14 vantagens e desvantagens da amostragem por grupos

a amostragem por grupos é um método de amostragem em que as populações são colocadas em grupos separados. Uma amostra aleatória destes grupos é então selecionada para representar uma população específica. Trata-se de um processo que é normalmente utilizado para a investigação de mercado quando não existe uma forma viável de encontrar informações sobre uma população ou Demografia no seu conjunto.

existem três requisitos que devem ser cumpridos para que a amostragem por aglomerado seja uma forma precisa de recolha de informações.

1. os grupos devem ser tão heterogéneos quanto possível, contendo subpopulações distintas e diferentes dentro de cada aglomerado.
2. cada grupo deve oferecer uma representação menor do que a população inteira ou demográfica acontece ser.Os grupos
3. devem ser mutuamente exclusivos um do outro para evitar sobreposições de dados. Não deve ser possível que dois grupos ocorram juntos.

uma vez cumpridos estes requisitos, existem dois tipos de amostragem de aglomerados que podem ser realizados. Na amostragem por aglomerado de uma só Fase, cada elemento de cada agregado seleccionado é utilizado. Em amostras de clusters de duas fases, uma técnica de amostragem aleatória é usada para clusters selecionados para gerar informações.

Aqui estão os pontos-chave a considerar ao analisar as vantagens e desvantagens da amostragem por aglomerado.

List of the Advantages of Cluster Sampling

1. Permite que a investigação seja conduzida com uma economia reduzida.Se investigasse uma determinada população ou comunidade, o custo de entrevistar todos os agregados familiares ou indivíduos do grupo seria muito limitado. Usando amostragem por cluster, torna-se possível compilar informações sobre certas demografia ou comunidades reduzindo o número necessário para gerar dados precisos. Embora nenhum dado seja 100% preciso sem um processo completo de pesquisa de todas as pessoas envolvidas, amostragem de clusters obtém resultados dentro de uma margem de erro muito baixa.

2. A amostragem por aglomerado reduz a variabilidade.

todas as formas de amostragem criam estimativas. O que a amostragem por aglomerado fornece é um processo de estimativa que é mais preciso quando os aglomerados foram colocados juntos adequadamente. Assumindo que cada cluster é representativo da população em geral que está sendo pesquisada, a informação obtida através deste método ofereceu uma variabilidade reduzida em seus resultados porque é um reflexo mais preciso do grupo como um todo.

3. É uma abordagem mais viável.

a capacidade de gerenciar grandes entradas de dados que seriam necessárias a partir de uma amostragem demográfica ou comunitária completa não seria viável para o pesquisador médio. A concepção da abordagem de amostragem por aglomerado destina-se especificamente a ter em conta grandes populações. Se você precisa encontrar dados que sejam representativos de um grande grupo populacional, a amostragem por aglomerado torna possível extrapolar informações coletadas em um formato utilizável.

4. A amostragem por aglomerado pode ser obtida em várias áreas.

Clusters podem ser definidos dentro de uma única comunidade, várias comunidades, ou múltiplas demografia. Os procedimentos utilizados para obter informações seguem o mesmo processo, não importa a dimensão da amostra. Isso significa que os pesquisadores podem gerar informações utilizáveis sobre uma vizinhança usando uma amostra aleatória de certas casas. Eles também podem descobrir informações em grande escala, abordando a demografia em diferentes áreas para gerar resultados a nível nacional.

5. Oferece as vantagens da amostragem aleatória e da amostragem estratificada.

o que torna a amostragem por Aglomerado um método tão benéfico é o facto de incluir todos os benefícios da amostragem aleatória e da amostragem estratificada nos seus processos. Isso ajuda a reduzir o potencial de viés humano dentro da informação coletada. Simplifica também o processo de montagem da informação, reduzindo os riscos de influências negativas causadas por variações aleatórias. Quando combinados, os resultados obtidos a partir da amostra podem gerar conclusões que podem então ser aplicadas à população maior.

6. A amostragem por aglomerado cria grandes amostras de dados.

é muito mais fácil criar amostras maiores de dados usando amostras de aglomerados por causa de sua estrutura. Uma vez que os aglomerados foram projetados e colocados, a informação que está sendo coletada é semelhante a cada aglomerado. Isso torna possível comparar pontos de Dados, encontrar conclusões dentro de grupos populacionais específicos, e gerar informações de rastreamento que podem olhar como diferentes clusters evoluem ao longo do tempo.

List of the Disvantages of Cluster Sampling

1. É mais fácil criar dados tendenciosos dentro da amostragem de clusters.

o desenho de cada aglomerado é a base dos dados que serão recolhidos a partir do processo de amostragem. Clusters precisos que representam a população em estudo irão gerar resultados precisos. Se um pesquisador está tentando criar resultados específicos para refletir um viés pessoal, então é mais fácil gerar dados que refletem o viés por estruturar os clusters de uma forma específica. Mesmo que seja um viés inconsciente, os dados serão um reflexo da estruturação, criando uma falsa impressão de precisão.

2. Erros de amostragem pode ser um grande problema.

a informação recolhida através da amostragem por aglomerado depende fortemente das competências do investigador. Se os métodos de informação ou recolha forem subapar, então os dados recolhidos não serão tão benéficos quanto poderiam ser. Os erros encontrados nesses dados parecem ser pontos legítimos, quando, na realidade, podem ser um reflexo impreciso da população em geral. Por essa razão, quem é novo no campo da pesquisa é desencorajado de usar a amostragem por aglomerado como seu método inicial.

3. Muitos aglomerados são colocados com base em informações de auto-identificação.

os investigadores determinam frequentemente a colocação em aglomerado de indivíduos ou agregados familiares com base em informação de auto-identificação. Isso significa que os indivíduos podem influenciar a qualidade dos dados, deturpando-se de alguma forma. Tudo o que pode ser necessário para criar uma influência negativa é uma inexatidão de renda, etnia ou preferência política. Estruturação inadequada no processo de colocação por pesquisadores pode adicionar confusão ao processo de colocação também. Também pode haver indivíduos que intencionalmente se identificam como um conjunto diferente para desviar a pesquisa para seus próprios fins.

4. Cada grupo pode ter alguns pontos de dados sobrepostos.

o objectivo da amostragem por grupos é reduzir sobreposições nos dados, o que pode afectar a integridade das conclusões que podem ser encontradas. Ao criar um cluster, no entanto, cada grupo demográfico, comunitário ou populacional terá algum nível de sobreposição em um nível individual. Isso cria um nível de variabilidade dentro dos dados que cria erros de amostragem em uma base regular. Em alguns casos, o erro de amostragem poderia ser suficientemente grande para reduzir a natureza representativa dos dados, invalidando as conclusões.

5. Exige igualdade de tamanho para ser eficaz.

uma das principais desvantagens da amostragem por aglomerado é que ela requer igualdade de tamanho para levar a conclusões precisas. Se um aglomerado tem uma amostra representativa de 2.000 pessoas, enquanto o segundo aglomerado tem 1.000, e todos os outros têm 500, então os dois primeiros aglomerados serão sub-representados nas conclusões, enquanto os aglomerados menores serão sobre-representados. Esse processo pode levar a uma disparidade de dados, o que cria um grande erro de amostragem que pode ser difícil de identificar.

6. Os resultados da amostragem por aglomerado aplicam-se apenas a esses grupos populacionais.

a questão que surge com a amostragem por aglomerado é o facto de as populações que contêm serem apenas representativas desse grupo específico. Se se investigasse cidades na Carolina do Norte, por exemplo, então a informação obtida a partir dessa pesquisa não poderia ser aplicada com precisão à população geral dos Estados Unidos. Seria apenas EXACTO para a população do estado e, mesmo assim, poderá não ser possível aplicar conclusões baseadas em discrepâncias regionais. É por isso que deve haver definições fortes para cada cluster para que a pesquisa seja precisa.

7. Requer um número mínimo de casos para precisão.

a amostragem por Aglomerado requer múltiplos pontos de investigação para reduzir os erros de amostragem que a investigação produz. Sem níveis elevados de investigação, o potencial para sobreposições de dados aumenta. Existe também um maior risco de obter dados unilaterais através deste processo se forem retirados menos exemplos de cada grupo.

8. A amostragem por aglomerado só funciona bem quando as pessoas podem ser classificadas como unidades.

os processos envolvidos com amostragem por aglomerado exigem que as pessoas sejam classificadas como uma unidade em vez de um indivíduo. Isso significaria que eles precisariam ser identificados com um grupo específico, como “republicanos” ou “Democratas”.”Se os pontos de dados individuais devem ser coletados, então uma forma diferente de pesquisa é necessária.Estas vantagens e desvantagens da amostragem por grupos podem ajudar-nos a encontrar informações específicas sobre uma grande população sem o investimento de tempo ou custo de outros métodos de amostragem. Ao mesmo tempo, sem controles apertados e fortes habilidades de pesquisador, pode haver mais erros encontrados nesta informação que podem levar os pesquisadores a resultados falsos. Por esta razão, apenas investigadores experientes que estejam familiarizados com a amostragem local devem utilizar esta forma de investigação numa base regular.