当编制一份构成目标人群的元素的详尽清单是不可能的或不切实际的时,可以使用整群抽样。然而,通常情况下,人口要素已经分组为子人口,并且这些子人口的列表已经存在或可以创建。例如,假设一项研究的目标人群是美国的教会成员。没有全国所有教会成员的名单。然而,研究人员可以创建一份美国教会的名单,选择一个教会样本,然后从这些教会获得成员名单。
为了进行整群抽样,研究者首先选择组或群,然后从每个群中通过简单随机抽样或系统随机抽样选择个体受试者。或者,如果集群足够小,研究人员可以选择在最终样本中包含整个集群,而不是其中的一个子集。
当研究人员将所选集群中的所有受试者纳入最终样本时,这称为单阶段集群样本。例如,如果一名研究人员正在研究天主教会成员对最近曝光的天主教会性丑闻的态度,他或她可能会首先抽样调查全国各地的天主教会。假设研究人员选择了全美50个天主教堂。然后他或她会调查这50个教会的所有成员。这将是一个单阶段集群样本。
当研究人员仅从每个集群中选择若干受试者时,即通过简单随机抽样或系统随机抽样获得两阶段集群样本。使用与上述相同的例子,研究人员选择了全美50个天主教堂,他或她不会将这50个教堂的所有成员都包括在最终样本中。取而代之的是,研究人员将使用简单或系统的随机抽样从每个群体中选择教会成员。这称为两阶段整群抽样。第一阶段是对集群进行抽样,第二阶段是对每个集群的受访者进行抽样。
整群抽样的一个优点是它便宜、快速、简单。在使用简单的随机抽样时,该研究不需要对整个国家进行抽样,而可以在使用整群抽样时,将资源分配给少数随机选择的集群。
整群抽样的第二个优点是,研究人员可以拥有比使用简单随机抽样更大的样本量。因为研究人员只需从多个集群中抽取样本,他或她可以选择更多的主题,因为它们更容易访问。
整群抽样的一个主要缺点是,在所有类型的概率抽样中,它是最不具代表性的。一个群体中的个体通常具有相似的特征,因此,当研究人员使用整群抽样时,他或她有可能在某些特征方面具有代表性过高或代表性不足的群体。这可能会扭曲研究结果。
群集抽样的第二个缺点是它可能有很高的抽样误差。这是由样本中包含的有限聚类造成的,这使得很大一部分人口没有采样。
假设一位研究人员正在研究美国高中生的学习成绩,并希望选择一个基于地理的聚类样本。首先,研究人员将整个美国人口分成若干个群体或州。然后,研究人员将选择这些集群/状态的简单随机样本或系统随机样本。假设他或她选择了15个州的随机样本,他或她想要最终的样本是5000名学生。然后,研究人员将通过简单或系统的随机抽样从这15个州中选择5000名高中生。这将是一个两阶段集群示例。
...UPGMA不同的是,这种技术可以生成无根树。此外,该方法中的聚类不依赖于超距离。然而,在构建系统进化树时,考虑了进化速率的变化。因此,使用这种技术绘制的树会有变化。因此,这种方法使用特殊的数学算法来评估这些...
...和进化关系进行分类。 生物分类是生物多样性和生物学研究中的一个重要过程。分类学有助于对各种系统进行分类,同时有助于对生物体进行聚类和分组。在这一点上,酚类和支系学在建立生物体之间的关系方面起着重要作用...
...无监督学习使用未标记的数据。 机器学习是计算机科学中的一个领域,它使计算机系统能够在没有明确编程的情况下从数据中学习。它允许分析数据并预测其中的模式。机器学习有许多应用。其中包括人脸识别、手势识别和语...
...的通用方法。因此,可以使用各种算法来实现聚类。适当的聚类算法和参数设置取决于各个数据集。这不是一个自动的任务,但它是一个迭代的发现过程。因此,有必要对数据处理和参数建模进行修改,直到结果达到预期的性能...
聚类与分层抽样 调查在市场营销、健康和社会学领域的各种研究中都有应用。他们通常是采取一个人口样本,因为对整个人口进行调查将是昂贵的。除此之外,抽样使数据收集更快,因为它只关注人口的一小部分。保证了采集...
...智能被视为它的一个组成部分。机器学习就是利用数据来研究计算机算法。他们收集数据,也被称为“训练数据”来预测它将如何执行任务。机器学习被广泛应用于医学、邮件过滤等领域,聚类和分类采用统计方法来收集数据,...
...个子集;它代表较大的人口,并用于对该人口进行推断。社会学家通常使用两种抽样技术:基于概率的抽样技术和不基于概率的抽样技术。他们可以使用这两种技术生成不同种类的样本。 非概率抽样技术 非概率模型是一种...
在社会学中,“滚雪球抽样”指的是一种非概率抽样技术(包括目的性抽样),在这种技术中,研究人员从一小群已知个体开始,并通过要求最初的参与者确定应参与研究的其他人来扩大样本。换句话说,在整个研究过程中,...
...明做一个好公民对他们意味着什么。 在语境中正确运用社会学词汇。 展示对政府结构和宗旨的理解。 显示人们和机构如何促进变革的意识,并至少提供一个例子(过去或现在)。 在社会研究中应用过程技能,如在各种场景中[...
...的重要性。 统计中有各种不同类型的样本。这些样本中的每一个都是根据其成员从总体中获得的方式命名的。能够区分这些不同类型的样品很重要。下面列出了一些最常见的统计样本的简要说明。 样本类型列表 随机样本...