Lấy mẫu phân tổ - Stratified Sampling là gì trong Data Analysis?

Phương pháp Stratified Sampling là gì?

Stratified Sampling (mẫu phân tổ hay mẫu phân tầng) là một phương pháp thu thập dữ liệu mà chia các đơn vị mẫu thành các tổ/tầng sau khi thu thập từ tổng thể chung, tùy theo mục đích nghiên cứu. Trong đó, cách chọn đơn vị từ các tổ/tầng này được tiến hành ngẫu nhiên.

Để lấy mẫu phân tầng, đầu tiên nhà phân tích dữ liệu cần chia thông tin tổng thể thành các tổ theo một hoặc nhiều tiêu thức có liên quan đến mục đích nghiên cứu, chẳng hạn như phân tổ các doanh nghiệp theo vùng, theo quy mô, theo loại hình,.... Tiếp đó, trong mỗi tổ, họ sẽ sử dụng phương pháp lấy mẫu ngẫu nhiên đơn giản hoặc chọn mẫu hệ thống nhằm có thể chọn ra các đơn vị của mẫu. Với mẫu phân tổ, số đơn vị được chọn ra ở mỗi tổ sẽ tuân theo tỷ lệ số đơn vị tổ đó chiếm trong tổng thể. Tuy nhiên một số trường hợp có thể không tuân theo tỷ lệ này.

Ví dụ: Một tòa soạn báo tiến hành nghiên cứu sự quan tâm của 1000 doanh nghiệp trên cả nước đối với tờ báo của họ nhằm mục đích tiếp thị việc đưa thông tin quảng cáo lên báo. Các tiêu thức để quyết định cơ cấu của mẫu nghiên cứu được Tòa soạn căn cứ vào là vùng địa lý (miền Bắc, Trung, Nam), hình thức sở hữu (trong nước, ngoài nước, 100% vốn đầu tư nước ngoài,...).

>>>Xem thêm: Đăng ký ngay khóa học BA uy tín, chất lượng hiện nay.

Ưu điểm của lấy mẫu phân tầng

Về cơ bản, chiến lược Stratified Sampling hay còn gọi là Stratified Random Sampling mang lại nhiều ưu điểm hơn so với phương pháp thống kê thông thường là chọn lấy mẫu ngẫu nhiên, như là:

• Nếu độ lệch chuẩn của các phép đo trong phạm vi phân phối dữ liệu thấp hơn thì sự phân tầng trong ước lượng sẽ cho sai số nhỏ hơn.
• Trong nhiều trường hợp, khi tổng thể được phân nhóm thành các tổ, các phép đo sẽ trở nên dễ quản lý hơn hoặc ít tốn kém chi phí hơn.
• Nếu mật độ tổng thể thay đổi nhiều trong một khu vực, việc chọn mẫu phân tổ giúp Data Analyst có thể ước lượng chính xác cho các thành phần khác nhau của khu vực và đồng thời so sánh, thống kê các tiểu vùng tương tự như nhau.

Nguyên tắc chọn mẫu phân tổ

Thông thường, người dùng sử dụng phương pháp chọn mẫu phân tổ sẽ dựa theo những kinh nghiệm phán đoán chủ quan. Chính vì vậy, khi tiến hành phân tổ, có những nguyên tắc cơ bản cần nắm vững như sau:

• Trong mỗi tổ cần đảm bảo tính đồng chất.
• Số tổ không nên chia quá nhiều hoặc quá ít.
• Số đơn vị mẫu của mỗi tổ cần đủ lớn để đảm bảo độ tin cậy cho ước lượng hoặc suy rộng.

Ví dụ: Đối với trường hợp chọn mẫu điều tra doanh nghiệp, mọi người thường tiến hành phân chia các doanh nghiệp dựa theo quy mô (lớn, vừa, nhỏ), sau đó xác định kích thước mẫu của cuộc điều tra và phân bổ các đơn vị cho từng loại hình quy mô doanh nghiệp.

Nếu còn phân vân, bạn có thể tìm hiểu thêm vấn đề này thông qua các chuyên gia Data Analyst của ứng dụng Askany. Tham khảo thêm Data Analyst là làm gì.

Các bước thực hiện Stratified Sampling

Lấy mẫu phân tổ được xem là một trong những phương pháp mang lại hiệu quả thống kê nhất hiện nay. Sau đây là trình tự các bước chọn mẫu phân tổ chi tiết mà bạn có thể tham khảo:

• Bước 1: Trước tiên, bạn tiến hành phân chia nhóm thông tin tổng thể thành các tổ dựa theo căn cứ vào tiêu thức có liên quan chặt chẽ với mục đích nghiên cứu.
• Bước 2: Tiếp đó, chọn ra một số đơn vị mẫu từ mỗi bộ phận hoặc mỗi tổ.
• Bước 3: Xác định số đơn vị của mỗi tổ được chọn mẫu, đây được gọi là phân loại mẫu. Có nhiều phương pháp phân bổ mẫu như chọn theo tỷ lệ (tỷ lệ với quy mô tổ, tỷ lệ với căn bậc hai của quy mô), chọn không theo tỷ (không tỷ lệ với quy mô tổ), phân bổ tối ưu,..

Quy trình tiến hành chọn mẫu Stratified Sampling gồm nhiều bước phức tạp, yêu cầu bạn phải trang bị đầy đủ các kiến thức chuyên sâu để đảm bảo tránh sai số. Do đó, nếu gặp bất cứ khó khăn nào khi thực hiện Stratified Sampling, phương pháp chọn mẫu trong nghiên cứu khoa học, hãy liên hệ với các chuyên gia hay khóa học Data Analyst của Askany để được hướng dẫn chi tiết nhất.