層別サンプリング。確率的サンプリングの一種

層別サンプリングとは、対象母集団をユニークで均質なセグメント（層）に分け、各セグメント（層）から単純無作為にサンプルを抽出するサンプリング方法である。様々な層から選択されたサンプルは、1つのサンプルに統合されます。このサンプリング方法は、”オケージョナルフィーサンプリング “と呼ばれることがあります。ベストショットを撮るために覚えておきたい注意点は以下の通りです。

層別サンプリングは、確率的サンプリングの一種である。その弱点と強みを知るために、ぜひ読み進めてください。

層別調査の選択ステップ

層別無作為標本の抽出には、主に8つのステップがあります。

対象者を明確にする。
層別変数を特定し、使用する層数を決定する。層別変数は研究の目的に関連したものでなければならない。研究の目的がサブグループの推定を行うことであるならば、層別化変数はそれらのサブグループに接続されていなければならない。補助的な情報の有無が、使用する層別変数を決定することが多い。複数の層別変数を使用することもできる。層別変数の数が増えれば増えるほど、ある変数が他の変数の効果を打ち消す確率が高くなると考えてください。特に、層別変数は4～6個まで、変数の層別は6個までとする。
既存のテストフレームを特定するか、対象集団の各項目の層別変数に関する情報を含むテストフレームを開発する。サンプルフレームに層別変数の情報が含まれていない場合、層別は不可能である。
アンダーカバー、オーバーカバー、マルチ、クラスタリングのサンプリングフレームを評価し、必要に応じて調整する。
サンプリングフレームを層別、変数のカテゴリに分割し、各層別サンプリングフレームを作成する。層内の差は最小に、層間の差は最大にする必要があります。層は重なりあってはならず、一緒になって全人口を構成していなければならない。層は独立したものでなければならず、母集団の部分集合から排他的でなければならない。母集団の各要素は、単一の層でなければならない。
各アイテムにユニークな番号を割り当てる。
各層ごとのサンプルサイズを決定する。様々な層でサンプルに含まれる項目の数値分布が、実施すべきテストの種類を決定する。それは比例成層デモであったり、不釣合い成層デモのいくつかのタイプのうちの1つであったりする。
各層から指定された数のアイテムを無作為に選択する。また、収集したデータから算出される推定値の誤差を計算するために、各層から少なくとも1つの要素を選択しなければならない。

比例層別サンプリング

層別サンプリングには、比例サンプリングと不均衡サンプリングの2つの主なサブタイプがあります。比例層別では、各層に割り当てられる項目の数は、対象母集団の層別代表数に比例する。つまり、各層から抽出されるサンプルサイズは、対象母集団におけるその層の相対的なサイズに比例しているのです。

サンプリング率は各層に適用され、各母集団要素が等しく選択される機会を与える。出来上がったサンプルはセルフ・ウェイトされます。このサンプリング方法は、母集団のパラメーターを推定することを目的とした研究の場合に使用されます。

研究者は、母集団のパラメーターを推定するだけでなく、比較的小さな層で詳細な分析を行いたい、あるいは層同士を比較したいと思うことがよくある。比例層別サンプリングでは、この種の分析の層が一部得られないことがある。

この表の例では、ゾーン2の元素は12種類しか含まれていないため、詳細な分析はできません。さらに、ゾーン2の要素を他のゾーンと比較するのは疑問が残る。

比例配分サンプリングは、この種の分析を行うのに適したサンプリングの選択ではありません。不釣り合いな方がいいかもしれませんね。

不釣り合いな層別サンプリング

不均衡なサンプリングとは、各層からサンプルに含まれる要素の数が、総人口における代表数に比例しないような手順を指します。母集団の構成要素は、サンプルに含まれる確率が等しくない。各層で同じサンプリング比率は適用されない。

一方、層はサンプリング比率が異なるため、このサンプリング方法は等比級数的な選択とはならない。母集団のパラメータを推定するためには、母集団の構成が標本の不均衡を補う必要があります。しかし、研究プロジェクトによっては、比例配分よりも不均衡な層別サンプリングが適切な場合もある。

不均衡なサンプリングは、割り当ての目的に基づいて3つのサブタイプに分けることができます。例えば、層内の分析を容易にするため、コスト、精度、または精度とコストの両方を最適化することに重点を置くことができます。

研究の目的によって、研究者はサンプル層の詳細な分析を行う必要がある場合があります。比例層別を使用する場合、層別のサンプルサイズは非常に小さく、したがって、研究の目標を達成することが困難な場合があります。

比例配分では、この種の詳細な分析に十分な数の事例が得られない可能性があります。 1つの選択肢は、小規模または不定期の層をオーバーサンプリングすることである。このようなオーバーサンプリングは、母集団と比較してサンプル層の分布が不均衡になる。しかし、調査の目的に必要な層別分析を行うには、十分な症例数がある場合もある。

層別サンプリングの長所と短所

層別サンプリングは、非確率的サンプリング手順と比較して、ほとんどの確率的サンプリング手順に関連する長所と短所を多く持っています。

単純無作為抽出と比較して、層別抽出の強みは以下の通りです。

母集団のパラメータを推定するだけでなく、各層内での推論や層間での比較も可能なこと。単純なランダムサンプリングでは、対象となるサブグループに関する十分なデータを取得できない場合があります。層別標本は、同じ標本サイズの単純無作為標本で得られるよりも、無作為標本誤差を小さくすることができます。層別標本は、同じ標本サイズの単純無作為標本と少なくとも同程度の精度の標本を得ることができます。
層別サンプルは、母集団の各層からの要素がサンプルに反映されていることを保証するため、母集団をより代表する傾向があります。サンプリングは、地理的な小領域や人口の小集団にサンプルが行き渡るように層別化することができます。
層別抽出を行うことで、調査者が母集団について持っている知識を活用することができます。
層別サンプリングを用いることで、研究者は異なる層で異なるサンプリング手順を使用することができます。