نمونه گیری خوشه ای (cluster sampling)، روشی از نمونهگیری احتمالی است که اغلب برای مطالعه جمعیتهای بزرگ، بهویژه جمعیتهایی که از نظر جغرافیایی پراکنده هستند، استفاده میشود. در نمونهگیری خوشهای، محققان یک جمعیت را به گروههای کوچکتری تقسیم میکنند که به عنوان خوشهها شناخته میشوند. سپس به طور تصادفی از میان این خوشه ها برای تشکیل نمونه انتخاب می کنند.
نمونه گیری خوشه ای به عنوان یک روش نمونهگیری تعریف میشود که در آن محقق خوشههای متعددی از افراد از یک جمعیت ایجاد میکند که نشاندهنده ویژگیهای همگن هستند و شانس مساوی برای حضور در نمونه را دارند. در این روش نمونهگیری، محققین نمونهای را تجزیه و تحلیل میکنند که شامل پارامترهای نمونه متعددی مانند جمعیت شناسی، عادات، پیشینه یا هر ویژگی جمعیت دیگری است که ممکن است تمرکز تحقیقات انجام شده باشد. این روش معمولاً زمانی انجام میشود که گروههای مشابه و در عین حال متنوع داخلی، یک جامعه آماری را تشکیل دهند. به جای انتخاب کل جمعیت، نمونه گیری خوشه ای به محققین اجازه میدهد تا دادهها را با تقسیم کردن دادهها به گروههای کوچک و سازندهتر جمعآوری کنند.
دو روش برای طبقه بندی این روش نمونه گیری وجود دارد. راه اول بر اساس تعداد مراحل طی شده برای به دست آوردن نمونه خوشه ای است و راه دوم نمایش گروه ها در کل خوشه است. در بیشتر موارد، نمونهبرداری توسط خوشهها در چند مرحله انجام میشود. مرحله به عنوان مرحله ای در نظر گرفته می شود که برای رسیدن به نمونه مورد نظر برداشته می شود. ما می توانیم نمونه گیری خوشه ای را به مراحل تک مرحله ای، دو مرحله ای و چند مرحله ای تقسیم کنیم.
همانطور که از نام آن پیداست، نمونه برداری فقط یک بار انجام می شود. نمونهای از نمونه گیری خوشهای تک مرحلهای – یک سازمان غیردولتی میخواهد نمونهای از دختران را در پنج شهر همسایه ایجاد کند تا آموزش ارائه کند. با استفاده از نمونه گیری تک مرحله ای، سازمان غیردولتی به طور تصادفی شهرها (خوشه ها) را برای تشکیل نمونه انتخاب می کند و به دختران محروم از تحصیل در آن شهرها کمک می کند.
در اینجا، به جای انتخاب تمام عناصر یک خوشه، با اجرای نمونهگیری تصادفی ساده یا سیستماتیک از هر گروه، تعداد انگشت شماری از اعضا انتخاب میشوند. نمونهای از نمونه گیری خوشهای دو مرحلهای – یک مالک کسبوکار میخواهد عملکرد کارخانههای خود را که در بخشهای مختلف ایالات متحده پراکنده شدهاند بررسی کند. مالک خوشههایی از گیاهان را ایجاد میکند. سپس نمونه های تصادفی را از این خوشه ها برای انجام تحقیق انتخاب می کند.
نمونه گیری خوشهای چند مرحلهای، یک یا چند قدم بیشتر از نمونهگیری دو مرحلهای طول میکشد. برای انجام تحقیقات موثر در چندین جغرافیا، نیاز به تشکیل خوشههای پیچیده است که تنها با استفاده از روش نمونهگیری چند مرحلهای قابل دستیابی هستند. نمونهای از نمونهگیری چند مرحلهای توسط خوشهها – سازمانی قصد دارد برای تجزیه و تحلیل عملکرد گوشیهای هوشمند در سراسر آلمان نظرسنجی کند. آنها می توانند کل جمعیت کشور را به شهرها (خوشه ها) تقسیم کنند و شهرهایی را با بیشترین جمعیت انتخاب کنند و همچنین آنهایی را که از دستگاه های تلفن همراه استفاده می کنند فیلتر کنند.
نمونه: مخاطبان هدف و همچنین حجم نمونه را تعیین کنید. با استفاده از جدول مورگان یا روش نمونه گیری معادلات ساختاری می توان تعداد نمونه را تعیین کرد.
ایجاد و ارزیابی فریمهای نمونهبرداری: با استفاده از یک چارچوب موجود یا ایجاد یک چارچوب جدید برای مخاطب هدف، یک قاب نمونه ایجاد کنید. چارچوب ها را بر اساس پوشش و خوشه بندی ارزیابی کنید و بر اساس آن تنظیمات را انجام دهید. این گروه ها با توجه به جمعیت که می تواند انحصاری و جامع باشد، متنوع خواهد بود. اعضای یک نمونه به صورت جداگانه انتخاب می شوند.
تعیین گروه ها: تعداد گروه ها را با گنجاندن اعضای میانگین یکسان در هر گروه تعیین کنید. اطمینان حاصل کنید که هر یک از این گروه ها از یکدیگر متمایز هستند.
انتخاب خوشه ها: با اعمال یک انتخاب تصادفی، خوشه ها را انتخاب کنید.
ایجاد انواع فرعی: بر اساس تعداد مراحلی که محققان برای تشکیل خوشهها دنبال میکنند، به زیرگروههای دو مرحلهای و چند مرحلهای تقسیم میشود.
این تکنیک نمونهگیری در یک منطقه یا نمونهگیری خوشهای جغرافیایی برای تحقیقات بازار استفاده میشود. بررسی یک منطقه جغرافیایی وسیع در مقایسه با نظرسنجیهایی که به خوشههایی که بر اساس منطقه تقسیمبندی شدهاند ارسال میشوند، میتواند پرهزینه باشد. برای دستیابی به نتایج دقیق باید تعداد نمونه ها را افزایش داد، اما صرفه جویی در هزینه ها باعث می شود که این روند افزایش خوشه ها قابل دستیابی باشد.
این تکنیک به طور گسترده در آمار استفاده می شود که در آن محقق نمی تواند داده ها را از کل جمعیت به عنوان یک کل جمع آوری کند. این اقتصادی ترین و کاربردی ترین راه حل برای آماردانانی است که در حال تحقیق هستند. محققی را مثال بزنید که به دنبال درک استفاده از گوشی هوشمند در آلمان است. در این صورت شهرهای آلمان خوشه هایی تشکیل خواهند داد. این روش نمونهگیری همچنین در موقعیتهایی مانند جنگ و بلایای طبیعی برای استنباط از یک جمعیت استفاده میشود، جایی که جمعآوری دادهها از هر فرد ساکن در جمعیت غیرممکن است.
استفاده از نمونه گیری خوشه ای مزایای متعددی دارد. این موارد عبارتند از:
زمان و هزینه کمتری مصرف می کند: نمونه برداری از گروه های تقسیم شده جغرافیایی به کار، زمان و هزینه کمتری نیاز دارد. این یک روش بسیار مقرون به صرفه برای مشاهده خوشه ها به جای انجام تصادفی آن در یک منطقه خاص با تخصیص تعداد محدودی از منابع به آن خوشه های انتخاب شده است.
دسترسی راحت: محققان میتوانند نمونههای بزرگ را با این روش نمونهگیری انتخاب کنند و این باعث افزایش دسترسی به خوشههای مختلف میشود.
دقت داده ها: از آنجایی که نمونه های زیادی در هر خوشه وجود دارد، از دست دادن دقت اطلاعات به ازای هر فرد قابل جبران است.
سهولت اجرا: نمونه گیری خوشه ای اطلاعات را از مناطق و گروه های مختلف تسهیل می کند. محققان می توانند به سرعت آن را در موقعیت های عملی در مقایسه با سایر روش های نمونه گیری احتمالی پیاده سازی کنند.
در مقایسه با نمونهگیری تصادفی ساده، این تکنیک میتواند در تعیین ویژگیهای یک گروه مانند جمعیت مفید باشد و محققین بدون داشتن چارچوب نمونهگیری برای همه عناصر برای کل جامعه، میتوانند آن را پیادهسازی کنند.
Kerry and Bland (1998). Statistics notes: The intracluster correlation coefficient in cluster randomization. British Medical Journal, ۳۱۶, ۱۴۵۵–۱۴۶۰.