نمونه گیری سیستماتیک (Systematic sampling)، یک روش نمونهگیری محتمل است که در آن محققین اعضای جامعه را در یک بازه عددی منظم انتخاب میکنند. نمونه گیری سیستماتیک یک روش آماری است که محققان از آن برای به صفر رساندن جمعیت مورد نظری که می خواهند تحقیق کنند استفاده می کنند. محققان فاصله نمونه گیری را با تقسیم کل حجم جامعه بر حجم نمونه مورد نظر محاسبه می کنند. نمونه گیری سیستماتیک اجرای گسترده نمونه گیری احتمالی است که در آن هر یک از اعضای گروه در دوره های زمانی منظم برای تشکیل یک نمونه انتخاب می شوند.
نمونهگیری سیستماتیک به عنوان یک روش نمونهگیری احتمالی تعریف میشود که در آن محقق با انتخاب یک نقطه شروع تصادفی، عناصری را از یک جامعه هدف انتخاب میکند و اعضای نمونه را پس از یک «فاصله نمونهگیری» ثابت انتخاب میکند.به عنوان مثال، در مدرسه، هنگام انتخاب کاپیتان یک تیم ورزشی، اکثر مربیان ما از ما می خواستند اعدادی مانند ۱-۵ (۱-n) و دانش آموزان را با یک شماره تصادفی که مربی تعیین می کند، فراخوانی کنیم. به عنوان مثال، سه نفر به عنوان کاپیتان تیم های مختلف دعوت می شوند. این یک فرآیند انتخاب بدون استرس هم برای مربی و هم برای بازیکنان است. فرصت برابری برای هر عضو یک جمعیت وجود دارد که با استفاده از این روش نمونه گیری انتخاب شود.
در اینجا مراحل انجام نمونه گیری سیستماتیک آمده است:
مرحله اول: یک مخاطب ساختاری تعریف شده برای شروع کار روی جنبه نمونهگیری ایجاد کنید.
مرحله دوم: به عنوان یک محقق، اندازه ایده آل نمونه را مشخص کنید، به عنوان مثال، چند نفر از کل جامعه را انتخاب کنید تا بخشی از نمونه باشند.
مرحله سوم: هنگامی که اندازه نمونه را تعیین کردید، به هر یک از اعضای نمونه یک عدد اختصاص دهید.
مرحله چهارم نمونهگیری سیستماتیک: فاصله زمانی این نمونه را مشخص کنید. این فاصله استاندارد بین عناصر خواهد بود.
مثلاً فاصله نمونه باید ۱۰ باشد که حاصل تقسیم ۵۰۰۰ (N=اندازه جامعه) و ۵۰۰ (n=اندازه نمونه) است.
مرحله پنجم: اعضای متناسب با معیارها را انتخاب کنید که در این صورت از هر ۱۰ نفر ۱ نفر خواهد بود.
مرحله ششم: به طور تصادفی عضو اولیه (r) نمونه را انتخاب کنید و فاصله زمانی را به عدد تصادفی اضافه کنید تا به افزودن اعضا در نمونه ادامه دهید. r، r+i، r+2i و غیره عناصر نمونه خواهند بود.
در اینجا انواع نمونه گیری سیستماتیک وجود دارد:
نمونه گیری تصادفی سیستماتیک روشی برای انتخاب نمونه ها در یک بازه از پیش تعیین شده خاص است. به عنوان یک محقق، یک نقطه شروع تصادفی بین ۱ و فاصله نمونه گیری انتخاب کنید. در زیر مراحل نمونه برای تنظیم یک نمونه تصادفی سیستماتیک آمده است:
-ابتدا فاصله نمونه برداری را محاسبه و ثابت کنید. (تعداد عناصر در جامعه تقسیم بر تعداد عناصر مورد نیاز برای نمونه).
-یک نقطه شروع تصادفی بین ۱ و فاصله نمونه برداری انتخاب کنید.
-در نهایت، فاصله نمونه برداری را برای انتخاب عناصر بعدی تکرار کنید.
نمونه گیری سیستماتیک خطی یک روش نمونه گیری است که در آن نمونه ها در انتها تکرار نمی شوند و واحدهای ‘n’ به عنوان بخشی از نمونه ای با واحدهای جمعیت ‘N’ انتخاب می شوند. به جای انتخاب تصادفی این واحدهای ‘n’ از یک نمونه، یک محقق می تواند از منطق پرش برای انتخاب آنها استفاده کند. یک مسیر خطی را دنبال می کند و سپس در انتهای یک جمعیت خاص متوقف می شود.
این نمونه برداری یا فاصله زمانی پرش (k) = N (واحد کل جمعیت)/n (اندازه نمونه)
یک نمونه سیستماتیک خطی چگونه انتخاب می شود؟
-کل جمعیت را در یک توالی طبقه بندی شده مرتب کنید.
-اندازه نمونه (n) را انتخاب کنید.
-محاسبه فاصله نمونه برداری (k) = N/n
-یک عدد تصادفی بین ۱ تا k (شامل k) انتخاب کنید.
-فاصله نمونه برداری (k) را به عدد تصادفی انتخاب شده اضافه کنید تا عضو بعدی به یک نمونه اضافه شود و این روش را برای اضافه کردن اعضای باقیمانده نمونه تکرار کنید.
-در صورتی که k یک عدد صحیح نباشد، می توانید نزدیکترین عدد صحیح به N/n را انتخاب کنید.
در نمونه گیری سیستماتیک دایره ای، یک نمونه پس از پایان دوباره از همان نقطه شروع می شود. بنابراین، نام. به عنوان مثال، اگر N = 7 و n = 2، k = 3.5. دو روش احتمالی برای تشکیل نمونه وجود دارد:
-اگر k=3 را در نظر بگیریم، نمونه ها عبارتند از – ad، be، ca، db و ec.
-اگر k=4 را در نظر بگیریم، نمونه ها به صورت ae، ba، cb، dc و ed خواهند بود.
یک نمونه سیستماتیک دایره ای چگونه انتخاب می شود؟
-محاسبه فاصله نمونه برداری (k) = N/n. (اگر N = 11 و n = 2، آنگاه k به عنوان ۵ در نظر گرفته می شود و نه ۶)
-به صورت تصادفی بین ۱ تا N شروع کنید.
-هر بار تا زمانی که اعضای کل جمعیت را انتخاب کنید، با رد شدن از میان k واحد، نمونه ایجاد کنید.
-در مورد این روش، بر خلاف k نمونه در روش نمونه گیری سیستماتیک خطی، N تعداد نمونه وجود خواهد داشت.
در اینجا به مزایای نمونه گیری سیستماتیک اشاره می شود:
-ایجاد، انجام، تجزیه و تحلیل نمونه برای محققان بسیار ساده و راحت است.
-از آنجایی که نیازی به شماره گذاری هر یک از اعضای یک نمونه نیست، بهتر است یک جامعه را به روشی سریع تر و ساده تر نشان دهیم.
-نمونه های ایجاد شده بر اساس دقت در انتخاب اعضا و عاری از علاقه مندی هستند.
-در روشهای دیگر نمونهگیری احتمالی مانند نمونهگیری خوشهای و نمونهگیری طبقهای یا روشهای غیر احتمالی مانند نمونهگیری آسان، احتمال سوگیری زیاد خوشههای ایجاد شده وجود دارد که در نمونهگیری سیستماتیک به دلیل قرار گرفتن اعضا در فاصله ثابت از آن اجتناب میشود.
-عامل خطر دخیل در این روش نمونه گیری بسیار کم است.
-در صورت وجود اعضای متنوع در یک جامعه، این روش نمونه گیری می تواند به دلیل توزیع یکنواخت اعضا برای تشکیل یک نمونه مفید باشد.
سایر روشهای نمونهگیری احتمالی مانند نمونهگیری خوشهای و نمونهگیری تصادفی طبقهای میتوانند بسیار سازمانیافته و چالشبرانگیز باشند که به همین دلیل محققان و آماردانان برای نتایج نمونهگیری بهتر به روشهایی مانند نمونهگیری سیستماتیک یا نمونهگیری تصادفی ساده روی آوردهاند. کمترین زمان را مصرف می کند زیرا نیاز به انتخاب حجم نمونه و شناسایی نقطه شروع این نمونه دارد که برای تشکیل نمونه باید در فواصل زمانی معین ادامه یابد.
بیایید مثالی بزنیم که در آن شما میخواهید یک نمونه از ۵۰۰ نفر از جمعیت ۵۰۰۰ نفری تشکیل دهید. شما باید همه افراد جمعیت را شماره گذاری کنید.هنگامی که شماره گذاری انجام شد، محقق می تواند به طور تصادفی عددی را انتخاب کند، به عنوان مثال، ۵. نفر پنجم اولین نفری است که بخشی از نمونه سیستماتیک خواهد بود. پس از آن، عضو دهم به نمونه اضافه می شود و به همین ترتیب (۱۵، ۲۵، ۳۵، ۴۵، و اعضای تا ۴۹۹۵).در اینجا ۴ موقعیت دیگر برای استفاده از نمونه گیری سیستماتیک آورده شده است:
محدودیت های بودجه ای: این روش نمونه گیری در مقایسه با سایر روش های نمونه گیری مانند نمونه گیری تصادفی ساده، برای شرایطی که محدودیت بودجه وجود دارد و همچنین انجام فوق العاده بدون عارضه مطالعه مناسب تر است.
اجرای بدون عارضه: از آنجایی که نمونه گیری سیستماتیک به فواصل نمونه گیری تعریف شده برای تعیین نمونه بستگی دارد، مدیریت نمونه هایی با پاسخ دهندگان بیشتر برای محققان و آماردانان ساده می شود. این به این دلیل است که زمان سرمایه گذاری شده برای ایجاد نمونه ها حداقل است و هزینه صرف شده نیز به دلیل ماهیت دوره ای نمونه گیری سیستماتیک محدود است.
عدم وجود الگوی داده: داده های خاصی وجود دارند که ترتیب خاصی ندارند. این داده ها را می توان به شیوه ای بی طرفانه و با استفاده از نمونه گیری سیستماتیک تجزیه و تحلیل کرد.
خطر کم دستکاری داده ها در تحقیق: در حین تحقیق در مورد یک موضوع گسترده بسیار مفید است، به خصوص زمانی که خطر دستکاری داده ها ناچیز باشد.
Ken Black (2004). Business Statistics for Contemporary Decision Making (Fourth (Wiley Student Edition for India) ed.). Wiley-India. ISBN.
