Stratifikovaný náhodný vzorek: co to je?

Stratifikovaný náhodný vzorek je vzorek skládající se z odlišných, ale homogenních podskupin známých jako vrstvy.

Přečtěte si, jak se používá stratifikovaný náhodný vzorek průzkum trhu, typy vzorků, které můžete odvodit, a jak se to srovnává s jednoduchým náhodným vzorkem.

Co je stratifikovaný náhodný vzorek?

Stratifikovaný náhodný vzorek je vzorek získaný rozdělením větší, typicky heterogenní populace na odlišné ale homogenní podskupiny známé jako vrstvy a poté výběr jednotek vzorku z každé vrstvy pro zahrnutí do vzorek.

Jak funguje stratifikovaný náhodný vzorek

Vzorek je minireprezentace větší populace. Vzorky mohou být stanoveny neformálně nebo formálně. Ale vzorky, které jsou systematicky vyvíjeny podle určité vědecké metody, jako jsou stratifikované náhodné vzorky, jsou obecně vnímány jako užitečnější pro zobecnění větší populace. Podniky mohou tato zobecnění použít v průzkumu trhu k posouzení potřeb a přání spotřebitelů a k vytvoření vhodného marketingová strategie.

Cílem stratifikovaného náhodného výběru je vybrat účastníky z různých vrstev v rámci větší populace když se předpokládá, že rozdíly mezi těmito skupinami mají význam pro průzkum trhu, který bude provedl.Například výsledky a průzkum trhu mohou být ovlivněny atributy předmětu, jako je věk, pohlaví, úroveň pracovních zkušeností, rasová nebo etnická skupina, ekonomická situace nebo úroveň vzdělání. Ve stratifikovaném náhodném vzorku lze důvodně předpokládat, že tyto potenciálně vlivné charakteristiky odrážejí vzorec charakteristik v celkové populaci.

Řekněme například, že provozujete fintech firmu a máte zájem o vývoj nové aplikace pro spoření na důchod, která zákazníkům pomůže více spořit na důchod. Chcete provést průzkum a zjistit, kolik Američané ve věku 23 a více let přispěli na jejich důchodové účty v loňském roce, abyste mohli aplikaci lépe přizpůsobit investičním zvyklostem zákazníků. Ale tato populace činí miliony, které by bylo příliš obtížné zkoumat jednotlivě. Navíc spotřebitelé různých věkových skupin budou mít pravděpodobně různé investiční návyky, které ovlivnily jejich příspěvek na penzijní spoření v loňském roce.

Rozhodnete se tedy shromáždit stratifikovaný náhodný vzorek o velikosti vzorku 5 000 a následujících pěti věkových vrstvách: Silent Generation, Baby Boomers, Generation X, Millennials a Generation Z.

Když v loňském roce provedete průzkum demografických údajů pro celkovou populaci USA, zjistíte, že 6 % patřilo k Silent Generation, 25 % byli Baby Boomers, 24 % byli Generace X, 23 % byli mileniálové a 22 % byli Generace Z. Pokud chcete dosáhnout proporcionálního stratifikovaného náhodného vzorku, kde je každá vrstva úměrná svému procentuálnímu podílu z celku populace, shromáždili byste stratifikovaný náhodný vzorek 5 000 takto: 300 z Tiché generace (6 % z 5 000), 1 250 Baby Boomers (25 % z 5 000), 1 200 z generace X (24 % z 5 000), 1 150 mileniálů (23 % z 5 000) a 1 100 pocházelo z generace Z (22 % 5 000).

Poté byste průzkum spravovali vzorku obsahujícímu tyto jednotky vzorku, abyste získali více smysluplné závěry o tom, jak moc každá věková vrstva přispěla k odchodu do důchodu v loňském roce, což jsou poznatky, které můžete začlenit do své investiční aplikace.

Typy stratifikovaných náhodných vzorků

Jakmile rozdělíte celkovou populaci do vrstev, existují dva hlavní způsoby, jak vybrat jednotky z každé vrstvy pro zahrnutí do vzorku:

• Proporcionální stratifikovaný náhodný vzorek: V tomto typu stratifikovaného náhodného vzorku představuje každá vrstva stejné procento vzorku jako větší populace. V předchozím příkladu byl vzorek, který vážil každou věkovou vrstvu ve vzorku podle jejího procenta v populaci USA, proporcionálně stratifikovaný náhodný vzorek. Tento typ vzorku vyžaduje přístup k údajům o větší populaci.
• Neúměrný stratifikovaný náhodný vzorek: Procento každé vrstvy ve větší populaci se v tomto typu vzorku nebere v úvahu. Pokud byste například identifikovali pět věkových vrstev a pro průzkum vybrali 1 000 lidí z každé vrstvy, měli byste nepřiměřený stratifikovaný náhodný vzorek. Tento typ vzorku je užitečný, když je cíl výzkumu široký nebo nemáte přístup k údajům o větší populaci.

Stratifikovaný náhodný vzorek vs. Jednoduchý náhodný vzorek

Na rozdíl od stratifikovaného náhodného vzorku, který obsahuje výběrové jednotky z každé odlišné vrstvy, které mají známou nenulovou šanci, že budou vybrány, jednoduchý náhodný výběr je výběr bez podskupin. Místo toho má každá jednotka vzorku stejnou šanci, že bude zahrnuta do vzorku.Vraťme se k předchozímu příkladu, řekněme, že náhodně zadáte průzkum 5 000 lidem bez ohledu na jejich rozlišovací charakteristiky. V tomto jednoduchém náhodném vzorku mohou být určité věkové vrstvy zastoupeny neúměrně a jiné vůbec.

Stratifikace jako taková pravděpodobně poskytne reprezentativnější výsledky, které lze použít k přesnějším závěrům o větší populaci. Jednoduchý náhodný výběr nemusí nutně představovat větší populaci.

A protože stratifikovaný náhodný vzorek obsahuje podskupiny, které lze studovat společně, může tento typ výběru také snížit náklady na pozorování ve firemní studii průzkumu trhu.

Oba typy vzorků však mají své místo v průzkumu trhu. Zatímco stratifikovaný náhodný výběr je složitější a používá se, když jsou rozdíly mezi výběrovými jednotkami větší populace nesčetné a jsou významný pro výsledky studie, jednoduchý náhodný vzorek je přímočařejší a často se používá, když existuje jen málo rozdílů, které je třeba zohlednit. ve větší populaci (nebo v některých případech tolik rozdílů, že stratifikace není proveditelná), nebo tyto rozdíly nejsou pro studie. Pokud například provádíte široký průzkum nových možností menu pro pizzu, můžete zvažte jednoduchý náhodný vzorek, protože charakteristiky jako věk, pohlaví a rasa nemusejí ovlivnit Výsledek.