Arten von stichprobenmethoden (mit beispielen)


Forscher möchten häufig Fragen zu Populationen beantworten wie:

  • Wie hoch ist die durchschnittliche Höhe einer bestimmten Pflanzenart?
  • Wie hoch ist das durchschnittliche Gewicht einer bestimmten Vogelart?
  • Wie viel Prozent der Bürger einer bestimmten Stadt unterstützen ein bestimmtes Gesetz?

Eine Möglichkeit, diese Fragen zu beantworten, besteht darin, Daten über jedes Individuum in der interessierenden Population zu sammeln.

Da dies jedoch meist zu kostspielig und zeitaufwändig ist, nehmen Forscher stattdessen eine Stichprobe der Bevölkerung und ziehen anhand der Stichprobendaten Rückschlüsse auf die Gesamtbevölkerung.

Beispiel für die Entnahme einer Stichprobe aus einer Grundgesamtheit

Es gibt viele verschiedene Methoden, mit denen Forscher potenziell Einzelpersonen in eine Probe einbeziehen können. Diese werden als Stichprobenverfahren bezeichnet.

In diesem Artikel stellen wir die in der Statistik am häufigsten verwendeten Stichprobenmethoden vor, einschließlich der Vor- und Nachteile der verschiedenen Methoden.

Wahrscheinlichkeitsstichprobenmethoden

Die erste Klasse von Stichprobenverfahren wird als Wahrscheinlichkeitsstichprobenverfahren bezeichnet, da jedes Mitglied einer Grundgesamtheit die gleiche Wahrscheinlichkeit hat, in die Stichprobe aufgenommen zu werden.

Einfache Zufallsstichprobe

Definition: Jedes Mitglied einer Grundgesamtheit hat die gleiche Chance, in die Stichprobe aufgenommen zu werden. Wählen Sie Mitglieder nach dem Zufallsprinzip aus, indem Sie einen Zufallszahlengenerator oder Zufallsauswahlmittel verwenden.

Beispiel: Wir stecken die Namen aller Schüler einer Klasse in einen Hut und ziehen die Namen nach dem Zufallsprinzip, um eine Stichprobe von Schülern zu erhalten.

Vorteil: Einfache Zufallsstichproben sind im Allgemeinen repräsentativ für die interessierende Grundgesamtheit, da jedes Mitglied die gleiche Chance hat, in die Stichprobe aufgenommen zu werden.

Geschichtete Zufallsstichprobe

Definition: Aufteilung einer Bevölkerung in Gruppen. Wählen Sie aus jeder Gruppe zufällig einige Mitglieder aus, die Teil der Stichprobe sein sollen.

Beispiel: Teilen Sie alle Schüler einer Schule nach ihrem Niveau ein: Erstsemester, Zweitsemester, Junioren und Senioren. Bitten Sie 50 Schüler jeder Klasse, an einer Umfrage zum Thema Schulmahlzeiten teilzunehmen.

Vorteil: Durch geschichtete Zufallsstichproben wird gewährleistet, dass Angehörige jeder Bevölkerungsgruppe in die Befragung einbezogen werden.

Geclusterte Zufallsstichprobe

Definition: Aufteilung einer Population in Cluster. Wählen Sie zufällig einige der Cluster aus und schließen Sie alle Mitglieder dieser Cluster in die Stichprobe ein.

Beispiel: Ein Unternehmen, das Walbeobachtungsausflüge anbietet, möchte seine Kunden befragen. Aus zehn Touren, die sie pro Tag anbieten, wählen sie zufällig vier Touren aus und befragen jeden Kunden nach seinen Erfahrungen.

Vorteil: Cluster-Zufallsstichproben erfassen alle Mitglieder bestimmter Gruppen, was nützlich ist, wenn jede Gruppe die Bevölkerung als Ganzes widerspiegelt.

Systematische Zufallsauswahl

Definition: Bringen Sie jedes Mitglied einer Population in eine bestimmte Reihenfolge. Wählen Sie einen zufälligen Startpunkt und wählen Sie jedes n-te Mitglied aus, das Teil der Stichprobe sein soll.

Beispiel: Ein Lehrer ordnet die Schüler alphabetisch nach Nachnamen, wählt zufällig einen Ausgangspunkt und wählt jeden fünften Schüler für die Stichprobe aus.

Vorteil: Systematische Zufallsstichproben sind im Allgemeinen repräsentativ für die interessierende Grundgesamtheit, da jedes Mitglied die gleiche Chance hat, in die Stichprobe aufgenommen zu werden.

Nicht-wahrscheinliche Stichprobenmethoden

Eine weitere Klasse von Stichprobenmethoden ist die sogenannte Nicht-Wahrscheinlichkeits-Stichprobenmethode , da nicht alle Mitglieder einer Grundgesamtheit die gleiche Wahrscheinlichkeit haben, in die Stichprobe aufgenommen zu werden.

Diese Art der Stichprobenmethode wird manchmal verwendet, da sie viel kostengünstiger und praktischer ist als Wahrscheinlichkeitsstichprobenmethoden. Es wird häufig bei explorativen Analysen verwendet, wenn Forscher lediglich ein erstes Verständnis einer Population gewinnen möchten.

Aus den bei diesen Stichprobenverfahren resultierenden Stichproben können jedoch keine Rückschlüsse auf die Grundgesamtheiten gezogen werden, aus denen sie entnommen werden, da es sich in der Regel nicht um repräsentative Stichproben handelt.

Convenience-Probe

Definition: Auswahl leicht verfügbarer Mitglieder einer Population zur Aufnahme in die Stichprobe.

Beispiel: Ein Forscher steht tagsüber vor einer Bibliothek und interviewt Passanten.

Nachteil: Ort und Tageszeit beeinflussen die Ergebnisse. Es ist mehr als wahrscheinlich, dass die Stichprobe unter einer Unterzählungsverzerrung leidet, da einige Personen (z. B. diejenigen, die tagsüber arbeiten) nicht so in der Stichprobe vertreten sind.

Freiwillige Antwortprobe

Definition: Ein Forscher bittet Freiwillige, in eine Studie einbezogen zu werden, und Mitglieder einer Bevölkerung entscheiden freiwillig, ob sie in die Stichprobe aufgenommen werden oder nicht.

Beispiel: Ein Radiomoderator bittet seine Hörer, online zu gehen und auf seiner Website an einer Umfrage teilzunehmen.

Nachteil: Menschen, die freiwillig antworten, werden wahrscheinlich eine stärkere Meinung (positiv oder negativ) haben als der Rest der Bevölkerung, was sie zu einer nicht repräsentativen Stichprobe macht. Durch die Verwendung dieser Stichprobenmethode ist es wahrscheinlich, dass die Stichprobe unter einem Non-Response-Bias leidet – bestimmte Personengruppen geben einfach weniger wahrscheinlich Antworten.

Schneeballprobe

Definition: Forscher rekrutieren erste Probanden für die Teilnahme an einer Studie und bitten diese ersten Probanden dann, weitere Probanden für die Teilnahme an der Studie zu rekrutieren. Bei diesem Ansatz wird die Stichprobengröße immer größer, je mehr Probanden rekrutiert werden.

Beispiel: Forscher führen eine Studie über Menschen mit seltenen Krankheiten durch, es ist jedoch schwierig, Menschen zu finden, die tatsächlich an der Krankheit leiden. Wenn es ihnen jedoch gelingt, zunächst nur wenige Personen für die Teilnahme an der Studie zu finden, können sie sie bitten, andere Personen zu rekrutieren, die sie möglicherweise über eine private Selbsthilfegruppe oder auf andere Weise kennen.

Nachteil: Wahrscheinlichkeit einer Stichprobenverzerrung. Da die anfänglichen Probanden zusätzliche Probanden rekrutieren, ist es wahrscheinlich, dass viele Probanden ähnliche Merkmale oder Merkmale aufweisen, die möglicherweise nicht repräsentativ für die breitere untersuchte Population sind. Daher können die Stichprobenergebnisse nicht auf die Grundgesamtheit übertragen werden.

Erfahren Sie hier mehr über die Schneeballprobenahme .

Reine Probe

Definition: Forscher rekrutieren Personen auf der Grundlage derjenigen, von denen sie glauben, dass sie für das Ziel ihrer Studie am nützlichsten sind.

Beispiel: Forscher möchten die Meinung der Einwohner einer Stadt über die mögliche Installation einer neuen Kletterhalle auf dem Stadtplatz erfahren. Deshalb sucht man gezielt nach Leuten, die andere Kletterhallen in der Stadt besuchen.

Nachteil: Es ist unwahrscheinlich, dass die Personen in der Stichprobe repräsentativ für die Gesamtbevölkerung sind. Daher können die Stichprobenergebnisse nicht auf die Grundgesamtheit übertragen werden.

Einen Kommentar hinzufügen

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert