系統抽出とは何ですか？
系統抽出は、研究者が調査したい母集団をゼロにするために使用する統計的手法です。 研究者は、母集団全体のサイズを目的のサンプルサイズで割ることにより、サンプリング間隔を計算します。 系統抽出は、確率サンプリングの拡張実装であり、グループの各メンバーが定期的に選択されてサンプルが形成されます。
系統抽出の定義
系統抽出は、研究者がランダムな開始点を選択することによってターゲット母集団から要素を選択し、一定の「サンプリング間隔」の後にサンプルメンバーを選択する確率サンプリング方法として定義されます。
たとえば、学校では、スポーツチームのキャプテンを選ぶ際に、ほとんどのコーチから1-5（1-n）などの番号や、コーチが決めた乱数を使って生徒に電話をかけるように言われました。 たとえば、3人が異なるチームのキャプテンとして呼び出されます。 これは、コーチとプレーヤーの両方にとってストレスのない選択プロセスです。 このサンプリング手法を使用して、母集団のすべてのメンバーが選択される機会は均等にあります。
系統抽出法を使用してサンプルを作成する手順は何ですか？
系統抽出を作成する手順は次のとおりです。
ステップ1：定義された構造オーディエンスを開発して、サンプリングの側面に取り組み始めます。
ステップ2：研究者として、サンプルの理想的なサイズ、つまり、サンプルの一部として選択する母集団全体の人数を把握します。
ステップ3：サンプルサイズを決定したら、サンプルのすべてのメンバーに番号を割り当てます。
ステップ4： このサンプルの間隔を定義します。 これは、要素間の標準距離になります。
たとえば、サンプル間隔は10である必要があります。これは、5000（N =母集団のサイズ）と500（n =サンプルのサイズ）を除算した結果です。
| 区間（i）の系統抽出式= N / n = 5000/500 = 10 |
ステップ5：基準に一致するメンバーを選択します。この場合は10人に1人になります。
ステップ6： サンプルの開始メンバー（r）をランダムに選択し、その間隔を乱数に追加して、サンプルにメンバーを追加し続けます。 r、r + i、r+2iなどがサンプルの要素になります。
系統抽出のしくみ
サンプリングするときは、母集団を公平に表すようにしてください。 系統抽出は、研究者が特別に定義された間隔の後にサンプルを選択する対称的なプロセスです。 このようなサンプリングでは、研究者はサンプルの選択に関して偏見の余地がありません。 系統抽出が正確にどのように機能するかを理解するために、インストラクターが生徒に列を作るように求め、3人に1人ごとに列から出るように求める体育の授業の例を見てみましょう。 ここでは、インストラクターはサンプルの選択に影響を与えず、クラスを正確に表すことができます。
系統抽出の例
たとえば、地元のNGOが5000人の人口から500人のボランティアの系統的サンプルを作成しようとしている場合、彼らは人口の10人ごとに選択して体系的にサンプルを作成できます。
系統抽出の種類は何ですか？
系統抽出の種類は次のとおりです。
- 体系的なランダムサンプリング
- 線形系統抽出
- 循環系統抽出
これらのサンプリング手法を詳しく見てみましょう。
体系的なランダムサンプリング：
体系的なランダムサンプリングは、特定のプリセット間隔でサンプルを選択する方法です。 研究者として、1とサンプリング間隔の間のランダムな開始点を選択します。 以下は、体系的なランダムサンプルを設定するための手順の例です。
- まず、サンプリング間隔を計算して修正します。 （母集団の要素数をサンプルに必要な要素数で割ったものです。）
- 1とサンプリング間隔の間のランダムな開始点を選択します。
- 最後に、サンプリング間隔を繰り返して、後続の要素を選択します。
線形系統抽出：
線形系統抽出は、サンプルが最後に繰り返されず、「n」個の単位が「N」個の母集団単位を持つサンプルの一部として選択される体系的なサンプリング方法です。 サンプルのこれらの「n」ユニットをランダムに選択するのではなく、研究者はスキップロジックを適用してこれらを選択できます。 それは直線的な経路をたどり、特定の母集団の終わりで停止します。
このサンプリングまたはスキップ間隔（k）= N（総人口単位）/ n（サンプルサイズ）
線形系統抽出はどのように選択されますか？
- 分類された順序で母集団全体を配置します。
- サンプルサイズを選択（n）
- サンプリング間隔（k）= N/nを計算します
- 1からkまでのランダムな数を選択してください（kを含む）
- 選択した乱数にサンプリング間隔（k）を追加して次のメンバーをサンプルに追加し、この手順を繰り返してサンプルの残りのメンバーを追加します。
- kが整数でない場合は、N/nに最も近い整数を選択できます。
循環系統抽出：
循環系統抽出では、サンプルは終了後に同じポイントからもう一度開始します。したがって、名前。 たとえば、N=7およびn=2の場合、k=3.5です。 サンプルを作成するには、次の2つの方法が考えられます。
- k = 3とすると、サンプルは-ad、be、ca、db、ecになります。
- k = 4とすると、サンプルはae、ba、cb、dc、edになります。
循環系統抽出はどのように選択されますか？
- サンプリング間隔（k）= N/nを計算します。 （N=11およびn=2の場合、kは6ではなく5と見なされます）
- 1からNの間でランダムに開始
- 母集団全体のメンバーを選択するまで、毎回kユニットをスキップしてサンプルを作成します。
- この方法の場合、線形系統抽出法のk個のサンプルとは異なり、N個のサンプルがあります。
線形系統抽出と循環系統サンプリングの違い：
線形系統抽出と循環系統サンプリングの違いは次のとおりです。
|
線形系統抽出 |
循環系統抽出 |
| サンプルの作成=k（サンプリング間隔） | サンプルの作成=N（総人口） |
| このサンプルの開始点と終了点は異なります。 | 人口全体が考慮されると、開始点から再開します。 |
| すべてのサンプルユニットは、選択する前に直線的に配置する必要があります。 | 要素は円形に配置されます。 |
系統抽出の利点は何ですか？
系統抽出の利点は次のとおりです。
- 研究者がサンプルを作成、実施、分析することは非常に簡単で便利です。
- サンプルの各メンバーに番号を付ける必要がないため、母集団をより速く簡単に表すのに適しています。
- 作成されたサンプルは、メンバー選択の精度に基づいており、好意的ではありません。
- クラスターサンプリングや層化サンプリングなどの確率サンプリング法の他の方法、または便宜的サンプリングなどの非確率法では、メンバーが固定距離にあるため、系統抽出では回避される、作成されたクラスターが高度にバイアスされる可能性があります。互いに。
- このサンプリング方法に伴うリスクの要因は非常に最小限です。
- 母集団のメンバーが多様である場合、サンプルを形成するメンバーが均等に分散されるため、このサンプリング手法は有益です。
クラスターサンプリングや層状ランダムサンプリングなどの他の確率サンプリング手法は、非常に組織化されておらず、困難な場合があります。そのため、研究者や統計学者は、より良いサンプリング結果を得るために系統抽出や単純ランダムサンプリングなどの方法に目を向けています。 サンプルサイズの選択とこのサンプルの開始点の特定が必要になるため、時間は最小限に抑えられます。これは、サンプルを形成するために定期的に継続する必要があります。
系統抽出をいつ使用するのですか？
5000人の母集団から500人の個人のサンプルを作成する例を見てみましょう。人口のすべての人に番号を付ける必要があります。
番号付けが完了すると、研究者はランダムに番号を選択できます（例：5）。 5番目の個人は、系統抽出の一部となる最初の個人になります。 その後、10番目のメンバーがサンプルに追加され、以下同様に続きます（15、25、35、45、および4995までのメンバー）。
系統抽出を使用する場合の他の4つの状況は次のとおりです。
- 予算の制限：単純ランダムサンプリングのような他のサンプリング方法と比較して、このサンプリング手法は、予算の制限があり、研究の非常に単純な達成もある条件に適しています。
- 複雑でない実装：系統抽出は、サンプルを決定するために定義されたサンプリング間隔に依存するため、研究者や統計家がより多くの回答者でサンプルを管理することが簡単になります。 これは、サンプルの作成に費やす時間が最小限であり、系統抽出の定期的な性質により、費やされるコストも制限されるためです。
- データパターンの欠如： 取り決めが整っていない特定のデータがあります。 このデータは、系統抽出を使用して、偏りのない方法で分析できます。
- 研究におけるデータ操作のリスクが低い：特にデータ操作のリスクがごくわずかである場合、幅広い主題を研究している間は非常に生産的です。
QuestionProオーディエンスによるサンプリング
QuestionPro Audienceには、市場調査とブランド調査のすべてのレベルに参加するためのダブルオプトとモバイル対応の2200万人以上の調査回答者のグローバルサンプルがあります。 ゲーマーや建築請負業者などのニッチなパネリストが必要な場合は、ニッチなパネリストに直接連絡してください。
