体系的なサンプリングを実行する方法

体系的なサンプリングは、研究者が予め定められた一定の間隔（またはk）で集団のメンバーを選択する確率サンプリング法である。

母集団の順序がランダムまたはランダムに似ている場合（例えば、アルファベット順）、この方法は、母集団についての結論を導くために使用できる代表,

システマティックサンプリングを使用する場合

システマティックサンプリングは、単純なランダムサンプリングの多くのランダム化の利点を模倣する方法ですが、やや簡単に実行できます。

単純な無作為抽出のように、母集団全体のリストで体系的なサンプリングを使用できます。 ただし、単純なランダムサンプリングとは異なり、事前に母集団のリストにアクセスできない場合にも、この方法を使用することができます。,

母集団の順序

母集団リストで体系的なサンプリングを使用する場合、サンプルが有効であることを確認するために、母集団がリストされている順序を考慮することが不可欠です。

あなたの母集団が昇順または降順である場合、体系的なサンプリングを使用すると、母集団の下端と上端の両方からの参加者が含まれるため、かなり代表的なサンプルが得られるはずです。

たとえば、年齢順に並べられた個人のリストからサンプリングする場合、体系的なサンプリングにより、年齢スペクトル全体から人口が引き出さ, る場合は使用の簡単なランダムサンプリングできるがく)というだけで歳以上の方。

結果として得られるサンプルが代表的であることが保証されないため、母集団が周期的または周期的に順序付けられている場合は、体系的なサン

あなたの人口リストは、男性（偶数）と女性（奇数）の間で交互になります。, を選択したサンプル毎回個人、その結果、男性のみが含まれています。 これは明らかに人口の表現ではないでしょう。

約1000人の入院患者の母集団リストからサンプリングしています。 リストは50の部門に分かれており、それぞれ約20人の患者がいます。 各部門内では、リストは最年少から最年長まで、年齢順に並べられています。 これは20の繰り返された年齢周期のリストで起因する。,

20人ごとにサンプリングすると、各部門は年齢順に並べられているため、人口はそれぞれの中で最も古い人で構成されます。 これは、病院全体の人口の代表的なサンプルを提供しない可能性が最も高いでしょう。

母集団リストなしの体系的なサンプリング

事前に母集団の完全なリストにアクセスできない場合は、体系的なサンプリングを使用して、単純なランダムサンプリングのランダム化を模倣することができます。,

あなたはデパートを経営しており、顧客の店舗体験をどのように改善できるかに興味があります。 この質問を調査するには、従業員に店の入り口のそばに立って、週間毎日、去る20人ごとの訪問者を調査するように依頼します。

必ずしもすべての顧客のリストを事前に持っているわけではありませんが、この方法では、顧客の出口順序が本質的にランダムであるため、顧客の代表サンプルを提供する必要があります。,

ステップ1：母集団を定義する

他のサンプリング方法と同様に、勉強している母集団を決定する必要があります。

体系的なサンプリングでは、データ収集のための二つの選択肢があります：

• あなたは、リストから事前にサンプルを選択し、データを収集するために選択,

事前に母集団をリストする

リストに母集団全体が含まれており、周期的または周期的な順序ではないことを確認してください。 理想的には、単純な無作為抽出の無作為化の利点を模倣できるように、ランダムまたはランダムのような（アルファベット順など）順序でなければなりま

デパート調査では、顧客がターゲット人口を構成しています。, 事前にサンプルを作成するには、先週にストアを訪問したすべての顧客のリストを作成する必要があります。

しかし、そのようなリストを作成することは、完全に不可能ではないにしても困難です。 領収書を使用してリストを作成することもできますが、これにより、購入していない顧客は除外され、結果に偏りが生じる可能性が高くなります。,

その場でサンプルを選択する

事前にリストにアクセスできないが、集団を物理的に観察できる場合は、データ収集の瞬間に体系的なサンプリングを使用して被験者を選択することもできます。

この場合、結果の偏りを避けるために、サンプリング手順のタイミングと場所が母集団を完全にカバーするようにしてください。,

ストアの顧客の完全なリストを取得できないため、代わりにストアを終了するときにすべてのk番目の顧客をサンプリングすることを選択します。 これにより、アイテムを購入する人と購入しない人の両方を含めることができます。,

あなたは、あなたが代表的なサンプルを確保するために、全体の週を通してサンプリングされていることを確認する必要があります,顧客の異なるタイプが異なる時間と日に入力するので、:ティーンエイジャーは、通常、放課後や週末に買い物,働く専門家は、夕方に後で買い物をし、日中

ステップ2:サンプルサイズとサンプリング間隔の決定

間隔を選択する前に、まずサンプルサイズを決定する必要があります。, あつをお選びサンプルサイズで、最も一般的には使用サンプルサイズ計算.

ご希望の誤差と信頼水準、母集団の推定総サイズ、および測定しようとしている変数の標準偏差を選択したら、この電卓は、あなたが目指すべきサンプルサイズを提供します。

目標サンプルサイズがわかっている場合、推定された母集団の合計サイズをサンプルサイズで割ることによって、区間kを計算できます。, これは、正確な計算ではなく、概算になる可能性があります。

事前に店を訪問する人の数は正確にはわかりませんが、前の数週間の足のトラフィックの平均を使用して総人口を推定することができます。

あなたは毎週約7500人があなたの店を訪問すると推定し、この見積もりに基づいて366の理想的なサンプルサイズを計算します。 したがって、サンプリング間隔kは7500/366=20.49に等しくなり、20に丸められます。,

ステップ3：サンプルを選択してデータを収集します

すでに母集団のリストがある場合は、リストの開始点をランダムに選択し、そこからサンプルに含める母集団のすべてのk番目のメンバーを選択します。

リストがない場合は、研究のデータを収集すると同時に、サンプルの母集団のすべてのk番目のメンバーを選択します。

単純な無作為抽出と同様に、サンプルに選択したすべての個人が実際に研究に参加していることを確認する必要があります。, 場合は決めたいという方のために参加しない理由での変数を収集することのバイアスしました。

あなたは、ドアのそばに立って、離れるすべての20番目の顧客を調査する従業員を選択します。 サンプルのために選ばれるそれらのできるだけ多くが加わることを決定することは重要である;そうでなければ、あなたの結果はきちんと全面的な母,

たとえば、店舗の良い意見や悪い意見が特にある人は、一般の顧客集団よりも参加したいと思うかもしれないので、アンケートの結果に偏りがあります。

体系的なサンプリングに関するよくある質問