14 A klaszter mintavétel előnyei és hátrányai

a klaszter mintavétel olyan mintavételi módszer, amelyben a populációkat külön csoportokba helyezik. E csoportok véletlenszerű mintáját ezután kiválasztják egy adott populáció képviseletére. Ez egy olyan folyamat, amelyet általában piackutatásra használnak, amikor nincs megvalósítható módja annak, hogy információt találjanak a népességről vagy a demográfiai egészről.

3 követelménynek kell teljesülnie ahhoz, hogy a klasztermintavétel az információgyűjtés pontos formája legyen.

1. a csoportoknak a lehető leg heterogénebbeknek kell lenniük, és az egyes klasztereken belül különböző és különböző alcsoportokat kell tartalmazniuk.
2. minden csoportnak kisebb képet kell nyújtania arról, hogy mi a teljes népesség vagy demográfiai helyzet.
3. a csoportoknak kölcsönösen ki kell zárniuk egymást, hogy megakadályozzák az adatok átfedését. Nem szabad, hogy két klaszter együtt jelenjen meg.

amint ezek a követelmények teljesülnek, kétféle fürt mintavétel végezhető el. Az egylépcsős klasztermintavétel során az egyes kiválasztott klaszterek minden elemét felhasználják. A kétlépcsős klasztermintavétel során randomizált mintavételi technikát alkalmaznak a kiválasztott klaszterekhez az információk előállításához.

itt vannak a legfontosabb szempontok, amelyeket figyelembe kell venni a klasztermintavétel előnyeinek és hátrányainak vizsgálatakor.

a klaszter mintavétel előnyeinek listája

1. Lehetővé teszi, hogy a kutatást csökkentett gazdasággal végezzék.

ha egy adott demográfiai vagy közösségi kutatást végezne, a csoporton belüli minden háztartás vagy egyén megkérdezésének költségei nagyon korlátozóak lennének. A klasztermintavétel használatával lehetővé válik bizonyos demográfiai adatokról vagy közösségekről szóló információk összeállítása a pontos adatok előállításához szükséges szám csökkentésével. Bár egyetlen adat sem 100% – os pontosságú, minden érintett személy teljes kutatási folyamata nélkül, a klasztermintavétel nagyon alacsony hibahatáron belül eredményez eredményeket.

2. A klaszter mintavétel csökkenti a variabilitást.

a mintavétel minden formája becsléseket hoz létre. Amit a klaszter mintavétel nyújt, az egy becslési folyamat, amely pontosabb, ha a klasztereket megfelelően összeállították. Feltételezve, hogy minden klaszter reprezentatív a kutatott általános populációra, az ezzel a módszerrel nyert információk csökkent változékonyságot kínáltak eredményeiben, mivel ez pontosabban tükrözi a csoport egészét.

3. Ez egy megvalósíthatóbb megközelítés.

az átlagos kutató számára nem lenne megvalósítható a teljes demográfiai vagy közösségi mintavételből szükséges nagy adatbevitel kezelésének képessége. A klaszter mintavételi megközelítés kialakításának célja kifejezetten a nagy populációk figyelembevétele. Ha olyan adatokat kell találnia, amelyek reprezentatívak egy nagy népességcsoportra, a klasztermintavétel lehetővé teszi az összegyűjtött információk extrapolálását használható formátumba.

4. A klaszter mintavétel több területről is elvégezhető.

a klaszterek meghatározhatók egyetlen Közösségben, több közösségben vagy több demográfiai csoportban. Az információszerzéshez használt eljárások ugyanazt a folyamatot követik, függetlenül attól, hogy mekkora a minta. Ez azt jelenti, hogy a kutatók hasznos információkat generálhatnak egy környékről bizonyos otthonok véletlenszerű mintájának felhasználásával. Nagy léptékben is felfedezhetik az információkat, ha a különböző területeken megközelítik a demográfiai adatokat, hogy nemzeti szintű eredményeket hozzanak létre.

5. A véletlenszerű mintavétel és a rétegzett mintavétel előnyeit kínálja.

a klasztermintavétel olyan előnyös módszer, hogy folyamataiban magában foglalja a randomizált mintavétel és a rétegzett mintavétel összes előnyét. Ez segít csökkenteni az emberi elfogultság lehetőségét az összegyűjtött információkon belül. Egyszerűsíti az információszerelési folyamatot is, csökkentve a véletlenszerű variációk által okozott negatív hatások kockázatát. Kombinálva a mintából kapott eredmények következtetéseket vonhatnak le, amelyeket aztán a nagyobb populációra lehet alkalmazni.

6. A fürt mintavétel nagy adatmintákat hoz létre.

szerkezete miatt sokkal könnyebb nagyobb adatmintákat létrehozni klaszterminták felhasználásával. Miután a klasztereket megtervezték és elhelyezték, az összegyűjtött információk hasonlóak az egyes klaszterekhez. Ez lehetővé teszi az adatpontok összehasonlítását, az egyes népességcsoportokon belüli következtetések megállapítását, valamint nyomon követési információk generálását, amelyek megnézhetik, hogy a különböző klaszterek hogyan fejlődnek az idő múlásával.

a klaszter mintavétel hátrányainak listája

1. Könnyebb elfogult adatokat létrehozni a klaszter mintavételezésen belül.

az egyes klaszterek kialakítása képezi a mintavételi folyamatból gyűjtött adatok alapját. A vizsgált populációt reprezentáló pontos klaszterek pontos eredményeket hoznak. Ha egy kutató konkrét eredményeket próbál létrehozni, hogy tükrözze a személyes elfogultságot, akkor könnyebb olyan adatokat generálni, amelyek tükrözik az elfogultságot azáltal, hogy a klasztereket meghatározott módon strukturálják. Még ha tudattalan elfogultság is, az adatok tükrözik a strukturálást, hamis benyomást keltve a pontosságról.

2. A mintavételi hibák komoly problémát jelenthetnek.

a klasztermintázás során összegyűjtött információk nagymértékben függenek a kutató képességeitől. Ha az információ vagy a gyűjtési módszerek nem megfelelőek, akkor az összegyűjtött adatok nem lesznek olyan előnyösek, mint amilyenek lehetnek. Az ilyen adatokban talált hibák legitim pontoknak tűnnek, amikor a valóságban, pontatlanul tükrözhetik az Általános populációt. Amiatt, abból az okból, bárki, aki új a kutatás területén, elriasztja a klasztermintázás kezdeti módszerét.

3. Sok klaszter az önazonosító információk alapján kerül elhelyezésre.

a kutatók gyakran meghatározzák az egyének vagy háztartások klaszterhelyezését az önazonosító információk alapján. Ez azt jelenti, hogy az egyének befolyásolhatják az adatok minőségét azáltal, hogy valamilyen módon félrevezetik magukat. A negatív befolyás létrehozásához csak a jövedelem téves állítása szükséges, etnikum, vagy politikai preferencia. A kutatók nem megfelelő strukturálása az elhelyezési folyamatban zavart okozhat az elhelyezési folyamatban is. Lehetnek olyan személyek is, akik szándékosan azonosítják magukat egy másik klaszterként, hogy saját céljaikra torzítsák a kutatást.

4. Minden klaszternek lehetnek átfedő adatpontjai.

a klasztermintavétel célja az adatok átfedéseinek csökkentése, ami befolyásolhatja a megtalálható következtetések integritását. Klaszter létrehozásakor azonban minden demográfiai, közösségi vagy népességcsoportnak lesz valamilyen szintű átfedése egyéni szinten. Ez olyan változékonyságot hoz létre az adatokon belül, amely rendszeresen mintavételi hibákat hoz létre. Bizonyos esetekben a mintavételi hiba elég nagy lehet ahhoz, hogy csökkentse az adatok reprezentatív jellegét, érvénytelenítve a következtetéseket.

5. Ahhoz, hogy hatékony legyen, méretegyenlőségre van szükség.

a klasztermintavétel egyik elsődleges hátránya, hogy méretbeli egyenlőséget igényel ahhoz, hogy pontos következtetésekhez vezessen. Ha az egyik klaszter reprezentatív mintája 2000 fő, míg a második klaszter 1000, a többi pedig 500, akkor az első két klaszter alulreprezentált lesz a következtetésekben, míg a kisebb klaszterek felülreprezentáltak lesznek. Ez a folyamat adatkülönbséghez vezethet, ami nagy mintavételi hibát eredményez, amelyet nehéz lehet azonosítani.

6. A klasztermintavétel eredményei csak ezekre a népességcsoportokra vonatkoznak.

a klasztermintázás kérdése az a tény, hogy az általuk tartalmazott populációk csak az adott csoportot reprezentálják. Ha például Észak-Karolina városait kellene felmérni, akkor a kutatásból nyert információkat nem lehetett pontosan alkalmazni az Egyesült Államok Általános lakosságára. Csak az állam lakossága számára lenne pontos, sőt akkor sem lehet regionális eltéréseken alapuló megállapításokat alkalmazni. Ezért kell minden egyes klaszterhez erős meghatározásokat alkalmazni, hogy a kutatás pontos legyen.

7. A pontosság érdekében minimális számú esetet igényel.

a Klasztermintavételhez több kutatási pont szükséges a kutatás által előidézett mintavételi hibák csökkentése érdekében. Magas szintű kutatás nélkül növekszik az adatok átfedésének lehetősége. Nagyobb az egyoldalú adatok megszerzésének kockázata ezen a folyamaton keresztül, ha kevesebb példát veszünk az egyes klaszterekből.

8. A klasztermintavétel csak akkor működik jól, ha az embereket egységként lehet besorolni.

a klasztermintázás folyamata megköveteli, hogy az embereket egységként osztályozzák az egyén helyett. Ez azt jelentené, hogy azonosítani kell őket egy adott csoporttal, mint a “republikánusok” vagy a “demokraták”.”Ha egyedi adatpontokat kell gyűjteni, akkor másfajta kutatásra van szükség.

ezek a klaszter mintavétel előnyei és hátrányai segíthetnek abban, hogy konkrét információkat találjunk egy nagy populációról, anélkül, hogy más mintavételi módszerek idő-vagy költségbefektetése lenne. Ugyanakkor szigorú ellenőrzések és erős kutatói készségek nélkül több hibát találhatunk ebben az információban, ami a kutatókat hamis eredményekhez vezethet. Amiatt, abból az okból, csak tapasztalt kutatók, akik ismerik a terület mintavétel kell használni ezt a fajta kutatás rendszeresen.