أخذ العينات الطبقية

تعريفًا بالموضوع، في الإحصاء ، يعتبر أخذ العينات الطبقي طريقة لأخذ العينات من السكان والتي يمكن تقسيمها إلى مجموعات سكانية فرعية . وتعرض الأقسام التالية جوانب أخرى من الموضوع.
إضافةً إلى ذلك، في المسوحات الإحصائية ، عندما تتباين المجموعات السكانية الفرعية ضمن إجمالي عدد السكان، قد يكون من المفيد أخذ عينة من كل مجموعة سكانية فرعية ( طبقة ) بشكل مستقل. التقسيم الطبقي هو عملية تقسيم أفراد السكان إلى مجموعات فرعية متجانسة قبل أخذ العينات. يجب أن تحدد الطبقات تقسيمًا للسكان. أي أنه يجب أن يكون شاملاً بشكل جماعي ومتبادل : يجب تخصيص كل عنصر في المجتمع لطبقة واحدة فقط. ثم يتم تطبيق عينات عشوائية بسيطة داخل كل طبقة. الهدف هو تحسين دقة العينة عن طريق تقليل خطأ أخذ العينات . يمكن أن ينتج متوسط مرجح أقل تنوعًا من المتوسط الحسابي لعينة عشوائية بسيطة من المجتمع.
علاوةً على ذلك، في الإحصاء الحسابي، يعد أخذ العينات الطبقي طريقة لتقليل التباين عند استخدام طرق مونت كارلو لتقدير إحصاءات السكان من مجموعة سكانية معروفة.
تخصيص حجم العينة
- ذكور بدوام كامل: 90
- ذكور بدوام جزئي: 18
- إناث، بدوام كامل: 9
- إناث بدوام جزئي: 63
علاوةً على ذلك، عند تبني إستراتيجية التخصيص المتناسب، يتم أخذ حجم العينة في كل طبقة بما يتناسب مع حجم الطبقة. افترض أنه يوجد في الشركة موظفون على الشكل التالي:
المجموع: 180
- ويطلب منا أخذ عينة من 40 موظفًا، مقسمة حسب الفئات المذكورة أعلاه.
- الخطوة الأولى هي حساب النسبة المئوية لكل مجموعة من الإجمالي.
- النسبة المئوية للذكور، بدوام كامل = ١٨٠ ÷٩٠= ٥٠٪
- النسبة المئوية للذكور بدوام جزئي = ١٠٨÷١٨ = ١٠٪
- النسبة المئوية للإناث، بدوام كامل = ١٨٠÷٩ = ٥٪
- النسبة المئوية للإناث بدوام جزئي = ١٨٠÷٦٣ = ٣٥٪
يخبرنا هذا أنه من العينة تكون من 40 ،
وعلى صعيد آخر، هناك طريقة سهلة أخرى دون الحاجة إلى حساب النسبة المئوية وهي ضرب حجم كل مجموعة في حجم العينة والقسمة على الحجم الإجمالي للسكان (حجم الموظفين بالكامل):
- يجب أن يكون 50٪ (20 فردًا) من الذكور بدوام كامل.
- 10٪ (4 أفراد) يجب أن يكونوا ذكور بدوام جزئي.
- 5٪ (فردين) يجب أن يكونوا إناث بدوام كامل.
- 35٪ (14 فردا) يجب أن يكونوا إناث بدوام جزئي.
- ذكر بدوام كامل = 90 × (40 ÷ 180) = 20
- ذكر بدوام جزئي = 18 × (40 ÷ 180) = 4
- أنثى، دوام كامل = 9 × (40 ÷ 180) = 2
- أنثى بدوام جزئي = 63 × (40 ÷ 180) = 14
- انظر كذلك
- استطلاع الرأي
- أخذ العينات متعدد المراحل
- المقارنة الإحصائية
مثال
إضافةً إلى ذلك، لنفترض أننا بحاجة إلى تقدير متوسط عدد الأصوات لكل مرشح في الانتخابات. افترض أن بلدًا ما به 3 مدن: المدينة أ بها مليون عامل مصنع، والمدينة ب بها 2 مليون موظف، والمدينة ج بها 3 ملايين متقاعد. يمكننا اختيار الحصول على عينة عشوائية بحجم 60 من مجموع السكان، ولكن هناك بعض الاحتمال بأن العينة العشوائية الناتجة غير متوازنة بشكل جيد عبر هذه البلدات، وبالتالي تكون متحيزة، مما يتسبب في خطأ كبير في التقدير (عندما يكون للنتيجة محل الاهتمام توزيع مختلف من حيث معامل الاهتمام بين المدن). بدلاً من ذلك، إذا اخترنا أخذ عينة عشوائية من 10 و 20 و 30 من المدينة أ وب و ج على التوالي، فيمكننا إنتاج خطأ أصغر في التقدير لنفس حجم العينة الإجمالي. تُستعمل هذه الطريقة عمومًا عندما لا يكون السكان مجموعة متجانسة.
استراتيجيات أخذ العينات الطبقية
علاوةً على ذلك، من الأمثلة الواقعية على استخدام أخذ العينات الطبقية عند إجراء مسح سياسي. إذا كان المستجيبون بحاجة إلى أن يعكسوا تنوع السكان، فسوف يسعى الباحث على وجه التحديد إلى تضمين مشاركين من مجموعات الأقليات المختلفة مثل العرق أو الدين، بناءً على تناسبهم مع إجمالي السكان كما هو مذكور أعلاه. وبالتالي يمكن أن يدعي المسح الطبقي أنه أكثر تمثيلا للسكان من مسوحات تعتمد على أخذ عينات عشوائية بسيطة أو أخذ عينات منهجية .
من جهة ثانية، يعتمد التخصيص المتناسب على أخذ عينة جزئية في كل طبقة بشكل يتناسب مع مجموع السكان. مثلًا، إذا كان السكان يتألفون من عدد إجمالي عدد الأفراد، ن منهم ذكر و أنثى (وحيث ذ + أ = ن ) ، فإن الحجم النسبي للعينتين ( س 1 = ذ / ن ذكور، س 2 = يجب أن تعكس أ / ن الإناث) يجب أن يعكس هذه النسبة.
إضافةً إلى ذلك، التخصيص الأمثل (أو التخصيص غير المتناسب ) - يتناسب جزء العينة من كل طبقة مع كل من النسبة (على النحو الوارد أعلاه) والانحراف المعياري لتوزيع المتغير. يتم أخذ عينات أكبر في الطبقات ذات التباين الأكبر لتوليد أقل تباين إجمالي ممكن في أخذ العينات.
حجم العينة الطبقي
مراجع
التقسيم الطبقي (التجارب السريرية)
مزايا
إضافةً إلى ذلك، تشمل أسباب استخدام أخذ العينات الطبقية بدلاً من أخذ العينات العشوائية البسيطة
وفي هذا السياق، في الكثير من التطبيقات، تصبح القياسات أكثر قابلية للإدارة و / أو أقل كلفة عندما يتم تجميع السكان في طبقات.
ومن ناحية أخرى، عندما يكون من المرغوب فيه الحصول على تقديرات للمعلمات السكانية للمجموعات داخل السكان - يتحقق أخذ العينات الطبقية من أن لدينا عينات كافية من الطبقات محل الاهتمام.
وعلى صعيد آخر، إذا كانت القياسات داخل الطبقات لها انحراف معياري أقل (مقارنةً بالانحراف المعياري العام في المجتمع) ، فإن التقسيم الطبقي يعطي خطأ أصغر في التقدير.
في هذا الإطار، إذا كانت الكثافة السكانية تتباين بدرجة كبيرة داخل المنطقة، فإن أخذ العينات الطبقية سيضمن إمكانية إجراء التقديرات بدقة متساوية في أجزاء مختلفة من المنطقة، ويمكن إجراء مقارنات بين المناطق الفرعية بقوة إحصائية متساوية. مثلًا، في أونتاريو ، قد يستعمل مسح تم إجراؤه في جميع أنحاء المقاطعة جزءًا أكبر من العينات في الشمال الأقل كثافة سكانية، نظرًا لأن التباين في عدد السكان بين الشمال والجنوب كبير جدًا لدرجة أن جزء أخذ العينات بناءً على عينة المقاطعة ككل قد يؤدي إلى جمع القليل من البيانات من الشمال.
عيوب
في هذا الإطار، لا يكون أخذ العينات الطبقي مفيدًا عندما لا يمكن تقسيم السكان بشكل شامل إلى مجموعات فرعية منفصلة. قد يكون تطبيقًا خاطئًا للأسلوب عند جعل أحجام عينات المجموعات الفرعية متناسبة مع كمية البيانات المتاحة من المجموعات الفرعية، بدلاً من قياس أحجام العينات لأحجام المجموعات الفرعية (أو تبايناتها، إذا كان معروفًا أنها تختلف إلى حدّ كبير - مثلًا عن طريق اختبار F ). تعتبر البيانات التي تمثل كل مجموعة فرعية ذات أهمية متساوية إذا كان الاختلاف المشتبه به فيما بينها يستدعي أخذ العينات الطبقية. إذا اختلفت تباينات المجموعة الفرعية إلى حدّ كبير وكانت البيانات بحاجة إلى أن تكون طبقية حسب التباين، فلا يمكن جعل حجم عينة كل مجموعة فرعية متناسبًا مع حجم المجموعة الفرعية ضمن إجمالي السكان. للحصول على طريقة فعالة لتقسيم موارد أخذ العينات بين المجموعات التي تختلف في وسائلها وتباينها وتكاليفها، راجع «التخصيص الأمثل» . يمكن أن يكون لمشكلة أخذ العينات الطبقية في حالة الفئات السابقة غير المعروفة (نسبة المجموعات السكانية الفرعية في جميع السكان) تأثير ضار على أداء أي تحليل على مجموعة البيانات، مثلًا التصنيف. في هذا الصدد، يمكن استخدام الحد الأدنى لنسبة أخذ العينات لجعل مجموعة البيانات قوية فيما يتعلق بعدم اليقين في عملية توليد البيانات الأساسية.
وفي هذا السياق، يمكن أن يؤدي الجمع بين الطبقات الفرعية لضمان وجود أعداد كافية إلى مفارقة سيمبسون ، حيث تختفي الاتجاهات الموجودة بالفعل في مجموعات مختلفة من البيانات أو حتى تنعكس عند دمج المجموعات.
📝 هل في هذه المقالة خطأ؟
إذا وجدت معلومة تحتاج تصحيحاً أو إضافة، أو أردت حذف المقالة، أرسل لنا طلباً وسنراجعه.
ما رأيك في هذه المقالة؟