نمونه گیری چندمرحله ای (multistage sampling) با گروه‌های کوچک و کوچکتر در هر مرحله، از یک جامعه نمونه گرفته می شود. به عنوان مثال نمونه گیری چند مرحله ای یا نمونه‌گیری خوشه‌ای چند مرحله‌ای، اغلب برای جمع آوری داده ها از یک گروه بزرگ و پراکنده جغرافیایی از مردم در نظرسنجی های ملی استفاده می شود.
بکارگیری روش نمونه گیری چندمرحله ای باعث انتخاب یک نمونه معرف جامعه شده و اعتبار بالاتری دارد. این روش در مقایسه با روش خوشه‌ای از دقت بیشتری برخوردار است و بهتر می‌تواند خصوصیات جامعه را پوشش دهد. در این روش واحدهای نمونه مرحله نهایی در سطح جامعه پراکنده شده و تغییرات متغیر مورد بررسی در نمونه، معرف تغییرات مورد مطالعه در جامعه است. این درحالی است که در نمونه‌گیری خوشه‌ای چنین امری میسر نمی‌باشد. روش نمونه گیری در پیاز پژوهش نیز مشخص می شود. این روش تبدیل نمونه گیری غیرممکن به نمونه گیری در دسترس است.
در نمونه‌گیری تک مرحله‌ای، شما یک جمعیت را به واحدها (به عنوان مثال، خانوارها یا افراد) تقسیم می‌کنید و با جمع‌آوری داده‌ها از همه افراد در واحدهای انتخابی، نمونه‌ای را مستقیماً انتخاب می‌کنید.
در نمونه گیری چندمرحله ای، جامعه را به گروه‌های کوچکتر و کوچکتر تقسیم می‌کنید تا با استفاده از چندین مرحله، یک نمونه ایجاد کنید. شما می توانید از گروه بندی های سلسله مراتبی (به عنوان مثال، از ایالت به شهر به محله دیگر) برای ایجاد نمونه ای استفاده کنید که جمع آوری داده ها از آن هزینه کمتر و زمان بر است.
در نمونه گیری تک مرحله ای و چند مرحله ای می توانید از روش های نمونه گیری احتمالی یا غیر احتمالی استفاده کنید. اما برای اعتبار خارجی یا تعمیم‌پذیری، بهتر است از روش‌های نمونه‌گیری احتمالی استفاده شود که امکان استنتاج آماری قوی‌تری را فراهم می‌کند.
در نمونه‌گیری احتمالی تک مرحله‌ای، شما با یک چارچوب نمونه‌گیری شروع می‌کنید که فهرستی از هر عضو در کل جامعه است. باید تا حد امکان کامل باشد تا نمونه شما به طور دقیق جمعیت شما را منعکس کند.
شما می توانید از روش های نمونه گیری تصادفی ساده، سیستماتیک، طبقه ای یا خوشه ای برای انتخاب نمونه احتمالی از چارچوب نمونه گیری چندمرحله ای استفاده کنید.
در نمونه‌گیری خوشه‌ای و نمونه‌گیری طبقه‌ای، شما جمعیت خود را به گروه‌هایی تقسیم می‌کنید که متقابلاً منحصر به فرد و جامع هستند.
در نمونه‌گیری خوشه‌ای، جمعیت به خوشه‌هایی تقسیم می‌شود که معمولاً بر اساس جغرافیا (به عنوان مثال، شهرها یا ایالت‌ها) یا سازمان (مثلاً مدارس یا دانشگاه‌ها) هستند. در نمونه‌گیری خوشه‌ای تک مرحله‌ای، شما به‌طور تصادفی برخی از خوشه‌ها را برای نمونه خود انتخاب می‌کنید و داده‌ها را از همه افراد درون آن خوشه‌ها در یک مرحله جمع‌آوری می‌کنید.
در نمونه گیری طبقه ای، جمعیت به اقشار تقسیم می شود که اغلب بر اساس ویژگی های جمعیت شناختی مانند نژاد، جنسیت یا وضعیت اجتماعی-اقتصادی است. هر واحد یا عضوی از جمعیت در یک قشر قرار می گیرد. شما از هر قشر چند عضو را انتخاب می کنید تا همه گروه ها در نمونه شما نمایش داده شوند.
نمونه گیری چند مرحله ای اغلب شامل ترکیبی از نمونه گیری خوشه ای و طبقه ای است. نمونه گیری چندمرحله ای اغلب به عنوان نسخه توسعه یافته نمونه گیری خوشه ای در نظر گرفته می شود. در نمونه گیری چندمرحله ای، شما جامعه را به خوشه ها تقسیم می کنید و در مرحله اول چند خوشه را انتخاب می کنید. در هر مرحله بعدی، آن خوشه های انتخاب شده را بیشتر به خوشه های کوچکتر تقسیم می کنید و این روند را تا رسیدن به آخرین مرحله تکرار می کنید. در مرحله آخر نمونه گیری چندمرحله ای، شما فقط تعدادی از اعضای هر خوشه را برای نمونه خود انتخاب می کنید.
نمونه گیری چندمرحله ای مانند نمونه گیری تک مرحله ای، با تعریف جمعیت هدف خود شروع می کنید. اما در نمونه‌گیری چند مرحله‌ای، به یک چارچوب نمونه‌گیری که همه اعضای جامعه را فهرست می‌کند، نیاز ندارید. به همین دلیل است که روش نمونه گیری چندمرحله ای برای جمع آوری داده ها از جمعیت های پراکنده و بزرگ مفید است.
در نمونه گیری چند مرحله ای، شما همیشه در هر مرحله از خوشه های سطح بالاتر به سطح پایین تر می روید. خوشه ها اغلب به عنوان واحدهای نمونه گیری نامیده می شوند.
در مرحله اول نمونه گیری چندمرحله ای، جمعیت را به خوشه‌ها تقسیم می‌کنید و تعدادی از آنها را انتخاب می‌کنید: اینها واحدهای نمونه‌گیری اولیه شما (PSUs) هستند.
در مرحله دوم نمونه گیری چندمرحله ای، PSU های خود را به خوشه های بیشتری تقسیم می کنید و برخی از آنها را به عنوان واحدهای نمونه برداری ثانویه (SSU) انتخاب می کنید.
می توانید در مرحله دوم پایان دهید یا این روند را با هر تعداد مرحله که نیاز دارید ادامه دهید. در مرحله آخر نمونه گیری چندمرحله ای، به نمونه نهایی خود از واحدهای نمونه برداری نهایی (USU) خواهید رسید.
برای نمونه احتمالی، باید از روش نمونه گیری احتمالی برای انتخاب خوشه ها در هر مرحله استفاده کنید. اما می‌توانید با استفاده از روش‌های تصادفی، سیستماتیک یا طبقه‌بندی‌شده ساده، آن را با هم ترکیب کنید تا واحدها را در هر مرحله بر اساس آنچه مرتبط و قابل استفاده برای مطالعه شما است انتخاب کنید.
در مرحله اول نمونه گیری چندمرحله ای، مانند نمونه‌گیری خوشه‌ای، جمعیت خود را به خوشه‌هایی تقسیم می‌کنید که متقابلاً منحصر به فرد و جامع هستند.
سپس، برخی از خوشه‌های خود را به عنوان واحدهای نمونه‌گیری اولیه انتخاب می‌کنید، در حالت ایده‌آل با استفاده از روش نمونه‌گیری احتمالی. شما می توانید از هر یک از روش های نمونه برداری تک مرحله ای برای انتخاب واحد PSU خود استفاده کنید.
نظرسنجی های مقیاس بزرگ اغلب از ترکیبی از نمونه گیری خوشه ای و طبقه ای در مرحله اول استفاده می کنند تا اطمینان حاصل شود که واحدها نماینده جمعیت بزرگتر هستند. به این نمونه چند مرحله ای طبقه بندی شده می گویند.
شما با طبقه بندی خوشه های خود در مرحله اول شروع می کنید. پس از طبقه بندی، با استفاده از روش نمونه گیری احتمالی، خوشه ها را انتخاب می کنید.
در مرحله دوم نمونه گیری چندمرحله ای، PSU های خود را برای رسیدن به واحدهای نمونه برداری کوچکتر تقسیم می کنید. شما فقط تعدادی از این واحدهای کوچکتر را از داخل هر PSU انتخاب شده انتخاب خواهید کرد: اینها واحدهای نمونه برداری ثانویه (SSU) شما هستند.
اگر نمونه گیری خود را در این مرحله به پایان برسانید، به آن نمونه برداری دو مرحله ای یا دو مرحله ای می گویند. این به معنای جمع آوری داده ها از همه افراد در واحدهای نمونه گیری متوسطه است: همه دانش آموزان مدارس انتخابی.
ادامه روند بیشتر با افزودن مراحل بیشتر اختیاری است، اما اغلب می‌تواند فرآیند تحقیق را ساده‌تر کند.
در نمونه گیری چندمرحله ای می‌توانید روند تقسیم هر واحد نمونه‌برداری را ادامه دهید و تعدادی از آنها را برای مرحله بعدی انتخاب کنید. در مرحله نهایی، با واحدهای نمونه گیری نهایی خود پایان می دهید.
نمونه گیری چند مرحله ای با نمونه های بزرگ موثر و انعطاف پذیر است، اما ممکن است اطمینان از اینکه نمونه شما نماینده جامعه است دشوار باشد.
لازم نیست با یک چارچوب نمونه گیری از جمعیت هدف خود شروع کنید.
در مقایسه با یک نمونه تصادفی ساده، زمانی که جمعیت زیادی دارید یا از نظر جغرافیایی پراکنده هستید، نسبتاً ارزان و مؤثر است.
منعطف است—شما می توانید روش های نمونه برداری را بین مراحل بر اساس آنچه مناسب یا امکان پذیر است تغییر دهید.
در مقایسه با نمونه‌های تصادفی ساده، برای دستیابی به ویژگی‌های استنتاج آماری یکسان، به حجم نمونه بزرگ‌تری برای یک نمونه چند مرحله‌ای نیاز دارید.
بهترین انتخاب روش نمونه گیری در هر مرحله بسیار ذهنی است، بنابراین برای جلوگیری از تصمیم گیری مغرضانه، به دلیل روشنی برای تصمیم خود نیاز دارید.
این می‌تواند منجر به نمونه‌های غیرنماینده شود زیرا ممکن است بخش‌های بزرگی از جمعیت‌ها برای نمونه‌گیری انتخاب نشوند، که منجر به سوگیری تحت پوشش و سوگیری انتخاب می‌شود.
