1. 단순 무작위 샘플링
단순 무작위 샘플링 (Simple random sampling) 은 전체적으로 일부 관찰 단위를 추출하여 샘플을 형성하는 완전 무작위 방법입니다 (즉, 각 관찰 단위가 샘플을 선택할 확률이 동일함). 일반적인 방법은 먼저 전체의 모든 관찰 단위에 번호를 매긴 다음 추첨, 난수 테이블 또는 컴퓨터에서 난수를 생성하여 샘플을 형성하는 것입니다.
장점은 간단하고 직관적이며 평균 (또는 비율) 및 표준 오류의 계산이 간단하다는 것입니다. 단점은 집단이 클 때, 집단의 개체별로 번호를 매기기가 어렵고, 추출한 샘플이 분산되어 조사를 조직하기 어렵다는 것이다.
2. 시스템 샘플링
시스템 샘플링은 등거리 샘플링 또는 기계 샘플링이라고도 합니다. 즉, 그룹의 모든 개체를 연구 현상과 무관한 특성에 따라 정렬하고 번호를 매깁니다. 그런 다음 샘플 내용에 따라 샘플링 간격 k 를 지정합니다. 첫 번째 I 무작위로 선택 (I
시스템 샘플링의 장점은 이해하기 쉽고 조작하기 쉽다는 것입니다. 전반적으로 균일하게 분포된 샘플을 쉽게 얻을 수 있는데, 그 샘플링 오차는 단순한 무작위 샘플보다 작다. 단점은 샘플이 분산되어 조사를 조직하기가 어렵다는 것입니다. 관찰 단위가 전체적으로 주기적인 추세나 단조로운 증가 (감소) 추세를 나타낼 때 편향이 생기기 쉽다.
3. 중첩 샘플링 방법
전체 샘플 그룹은 전체를 k 개의 "그룹" 으로 나누고, 각 그룹에는 여러 관찰 단위가 포함되어 있으며, k 개 그룹 (k
전체 샘플 그룹의 장점은 조직 조사를 용이하게 하고, 비용을 절약하고, 조사의 질을 통제할 수 있다는 것이다. 단점은 샘플 함량이 변하지 않을 때 샘플 오차가 단순 임의 샘플링보다 크다는 것이다.
4. 계층 샘플링
계층적 샘플링은 전체 전체의 모든 개체를 주요 연구 지표에 큰 영향을 미치는 특정 특성에 따라 여러 개의 "계층" 으로 나눈 다음 각 레이어에서 무작위로 일정 수의 관찰 단위를 추출하여 샘플을 형성하는 것입니다.
계층 무작위 샘플링의 장점은 샘플이 대표적이고 샘플링 오류가 적다는 것입니다. 계층화한 후에는 특정 상황에 따라 레이어마다 다른 샘플링 방법을 사용할 수 있습니다.
네 가지 샘플링 방법의 샘플링 오류는 일반적으로 전체 샘플 ≥ 단순 무작위 샘플 ≥ 시스템 샘플링 ≥ 계층 샘플입니다.
실제 조사 연구에서 두 개 이상의 샘플링 방법을 결합하여 다단계 샘플링을 수행하는 경우가 많습니다.