표집유형: 확률표집, 비확률표집 확률표집 - 단순무작위표집 - 체계표집 - 층화표집 - 군집표집

Presentation on theme: "표집유형: 확률표집, 비확률표집 확률표집 - 단순무작위표집 - 체계표집 - 층화표집 - 군집표집"— Presentation transcript:

1 표집유형: 확률표집, 비확률표집 확률표집 - 단순무작위표집 - 체계표집 - 층화표집 - 군집표집
표집(2) 표집유형: 확률표집, 비확률표집 확률표집 - 단순무작위표집 - 체계표집 - 층화표집 - 군집표집

2 표집 유형 표집유형 단순무작위표집 체계표집 층화표집 군집표집 확률표집 표집 편의표집 의도적 표집 할당표집 눈덩이표집 비확률표집

3 확률표집(probability sampling)
확률표집이란? - 샘플링 과정에 확률이론을 적용한 것 - 각각의 사례가 모집단으로 부터 표본으로 추출될 확률을 알 수 있는 표집방법, 즉 모든 사례가 추출될 확률이 명백한 표집방법 - 모집단에 대한 정보와 그 정보가 수록된 표본프레임을 확보할 수 있을 때에만 이용가능한 방법 확률표집의 기본 논리: 샘플링 분포와 확률이론 - 샘플링 분포의 이론: 동일 모집단에서 동일한 크기의 표본을 되풀이 하여 무수히 뽑아 낸다고 할 때, 그러한 표본들에서 도출되는 통계치들의 평균은 모수와 일치한다는 것 - 확률이론: 무작위추출을 통해 구해진 표본들은 일정한 확률로서 나타날 수 있고, 그것을 통해 표본과 모집단의 관계에 대한 확률적인 추정이 가능하다는 것 확률표본추출의 기본요건 동일확률의 선택방법: - 확률샘플링의 기본 요건. 모집단의 모든 개별요소가 표본으로 추출될 확률을 동일하게 가진 상태에서 샘플링이 이루어지는 것 - 무작위 선정(random selection)은 동일확률의 선택방법 중 대표적인 것. 선택과정의 작위성을 배제하여 집단의 모든 개별 요소들에게 동등한 선택기회를 주는 것 . 모집단내 각 요소들의 선정확률이 동일. 복권번호추첨, 제비뽑기 등은 무작위선택의 대표적인 형태들

4 확률표집의 장점: ① 조사자의 편견 최소화할 수 있어 표본의 대표성 높일 수 있음 - 조사대상자 모두에게 동일한 기회가 부여되기 때문에 어떤 집단은 제외되는 등의 조사자의 주관성을 배제할 수 있어 객관적인 표본 추출될 수 있음 - 모집단의 특성을 좀더 잘 대변할 수 있는 표본 추출 ② 모집단을 추정하는 모수의 정확성과 신뢰성을 평가할 수 있음 - 조사자로 하여금 신뢰수준에 따른 표본오차, 즉 조사결과의 통계처리에 의해 모집단의 특성을 몇 퍼센트의 확신을 가지고, +, - 얼마정도의 오차범위내에서 예측할 수 있는가 계산할 수 있음 확률표집방법 - 단순무작위표집, 체계표집, 층화표집, 군집표집이 대표적으로 많이 사용

5 확률표집법 1) 단순무작위표집 (simple random sampling) 순수한 무작위적인 방법을 통해 모집단으로부터 표본 추출 확률샘플링의 기본 디자인 원리, 다른 확률샘플링의 방법들에도 이 원리가 포함 모집단의 각 요소가 표본으로 뽑힐 확률이 동일하다는 원칙이 적용 - 모집단의 모든 구성요소가 표본으로 뽑힐 확률은 항상 1/N로 동일 - 무작위 표집의 절차는 표집틀에서 각 사람이나 표집단위에 번호를 할당하여 조사자가 일정한 유형없이 단순히 무작위로 뽑는 것 - 추첨방법, 무작위숫자산출표이용(난수표), 전산프로그램 활용 장점 - 모든 요소가 동등하게 추출될 확률을 가지므로 편견 개입 확률 희박 - 표본오차의 계산이 용이 단점 - 조사자가 모집단에 대해 가지고 있는 지식을 충분히 활용 못함 - 모집단의 목록을 만들고 번호를 부여하는 작업 등 현실적으로 많은 노력 소요

6 2) 체계표집, 계통표집(Systematic sampling)
모집단으로부터 일정한 순서에 따라 표본을 추출하는 방법으로, 모집단에서 모든 K 번째 요소 단위들을 표본으로 추출 모든 표본단위에 번호나 숫자를 부여하는 것은 단순무작위표집과 같으나 표본추출구간 내에서 첫번째 번호만을 무작위로 뽑고, 다음부터는 일정한 간격(K)으로 선택하는 방법 표본추출간격은 모집단 크기와 표본크기에 의해 정해짐: 모집단크기/표본의크기 예: 모집단 크기가 400명이고, 표본이 80명이면, 표집간격(K)는 400/80=5 -> 모집단의 명단에서 첫번째 번호만을 무작위로 뽑고 매번 5번째에 해당되는 사람을 표본으로 추출 장점 표본추출이 용이 모집단 전체에 걸쳐 보다 공평하게 표본이 추출되므로 모집단을 보다 잘 반영할 수 있음 단점 모집단의 배열이 일정한 주기성 또는 특정 경향성을 가지고 있을 때는 편견이 개입되어 대표성이 문제됨 예: 1년 365일 중에서 일정한 수를 요일별로 골고루 추출하려면 K 값이 7이면 안됨. 같은 요일들만 포함되기 때문

7 3) 층화표집(Stratified random sampling)
단순무작위표집, 체계표집의 변형으로, 동질성을 가진 구성요소의 대표성을 높이고 표본추출오차를 줄이기 위한 방법 - 기본적으로 무작위 추출방법을 사용하지만 샘플링과정을 층화시켜 놓았다는 점이 다름 - 표본이 층화 혹은 집단화되어 있는 경우 집단별 특성(성별, 연령, 학력, 직업 등)에 따라 나눈 후 각 집단별로 표본 추출 - 층별 특성은 기존의 조사자료나 경험에 의해 파악할 수 있음. 먼저 모집단을 동질적인 하위 집단들로 나누고, 각각의 집단내에서 확률적으로 표본을 선정 - 모집단 전체에서 표본을 추출하는 것이 아니라, 모집단의 요소들을 ‘계층들(strata)’이라 불리는 중복되지 않은 집단들로 분리하고 각 계층내에서 단순무작위표집 또는 체계적 표집 (매 K번째 요소 선정)을 하는 방법 층화표집은 모집단에 있는 소규모 하위집단이 표본에 적절한 크기로 포함되도록 하는데 유리한 방법 표집방법을 적용하려면 모집단에 대한 층별 특성과 표집비율을 미리 알고 있어야 함 장점 - 중요한 집단을 빼지 않고 표본에 포함시킬 수 있음 - 일정한 정확성을 보다 적은 비용으로 확보할 수 있음 단점 - 층화 시 모집단에 대한 지식 요구됨 - 각 층에 대한 명부 필요

8 (1) 비례층화표집(proportionate stratified sampling):
- 각층의 표집비율을 동일하게 하는 것: 각 하위집단에서 동일한 비율로 표본단위 추출(동질적인 집단에서 뽑은 사례의 비율이 같음) - 예) 모집단 크기(N)= 300, 표본을 50개 뽑기. 모집단 성별 분포 : 남:여 = 4:1로 구성. -> 모집단을 성별변수를 사용해서 층을 나눔: 남성 240명의 집단 층/ 여성 60명의 집단 층 -> 각 층에서 표본을 무작위로 추출: 모집단 대비 표본의 크기 비율(50/300=1/6)을 각층에 동일하게 적용 -> 남성: 240×1/6=40명, 여성 60×1/6=10명 추출 => 표본 50개 추출 (2) 비비례층화표집(disproportionate stratified sampling): - 층화된 하위집단마다 차등비율로 샘플링 단위 추출 - 각 층에 상이한 비율을 주어 사례수를 조정하고자 하는 표집방법. 즉, 각 층에 상이한 가중치 를 주어서 추출하는 방법으로, 특정한 소규모 하위집단의 사례를 선정할 확률이 대규모 하위집 단 사례를 선정할 확률보다 비례적으로 더 높게 함. - 전체 모집단의 특성보다는 각 층이 대표하는 부분집단의 특성을 알아볼 때 사용함. - 전체 모집단에서 극히 작은 비율을 차지하는 집단은 비례적인 방법으로는 분석에 적합한 수가 포함되지 않을 가능성이 있을 경우 사용 - 예) N= 300, 표본 50개 뽑기. 모집단의 남:여가 9:1로 분포 시 남성은 270명 집단층/ 여성은 30명 집단층 -> 여성 30명 중 1/6에 해당되는 5명만이 전체표본에 포함 -> 지나치게 편향될 가능성이 있음. 따라서 소수 하위집단에서 더 많은 수가 뽑힐 수 있도록 차등적인 비율 적용(예: 1/6 대신 2/6 적용 -> 10명 포함) - 차등비율적용으로 인한 표본의 불균형성 문제는 자료분석과정에서 수정

9 4) 군집표집, 집락표집(Cluster sampling)
모집단을 여러 개의 군집으로 나누고 이들 군집 중 일부를 선택하고, 선택된 군집에서만 표본을 무작위 추출하는 방법 모집단 구성요소들이 특성별로 집단화되어 있는 경우 집단 속에 있는 개인을 표본단위로 하는 것이 아니라 집단 그 자체를 표본단위로 하여 다수의 집단들 중에서 무작위로 추출하고, 표본으로 추출된 집단에 대해서는 일부 또는 전수를 조사하는 방법 예: 강원도 주민대상으로 사회복지에 관한 의견 조사 실시: 강원도 시,군 중에서 몇 개의 시,군 표본추출 -> 추출된 시,군에서 몇 개의 동, 면을 표집 -> 그 동, 면내에서 마을을 표집 -> 그 마을 내에서 최종표본 추출 주로 대규모의 조사에서는 상위군집에서 하위군집으로 이동하면서 표본단위들을 추출하는 경우가 많고, 행정구역이나 조직체제상 분류된 단위들을 군집으로 많이 사용 상위군집에서 하위군집으로 이동해 가면서 군집단위를 샘플링하고, 최종단계에서 분석단위, 연구단위 추출 - 군집이 상위에서 하위로 이동할 때 엄격한 확률적 방법 적용 모집단을 구성하는 모든 대상자 명부를 확보할 수 없는 경우(예: 전체 국민, 전체 대학생)에는 군집에서 무작위로 개인 추출

10 장점 - 최종단계에서 연구단위 추출하므로 전체 연구단위에 대한 광범위한 샘플링 명단 작성할 필요 없음 -> 비용 대비 편익을 크게 높여줌 - 대규모의 서베이에서는 단순무작위나, 체계 혹은 층화 샘플링의 방법들을 거의 사용하지 않음. 모집단 전체를 샘플링 틀로 갖추기 위해서는 막대한 비용이 들고 확보하기도 어렵기 때문. 따라서 군집 샘플링이 많이 사용 단점 - 단순무작위 표집보다 특정집단의 특성이 과대 또는 과소하게 나타날 위험 있음