Indholdsfortegnelse:
Som en statistisk prøveudtagningsmetode er systematisk prøveudtagning enklere og mere ligetil end tilfældig prøveudtagning. Det kan også være mere befordrende for at dække et bredt studieområde. På den anden side introducerer systematisk prøveudtagning visse vilkårlig parametre i dataene. Dette kan forårsage over- eller underrepræsentation af bestemte mønstre.
Undersøg systematisk prøveudtagning
I en systematisk prøve er de valgte data jævnt fordelt. For eksempel kan en statistiker i en befolkning på 10.000 mennesker vælge hver 100. person til prøveudtagning. Prøvetagningsintervallerne kan også være systematiske, f.eks. At vælge en ny prøve hver 12. time.
Systematisk prøveudtagning er populær blandt forskere på grund af sin enkelhed. Forskere antager generelt, at resultaterne er repræsentative for de fleste normale populationer, medmindre en tilfældig egenskab forekommer uforholdsmæssigt med hver nte dataprøve (hvilket er usandsynligt).
Til at begynde med vælger en forsker et starttal til at basere systemet. Dette tal skal være mindre end befolkningen som helhed; han vælger ikke hver 500. værftet til prøve for et 100-fods fodboldbane. Når et nummer er valgt, vælger forskeren intervallet eller mellemrummet mellem prøver i befolkningen.
Hovedfordele
Systematiske prøver er forholdsvis lette at konstruere, udføre, sammenligne og forstå. Dette er især vigtigt for undersøgelser eller undersøgelser, der opererer med stramme budgetmæssige begrænsninger.
En systematisk metode giver også forskere og statistikere en vis grad af kontrol og følelse af proces. Dette kan være særligt gavnligt for studier med strenge parametre eller en snævert dannet hypotese, forudsat at prøveudtagningen er rimeligt konstrueret til at passe til disse parametre.
Clustered selection, et fænomen, hvor tilfældigt udvalgte prøver er usædvanligt tæt sammen i en population, elimineres ved systematisk prøveudtagning. Tilfældige prøver kan kun klare dette ved at øge antallet af prøver eller køre mere end en undersøgelse. Disse kan være dyre alternativer.
Måske er den største styrke i en systematisk tilgang den lave risikofaktor. De primære potentielle ulemper ved systemet har en tydelig lav sandsynlighed for at kontaminere dataene.
Vigtigste ulemper
Den systematiske metode forudsætter, at befolkningens størrelse er tilgængelig eller med rimelighed kan tilnærmes. Antag for eksempel, at en forsker ønsker at studere størrelsen af rotter i et givet område. Hvis han ikke har nogen ide om hvor mange rotter der er, kan han ikke systematisk vælge et startpunkt eller en intervallstørrelse.
En befolkning skal udvise en naturlig grad af tilfældighed langs den valgte metric.Hvis befolkningen har en type standardiseret mønster, er risikoen for ved et uheld at vælge meget almindelige tilfælde mere tydelig.
For en simpel hypotetisk situation skal du overveje en liste over yndlingshunde racer hvor (med vilje eller ved et uheld) hver jævnt nummereret hund på listen var lille, og hver ulige hund var stor. Hvis den systematiske sampler begyndte med den fjerde hund og valgte et interval på seks, sprang undersøgelsen de store hunde.
Der er større risiko for datamanipulation med systematisk prøveudtagning, fordi forskere måske vil kunne konstruere deres systemer for at øge sandsynligheden for at opnå et målrettet udfald snarere end at lade de tilfældige data producere et repræsentativt svar. Enhver resulterende statistik kunne ikke stole på.
Hvordan kan jeg anvende systematisk prøveudtagning i økonomi?
Lær om systematisk prøveudtagning, hvordan det virker og hvordan det kan bruges i finansiering, herunder Monte Carlo-simuleringer, der model fremtidige sandsynligheder.
Hvordan kan jeg anvende systematisk prøveudtagning med stratificeret prøveudtagning?
Lær hvordan den systematiske prøveudtagningsteknik kan anvendes med stratificeret prøveudtagningsmetode, og når de to metoder ikke bør kombineres.
Hvornår er det bedre at anvende systematisk over simpel tilfældig prøveudtagning?
Lær, når systematisk prøveudtagning er bedre end simpel tilfældig prøveudtagning, f.eks. I mangel af datamønstre, og når der er lav risiko for datamanipulation.