مقاله با عنوان روش های نمونه گیری

مقاله با عنوان روش های نمونه گیری (docx) 10 صفحه

دسته بندی : تحقیق

نوع فایل : Word (.docx) ( قابل ویرایش و آماده پرینت )

تعداد صفحات: 10 صفحه

قسمتی از متن Word (.docx) :

روشهاي نمونه گيري: روشهاي نمونه گيري آماري كه عموما در تحقيقات و پژوهشهاي كاربردي مورد استفاده قرار مي گيرد، به قرار زير است: نمونه گيري تصادفي ساده: در اين نوع نمونه گيري به هر يك از افراد جامعه احتمال مساوي داده مي‌شود تا در نمونه انتخاب شود. به عبارت ديگر اگر حجم افراد جامعه N و حجم نمونه را n فرض كنيم، احتمال انتخاب هر فرد جامعه در نمونه مساوي n/N است. انتخاب نمونه تصادفي ساده را به دو شيوه مي‌توان انجام داد: شيوه اول به صورت قرعه كشي و شيوه دوم با استفاده از جدول اعداد تصادفي. براي انتخاب يك نمونه تصادفي ساده به شيوه قرعه كشي بايد با توجه به چارچوب نمونه گيري از ميان افراد جامعه يك نمونه به حجم نمونه مورد نظر از ميان افراد فهرست شده به حكم قرعه انتخاب كرد. در شيوه دوم، بايد حجم جامعه مورد نظر را N قرار داد. سپس به تعداد ارقام تشكيل دهنده حجم جامعه ، ستون يك رقمي در جدول اعداد تصادفي منظور داشت (مثلا حجم جامعه 50 شامل دو رقم است بنابراين دو ستون يك رقمي در جدول اختيار مي كنيم). پس از آن يك نقطه شروع به طور تصادفي براي انتخاب واحدها اختيار كرد. سرانجام عمل انتخاب را از اين نقطه آغاز كرده و هر عددي كه كوچكتر يا مساوي N باشد را به عنوان نمونه انتخابي منظور داشت. نمونه گيري طبقه اي: در نمونه گيري طبقه اي، واحدهاي جامعه مورد مطالعه در طبقه هايي كه از نظر صفت متغير همگن تر هستند، گروه بندي مي شوند، تا تغييرات آنها در درون گروه ها كمتر شود. پس از آن از هر يك از طبقه ها تعدادي نمونه به صورت تصادفي انتخاب مي‌شود. معمولا براي طبقه بندي واحدهاي جامعه، متغيري به عنوان ملاك در نظر گرفته مي‌شود كه با صفت متغير مورد مطالعه بستگي داشته باشد. براي مثال به منظور بررسي نسبت قبول شدگان در پايه پنجم آموزش ابتدايي در شهر تهران و رابطه آن با محل جغرافيايي دبستان، مي‌توان ابتدا دبستان هاي شهر تهران را بر حسب محل دبستان به پنج طبقه تقسيم كرد: طبقه يك شامل دبستان هاي شمال غربي، طبقه دوم دبستان هاي شمال شرقي، طبقه سوم دبستان هاي مركزي شهر، طبقه چهارم دبستان هاي جنوب غربي و طبقه پنجم دبستان هاي جنوب شرقي. پس از آن از هر طبقه تعدادي دبستان به روش تصادفي ساده انتخاب كرد. در نمونه گيري طبقه اي حجم نمونه (n) را به شيوه هاي مختلف مي‌توان ميان طبقه ها تقسيم كرد. ساده ترين شيوه، تقسيم مساوي تعداد نمونه ميان طبقه هاست. ساير شيوه ها شامل انتساب بهينه و انتساب متناسب است. در انتساب متناسب به تناسب حجم هر طبقه، حجم نمونه در آن طبقه تعيين مي‌گردد. نمونه گيري خوشه اي: در صورتي كه فهرست كامل افراد جامعه مورد مطالعه در دسترس نباشد مي‌توان افراد جامعه را در دسته هايي خوشه بندي كرد. سپس از ميان خوشه ها به تصادف نمونه گيري به عمل آورده و تمام حجم خوشه را سرشماري مي كنيم. براي اين منظور فهرستي از اين خوشه ها تهيه مي‌شود و از آن به عنوان چارچوب نمونه گيري استفاده مي‌شود. نمونه گيري خوشه اي در صورتي كارآمدتر از نمونه گيري تصادفي ساده است كه چارچوب نمونه گيري (فهرست كامل افراد جامعه) در دسترس نباشد، اما با تشكيل مجموعه هايي از افراد، بتوان خوشه هايي تشكيل داد و فهرست خوشه ها را به سهولت به دست آورد. بايد توجه داشت كه هر چه حجم خوشه ها افزايش يابد و تشابه افراد آن از نظر صفت متغير مورد بررسي بيشتر باشد، دقت نمونه گيري خوشه اي كمتر مي‌شود. تعيين حجم نمونه: اخذ تصميم درباره حجم نمونه, از لحاظ تامين ميزان دقت نتايج نمونه گيری و صرفه جويي در مقدار وقت و هزينه, از اهميتی خاص برخوردار است. بديهی است که بزرگ بودن حجم نمونه موجب صرف هزينه و وقت زياد, و کوچک بودن حجم نمونه موجب عدم دقت کافی برآوردها می شود. سعی ما بر اين است که در چارچوب اطلاعات موجود و با توجه به وقت و هزينه ممکن و دقت لازم, مناسب ترين حجم ممکن نمونه را انتخاب کنيم. بدين ترتيب برای تعيين حجم نمونه به سراغ علم آمار می رويم و حجم نمونه را با در نظر گرفتن ميزان دقت و سطح اطمينان مورد نظر محاسبه می کنيم. براي تعيين تعداد نمونه مورد نياز جهت برآورد پارامتر مورد نظر (براي مثال نسبت يك صفت خاص در جامعه، مانند نسبت معلمان ورزشكار) بايد ميزان اشتباه مجاز در برآورد پارامتر را در نظر گرفت. جهت تعيين حجم نمونه در هر پژوهش خاص، بايد با توجه به شرايط آن پژوهش و نمونه اوليه تصميم گيري نمود كه ذكر آن از حوصله اين مجال خارج است. خدمتي رايگان به محققين گرامي از سايت spss ايران: فايل زير را دانلود کرده و از آن به عنوان نرم افزار محاسبه حجم نمونه با فرمول کوکران بهره ببريد: نرم افزار محاسبه حجم نمونه با فرمول کوکران در خصوص سوالات بعدي با ايميل ما تماس بگيريد. ضمنا در خصوص بررسي مناسب بودن پرسشنامه ها از حيث آزمون صحيح فرضيات نيز ما آمادگي اعلام نظر داريم. از آنجا که در سرشماري تمام واحدهاي جامعه بايد شمارش شود اين کار پرهزينه و وقت‌گير خواهد بود. براي صرفه جويي در وقت و هزينه مجبوريم روش ديگري را بکار بريم. در اينجاست که اهميت روش نمونه‌گيري آشکار مي‌شود. در نمونه گيري معمولا نمونه کوچکي از جامعه را بررسي مي‌کنيم و آن را براي کل جامعه تعميم مي‌دهيم. هر وقت تصميم بگيريم که بوسيله بررسيهاي نمونه‌اي اطلاعاتي را تهيه کنيم، فورا با دو مطلب مواجه مي‌شويم: تعريف دقيق جامعه‌اي که علاقمند به مطالعه آن هستيم، و گزينش مشخصه يا مشخصه‌هايي که بايد ثبت شوند. مفاهيم کلي براي نمونه گيري از قبيل جامعه، نمونه، سرشماري و... را براي ارائه ديد کلي از روش نمونه گيري و مزاياي آن در انجام بررسيهاي آماري ضروري است معرفي شوند. تعاريف جامعه: در هر بررسي آماري ، مجموعه عناصر مورد نظر را جامعه مي‌نامند. به عبارت ديگر ، جامعه مجموعه تمام مشاهدات ممکني است که مي‌توانند با تکرار يک آزمايش حاصل شوند به طور كلي جامعه عبارت است از مجموعه اي از افراد يا واحدها که داراي حداقل يک صفت مشترک باشند و تعريف جامعه آماري بايد جامع و كامل باشد. سرشماري: سرشماري از جامعه متناهي ، بررسي است که تمام واحدهاي جامعه را دربرمي‌گيرد. در بسياري از موارد ، اجراي سرشماري در يک جامعه متناهي ، کاري است شدني. نمونه: نمونه بخشي از جامعه تحت بررسي است که با روشي که از پيش تعيين شده است انتخاب مي‌شود. به قسمي که مي‌توان از اين بخش ، استنباطهايي درباره کل جامعه بدست آورد انتخاب تعدادي از افراد٬ حوادث٬ و اشياء از يک جامعه تعريف شده به عنوان نماينده آن جامعه . اولين قدم در نمونه گيري تعريف جامعه مورد نظر است و هدف نوعي نمونه گيري است که تمام افراد جامعه جهت انتخاب شدن شانس برابر داشته باشند. انواع بررسيهاي نمونه‌اي بررسي توصيفي: در بررسي توصيفي ، هدف صرفا کسب اطلاعاتي درباره گروههاي بزرگ است. بررسي تحليلي: در بررسي تحليلي ، بين زير گروههاي متفاوتي از جامعه ، براي کشف تفاوتهاي آنها مقايسه‌هايي صورت مي‌گيرد و يا فرضهايي را درباره دلائل اين تفاوتها عنوان کرده و مورد تحقيق قرار مي‌دهند. اهميت و ضرورت نمونه گيري پس از انتخاب موضوع تحقيق و بيان مسئله٬ يکي از تصميميات مهمي که در پيش روي هر پژوهشگري قرار دارد انتخاب نمونه است٬ نمونه اي که بايد نماينده جامعه اي باشد که پژوهشگر قصد تعميم يافته هاي تحقيق خود به آن جامعه را دارد. اگر محقق پژوهش خود را بر تمامي افراد جامعه اجرا کند روش او سرشماري خواهد بود يعني محقق بايد تمامي افراد جامعه را تک تک مورد برسي و آزمون قرار دهد. اما چون اکثر پژوهشگران توان و زمان اجراي پژوهش بر کل جامعه را ندارند به همين دليل پژوهش خود را محدود به نمونه کوچکي مي سازند. تعيين حجم نمونه هر چه حجم يا اندازه نمونه بزرگتر باشد ميزان اشتباهات در نتيجه گيري کم ميشود و بر عکس هر چه تعداد نمونه محدود باشد مقدار اشتباهات زيادتر است٬ بنابر اين زماني که محقق سطح بالاتري از اطمينان يا معني دار بودن آماري را ملاک ارزيابي اطلاعات تحقيق خود قرار ميدهد لازم است حجم نمونه او بزرگتر انتخاب شود. لذا اگر هر عضو در جامعه مادر دقيقا مشابه عضو ديگر باشد آنگاه انتخاب نمونه اي با حجم يک عضو هم کافي است. حجم نمونه بايد به اندازه اي باشد که نتايج حاصل عينا با نتايج همان مطالعه در جامعه اي که نمونه از آن انتخاب شده است برابر باشد. در شرايط ذيل انتخاب نمونه با اندازه بزرگ ضروري است : .1- زماني که در تحقيق متغيرهاي کنترل نشده زيادي وجود دارند. 2- هنگاميکه پيش بيني تفاوت يا همبستگي پايين است. در تحقيقاتي که انتظار داريم براي گروههاي مختلف تفاوت اندکي در متغير وابسته بدست آوريم٬ يا در مطالعاتي که به منظور تعيين ارتباط صورت مي گيرند و همبستگي پايين مورد انتظار است. 3-زماني که گروههاي انتخاب شده بايد به زير گروههاي ديگري تقسيم شوند. 4- زماني که جامعه مورد نظر بر اساس متغير هاي مورد مطالعه نامتجانس است. اگر کاملا شبيه هم باشند انتخاب نمونه اي با حجم يک نفر کافي است. 5- زماني که وسيله پايايي براي اندازه گيري متغير وابسته وجود ندارد. پايايي ابزار اندازه گيري بدان معنا است که هر گاه اين ابزار در شرايط و زمانهاي مختلف بکار رود٬ آزمودني هاي يکسان داراي نمره هاي مشابهي گردند. ارتباط حجم نمونه با فرضيه پوچ (صفر يا آماري) همانطوريکه گفته شد حجم نمونه را بايد تا حد امکان بزرگ انتخاب کرد زيرا حجم نمونه ارتباط بسيار نزديکي با آزمون فرضيه پوچ در تحقيق دارد٬ بدين ترتيب که هر چه اندازه گروه نمونه بزرگتر انتخاب شود محقق با قاطعيت بيشتري فرض پوچ را که واقعا نادرست است رد ميکند. فرضيه پوچ٬ صفر يا آماري هدفي جزء رد تحقيق ندارد اين فرض صريحا منکر وجود تفاوت يا رابطه و يا اثر بين دو يا چند متغير است. به سخن ديگر اين فرض گوياي آن است که هر نوع تفاوت٬ رابطه يا اثر صرفا نتيجه وقايع اتفاقي يا خطاها و اشتباهات آماري و نمونه گيري است٬ به همين جهت محقق به آزمايش و آزمون اين فرض مي پردازد. مزاياي نمونه گيري تقليل هزينه و صرفه جويي در منابع مالي و هزينه: اگر داده‌ها فقط از نسبت کوچکي از توده جامعه تامين شوند مسلما هزينه تهيه آنها به مراتب کمتر از سرشماري است. در جامعه‌هاي بزرگ نتايجي که از طريقه نمونه گيري بدست مي‌آيند آن قدر دقيق هستند که مي‌توان آنها را به عنوان نتايج خود جامعه مورد استفاده قرار داد. سرعت بيشتر و جلوگيري از اتلاف وقت محقق: چون حجم نمونه کمتر از حجم جامعه در سرشماري است، جمع آوري و تلخيص داده‌ها با سرعت بيشتر ، يعني با وقت کمتري انجام مي‌شود. قدرت عمل بيشتر: در برخي از نمونه گيري‌ها که وجود افراد متخصص و آموزش ديده و همچنين وسايل اندازه گيري و انجام آزمونهاي دقيق براي تهيه داده‌ها ضروري است مسلما به علت کمبود اين امکانات ، انجام سرشماري عملا غير ممکن است. صحت عمل بيشتر: چون براي انجام يک نمونه گيري به دليل حجم کار کمتر ، امکان آموزش افراد براي تهيه پرسشنامه و انجام مصاحبه‌ها وجود دارد، لذا صحت عمل در نمونه گيري بيشتر از سرشماري است. حفظ واحدهاي جامعه: در بعضي از جامعه‌ها امکان انجام سرشماري نيست و ناگزيريم براي بررسي مشخصه مورد نظر از نمونه گيري استفاده کنيم. اشتباهات نمونه گيري اشتباهات نمونه گيري از جمله عواملي هستند که ممکن است هر پژوهشگري در روند تحقيق خود مرتکب آن شود و به دو دسته زير تقسيم ميشوند : 1- اشتباهات نمونه گيري 1-1- اشتباه ناشي از در دست نبودن فهرست کامل افراد جامعه 1-2- اشتباه ناشي از انتخاب معدودي از افراد جامعه 1-3- اشتباه ناشي از تحليل آماري نامناسب 2- اشتباهات غير نمونه گيري 2-1-اشتباه ناشي از عدم مشاهده افراد مورد مطالعه که به دو دسته تقسيم ميشوند : عدم پوشش و عدم پاسخ. 2-2-اشتباه ناشي از مشاهده نا دقيق که به سه دسته تقسيم ميشوند : ابزار نادقيق٬ ثبت نادقيق داده ها و استخراج نامناسب. خطاي نمونه گيري بين ويژگيهاي يک نمونه و ويژگي هاي جامعه اي که نمونه از آن انتخاب ميشود تفاوت وجود دارد. اين تفاوت براي نمونه تصادفي قابل برآورد است و به آن خطاي نمونه گيري گفته مي شود. خطاي نمونه گيري تابع اندازه حجم نمونه است هر چه اندازه نمونه کوچکتر باشد خطاي نمونه گيري زياد است. انواع نمونه گيري تصادفي نمونه گيري تصادفي بدون جايگذاري: يک ويژگي مهم نمونه گيري تصادفي ساده بدون جايگذاري اين است که احتمال استخراج هر واحد مشخص از جامعه در هر استخراجي مساوي با احتمال استخراج آن واحد مشخص در استخراج اول است. نمونه گيري تصادفي با جايگذاري: اگر در انتخاب n واحد نمونه ، پس از انتخاب هر واحد ، آن را به جامعه برگردانيم و انتخاب بعدي را انجام دهيم نمونه گيري تصادفي ساده را با جايگذاري مي‌نامند. در اين روش ، انتخاب هر واحد مستقل از انتخاب واحدهاي ديگر است. انواع نمونه گيري نمونه گيري براي تعيين يک نسبت بعضي اوقات مايليم نسبت واحدهايي از جامعه را که صفت معيني دارند برآورد کنيم. به واحدهايي که صفت مورد نظر را دارند، مقدار 1 را تخصيص مي‌دهيم، و به بقيه واحدها مقدار 0 را منسوب مي‌کنيم. در اين روش محقق مايل است نمونه تحقيقي را به گونه اي انتخاب کند که مطمئن شود زير گروه ها با همان نسبتي که در جامعه وجود دارند به عنوان نماينده جامعه٬ در نمونه نيز حضور داشته باشند. اين نوع نمونه گيري وقتي بکار مي رود که جامعه داراي ساخت همگن و متجانس نيست. يعني در اين روش درصد آزمودني هايي که به صورت تصادفي از هر گروه انتخاب مي شوند با درصد همان گروه در جامعه مورد نظر برابر است. بنابر اين اگر يک گروه به طور مثال ۸ درصد از جامعه را تشکيل مي دهند همين گروه ۸ درصد از نمونه را نيز تشکيل خواهند داد. اين روش در مطالعه هايي که محقق قصد مقايسه زير گروه هاي مختلفي را داشته باشد مناسب است٬ اگر در چنين شرايطي از اين روش استفاده نشود هر گونه تجزيه و تحليل اطلاعات جمع آوري شده از نمونه نامناسب و موجب نتيجه گيري غلط خواهد بود. مثال : دانش آموزان (عالي ـ متوسط ـ ضعيف) يا اعضاي يک دانشگاه (استاد ـ دانشجو ـ کارمند ـ کارگر). به طور خلاصه در اين روش محقق مطمئن است که نمونه انتخاب شده بر اساس ويژگي ها و عواملي که اساس آن طبقه بندي بوده اند٬ نماينده واقعي جامعه مورد نظر است. نمونه گيري تصادفي طبقه بندي شده يکي از عمده‌ترين طرح هاي مفيد عملي ، نمونه گيري تصادفي طبقه بندي شده ناميده مي‌شود، ابتدا جامعه را به قسمتهاي همگني تقسيم کرده، آنگاه نمونه‌هاي تصادفي ساده مستقل ، از اين زير مجموعه‌هاي جداگانه استخراج مي‌کنيم. در اين نوع نمونه گيري هر يک از اعضاي جامعه تعريف شده شانس برابر و مستقلي براي قرار گرفتن در نمونه دارند٬ منظور از مستقل بودن اين است که انتخاب يک عضو به هيچ شکل در انتخاب ساير اعضاي جامعه تاثيري ندارد. در اين روش ابتدا فهرست اسامي تمامي اعضا را به دست آورده٬ سپس به هر يک از آنها نمره اي اختصاص مي دهيم و با استفاده از جدول اعداد تصادفي تعداد مورد نياز را انتخاب مي کنيم. اگر جامعه مورد مطالعه کوچک باشد از روش قرعه کشي استفاده مي شود٬ يعني اسامي افراد را بر روي يک تکه کاغذ نوشته و در داخل کيسه قرار مي دهيم٬ سپس کاغذ ها را به طور تک تک خارج مي کنيم تا زمانيکه حجم نمونه مورد نظر کامل شود. نمونه گيري به روش تصادفي شانس نماينده بودن نمونه را افزايش مي دهد. نمونه گيري سيستماتيک نمونه گيري سيستماتيک مشتمل بر گزينش واحدها به روشي سيستماتيک و در نتيجه به صورتي غير تصادفي است. منظور از اين نوع فن نمونه گيري معمولا پخش کردن واحدها بطور يکنواخت بر روي چارچوب است. عنصر تصادفي بودن اغلب به اين ترتيب دخالت داده مي‌شود که اولين واحد را بطور تصادفي انتخاب مي‌کنند. در اين صورت گزينش اولين واحد ، بقيه واحدهاي نمونه را معين مي‌کنند. همانند نمونه گيري تصادفي ساده٬ نمونه گيري منظم نيز براي انتخاب يک نمونه از يک جامعه تعريف شده به کار مي رود.از اين روش زماني استفاده مي شود که تمام اعضاي جامعه تعريف شده قبلا به صورت تصادفي فهرست شده باشند. به عنوان مثال صد نفر دانش آموز از يک جامعه هزار نفري که قبلا فهرست شده اند انتخاب مي کنيم٬ براي اين منظور ابتدا تعداد اعضاي جامعه را به تعداد اعضاي نمونه مورد نياز تقسيم مي کنيم.۱۰=۱۰۰/۱۰۰۰ سپس يک عدد تصادفي چنان انتخاب مي کنيم که کوچکتر يا مساوي فاصله نمونه گيري باشد. به عنوان مثال ما عدد ۶ را انتخاب مي کنيم ٬ بدين ترتيب افرادي را که در فهرست جامعه شماره هاي آنها به ترتيب شماره هاي ۶و۱۶و۲۶و۳۶و۴۶و... است انتخاب ميکنيم و اين را تا انتخاب ۱۰۰ نفر ادامه مي دهيم. اين روش آسانتر از روش نمونه گيري تصادفي ساده است و تفاوت آن با روش نمونه گيري ساده در اين است که در اين روش انتخاب هر عضو مستقل از انتخاب ساير اعضاء جامعه نيست. هنگاميکه اولين عضو انتخاب شد بقيه اعضاي نمونه مورد نظر به صورت خودکار تعيين مي شوند. اگر افراد جامعه به صورت تصادفي فهرست شده باشند مي توان نمونه گيري منظم را به جاي نمونه گيري تصادفي ساده به کار برد. اما در صورتيکه افراد جامعه با توجه به يک نظم معين بر اساس ويژگي يا ويژگي هايي فهرست شده باشند بايد از نمونه گيري تصادفي ساده استفاده کرد. نمونه گيري خوشه‌اي در بسياري از مواقع ، مي‌توان بوسيله اجراي يک وسيله با انتخاب تصادفي گروهها يا خوشه‌هايي از واحدهاي نمونه گيري به جاي گرفتن يک نمونه تصادفي ساده از جامعه ، در ميزان هزينه بطور اساسي صرفه جويي کرد. اين روش وقتي به کار مي رود که فهرست کامل افراد جامعه در دسترس نباشد. به اين منظور افراد را در دسته هايي خوشه بندي مي کنند سپس از ميان خوشه ها نمونه گيري به عمل مي آورند و به طور كلي زماني به کار مي رود که انتخاب گروهي از افراد امکانپذير و آسانتر از انتخاب افراد در يک جامعه تعريف شده باشد. نمونه گيري خوشه‌اي ما را از ساختن چارچوب براي تمامي جامعه بي‌نياز مي‌کند، که اين تهيه چارچوب خود اغلب يک کار پرخرج و خسته کننده‌اي است. به علاوه چون واحدهاي يک خوشه ، مجاور هم هستند و بنابراين دسترسي به آنها آسان است، فرآيند نمونه گيري بطور قابل توجهي به صرفه استدر نمونه گيري خوشه اي واحد اندازه گيري فرد نيست٬ بلکه گروهي از افراد هستند که به صورت طبيعي شکل گرفته و گروه خود را تشکيل داده اند. به عنوان مثال فرض مي کنيم جامعه مورد نظر و تعريف شده ما عبارت است از کليه افراد يک شهر که بيشتر از ۱۸ سال سن دارند. در اين جامعه نمونه گيري تصادفي ساده و نمونمه گيري منظم زماني ميسر است که فهرست کامل تمام افراد يک شهر را با سن آنها در دست داشته باشيم٬ در غير اينصورت به جاي انتخاب فرد به عنوان واحد نمونه گيري٬ منطقه را واحد نمونه گيري قرار مي دهيم و سپس به روش نمونه گيري تصادفي ساده از بين مناطق٬ منطقه يا مناطق مورد نظر را انتخاب مي کنيم. نمونه گيري خوشه اي چند مرحله اي اين روش نوع ديگري از نمونه گيري خوشه اي است. زماني که منطقه به صورت تصادفي انتخاب شد٬ مي توان نمونه گيري را در داخل منطقه نيز ادامه داد. به عنوان مثال مطالعه کننده ممکن است آدرس کليه افرادي را که در يک منطقه زندگي مي کنند داشته باشد بنابراين از بين اين افراد٬ ۱۰ نفر را به صورت تصادفي انتخاب مي کند. در روش نمونه گيري خوشه اي چند مرحله اي فهرست نمونه گيري دوبار و در بعضي مواقع بيش از دو بار تهيه مي شود. نمونه گيري خوشه اي برخي از مواقع در تحقيقات آموزشي به کار مي رود در اين نوع تحقيقات از کلاس به عنوان واحد نمونه گيري استفاده مي شود. از مزيت هاي عمده نمونه گيري خوشه اي جلوگيري از اتلاف وقت و صرفه جويي در منابع مالي است. از معايب آن هم اينکه : 1-دقت آن از نمونه گيري تصادفي ساده کمتر است زيرا در نمونه گيري تصادفي ساده فقط يک اشتباه وجود دارد در صورتيکه در نمونه گيري خوشه اي در هر مرحله يک اشتباه نمونه گيري وجود خواهد داشت يعني به تعداد مراحل خطاي نمونه گيري وجود دارد. 2-براي داده هاي جمع آوري شده از اين نوع نمونه گيري فرمول آساني را نمي توان به کار برد. زيرا بکار بردن يک نوع ابزار آماري در جامعه هاي مختلف دقت آن را کاهش مي دهد. در پايان شايان ذکر است در برخي مواقع در صورتي که ايجاب کند انواع مختلف نمونه گيري کم و بيش در هم آميخته شده و مورد استفاده قرار مي گيرد مراحل اصلي در يک بررسي نمونه‌اي اهداف بررسي: همواره بايد حکمي روشن و صريح درباره هدفهاي بررسي در دست باشد. در غير اين صورت با افزايش حجم کار و جزئيات ديگر نمونه گيري ، تصميمهايي اتخاذ مي‌شوند که با اصل اهداف هماهنگي ندارند. جامعه مورد نمونه گيري: جامعه‌اي که نمونه از آن مي‌گيريم، بايد دقيقا تعريف شود. جامعه‌اي که از آن نمونه مي‌گيريم بايد منطبق بر جامعه هدف باشد يعني جامعه‌اي که مي‌خواهيم درباره آن کسب اطلاع کنيم. جمع آوري داده‌ها: لازم است تحقيق کنيم که تمام داده‌ها به اهداف بررسي مربوط‌اند وهيچ داده اساسي از قلم نيفتاده است. درجه دقت مطلوب: نتايج يک بررسي نمونه‌اي هميشه با عدم حتميت همراه است، زيرا اولا نسبتي از جامعه مورد اندازه گيري قرار گرفته است و ثانيا اندازه گيري‌ها هميشه با خطا همراه‌اند. ميزان اين عدم دقت را مي‌توان با نمونه‌هاي بزرگتر و با استفاده از وسايل اندازه گيري دقيق‌تر تقليل داد. روش اندازه گيري: در جامعه ، براي اندازه گيري واحدهاي نمونه ، انتخاب ابزار اندازه گيري و روش اندازه گيري واجد اهميت است. چارچوب: قبل از انتخاب نمونه جامعه را بايد به بخشهايي تقسيم کرد. اين بخشها را واحدهاي نمونه گيري يا فقط واحدها مي‌نامند. انتخاب نمونه: حال طرحهاي متعددي وجود دارند که مي‌توان با آنها نمونه را انتخاب کرد. براي هر طرحي و با توجه به درجه دقت مورد نياز در برآوردها بايد حجم خاصي از نمونه را مشخص نمود. پيش آزمون: تجربه نشان داده است که قبل از انجام نمونه گيري نهايي ، امتحان کارايي پرسشنامه و يا روشهاي مورد نظر با مقياسي کوچک بسيار مفيد است. آموزش آمارگران: در بررسيهاي جامع نمونه‌اي ، اغلب با مسائل خاص حرفه‌اي مواجهيم. لذا آمارگران بايد قبلا درباره هدف نمونه گيري و روشهاي نمونه گيري و جمع آوري داده‌ها و ساير خط مشي‌ها آموزش ببينند. تلخيص و تحليل داده‌ها: اولين مرحله ، آماده کردن پرسشنامه‌هاي تکميل شده براي انتقال داده‌ها به ماشين است. اطلاعات حاصل براي بررسيهاي آتي: هر نمونه‌اي که از جامعه گرفته مي‌شود بالقوه راهنمايي براي اصلاح نمونه گيريهاي بعدي است. چه روش نمونه گيري را بايد بکار برد؟ تعيين طرحي از نمونه گيري که بايد به کار برد و انتخاب کردن حجمهاي نمونه‌اي ، از موضوعهاي کليدي در طرح ريزي يک بررسي هستند. انتخاب يک روش نمونه گيري مناسب مبتني بر عاملهايي از قبيل ساختار جامعه ، نوع اطلاع مورد جستجو ، و تسهيلات اداري و پرسنل موجود براي اجراي بررسي است. در رابطه با انتخاب روش نمونه گيري مناسب ، حجم نمونه مورد نياز با مشخص کردن يک درجه دقت مطلوب براي برآوردها تعيين مي‌شود. آنگاه بايد اين موضوع را هم تحقيق کرد که آيا بودجه‌اي که به بررسي اختصاص داده شده است، امکان تهيه اين حجم نمونه را مي‌دهد. نمونه گيري و انواع آن شيوه هاي نمونه گيري مرسوم و متداول در اصل به دو بخش تقسيم ميشوند : 1- نمونه گيري سهميه اي 2- نمونه گيري اتفاقي يا احتمالي نمونه گيري سهميه اي : اگر اعضاي طبقه يک گروه بيشتر باشد پس در نمونه نيز تعدادشان بيشتر خواهد بود. از اين شيوه وقتي استفاده مي شود که اولا هدف تحقيق کمتر جنبه علمي داشته باشد ثانيا ساخت جامعه مورد مطالعه مشخص باشد. نمونه گيري سهميه اي شرط قابليت تعميم را به اندازه لازم دارا نيست. نمونه گيري اتفاقي يا احتمالي : در اين نوع نمونه گيري که گاه نمونه گيري تصادفي نيز خوانده مي شود انتخاب افراد بر اساس ضابطه کنترل شده اي نيست و متکي به اصل "مشت نمونه خروار است" ميباشد.