The random sample survey is a commo

The random sample survey is a commonly used method in market research and such surveys generally are
considered to provide more robust results than purposive or convenience (such as quota) samples. Simple random
samples (SRS), where every member of the population has an equal or predetermined chance of selection, and the
sampling is single stage, are the simplest to visualise and the level of precision of results derived from them is easy
to calculate. However, SRS are almost impossible to achieve in reality (due to imperfect sampling frames, nonresponse,
and so on) and, in any case, they are relatively inefficient ways of obtaining a particular number of
responses, in terms of fieldwork and travelling costs.
Much of the theory underlying this paper is not new, and many of the concepts covered relate to important work
published a number of years ago. However, the messages that this paper serves to portray are no less relevant
today than they were in the past, as cluster sampling continues to be a popularly used type of survey design. It is
less statistically efficient than simple random sampling, and this is as critical as ever today as researchers continue
their quest to obtain data in an ever-faster and less expensive way.
If one considers the situation of running a national survey of 10,000 people across the whole of Great Britain, it
would be impractical and expensive to send interviewers across the whole country to addresses which are
completely randomly scattered, because travelling time and interviewer costs are likely to be prohibitive. It would
be more economical and realistic to focus on specific localities (or clusters) across the country (e.g. constituencies
or wards) and sample from some localities (these particular localities being selected at random) but not from
others. There is, however, a price to pay for this saving in administrative time and costs, namely that one would
receive no information about the localities or the clusters from which one is not sampling. Correspondingly,
aggregate results would be based only on the clusters from which one is sampling. Also, there may be good
reasons why people's views within a small area are similar. This would lead to a reduction in precision and a
widening of confidence intervals as compared to the situation of running a survey on a totally SRS basis.
This paper begins by providing a brief background to the concept of the design effect, and how it can be used to
see how various aspects of survey design (such as clustering, but also stratification and weighting) can impact on
the level of statistical reliability of a survey. Focusing on clustering, a commonly used formula for calculating the
confidence interval (CI) for clustered samples is then introduced. Using this formula on a worked example covering
a specific national survey, it is shown how the level of confidence can vary with the number of clusters taken (which
is controllable) and with the differences between the clusters (which cannot be controlled). At this point, what
appears to be a surprising conclusion is verified by an alternative methodological approach. The paper then goes on
to present a theoretical and somewhat historical example which nevertheless is useful in illustrating that the design
effect is very different for different survey measures. The paper also touches on the issue of interviewer variability,
which is in itself a form and extension of clustering. Finally, the report is put together with appropriate costings to
look at the practical and financial implications of clustering-related losses of effective sample size.

ผลลัพธ์ (ไทย) 1:

สุ่มตัวอย่างแบบสำรวจคือวิธีที่ใช้กันทั่วไปในการวิจัยตลาดและสำรวจดังกล่าวโดยทั่วไปถือว่าให้ผลที่มีประสิทธิภาพมากขึ้นกว่า purposive หรือตัวอย่างสะดวก (เช่นโควต้า) สุ่มอย่างง่ายตัวอย่าง (SRS), ซึ่งทุกสมาชิกของประชากรที่มีการกำหนดไว้ หรือเท่ากับโอกาสที่เลือก และสุ่มตัวอย่างเป็นขั้นตอนเดียว ง่ายที่สุดเพื่อ visualise และระดับของความแม่นยำของผลลัพธ์ที่ได้มาจากพวกเขาในการคำนวณ อย่างไรก็ตาม SRS เป็นไปไม่ได้เกือบจะบรรลุในความเป็นจริง (เนื่องจากกรอบการสุ่มตัวอย่างไม่สมบูรณ์ nonresponseใน) และ,, วิธีการรับมีจำนวนค่อนข้างต่ำตอบ สามารถและต้นทุนการเดินทางของทฤษฎีต้นแบบกระดาษนี้ไม่ใหม่ และหลายแนวคิดที่ครอบคลุมเกี่ยวข้องกับงานสำคัญประกาศตัวเลขของปีที่ผ่านมา อย่างไรก็ตาม ข้อความกระดาษนี้รองรับการวาดภาพเกี่ยวข้องไม่น้อยวันนี้กว่าพวกเขาในอดีต เป็นคลัสเตอร์ สุ่มยังคงเป็นชนิดที่นิยมใช้ออกแบบสำรวจ จึงมีประสิทธิภาพทางสถิติน้อยกว่าอย่างสุ่มตัวอย่างแบบสุ่ม ซึ่งเป็นที่สำคัญเช่นเคยวันนี้ที่นักวิจัยต่อไปการแสวงหาเพื่อให้ได้ข้อมูลในทางที่เคยเร็ว และแพงถ้าหนึ่งพิจารณาสถานการณ์ของการทำงาน 10000 คนการสำรวจแห่งชาติทั่วทั้งสหราชอาณาจักร มันจะเป็นไปได้ยาก และมีราคาแพงส่ง interviewers ทั่วประเทศทั้งหมดไปอยู่ที่อย่างสมบูรณ์แบบสุ่มกระจาย เนื่องจากใช้เวลาเดินทางและค่าใช้จ่ายของทีมงานมีแนวโน้มที่จะห้ามปราม มันจะประหยัดมากขึ้น และสมจริงเน้นมาเฉพาะ (หรือคลัสเตอร์) ทั่วประเทศ (เช่นชุมชนหรือเขตการปกครอง) และตัวอย่าง จากบางมา (เหล่านี้โดยเฉพาะมาเลือกสุ่ม) แต่ไม่ใช่จากผู้อื่น มี อย่างไร ตามราคาที่ต้องจ่ายสำหรับบันทึกนี้ในการบริหารเวลาและต้นทุน คือว่า หนึ่งจะไม่มีข้อมูลเกี่ยวกับที่มาหรือคลัสเตอร์ที่ที่หนึ่งจะไม่สุ่มตัวอย่างได้ เรียบผลรวมจะขึ้นอยู่เฉพาะในกลุ่มที่หนึ่งเป็นการสุ่มตัวอย่าง ยัง ไม่ดีเหตุผลที่ทำไมมุมมองของคนภายในพื้นที่ขนาดเล็กจะคล้ายกัน นี้จะนำไปสู่การลดความแม่นยำและขยับขยายของช่วงความเชื่อมั่นเมื่อเทียบกับสถานการณ์ของการทำงานการสำรวจพื้นฐาน SRS ทั้งหมดกระดาษนี้เริ่มต้น ด้วยประวัติกับแนวคิดของผลออกแบบ และวิธีการใช้การเห็นแง่มุมต่าง ๆ วิธีการออกแบบสำรวจ (เช่นคลัส เตอร์ แต่ยังสาระ และน้ำหนัก) สามารถส่งผลกระทบในระดับของความน่าเชื่อถือทางสถิติของการสำรวจ เน้นคลัสเตอร์ สูตรทั่วไปใช้สำหรับการคำนวณช่วงความเชื่อมั่น (CI) สำหรับกลุ่มตัวอย่างแล้วแนะนำ ใช้สูตรนี้ครอบคลุมการทำงานอย่างการสำรวจแห่งชาติเฉพาะ มันแสดงให้เห็นว่าระดับความเชื่อมั่นแตกต่างกัน ด้วยหมายเลขของคลัสเตอร์ที่ใช้ (ซึ่งถูกควบคุม) และ มีความแตกต่างระหว่างกลุ่ม (ที่ไม่สามารถควบคุม) จุดนี้ สิ่งดูเหมือนจะ เป็นบทสรุปที่น่าแปลกใจที่ผ่านการตรวจสอบ โดยวิธี methodological การสำรอง กระดาษจากนั้นจะตัวอย่างทฤษฎี และประวัติศาสตร์บ้างซึ่งอย่างไรก็ตาม จะเป็นประโยชน์ในการแสดงที่นำเสนอการออกแบบผลคือแตกต่างกันมากสำหรับมาตรการสำรวจแตกต่างกัน กระดาษยังสัมผัสปัญหาของทีมสำหรับความผันผวนซึ่งอยู่ในตัวแบบฟอร์มและส่วนขยายของคลัสเตอร์ สุดท้าย ทำรายงานพร้อมกับการคิดต้นทุนที่เหมาะสมเพื่อดูที่ผลในทางปฏิบัติ และทางการเงินของคลัสเตอร์ที่เกี่ยวข้องสูญเสียของขนาดตัวอย่างมีประสิทธิภาพ

ผลลัพธ์ (ไทย) 3:

การสำรวจแบบสุ่มเป็นวิธีการที่ใช้กันทั่วไปในการวิจัยตลาดและการสำรวจดังกล่าวโดยทั่วไป
ถือว่าให้ผลลัพธ์ที่แข็งแกร่งมากขึ้นกว่าที่เฉพาะเจาะจงหรือความสะดวกสบาย เช่น โควต้า ) ตัวอย่าง ตัวอย่างสุ่ม
ง่าย ( SRS ) ที่สมาชิกทุกคนของประชากรมีเท่ากับโอกาสที่เลือกหรือกำหนดไว้ และเป็นเวที
ตัวอย่างเดียวเป็นง่ายที่จะเห็นภาพและระดับของความถูกต้องของผลลัพธ์ที่ได้จากพวกเขาเป็นเรื่องง่าย
เพื่อคำนวณ อย่างไรก็ตาม , SRS เกือบจะเป็นไปไม่ได้ที่จะบรรลุในความเป็นจริง ( เนื่องจากไม่สมบูรณ์ จำนวนเฟรม จากการไม่ได้
และอื่น ๆ ) และในกรณีใด ๆ พวกเขาเป็นวิธีที่ค่อนข้างไม่มีประสิทธิภาพของการขอรับหมายเลขเฉพาะของ
การตอบสนองในแง่ของงานภาคสนามและการเดินทางค่าใช้จ่าย .
ทฤษฎีพื้นฐานของกระดาษนี้ไม่ใช่เรื่องใหม่ และหลายแนวคิดที่ครอบคลุมเกี่ยวข้องกับงานสำคัญ
ตีพิมพ์จำนวนของปีที่ผ่านมา อย่างไรก็ตาม ข้อความที่กระดาษนี้ทำหน้าที่ในการวาดภาพเป็นไม่ที่เกี่ยวข้องน้อยกว่า
วันนี้กว่าที่พวกเขามีในอดีต เป็น Cluster Sampling ) ยังคงเป็นที่นิยมใช้ประเภทของการออกแบบสำรวจ มันคือ
น้อยกว่าสถิติประหยัดกว่าสุ่มตัวอย่างแบบง่ายได้และนี่เป็นวิกฤตที่เคยในวันนี้เป็นนักวิจัยยังคงแสวงหาของพวกเขาเพื่อให้ได้ข้อมูล
เคยได้เร็วขึ้นและวิธีที่ไม่แพง .
ถ้าหนึ่งพิจารณาสถานการณ์ของวิ่งสำรวจแห่งชาติของ 10 , 000 คนทั่วทั้งสหราชอาณาจักร มัน
มันจะทําไม่ได้ และแพงให้สัมภาษณ์ทั้งประเทศที่อยู่ที่ มี
สมบูรณ์สุ่มกระจัดกระจายเพราะการเดินทางเวลาและค่าใช้จ่ายทีมงานมีแนวโน้มที่จะห้ามปราม มันจะประหยัดมากขึ้นและมีเหตุผล
จะมุ่งเน้นเฉพาะท้องถิ่น ( หรือกลุ่ม ) ข้ามประเทศ ( องค์กรเช่น
หรือเขตการปกครอง ) และตัวอย่างจากบางพื้นที่ ( พื้นที่เฉพาะเหล่านี้ถูกเลือกโดยการสุ่ม ) แต่ไม่ใช่จาก
คนอื่น มี , อย่างไรก็ตามราคาที่จะต้องจ่ายสำหรับช่วยในการบริหารต้นทุน เวลา และ คือ หนึ่งจะได้รับข้อมูลเกี่ยวกับ
ท้องถิ่นหรือกลุ่มที่ไม่ได้เรียน ต้องกัน ,
ผลรวมจะอยู่เฉพาะในกลุ่มที่ 1 คือคน นอกจากนี้ อาจจะมีเหตุผลที่ดี
ทำไมคนมุมมองภายในพื้นที่ขนาดเล็กที่คล้ายกันนี้จะนำไปสู่การลดลงในความแม่นยําและ
ขยับขยายช่วงความเชื่อมั่นเมื่อเทียบกับสถานการณ์ที่กำลังสำรวจบนพื้นฐานทั้งหมด SRS .
กระดาษนี้เริ่มต้นโดยให้พื้นหลังเป็นบทสรุปแนวคิดของผลการออกแบบและวิธีนั้นสามารถใช้
ดูแง่มุมต่าง ๆ ของการออกแบบการสำรวจ ( เช่น เป็นคลัสเตอร์ แต่ยังสามารถส่งผลกระทบต่อการน้ำหนัก
) และระดับความเชื่อมั่นทางสถิติของแบบสำรวจ เน้นคุณภาพ , ปกติใช้สูตรการคำนวณ
ช่วงความเชื่อมั่น ( CI ) เป็นกลุ่มตัวอย่างแล้วแนะนำ ใช้สูตรนี้ในตัวอย่างครอบคลุม
เฉพาะการสำรวจ พบว่า ระดับความเชื่อมั่นที่อาจแตกต่างกันกับหมายเลขของกลุ่มถ่าย
( ซึ่งสามารถควบคุมได้ ) และมีความแตกต่างระหว่างกลุ่ม ( ซึ่งไม่สามารถควบคุมได้ ) ณจุดนี้ สิ่งที่ดูเหมือนจะเป็นข้อสรุปที่น่าประหลาดใจ
คือการตรวจสอบโดยวิธีการวิธีการทางเลือก กระดาษแล้วผ่านไป
นำเสนอทฤษฎีและตัวอย่างค่อนข้างประวัติศาสตร์ซึ่งยังคงเป็นประโยชน์ในการแสดงที่ออกแบบ
ผลกระทบที่แตกต่างกันมากในการสำรวจที่แตกต่างกัน กระดาษยังแตะในเรื่องของผู้สัมภาษณ์ความแปรปรวน
ซึ่งอยู่ในตัวเองเป็นรูปแบบและการขยายของการจัดกลุ่ม . ในที่สุดรายงานที่ใส่กับ costings เหมาะสม

ดูผลการปฏิบัติ และการเงินของกลุ่มที่เกี่ยวข้องกับการสูญเสียของขนาดตัวอย่างที่มีประสิทธิภาพ