چکیده:
هدف نمونهگیری، نتیجهگیری دربارهی کل جامعه بر اساس اطلاعات بخشی از آن است. بهطور کلی از دو دیدگاه میتوان مطلوبیت نمونه را ارزیابی کرد. دیدگاه اول به نمایانگر بودن نمونه اشاره میکند، به این معنی که تا چه حد ساختار اساسی جامعه را در بر دارد، و دیدگاه دوم به تصادفی بودن نمونه با این مفهوم که آیا واحدهای انتخاب شده در نمونه و همچنین واحدهای انتخاب نشده همگی احتمال انتخاب مثبت و مشخص داشتهاند، توجه مینماید. در این مقاله ابتدا نمونهگیری متعادلشده (Balanced Sampling) بهعنوان یک روش نمونهگیری احتمالی که انتخاب نمونهی نمایانگر از جامعهی مورد بررسی را امکانپذیر میسازد، تشریح میشود. سپس نحوهی انتخاب نمونهی متعادلشده بهروش مکعبی (Cube Method) بیان میشود. سرانجام با انجام یک شبیهسازی با استفاده از یک مجموعه دادههای واقعی، کارایی این روش با روش نمونهگیری PPS مقایسه میشود. شبیهسازی برای سه گروه مختلف از متغیرهای مبنای تعادل اجرا میشود. نتایج شبیهسازی حاکی از آن است که استفاده از نمونهگیری متعادلشده موجب بهبود کارایی براوردها میشود و با افزودن متغیرهای تعادل مناسب، میزان افزایش کارایی محسوستر میشود.
Objective of sampling is to make conclusions about the whole population based on the information of a part of it. Generally، sample desirability can be evaluated from two points of view. The first view considers representative of the sample، i.e.، the extent it consists main structure of the population. The second view pays attention to randomness of the sample، i.e.، whether both selected and non-selected units have positive and certain selection probably. In this paper primarily balanced sampling has been described as a probability sampling method that makes it possible to select a representative sample from the target population. Then the cube method for selection of a balanced sample is described. At last a simulation is performed using a real data set and efficiency of this method is compared with PPS sampling method. This simulation is implemented for three different groups of variables as basis of balancing. The results show that balanced sampling improves estimations efficiency and by adding proper balance variables the rate of efficiency increase becomes more meaningful.
خلاصه ماشینی:
در این مقاله ابتدا نمونهگیری متعادلشده )gnilpmaS decnalaB( به عنوان یک روش نمونهگیری احتمالی که انتخاب نمونهی نمایانگر از جامعهی مورد بررسی را امکانپذیر میسازد،تشریح میشود.
برای معتبر نمودن نتایج آمارگیری مبتنی بر نمونههای تصادفی لازم است از تمامی اطلاعات موجود در مورد جامعهی مورد بررسی قبل و بعد از نمونهگیری استفاده شود تا از نمایانگر بودن نمونهی انتخابی اطمینان حاصل شود.
(به تصویر صفحه مراجعه شود) در یک طرح نمونهگیری تصادفی متعادلشده،تنهابه کل نمونههایی شانس انتخاب داده میشود که علاوهبر مقید بودن به قیود مذکور بتوانند براوردهایی دقیق(برابر با مقدار واقعی معلوم)از متغیرهای کمکی همبسته با متغیرهای مورد بررسی تولید نمایند.
مراحل کار انتخاب نمونه در روش مکعبی به ترتیب زیر است؛ *ابتدا شکل هندسی معادلات تعادل )snoitauqE gnicnalaB,xt-??xt( در فضای N- بعدی تعیین میشود که یک زیرفضای آفین )ecapsbuS eniffA( با بعد p-N است و با نماد Q نشان داده میشود.
بهطور کلی در یک نمونهگیری متعادلشده به روش مکعبی بسته به مقادیر متغیرهای کمکی و احتمالهای انتخاب تکنمونهها )kx،xt و؟؟)یکی از سه حالت زیر رخ میدهد.
البته لازم است به این نکته توجه شود که گرد کردن، مسئلهای خاص نمونهگیری متعادلشده نیست و در روشهای معمول نمونهگیری نیز گاهی نیاز به گرد کردن وجود دارد هرچند از آنجایی که معمولا این کار به صورت غیر تصادفی انجام میشود،اصل تصادفی بودن انتخاب و یا احتمالهای انتخاب تعیینشده (؟؟ها)خدشهدار نیز میشوند اما با فرض ناچیز بودن میزان خدشهی واردشده،از آن صرفنظر میشود.