methode is ook kosteneffectief voor onderzoekers. Deze techniek wordt gebruikt in scenario's zoals natuurrampen en oorlogen. De toepassing van deze methode is op grote schaal tijdens de implementatie door onderzoekers.
Voordelen
- Vereist minder middelen: deze methode is de meest effectieve omdat er minder middelen nodig zijn voor onderzoek, aangezien er een selectie is van bepaalde clusters uit de gehele populatie. Daarom is het een goedkopere methode in vergelijking met andere bemonsteringsmethoden en wordt deze ook als kosteneffectief beschouwd.
- Beter haalbaar : deze techniek is ook beter haalbaar in termen van complexiteit, aangezien het zeer nuttig is bij geografisch onderzoek.
Nadelen
- Vooringenomen steekproeven: deze steekproef is erg vertekend omdat clusters willekeurig uit de gehele populatie worden geselecteerd. Het heeft ook een bevooroordeeld oordeel gevormd over onderzoek.
- Hoge bemonsteringsfout: de monsters zijn over het algemeen gebaseerd op fouten in vergelijking met een andere eenvoudige bemonsteringsmethode.
Conclusie
Cluster Sampling is de steekproefmethode die de onderzoekers gebruiken voor het onderzoeken van geografische gegevens en marktonderzoek. De populatie is onderverdeeld in verschillende clusters om de steekproef willekeurig te selecteren. Het is een zeer nuttige techniek voor onderzoekers. Het heeft veel voor- en nadelen, maar het wordt vaak gebruikt in statistieken voor verschillende soorten projecten. Deze manier van bemonsteren is betrouwbaar en betaalbaar voor de onderzoekers.
