Clusterbemonstering

In dit artikel leggen we uit wat clusterbemonstering is en hoe deze wordt uitgevoerd. U vindt een voorbeeld van clusterbemonstering en de subtypen clusterbemonstering. Tenslotte ziet u wat de voor- en nadelen van clustersteekproeven zijn en wanneer deze vorm van steekproeven moet worden ingezet.

Wat is clustersteekproef?

Clusterbemonstering is een statistische methode voor het selecteren van elementen van een populatie die deel zullen uitmaken van de steekproef van een onderzoek.

Het belangrijkste kenmerk van clustersteekproeven is dat er gebruik wordt gemaakt van het bestaan van natuurlijke clusters (groepen) in de populatie om alleen bepaalde clusters te bestuderen in plaats van alle individuen in de populatie.

Om clustersteekproeven uit te voeren , moeten de groepen (of clusters) waarin de populatie is verdeeld logischerwijs representatief zijn voor de populatie .

Op deze manier wordt het onderzoek vereenvoudigd omdat dezelfde analyse wordt uitgevoerd, maar op veel minder individuen, en de verkregen resultaten vervolgens worden geëxtrapoleerd naar de statistische populatie. Dit impliceert lagere economische kosten, maar ook een verlies aan nauwkeurigheid. We zullen hieronder alle voor- en nadelen van clusterbemonstering bekijken.

Clusterbemonstering wordt ook wel clusterbemonstering, clusterbemonstering of gebiedsbemonstering genoemd.

Opgemerkt moet worden dat clustersteekproeven anders zijn dan gestratificeerde steekproeven . Bij clustersteekproeven worden alle individuen in een groep geselecteerd, terwijl bij gestratificeerde steekproeven enkele individuen uit alle groepen worden geselecteerd.

Clusterbemonstering uitvoeren

De stappen voor het uitvoeren van clusterbemonstering zijn als volgt:

1. Definieer de doelgroep.
2. Bepaal de gewenste steekproefgrootte om het statistische onderzoek uit te voeren.
3. Clusters definiëren. Met andere woorden: verdeel de populatie in uitputtende en niet-overlappende sets.
4. Selecteer willekeurig de conglomeraten die de steekproef voor het statistische onderzoek zullen vormen.

Opgemerkt moet worden dat een gebruikelijke manier om te beslissen in welke groepen de bevolking zal worden verdeeld, is door geografische spreiding, dat wil zeggen dat de geografisch dichtstbijzijnde plaatsen een groep vormen. Als we bijvoorbeeld een land statistisch willen analyseren, kunnen we de provincies van het land groeperen.

Het is belangrijk dat de clusters representatief zijn, anders levert het statistische onderzoek onbetrouwbare resultaten op. Als we, net als in het vorige voorbeeld, de provincies van het land clusteren, moeten we ervoor zorgen dat elke provincie kenmerken heeft die sterk lijken op die van de totale bevolking.

Bovendien moeten we ervoor zorgen dat alle clusters dezelfde kans hebben om geselecteerd te worden, anders zou de willekeur van de steekproef in gevaar komen.

Voorbeeld van clusterbemonstering

Nadat we de definitie van clusterbemonstering hebben gezien, laten we u hieronder een voorbeeld zien van hoe dit type bemonstering zou worden uitgevoerd.

• Het doel is om de tevredenheid die de klanten van een nationaal bedrijf het afgelopen jaar hebben ontvangen statistisch te analyseren. Uiteraard vergt het uitvoeren van een tevredenheidsonderzoek per klant veel tijd en geld. Daarom is besloten om een clustersteekproef uit te voeren. Hieronder wordt uitgelegd hoe clusterbemonstering zal worden uitgevoerd.

Het eerste dat we moeten doen om clustersteekproeven uit te voeren, is de onderzoekspopulatie in clusters te groeperen. In dit geval zullen we, omdat dit een op één land gericht bedrijf is, klanten groeperen op basis van hun provincie.

Op deze manier zullen de conglomeraten heterogeen zijn, aangezien elke klant een andere leeftijd, andere smaak, andere gewoonten,… kan hebben. Het enige dat de individuen van een conglomeraat gemeen hebben, is de plaats waar ze wonen.

Nadat we de clusters hebben gemaakt, moeten we er willekeurig een paar selecteren. Het aantal geselecteerde clusters moet groot genoeg zijn om een representatieve steekproef te vormen, maar moet ook klein genoeg zijn om de gebruikte middelen te sparen.

Ten slotte kunnen we interviews afnemen met alle mensen die deel uitmaken van de geselecteerde groepen en de verzamelde gegevens statistisch bestuderen. We zouden nu echter ook eenvoudige willekeurige steekproeven of systematische steekproeven kunnen doen om de steekproefomvang verder te verkleinen. In de volgende sectie zullen we deze mogelijkheid verder onderzoeken.

Soorten clusterbemonstering

Soorten clusterbemonstering worden geclassificeerd op basis van hun aantal stappen:

• Clusterbemonstering in één fase : Er wordt tijdens het hele proces slechts één bemonstering uitgevoerd.
• Clusterbemonstering in twee fasen : Er worden twee clusterbemonsteringen uitgevoerd om het monster te verkrijgen.
• Meertraps clusterbemonstering : wanneer clusterbemonstering meer dan twee fasen vereist om de statistische steekproef te verkrijgen.

Het uitvoeren van meer dan één stap in een clustersteekproef helpt de steekproefomvang te verkleinen en is zeer nuttig in grote onderzoeken. Als we bijvoorbeeld een statistische studie van een heel land willen doen, kunnen we eerst clusters van provincies van het land doen en, zodra we willekeurig een provincie hebben geselecteerd, kunnen we nog een clustersteekproef doen door de provincie in gemeenten te verdelen.

Soms kan clusterbemonstering, afhankelijk van de kenmerken van de clusters, worden gecombineerd met andere soorten bemonstering. Er kan bijvoorbeeld eerst een clustersteekproef worden gedaan, daarna een eenvoudige willekeurige steekproef of een systematische steekproef .

Voor- en nadelen van clusterbemonstering

Clusterbemonstering heeft de volgende voor- en nadelen:

Logischerwijs vermindert het gebruik van clustersteekproeven de middelen die nodig zijn om steekproeven uit te voeren, aangezien er een kleinere groep wordt bestudeerd, waardoor er minder tijd en geld nodig is.

De nauwkeurigheid die wordt verkregen door het statistisch analyseren van een cluster is echter minder dan wanneer we de gehele populatie zouden bestuderen. Bovendien moet ervoor worden gezorgd dat de clusters heterogeen zijn, zodat ze de gehele populatie correct vertegenwoordigen, waardoor onbetrouwbare resultaten worden vermeden.

Een ander voordeel van clusterbemonstering is dat je deze kunt combineren met andere soorten bemonstering, en dat je zelfs twee of meer clusterbemonsteringen in dezelfde bemonstering kunt uitvoeren. Zoals hierboven uitgelegd, kunnen eenvoudige willekeurige steekproeven of systematische steekproeven worden gedaan na clustersteekproeven.

Aan de andere kant is een ander nadeel van clusterbemonstering dat er doorgaans minder representatieve monsters worden verkregen in vergelijking met andere soorten bemonstering. De variaties zijn bijvoorbeeld meestal veel groter dan bij eenvoudige willekeurige steekproeven.

Wanneer moet u clustersteekproeven gebruiken?

Het is erg handig om clustersteekproeven te gebruiken als de populatie die u wilt bestuderen erg groot is of verspreid is over een zeer groot geografisch gebied, omdat u met clustersteekproeven het aantal te onderzoeken individuen en gebieden kunt verminderen.

Houd er rekening mee dat dit soort waarschijnlijkheidssteekproeven geschikt is als we om het onderzoek uit te voeren moeizame technieken moeten toepassen, zoals persoonlijke interviews, aangezien het aantal uit te voeren interviews dan aanzienlijk wordt verminderd.

Als de gegevens echter met behulp van andere methoden worden verzameld, zoals een onlineformulier, is het waarschijnlijk geen goed idee om clustersteekproeven te gebruiken, omdat het gebruik van een ander soort steekproeven ervoor kan zorgen dat er in minder tijd meer informatie kan worden verzameld.