Ve statistikách je vzorkování klastrů metodou vzorkování, při níž je celá populace studie rozdělena na externě homogenní, ale interně heterogenní skupiny zvané klastry. Každý klastr je v zásadě mini-reprezentací celé populace Statistická statistika je termín, který je odvozen z latinského slova „status“, což znamená skupinu čísel, které se používají k reprezentaci informací o člověku.
Zdroj: Wikicommons
Po identifikaci klastrů jsou určité klastry vybrány pomocí jednoduchého náhodného výběru, zatímco ostatní zůstávají ve studii nezastoupeni. Po výběru klastrů musí výzkumník zvolit vhodnou metodu pro vzorkování prvků z každé vybrané skupiny.
Primární metody odběru vzorků
V metodě vzorkování klastrů existují primárně dvě metody vzorkování prvků: jednostupňový a dvoustupňový.
V jednostupňovém vzorkování jsou vzorkovány všechny prvky v každém vybraném klastru. Ve dvoustupňovém vzorkování se v každém klastru použije jednoduchý náhodný výběr, aby se vybral podvzorek prvků v každém klastru.
Klastrová metoda nesmí být zaměňována se stratifikovaným vzorkováním. Ve stratifikovaném výběru je populace rozdělena do vzájemně se vylučujících skupin, které jsou externě heterogenní, ale interně homogenní. Například při stratifikovaném vzorkování může výzkumný pracovník rozdělit populaci do dvou skupin: muži vs. ženy. Naopak, při vzorkování klastrů jsou shluky navzájem podobné, ale s odlišným vnitřním složením.
Výhody vzorkování klastru
Clusterová metoda má oproti jednoduchému náhodnému a stratifikovanému vzorkování řadu výhod. Mezi výhody patří:
1. Vyžaduje méně zdrojů
Vzhledem k tomu, že vzorkování klastrů vybírá pouze určité skupiny z celé populace, vyžaduje metoda pro proces vzorkování méně zdrojů. Proto je obecně levnější ve srovnání s jednoduchým náhodným nebo stratifikovaným vzorkováním, protože vyžaduje méně administrativních a cestovních nákladů. SG&A SG&A zahrnuje všechny nevýrobní náklady vzniklé společnosti v daném období. To zahrnuje výdaje, jako je nájemné, reklama, marketing, účetnictví, soudní spory, cestování, stravování, platy managementu, bonusy a další. V některých případech může zahrnovat i náklady na odpisy.
2. Realizovatelnější
Rozdělení celé populace na homogenní skupiny zvyšuje proveditelnost odběru vzorků. Protože každý klastr představuje celou populaci, lze do studie zahrnout více subjektů.
Nevýhody vzorkování clusteru
Přes své výhody má tato metoda stále několik nevýhod, včetně:
1. Předpjaté vzorky
Metoda je náchylná k předpětím Předpětí výběru vzorku Předpětí výběru vzorku je předpětí, které je výsledkem selhání zajištění správné randomizace vzorku populace. Chyby výběru vzorku. Pokud by klastry, které představují celou populaci, byly vytvořeny na základě zaujatého názoru, byly by zaujaté i závěry o celé populaci.
2. Vysoká chyba vzorkování
Obecně jsou vzorky odebrané pomocí klastrové metody náchylné k vyšší chybě vzorkování než vzorky vytvořené pomocí jiných metod vzorkování.
Související čtení
Finance je oficiálním poskytovatelem globálního certifikátu Financial Modeling & Valuation Analyst (FMVA) ™ Certifikace FMVA® Připojte se k více než 350 600 studentům, kteří pracují pro společnosti jako Amazon, JP Morgan a Ferrari certifikační program, jehož cílem je pomoci komukoli stát se finančním analytikem světové úrovně . Chcete-li se dále vzdělávat a rozvíjet svou kariéru, budou užitečné další finanční zdroje uvedené níže:
- Základní pojmy statistiky v oblasti financí Základní pojmy statistiky v oblasti financí Pro lepší porozumění financím je zásadně důležité důkladné pochopení statistik. Statistické koncepty mohou navíc pomoci investorům sledovat
- Testování hypotéz Testování hypotéz Testování hypotéz je metoda statistické inference. Slouží k testování, zda je prohlášení týkající se parametru populace správné. Testování hypotéz
- Předpětí výběru vzorku Předpětí výběru vzorku Předpětí výběru vzorku je vychýlení, které je výsledkem selhání zajištění správné randomizace vzorku populace. Chyby výběru vzorku
- Chyba typu II Chyba typu II Ve statistickém testování hypotéz je chyba typu II situace, kdy test hypotézy nedokáže odmítnout nulovou hypotézu, která je nepravdivá. V jiných
