Кластерная vs стратифицированная выборка

В стратифицированной выборке (stratified sampling) совокупность изначально разбивают на несколько однородных по определённому признаку подгрупп (страт). Признак выбирается таким, чтобы внутри каждой страты объекты были как можно более похожи (например, возраст, социальное положение, уровень дохода и т.п.). Затем из каждой страты случайным образом отбирают респонденты (в пропорциях, соответствующих доле страты в общей совокупности, или по другому заданному принципу). Таким образом достигается репрезентативность каждого «типа» объектов.

В кластерной выборке (cluster sampling) совокупность разбивают на крупные группы (кластеры), причём каждый кластер по возможности должен отражать всю структуру генеральной совокупности (то есть быть «мини-моделью» совокупности). Примером могут служить районы города, школы, компании и т.д. На следующем этапе для исследования случайно выбирают несколько кластеров (а не из каждой группы, как в стратификации). После выбора кластеров либо используют все объекты в выбранных кластерах, либо проводят дополнительную случайную выборку внутри самих кластеров.

Таким образом, основные отличия:

1. Цель и принцип разбиения:

   • В стратификации: создание однородных страт по существенному признаку и обязательный отбор из каждой страты.
   • В кластеризации: создание групп, каждая из которых максимально отражает всю совокупность; выбирают лишь часть кластеров.

2. Способ дальнейшего отбора:

   • В стратификации: из каждой страты обязательно выбирают объекты.
   • В кластеризации: вначале выбирают кластеры, а затем либо берут все объекты внутри, либо случайно отбирают нужное количество из выбранных кластеров.