In dit artikel worden alle soorten bemonstering en de kenmerken van elk type uitgelegd. Bovendien kunt u van elk bemonsteringstype een voorbeeld zien.<\/p>\n
Maar voordat we zien welke soorten steekproeven er bestaan, moeten we logischerwijs weten wat steekproeven zijn. Daarom raad ik u aan, voordat u verdergaat, naar dit gelinkte artikel te gaan, zodat u elk type bemonstering veel beter begrijpt. <\/p>\n
De soorten bemonstering zijn:<\/p>\n
Daarom wordt de steekproef ingedeeld in twee brede typen: waarschijnlijkheidssteekproeven en niet-waarschijnlijkheidssteekproeven.<\/p>\n
Op dezelfde manier zijn er verschillende soorten waarschijnlijkheidssteekproeven: eenvoudige willekeurige steekproeven, systematische steekproeven, gestratificeerde steekproeven en clustersteekproeven.<\/p>\n
En aan de andere kant zijn de soorten niet-waarschijnlijkheidssteekproeven gegroepeerd in: doelgerichte steekproeven, gemakssteekproeven, opeenvolgende steekproeven, quotasteekproeven en sneeuwbalsteekproeven.<\/p>\n
Elk specifiek type bemonstering wordt hieronder in detail toegelicht.<\/p>\n
De waarschijnlijkheidssteekproeftechniek<\/strong> bestaat uit het willekeurig selecteren van de elementen van de steekproef, dat wil zeggen dat ze allemaal dezelfde waarschijnlijkheid hebben om gekozen te worden.<\/p>\n Dit is een essenti\u00eble voorwaarde om steekproeven als waarschijnlijkheid te kunnen beschouwen; alle elementen van de statistische populatie moeten gekozen kunnen worden en bovendien moeten ze dezelfde mogelijkheid hebben om geselecteerd te worden.<\/p>\n Zoals we zojuist hebben gezien, zijn de verschillende soorten waarschijnlijkheidssteekproeven eenvoudige willekeurige steekproeven, systematische steekproeven, gestratificeerde steekproeven en clustersteekproeven.<\/p>\n Eenvoudige willekeurige steekproeven<\/strong> geven elk element van de statistische populatie dezelfde kans om in de onderzochte steekproef te worden opgenomen. De individuen in de steekproef worden dus eenvoudigweg willekeurig geselecteerd, zonder gebruik te maken van andere criteria.<\/p>\n Om willekeurig te simuleren zijn er verschillende methoden, maar momenteel wordt dit meestal gedaan met behulp van computerprogramma’s zoals Excel, omdat ze veel tijd besparen. <\/p>\n Bij systematische steekproeven<\/strong> wordt eerst willekeurig \u00e9\u00e9n element van de populatie geselecteerd en vervolgens worden de rest van de elementen in de steekproef geselecteerd met behulp van een vast interval.<\/p>\n Dus bij systematische steekproeven moeten we, zodra we willekeurig het eerste individu uit de steekproef hebben geselecteerd, zoveel getallen tellen als het gewenste interval om het volgende individu uit de steekproef te selecteren. En we herhalen achtereenvolgens dezelfde procedure totdat we evenveel individuen in de steekproef hebben als de steekproefomvang die we willen verkrijgen. <\/p>\n Bij de gestratificeerde steekproeftechniek<\/strong> wordt de populatie eerst verdeeld in strata (groepen) en vervolgens worden uit elk stratum willekeurig enkele individuen geselecteerd om de gehele onderzoekssteekproef te vormen. Er zal dus ten minste \u00e9\u00e9n lid uit elk stratum in de steekproef aanwezig zijn.<\/p>\n Strata moeten homogene groepen zijn, dat wil zeggen dat individuen in een laag hun eigen kenmerken hebben die hen onderscheiden van andere lagen. Een individu kan dus maar tot \u00e9\u00e9n stratum behoren. <\/p>\n Clustersteekproeven en gestratificeerde steekproeven kunnen met elkaar worden verward omdat ze erg op elkaar lijken, maar als je goed kijkt, zijn het twee verschillende soorten waarschijnlijkheidssteekproeven.<\/p>\n Clustersteekproeven<\/strong> maken gebruik van het feit dat er al natuurlijke clusters (groepen) in de populatie bestaan om alleen bepaalde clusters te bestuderen in plaats van alle individuen in de populatie.<\/p>\n In tegenstelling tot gestratificeerde steekproeven mag bij deze methode geen specifiek individu uit de clusters worden geselecteerd, maar zodra de te bestuderen groepen zijn gekozen, moeten al hun leden worden geanalyseerd.<\/p>\n Clusterbemonstering wordt ook wel clusterbemonstering, clusterbemonstering of gebiedsbemonstering genoemd. <\/p>\n Bij niet-waarschijnlijkheidssteekproeven<\/strong> worden individuen geselecteerd op basis van de subjectieve criteria van de onderzoekers. Daarom hebben bij niet-waarschijnlijkheidssteekproeven niet alle elementen van de populatie dezelfde kans om voor de steekproef te worden gekozen, aangezien de selectie niet willekeurig is. Dit kenmerk onderscheidt niet-waarschijnlijkheidssteekproeven van waarschijnlijkheidssteekproeven.<\/p>\n Logischerwijs is bij niet-waarschijnlijkheidssteekproeven de persoon die verantwoordelijk is voor het uitvoeren van het onderzoek erg belangrijk, omdat hij of zij degene is die beslist wie in de steekproef wordt opgenomen. Daarom is het essentieel dat de onderzoeker over grote kennis en ervaring op het vakgebied beschikt, om betrouwbare resultaten te verkrijgen.<\/p>\n Zoals hierboven uitgelegd, zijn de verschillende soorten niet-waarschijnlijkheidssteekproeftechnieken doelgerichte steekproeven, gemakssteekproeven, opeenvolgende steekproeven, quotasteekproeven en sneeuwbalsteekproeven.<\/p>\n Doelgerichte steekproeven<\/strong> zijn uitsluitend afhankelijk van het oordeel van de onderzoeker bij het kiezen van de onderzoekssteekproef.<\/p>\n De persoon die verantwoordelijk is voor het onderzoek heeft dus alle beslissingsmacht om de elementen van de steekproef te selecteren. Het is daarom belangrijk dat je een expert bent op het vakgebied.<\/p>\n Doelgerichte bemonstering wordt ook wel oordelende bemonstering, oordelende bemonstering, kritische bemonstering, doelgerichte bemonstering of opiniebemonstering genoemd. <\/p>\n Bij gemakssteekproeven<\/strong> kiezen onderzoekers steekproefonderwerpen op basis van criteria voor gemakkelijke toegang tot individuen, zonder daarbij het toeval te betrekken.<\/p>\n Dat wil zeggen dat bij dit soort niet-waarschijnlijkheidssteekproeven om individuen uit de populatie te kiezen, aspecten zoals beschikbaarheid, nabijheid of kosten van hun selectie worden ge\u00ebvalueerd. Vaak worden er zelfs vrijwilligers aangenomen om de bemonstering verder te vergemakkelijken.<\/p>\n Convenience sampling wordt ook wel doelgerichte sampling of opportunity sampling genoemd. <\/p>\n Bij opeenvolgende bemonsteringen<\/strong> wordt eerst een initieel monster gekozen en bestudeerd, en na het verkrijgen van de resultaten van het initi\u00eble monster wordt een ander monster bestudeerd. En het proces wordt achtereenvolgens herhaald totdat de eindconclusies van het hele onderzoek zijn verkregen.<\/p>\n Opeenvolgende steekproeven concentreren zich dus niet op \u00e9\u00e9n enkele steekproef, maar bestuderen eerder verschillende steekproeven uit dezelfde statistische populatie en trekken uiteindelijk conclusies uit de informatie die uit alle groepen is verkregen. <\/p>\n Bij quotasteekproeven<\/strong> worden eerst groepen (of strata) van individuen die ten minste \u00e9\u00e9n kenmerk delen, vastgesteld, en vervolgens wordt uit elke groep een quotum geselecteerd, waardoor de onderzoekssteekproef wordt gevormd.<\/p>\n De eigenschap van individuen die worden gebruikt om de bevolking in groepen te verdelen, wordt ook bepaald door de onderzoeker. Daarom heeft de persoon die verantwoordelijk is voor het uitvoeren van het onderzoek een grote invloed op de verkregen resultaten. <\/p>\n<\/span>eenvoudige willekeurige steekproef<\/span><\/h4>\n
<\/span> systematische monsterneming<\/span><\/h4>\n
<\/span> gestratificeerde steekproef<\/span><\/h4>\n
<\/span> clusterbemonstering<\/span><\/h4>\n
<\/span> Niet-waarschijnlijkheidssteekproef<\/span><\/h3>\n
<\/span> doelgerichte steekproef<\/span><\/h4>\n
<\/span> gemakssteekproef<\/span><\/h4>\n
<\/span> opeenvolgende bemonstering<\/span><\/h4>\n
<\/span>Quotasteekproef<\/span><\/h4>\n