ว ธ การส มแบบกล ม cluster random sampling

<path d="M18.6514224,10.4604595 C17.3924224,11.9688254 13.9774224,15.4790227 9.46342244,15.5 L9.42442244,15.5 C6.26242244,15.5 3.20842244,13.7938483 0.345422443,10.4264963 C-0.115140814,9.88163847 -0.115140814,9.08439833 0.345422443,8.5395405 C1.60442244,7.03117456 5.01942244,3.52097727 9.53342244,3.5 L9.57342244,3.5 C12.7354224,3.5 15.7894224,5.20615167 18.6524224,8.5735037 C19.1122856,9.11875503 19.1118633,9.91569484 18.6514224,10.4604595 Z M17.8674224,9.2228003 C15.2084224,6.09518855 12.4194224,4.50990594 9.57442244,4.50990594 L9.54042244,4.50990594 C5.46142244,4.52888537 2.30642244,7.78335969 1.14042244,9.18084575 C0.991393136,9.3517953 0.988008897,9.60533857 1.13242244,9.78019645 C3.79142244,12.9078082 6.58142244,14.4920919 9.42542244,14.4920919 L9.46042244,14.4920919 C13.5394224,14.4741114 16.6934224,11.2196371 17.8604224,9.822151 C18.0095734,9.6511131 18.0125381,9.39726759 17.8674224,9.2228003 L17.8674224,9.2228003 Z M9.49942244,13.3932823 C7.35251405,13.3646853 5.63255349,11.6080263 5.65157552,9.46333471 C5.67059754,7.31864313 7.42144652,5.59270141 9.56852513,5.6021069 C11.7156037,5.61151239 13.4512316,7.35272696 13.4514224,9.49750271 C13.4349115,11.6625186 11.6668124,13.4054651 9.49942244,13.3932823 L9.49942244,13.3932823 Z M9.49942244,6.61762258 C7.91092198,6.63961751 6.63891624,7.93990193 6.65354481,9.52676854 C6.66817338,11.1136351 7.96393479,12.3902997 9.55257137,12.3830695 C11.1412079,12.3758393 12.4252698,11.0874333 12.4254224,9.50049946 C12.4127657,7.89797688 11.1037033,6.60820738 9.49942244,6.61762258 L9.49942244,6.61762258 Z" /><path d="M9.5,13 L15,13 C15.5522847,13 16,12.5522847 16,12 L16,12 L16,5 C16,4.44771525 15.5522847,4 15,4 L15,4 L4,4 L4,4 C3.44771525,4 3,4.44771525 3,5 L3,12 C3,12.5522847 3.44771525,13 4,13 L7,13 L7,15.5 L9.5,13 Z M15.0081158,13.973325 L10,13.973325 L7.42191625,16.5445317 C6.63661359,17.3277395 6,17.0667904 6,15.9700713 L6,13.973325 L3.99188419,13.973325 C2.89179693,13.973325 2,13.0706688 2,11.979044 L2,4.994281 C2,3.89287002 2.89339733,3 3.99188419,3 L15.0081158,3 C16.1082031,3 17,3.90265618 17,4.994281 L17,11.979044 C17,13.0804549 16.1066027,13.973325 15.0081158,13.973325 Z" />

ในบางครั้งการเลือกกลุ่มตัวอย่างโดย อาศัยความน่าจะเป็น โดยวิธีการสุ่มอาจจะไม่สามารถทำได้หรือทำได้ยาก การเลือกกลุ่มตัวอย่างโดยไม่อาศัยความน่าจะเป็นจึงถูกนำมาใช้ซึ่งการเลือก กลุ่มตัวอย่างแบบนี้จะมีลักษณะเป็นอัตวิสัย (subjective) ซึ่งมักจะทำให้การประมาณค่าพารามิเตอร์ขาดความแม่นยำ ดังนั้นในการเลือกกลลุ่มตัวอย่างแบบนี้มักจะใช้เมื่อไม่ต้องการอ้างอิงถึง ลักษณะประชากร ส่วนใหญ่จะใช้กับงานวิจัยสำรวจข้อเท็จจริง (Exploration research) กับกลุ่มที่มีลักษณะเฉพาะและไม่ต้องการเปรียบเทียบกับกลุ่มอื่นๆ นอกจากนี้ยังมีเหตุผลทางด้านค่าใช้จ่ายและเวลา เพราะการเลือกตัวอย่างโดยไม่อาศัยความน่าเป็นจะมีค่าใช้จ่ายและเวลาน้อยกว่า อาศัยความน่าจะเป็น

1. การสุ่มโดยบังเอิญ (Accidental sampling)

เป็นการสุ่มจากสมาชิกของประชากรเป้าหมายที่เป็นใครก็ได้ที่สามารถให้ข้อมูลได้ครบถ้วน การสุ่มโดยวิธีนี้ไม่สามารถรับประกันความแม่นยำได้ ซึ่งการเลือกวิธีนี้เป็นวิธีที่ด้อยที่สุด เพราะเป็นการเลือกตัวอย่างที่มีลักษณะสอดคล้องกับนิยามของประชากรที่สามารถ พบได้และใช้เป็นอย่างได้ทันที

1. การสุ่มแบบโควตา (Quota sampling)

เป็นการสุมตัวอย่างโดยจำแนกประชากรออกเป็นส่วนๆก่อน (strata)โดยมีหลักจำแนกว่าตัวแปรที่ใช้ในการจำแนกนั้นควรจะมีความสัมพันธ์ กับตัวแปรที่จะรวบรวม หรือตัวแปรที่สนใจ และสมาชิกที่อยู่แต่ละส่วนมีความเป็นเอกพันธ์ ในการสุ่มแบบโควตา นี้มีขั้นตอนการดำเนินการดังนี้

• พิจารณาตัวแปรที่สัมพันธ์กับลักษณะของประชากรที่คำถามการวิจัยต้องการที่จะ ศึกษา เช่น เพศ ระดับการศึกษา
• พิจารณาขนาดของแต่ละส่วน(segment)ของประชากรตามตามตัวแปร
• คำนวณค่าอัตราส่วนของแต่ละส่วนของประชากร กำหนดเป็นโควตาของตัวอย่างแต่ละกลุ่มที่จะเลือก
• เลือกตัวอย่างในแต่ละส่วนของประชากรให้ได้จำนวนตามโควตา
• การสุ่มตัวอย่างเฉพาะเจาะจง (purposive sampling)

หรือบางครั้งเรียกว่าการสุ่มแบบพิจารณา (judgment sampling) เป็นการสุ่มตัวอย่างโดยใช้ดุลพินิจของผู้วิจัยในการกำหนดสมาชิกของประชากร ที่จะมาเป็นสมาชิกในกลุ่มตัวอย่าง ว่ามีลักษณะสอดคล้องหรือเป็นตัวแทนที่จะศึกษาหรือไม่ ข้อจำกัดของการสุ่มตัวอย่างแบบนี้คือไม่สามารถระบุได้ว่าตัวอย่างที่เลือก จะยังคงลักษณะดังกล่าวหรือไม่เมื่อเวลาเปลี่ยนไป

1. การสุมกลุ่มตัวอย่างตามสะดวก (convenience sampling)

การเลือกกลุ่มตัวอย่างโดยถือเอาความสะดวกหรือความง่ายต่อการรวบรวมข้อมูล ข้อจำกัดของการสุ่มแบบนี้จะมีลักษณะเหมือนกับการสุ่มโดยบังเอิญ

1. การสุมตัวอย่างแบบสโนว์บอลล์ (snowball sampling)

เป็นการเลือกตัวอย่างในลักษณะการสร้างเครือข่ายข้อมูล เรียกว่า snowball sampling โดยเลือกจากหน่วยตัวอย่างกลุ่มแรก และตัวอย่างกลุ่มนี้เสนอบุคคลอื่นที่มีลักษณะใกล้เคียงต่อๆไป

การสุ่มตัวอย่างโดยอาศัย ทฤษฏีความน่าจะเป็น (Probability Sampling)

1. การสุ่มอย่างง่าย (Simple random sampling) สมาชิกทั้งหมดของประชากรเป็นอิสระซึ่งกันและกัน แล้วสุ่มหน่วยของการสุ่ม (Sampling unit) จนกว่าจะได้จำนวนตามที่ต้องการ โดยแต่ครั้งที่สุ่ม สมาชิกแต่ละหน่วยของประชากรมีโอกาสถูกเลือกเท่าเทียมกัน ซึ่งก่อนที่จะทำการสุ่มนั้น จะต้องนิยามประชากรให้ชัดเจน ทำรายการสมาชิกทั้งหมดของประชากร สุ่มตัวอย่างโดยใช้วิธีที่ทำให้โอกาสในการของสมาชิกแต่ละหน่วยในการถูกเลือก มีค่าเท่ากัน ซึ่งสามารถทำได้ 2 วิธี คือ การจับฉลากและการใช้ตารางเลขสุ่ม (table of random number) ซึ่งตัวเลขในตารางได้มาจากการอาศัยคอมพิวเตอร์กำหนดค่า หรือบางครั้งสามารถใช้วิธีการดึงตัวอย่างโดยอาศัยโปรแกรมสำเร็จรูป ในการสุ่มอย่างง่าย มีข้อจำกัดคือ ประชากรต้องนับได้ครบถ้วน (Finite population) ซึ่งบางครั้งอาจสร้างปัญหาให้กับนักวิจัย
2. การสุ่มแบบเป็นระบบ (systematic sampling)

ใช้ในกรณีที่ประชากรมีการจัดเรียงอย่างไม่ลำเอียง 1. ประชากรหารด้วยจำนวนกลุ่มตัวอย่าง (K = N/n) 2. สุ่มหมายเลข 1 ถึง K (กำหนดสุ่มได้หมายเลข r ) 3. r จะเป็นหมายเลขเริ่มต้น ลำดับต่อไป r + K, r +2K, r + 3K, การสุ่มแบบเป็นระบบ โอกาสถูกเลือกของตัวอย่างไม่เป็นอิสระจากกัน เพราะเมื่อตัวอย่างแรกถูกสุ่มแล้ว ตัวอย่างหน่วยอื่นก็จะถูกกำหนดให้เลือกตามมาโดยอัตโนมัติ โดยไม่มีการสุ่ม

1. การสุ่มแบบแบ่งชั้น (stratified random sampling)

เป็นการสุ่มกลุ่มตัวอย่างที่แบ่งกลุ่มประชากรออกเป็นกลุ่มย่อย (subgroup or strata) เสียก่อนบน พื้นฐานของตัวแปรที่สำคัญที่ส่งผลกระทบต่อตัวแปรตาม โดยมีหลักในการจัดแบ่งกลุ่มแต่ละกลุ่มมีความเป็นเอกพันธ์ (Homogeneous) หรือกล่าวได้ว่า ในกลุ่มเดียวกันจะมีลักษณะคล้ายคลึงกันตามกลุ่มย่อยของตัวแปร แต่จะมีความแตกต่างระหว่างกลุ่ม จำนวนสมาชิกในกลุ่มย่อยจะถูกกำหนดให้เป็นสัดส่วน (proportion) ตามสัดส่วนที่ปรากฏในประชากร ซึ่งเรียกว่า การสุ่มแบบแบ่งชัดโดยใช้สัดสัด (proportion stratified sampling) การสุ่มแบบแบ่งชั้นจะมีความเหมาะสมกับงานวิจัยที่สนใจความแตกต่างของลักษณะ ประชากรในระหว่างกลุ่มย่อย

1. การสุ่มตัวอย่างแบบกลุ่ม (cluster sampling)

ในกรณีที่ประชากรมีขนาดใหญ่ การสุ่มกลุ่มตัวอย่างโดยจัดกระทำกับรายการสมาชิกทุกๆหน่วยของประชากรอาจทำ ได้ยากหรือทำไม่ได้เลย ดังนั้นแทนที่จะใช้วิธีการสุมจากทุกหน่วย นักวิจัยสามารถสุ่มจากกลุ่มที่ถูกจัดแบ่งไว้อยู่แล้ว ซึ่งวิธีการแบบนี้เรียกว่าการสุ่มแบบกลุ่ม (cluster sampling) สิ่งที่ควรคำนึงถึงการสุ่มแบบกลุ่ม มีดังนี้

• ความแตกต่างของลักษณะที่จะศึกษาระหว่างกลุ่ม (cluster) มีไม่มาก หรือเรียกว่ามีความเป็นเอกพันธ์ (homogeneous)
• ขนาดของแต่ละกลุ่ม เท่ากันหรือแตกต่างกันไม่มากนัก เพราะเมื่อเลือกกลุ่มมาเป็นตัวอย่างแล้ว การประมาณค่าพารามิเตอร์ จะมีลักษณะไม่อคติ (unbias estimation) มากกว่า กรณีที่กลุ่มตัวอย่างในแต่กลุ่มมีขนาดแตกต่างกันมาก
• ขนาดของกลุ่ม (cluster) ไม่มีคำตอบแน่นอนวาจำนวนหน่วยตัวอย่างที่ศึกษาในแต่ละกลุ่ม จะเป็นเท่าใด ขึ้นอยู่กับคำถามการวิจัยและความยากง่ายในการเก็บข้อมูล
• การใช้วิธีการสุ่มแบบ multistage cluster sampling แท่นการใช้ single – stage
• ขนาดขอกลุ่มตัวอย่างหรือจำนวนกลุ่ม (cluster) ที่ต้องการในการเทียบเคียงจากการเลือกแบบการสุ่มอย่างง่าน (simple random sampling) ในการคำนวณขนาดกลุ่มตัวอย่าง โดยใช้จำนวนทั้งหมดของกลุ่ม ที่จัดแบ่งเป็นประชาการที่นำมาใช้ในการคำนวณ
• การสุ่มตัวอย่างแบบหลายขั้นตอน (Multi – stage Random Sampling)

มีวิธีการสุ่ม 4 แบบที่อธิบายไว้แล้ว คือ การสุ่มอย่างง่าย การสุ่มอย่างมีระบบ การสุ่มแบบแบ่งชั้น และการสุ่มแบบแบ่งกลุ่ม ในการทำวิจัยจริง ๆ เราอาจจะใช้วิธีการสุ่มที่ซับซ้อนมากกว่านี้ โดยหลักแล้วจะต้องพิจารณาวิธีการสุ่มทั้ง 4 แบบนี้มาใช้ให้ได้ประโยชน์สูงสุดเพื่อให้ได้กลุ่มตัวอย่างที่ผู้วิจัยต้องการอย่างแท้จริง เรียกว่าการสุ่มแบบหลายขั้นตอน

วิธีการสุ่มแบบยกกลุ่ม (Cluster Random Sampling) มีลักษณะอย่างไร ?

4. Cluster Sampling (การสุ่มตัวอย่างแบบแบ่งกลุ่ม) คือ เป็นการสุ่มเลือกตัวแทนจาก “กลุ่ม”เนื่องจากแต่ละกลุ่มมีคุณลักษณะที่คล้ายคลึงกัน หรือมีคุณลักษณะร่วมอยู่ อาจเริ่มแบ่งพื้นที่จากภาค เป็นจังหวัด จาก จังหวัดเป็นอำเภอ และเรื่อยไปจนถึงหมู่บ้าน

การสุ่มแบบหลายขั้นตอนมีลักษณะการสุ่มอย่างไร

การสุ่มตัวอย่างแบบหลายขั้นตอน (Multi-stage Sampling) เป็นการสุ่มตัวอย่างที่ท าเป็นขั้นๆ หลายขั้นด้วยกัน การสุ่มตัวอย่างแต่ละขั้นจะ ใช้การสุ่มแบบใดก็ได้โดยการเก็บข้อมูลจะเก็บจากหน่วยตัวอย่างขั้นสุดท้ายที่สุ่มได้ นิยมใช้กับการสุ่มสิ่งตัวอย่างที่ประชากรมีขนาดใหญ่ และมีขอบเขตงาน กว้างขวาง เช่น

Multi

การสุ่มแบบหลายขั้นตอน(Multi-stage Sampling) เป็นการสุ่มตัวอย่างที่ มีหลายขั้นตอน มีลักษณะคล้าย ๆ กับการสุ่มตัวอย่างแบบกลุ่มที่มีหลายขั้นตอนตั้งแต่เริ่มต้น กลุ่มใหญ่ที่สุดจนกระทั่งสิ้นสุดที่กลุ่มตัวอย่างที่ต้องการตามความเหมาะสม ดังนั้นการสุ่ม แบบหลายขั้นตอนในบางครั้งนักวิชาการจึงเรียกว่าการสุ่มตัวอย่างแบบกลุ่มหลายชั้น( ...

การสุ่มตัวอย่างแบบง่าย มีอะไรบ้าง

2.1 การสุ่มตัวอย่างอย่างง่าย (Simple random sampling) คือ การสุ่มตัวอย่างที่ผู้วิจัยให้โอกาสที่หน่วยตัวอย่างทุกหน่วยจะถูกสุ่ม เท่ากัน ควรใช้วิธีการสุ่มแบบนี้เมื่อคุณลักษณะที่สนใจศึกษาของ ประชากรคล้ายคลึงกัน หน่วยตัวอย่างแต่ละหน่วยได้มาโดยวิธี - จับฉลาก - ตารางเลขสุ่ม - คอมพิวเตอร์