انواع روشهای نمونه گیری

مقدمه

هدف از انجام هر تحقیقی بدست آوردن نتایجی دقیق و صحیح است که بتوان از آن استفاده نمود.در روند انجام هر تحقیقی، محقق برای پاسخ به سوالات و فرضیات به جمع آوری اطلاعات از منابع مختلف میپردازد. دسترسی به این منابع و نیز روشهای دسترسی به آنها متفاوت است. در ابتدای یک طرح پژوهشی سوال این است که انواع روشهای نمونه گیری چیست و یا اینکه چقدر نمونه باید در نظر بگیرید. تعیین روش نمونه گیری و تعداد نمونه های لازم در بخش روش شناسی پروپوزال، پایان نامه یا مقاله باید با دقت و واضح مشخص گردد.

اطلاعات مورد نیاز هر تحقیق میتواند به دو شکل جمع آوری گردد.روش اول سرشماری نام دارد که در آن تمامی افراد در یک جامعه بررسی میگردند. روش دوم استفاده از انواع روشهای نمونه گیری است برای به دست آوردن نمونه است. نمونه بخشی از جامعه ای است که نمایانگر جامعه بزرگتر است. مصداق بارز این جمله ضرب المثل “مشت نمونه خروار است” میباشد که نشان دهنده نمونه گیری و اهمیت آن است.

نمونه در واقع آن دسته از افراد در گروه هستند که واقعا در مطالعه شرکت می‌کنند. برای اینکه نتایج مطالعه تان معتبر باشد باید در انتخاب روشهای نمونه گیری دقت لازم را داشته باشیم تا نمونه مستخرج نماینده جامعه مورد بررسی ‌باشد. علاوه بر این نمونه انتخاب شده باید به صورتی باشد که خطا و اریبی را در مطالعه تا حد ممکن کاهش دهد.

سرشماری بهتر است یا نمونه گیری؟ – Census vs Sampling

سرشماری روشی است که در آن تمامی موارد جامعه مورد بررسی قرار خواهند گرفت. مثال رایج در سرشماری همان سرشماری نفوس و مسکن است. این سرشماری که هر 5 یا 10 سال یکبار در کشور انجام می‌گیرد، تمامی اطلاعات افراد جامعه را جمع آوری می‌کند. اما این روش گردآوری اطلاعات، با اینکه تمامی اعضای جامعه را در نظر می گیرد گاهاً دقت لازم را در مقایسه با انواع روش‌های نمونه گیری ندارد. اگر حجم جامعه کوچک باشد سرشماری در مقایسه با نمونه گیری بهتر است. اما در جوامع بزرگ دقت نمونه گیری به مراتب از سرشماری بیشتر است و احتمال بروز خطا در آن کمتر است.

سرشماری به دلایلی همچون محدودیت مالی، محدودیت زمانی، در دسترس نبودن تمامی افراد جامعه، محدودیت نیروی انسانی، کمبود ابزار و امکان عدم توافق بین ابزارهای جمع آوری اطلاعات احتمال بروز خطا و اریبی در جوامع بزرگ ممکن است از دقت لازم برخوردار نباشد. اما بر خلاف معایب سرشماری که در بالا به آنها اشاره شد نمونه گیری مزایای مختلفی دارد که عبارتند از

• سرعت جمع آوری اطلاعات
• مقرون به صرفه تر بودن نسبت به سرشماری
• امکان پذیر نبودن بررسی تمام افراد در یک جامعه
• صحت بیشتر نتایج نمونه نسبت به نتایج بررسی تمام جمعیت
• کاهش ناهمگنی در اطلاعات با انتخاب ترتیب صحیح نمونه ها

تمامی مزایای بالا زمانی تحقق میابد که دو اصل نمونه گیری رعایت شود. اصل اول اینکه نمونه انتخاب شده معرف و نماینده جامعه باشد و قابلیت تعمیم به آن را داشته باشد و دوم اینکه حجم نمونه تعیین شده تعداد مناسبی از چنین نمونه هایی را بررسی کند.

جمعیت هدف، جمعیت نمونه‌گیری شده و نمونه (Target population, sample)

قبل از اینکه بخواهیم در مورد انواع روشهای نمونه گیری توضیح دهیم نیاز است که در ابتدا با سه مفهوم پرکاربرد در نمونه گیری آشنا شوید که عبارتند از

• جمعیت هدف (Target Population): جمعیتی که پژوهشگر مایل است نتایج را به آن جمعیت تعمیم دهد.
• جمعیت نمونه برداری شده (Sampled Population): جمعیتی که نمونه از آن واقعا انتخاب میشوند
• نمونه (Sample): شامل تعداد مواردی که وارد تحقیق شده و بررسی میشود که گروه خاصی از افراد در جامعه کل یا هدف است.

این مفاهیم در انواع روشهای نمونه گیری هر کدام به ترتیب از پایین به بالا در دل یکدیگر می‌باشند. اما در سرشماری تمامی این مفاهیم با یکدیگر ادغام می‌شوند.

جامعه میتواند وسیع یا محدود باشد و بر حسب موقعیت جغرافیایی، سن، درآمد و یا بسیاری دیگراز فاکتورها تعیین گردد. تعیین دقیق و صحیح جامعه هدف با توجه به اهداف و شرکت کنندگان در مطالعه مشخص می‌گردد. ممکن است بخواهید استنباط‌هایی را در مورد کلیه جمعیت بزرگسالان کشور را بدست بیاورید. یا اینکه تمرکز مطالعه شما بر روی مشتریانی از یک شرکت خاص، بیماران با شرایط خاص از نظر سلامتی و یا دانش آموزان در یک مدرسه باشد. اگر جامعه خیلی بزرگ یا از نظر جغرافیایی پراکنده باشد دسترسی به یک نمونه واقعی احتمالا مشکل می‌باشد.

چارچوب نمونه گیری چیست؟(Sampling Framework)

چارچوب نمونه گیری لیستی از افراد جامعه می‌باشد. به طور ایده آل چارچوب نمونه گیری باید شامل کل جمعیت هدف باشد.

مثال: شما تحقیق را بر روی شرایط کاری در کارخانه A انجام میدهید. جامعه شما تمامی 1000 کارگر در کارخانه میباشد. چارچوب نمونه گیری شما پایگاه داده کارخانه می‌باشد که لیست تمامی اسامی کارگران در آن وجود دارد.

دسته بندی روش‌های نمونه گیری – Sampling Methods Categories

به طور کلی دسته بندی های مختلفی برای انواع روش‌های نمونه گیری وجود دارد. رایج‌ترین دسته بندی نمونه گیری تصادفی، نمونه گیری غیر تصادفی و نمونه گیری چند مرحله ای است.

نمونه گیری تصادفی، انتخاب تصادفی افراد یا موارد بر پایه احتمال است. استنتاج استنباط‌های آماری از نمونه و قابلیت تعمیم پذیر بودن نتایج مطالعه به کل جامعه در روش های نمونه گیری تصادفی است.

نمونه گیری غیر تصادفی، انتخاب غیر تصادفی بر اساس در دسترس بودن و یا دیگر معیارهای است که باعث می‌شود داده‌های اولیه را جمع‌آوری نمایید. در روش نمونه‌گیری غیر تصادفی امکان تعمیم نتایج نمونه به کل جامعه وجود ندارد. گاهی مطالعه را در ابتدا برای برآورد تقریبی وضعیت موجود و همچنین رفع نواقص اجرایی تحقیق با نمونه های غیر تصادفی انجام میدهند که اصطلاحا به آن مطالعه پیش آزمون Pretest میگویند و در گام بعدی پس از بررسی نتایج پیش آزمون و رفع نواقص موجود تحقیق را با نمونه گیری تصادفی تکرار میکنند تا بتوان نتایج آن را به جامعه آماری تعمیم داد.

نمونه گیری چند مرحله ای استفاده توام از چندین روش نمونه گیری میباشد که این روشها میتوانند همگی روشهای نمونه گیری تصادفی، روشهای نمونه گیری غیر تصادفی و یا ترکیبی از دو روش نمونه گیری تصادفی و غیر تصادفی باشند. این نمونه گیری در شرایطی که با جوامع بزرگ سرو کار داریم روش مناسبی میباشد و شامل چندین مرحله برای انخاب نموه میباشد.

انواع روشهای نمونه گیری تصادفی – Random Sampling

نمونه گیری تصادفی به معنای انتخاب تصادفی و هم شانس تمامی اعضای جامعه بر پایه اصول احتمال می‌باشد. این نمونه گیری اکثرا در مطالعات کمی که در مورد مطالعه باید نتایجی کمی ارائه گردد مورد استفاده قرار می‌گیرد.

اگر می‌خواهید نتایجی که به دست می‌آورید قابل تعمیم به کل جامعه باشد نیاز دارید که از روش‌های نمونه گیری تصادفی استفاده نمایید. روش‌های نمونه گیری تصادفی عبارتنداز نمونه گیری تصادفی ساده، نمونه گیری سیستماتیک، نمونه گیری طبقه بندی شده و نمونه گیری خوشه بندی.

نمونه گیری تصادفی ساده – Simple Random Sampling

در نمونه گیری تصادفی ساده، هر عضو از جامعه شانس برابر برای انتخاب شدن در نمونه را دارد. در این روش باید در ابتدا لیستی از افرادی که بعنوان نمونه میخواهند انتخاب شوند تهیه نمود که به آن چارچوب نمونه گیری گویند.چارچوب نمونه گیری شما باید شامل تمامی جامعه باشد.

برای اجرای نمونه گیری تصادفی ساده می‌توانید از ابزاری همانند Random Number Generator در گوگل، دستور تولید اعداد تصادفی در اکسل و یا جدول اعداد تصادفی استفاده نمایید. کلیه این روشها بر اساس شانس و احتمال برابر می‌باشند. از معایب این روش نمونه گیری در مقایسه با انواع روشهای نمونه گیری تصادفی میتوان به زمانبر بودن و وجود اریبی بالا در جوامع با پراکندگی بالای اشاره نمود.

مثال: برای انتخاب نمونه 100 تایی از 1000 کارگر به شیوه زیر عمل می‌نماییم. در ابتدا آنها را شماره گذاری می‌نماییم. سپس با استفاده از Random Number Generator اعداد تصادفی بین 1 تا 100 انتخاب می‌نماییم. روش دیگر استفاده از فرمول تولید اعداد تصادفی در اکسل می‌باشد. این روش راحت تر می‌باشد.

نمونه گیری سیستماتیک یا منظم – Systematic Sampling

این روش مشابه نمونه گیری تصادفی ساده می‌باشد. اما از لحاظ اجرا تا حدودی ساده‌تر است. این نوع از نمونه‌گیری همانند بالا نیز به چارچوب نمونه گیری نیاز دارد اما نسبت به نمونه گیری تصادفی ساده سرعت بالاتری دارد و پراکندگی را بهتر در نظر میگیرد.

در این نمونه گیری با مفاهیمی همچون فاصله نمونه گیری روبرو هستیم که با توجه به حجم نمونه تعیین شده مشخص میشود. اگر تعداد کل جامعه برابر با N باشد به افراد جامعه اعداد 1 تا N را اختصاص می‌دهیم. اما به جای انتخاب اعداد تصادفی برای نمونه، افراد به صورت بازه‌های مشخص انتخاب می‌شوند.

مثال: تمامی افراد در یک کارخانه به صورت لیستی به صورت الفبایی مرتب شده اند. برای اجرای نمونه گیری سیستماتیک از 10 شماره اول یک نقطه را برای شروع در نظر میگیرم. بعنوان مثال 6. از شماره 6 به بعد هر 10 نفر را به ترتیب از لیست انتخاب میکنیم. که لیست به صورت انتخاب نفرات 6، 16، 26، 36، 46 و … میشود و تا زمانی که 100 نمونه را جمع آوری نمایید نمونه گیری را ادامه می‌دهید.

در این روش امکان چولگی و اریبی وجود دارد. دلیل این امر در نظر نگرفتن برخی از الگوها در چارچوب می‌باشد. به عنوان مثال، بعنوان مثال اگر لیست افراد بر حسب تحصیلات یا سابقه کاری باشد امکان دارد که از برخی از گروه ها تحصیلاتی و از برخی سابقه ها رد شویم.

نمونه گیری طبقه بندی شده – Stratified Sampling

از آنجایی که در نمونه گیری تصادفی ساده هیچ گونه الزامی برای کنترل و هدایت نمونه ها در جهت اینکه واحدهای انتخاب شده معرف واقعی جامعه باشند وجود ندارد به منظور کاهش خطای نمونه ای، افزایش تعداد نمونه ضروری میباشد . حال اگر افزایش حجم نمونه امکانپذیر نباشد میتوان برای کاهش خطای نمونه ای موارد جامعه را بر اساس اطلاعاتی طبقه بندی نمود.نمونه گیری طبقه بندی شده یکی از انواع روشهای نمونه گیری تصادفی مباشد که در آن افراد جامعه را به زیر گروه های با اختلاف زیاد طبقه بندی میکنیم. سپس از هر یک از این طبقات نمونه گیری به روش ساده یا سیستماتیک انجام می‌شود.

در این روش احتمال انتخاب افراد در طبقات مختلف متفاوت است ولی احتمال انتخاب افراد هم طبقه با هم مساوی است. نسبت نمونه گیری در کلیه طبقات با نسبت نمونه گیری در کل جامعه یکسان و برابر است. بنابراین تعداد نمونه در هر طبقه متناسب با بزرگی آن طبقه است. برای استفاده از این روش نمونه‌گیری، جامعه را بر اساس ویژگیهای مرتبط (همانند جنسیت، سن، درآمد و شغل و …) به طبقاتی تقسیم نموده و هر کدام از آنها را لایه یا طبقه (STRATA) می‌نامیم. بر اساس نسبت کل جمعیت شما تصمیم خواهید گرفت که از هر طبقه چه تعداد نمونه جمع آوری نمایید.

مثال: کارخانه ای 800 زن و 200 مرد دارد. می‌خواهید مطمئن شوید که نمونه نشان دهنده تعادل جنسیتی کارخانه باشد. بنابراین جامعه را به دو طبقه بر اساس جنسیت تقسیم مینمایید. سپس با استفاده از نمونه گیری تصادفی در هر گروه 80 زن و 20 مرد را انتخاب مینمایید. این نمونه نشان دهنده نمونه‌ای دقیق از جامعه می‌باشد.

نمونه گیری خوشه ای- Cluster sampling

نمونه گیری خوشه بندی همانند نمونه گیری طبقه بندی شده شامل تقسیم جمعیت به زیر گروه‌ها می‌باشد. اما هر زیرگروه با زیرگروه های دیگر تفاوت زیادی ندارد. بجای نمونه گیری تصادفی از افراد هر زیر گروه، زیر گروهها بصورت کامل انتخاب میشوند.

مزیت نمونه گیری خوشه بندی شده در مقایسه با انواع روشهای نمونه گیری تصادفی، کاربرد آن در برخورد با جمعیت های بزرگ و جمعیت هایی است که نمونه گیری از آنها به دیگر روشهای نمونه گیری تصادفی گفته شده امکان ندارد و یا بسیار مشکل و وقت گیر است. در این روش جامعه را به چند خوشه تقسیم کرده و سپس به طور تصادفی یک یا چند خوشه راجهت مطالعه انتخاب مینماییم.

بعنوان مثال در شکل زیرجامعه به 5 زیر گروه تقسیم شده است. دو گروه به صورت تصادفی انتخاب شده است که تمامی اعضا در این خوشه ها(زیر گروه‌ها) نمونه ما هستند.

در واقع تفاوت این روش نمونه گیری با نمونه گیری طبقه‌بندی شده در این است که در نمونه گیری طبقه بندی شده افراد در یک طبقه تفاوتی ندارند و مشابه هستند اما در بین طبقات تفاوت زیادی وجود دارد. اما در نمونه گیری خوشه‌بندی تفاوت بین خوشه ها بسیار کم است و نیز افراد درون خوشه ها نیز با یکدیگر متفاوت باشند.

مثال: شرکتی 10 شعبه در شهرهای مختلف دارد. (همه شرکت ها تاحدودی از نظر تعداد کارمندان و قوانین مشابه میباشند). شما ظرفیت این را ندارد که برای جمع‌آوری اطلاعات به کل شرکت‌ها در تمامی شهرها مراجعه نمایید. بنابراین به صورت تصادفی سه شرکت را در نظر می‌گیرید. این شرکتها خوشه های شما می‌باشند و کل افراد در این سه شرکت نمونه شما هستند.

انواع روش‌های نمونه گیری غیر تصادفی – Nonrandom Sampling

نمونه گیری غیر تصادفی یکی از انواع روشهای نمونه گیری می باشد. در یک نمونه گیری غیر تصادفی، افراد بر اساس معیار های غیر تصادفی انتخاب می‌شوند وهر فرد شانس یکسان و معین انتخاب شدن در نمونه را ندارد. این نوع از نمونه گیری از نظر هزینه و دسترسی آسان تر است. اما در آنها خطر اریبی بالاتر می‌باشد. از این روش نمونه گیری نمی‌توانید استنباط آماری معتبری را درباره کل جامعه داشته باشید. استفاده از نمونه گیری غیر تصادفی چه در مرحله طراحی و چه در مرحله اجرا ساده تر از نمونه گیری تصادفی است و به زمان و سرمایه کمتری نیاز دارد.

تکنیک های نمونه گیری غیر تصادفی اغلب برای تحقیقات کیفی و اکتشافی مفید می‌باشند. در این نوع از تحقیقات هدف تست فرضیات درباره جامعه بزرگتر نمی‌باشد. اما برای توسعه یک فهم و درک اولیه از جمعیت مورد تحقیق و یا جمعیت کوچک مناسب است. از انواع روشهای نمونه گیری غیر تصادفی میتوان به نمونه گیری در دسترس، نمونه گیری داوطلبانه، نمونه گیری هدفمند و نمونه گیری گلوله برفی اشاره کرد.

نمونه گیری در دسترس – Convenience Sampling

نمونه گیری در دسترس همانطور که از اسمش پیداست محقق به دنبال در دسترس‌ترین افراد در جامعه هدف می‌باشد. این روش از نظر هزینه ای نیز روش بسیار ارزانی می‌باشد.

اما به هیچ وجه نمی‌توان گفت که این نمونه نشان دهنده جامعه واقعی می‌باشد. نتایج این نوع از نمونه گیری در مقایسه با انواع روشهای نمونه گیری غیر احتمالی ضعیف تر و خطای زیادی را به همراه دارد.نتایج این نوع نمونه گیری به هیچ وجه نتایجی نیست که بتوان آن را به جامعه تعمیم داد.

مثال: شما در مورد نظر دانشجویان در مورد خدمات حمایتی دانشجویی در یک دانشگاه تحقیق می‌کنید. بنابراین پس از هر کلاس همکلاسی‌های خود میخواهید که یک پرسشنامه را در این باره تکمیل نمایند. این یک روش آسان برای جمع آوری داده ها می‌باشد. اما از آنجایی که این تحقیق بر روی دانشجویان یک کلاس و در یک سطح گرفته شده است نمی‌تواند بیانگر کل دانش آموزان دانشگاه ‌باشد.

نمونه گیری متوالی – Consecutive Sampling

حالتی از نمونه گیری آسان است و در این روش محقق سعی میکند تا آنجا که از لحاظ هزینه و نیروی انسانی در توان اوست از میان نمونه های در دسترس به انتخاب بپردازد و به حجم نمونه محاسبه شده توجهی ندارد.

مثال: شخصی در مطبی نمونه گیری را انجام میدهد. حجم نمونه تعیین شده 100 بیمار و روش نمونه گیری متوالی است. چون تعداد بیمار مراجع در آنروز زیاد بوده تا آخر وقت حدود200 نمونه جمع آوری شده است . در اینجا میبینیم که حتی پس از پرشدن حجم نمونه باز هم از میان مراجعان تا زمانی که وقت پایان یافته نمونه گیری جمع آوری شده است.حجم نمونه 100 بیمار است ولی کل بیماران 200 نفر بوده اند که همگی ثبت شده اند.

احتمال دارد که نمونه گیری متوالی در صورتی که ادامه پیدا کند به سرشماری نزدیک خواهد شد. نمونه گیری متوالی در میان نمونه گیری های غیر تصادفی دقیق ترین روش است.

نمونه گیری داوطلبانه – Volunteer Sampling

همانند نمونه گیری در دسترس یک نمونه گیری داوطلبانه بر اساس آسان بودن دسترسی به نمونه ها بنا شده است. در واقع به جای اینکه محقق شرکت کنندگان را انتخاب نماید و به صورت مستقیم با آنها در ارتباط باشد افراد به صورت داوطلبانه خودشان وارد مطالعه میشوند. در واقع در نمونه گیری داوطلبانه نمونه های پاسخ دهنده داوطلب همیشه تا حدودی اریبی دارند و انتخاب آنها مغرضانه می‌باشند. دلیل این امر این است که برخی از افراد ذاتا بیشتر از دیگران داوطلب می‌شوند.

مثال: شما بعنوان مثال پرسشنامه را از طریق شبکه ی اجتماعی در مورد خدمات حمایتی از دانشجوها به اشتراک می‌گذارید.هر کسی که تمایل داشت به آن پاسخ میدهد. به طور حتم این چنین نمونه گیری تا حدودی به شما نگرش در مورد موضوع را می‌دهد. اما افرادی که به این پرسشنامه پاسخ داده اند احتمالا کسانی بوده اند که نظرات تندی درباره خدمات حمایتی از دانشجوها داشته اند. بنابراین نمی‌توان مطمئن بود که نظرات آنها نشان دهنده نظرات تمامی دانشجوها می‌باشد.

نمونه گیری هدفمند – Targeted Sampling

این نوع از نمونه گیری از قضاوت خود محقق استفاده می‌نماید. نمونه گیری هدفمند یعنی خود محقق برای نمونه انتخابی نظر می‌دهد که چه مواردی انتخاب شوند.محقق برای ورود واحدهای نمونه‌گیری به نمونه‌اش، ویژگیها خاص از آنها را در نظر گرفته و به پیاده سازی ایده‌هایش می‌پردازد. این نوع نمونه گیری اغلب در مطالعات کیفی استفاده می‌گردد. یک نمونه هدفمند باید معیارهای مشخص و منطقی برای شمولیت داشته باشد.

نمونه گیری هدفمند یکی از انواع روشهای نمونه گیری غیرتصادفی میباشد که از تنوع زیادی برخوردا است که هر کدام وابسته به شرایطی که محقق در آن قرار میگیرد تعیین میگردد.

نمونه‌گیری گلوله‌برفی – Snowball Sampling

اگر دسترسی به جامعه مشکل باشد نمونه گیری گلوله برفی برای یافتن نمونه از طریق سایر نمونه‌ها استفاده می‌شود. تعداد افرادی که در نمونه گیری گلوله برفی قابلیت دسترسی به آنها را پیدا می‌کنید به مراتب بیشتر از تماس مستقیم با مخاطبان است.

این نمونه‌گیری در مواقعی که با تمام افراد یک حوزه آشنایی نداشته باشید، بسیار مفید می‌باشد.

مثال: شما مطالعه ای را با عنوان “ثبت تجارب مدیران بیمارستانی و پرستاران در مواجهه با بیماری کووید-19” شروع کرده‌اید. اما دقیقا نمی‌دانید که چه مدیران یا پرستارانی بیشترین مواجهه را با این بیماری داشته اند. تنها از تعداد معدودی از این افراد مطلع هستید. شما میتوانید ازهمان مدیران و پرستاران بخواهید همکاران خود را معرفی نمایند.

روش نمونه گیری چند مرحله ای – Multi Stage Sampling

روش نمونه گیری چند مرحله ای یکی از انواع روشهای نمونه گیری میباشد که در آن از چندین روش نمونه گیری تواما استفاده میگردد. این روشها میتوانند همگی تصادفی، غیر تصادفی و یا مخلوطی از روشهای تصادفی و غیر تصادفی با هم باشند.

مثال: در مطالعه ای با عنوان تعیین میانگین قد دانش آموزان کلاس اول مدارس شهر تهران میتوان یک نمونه‌گیری چند مرحله ای را طراحی واجرا کرد. بدین صورت که محقق ابتدا شهر تهران را بر اساس منطقه بندی شهرداری تقسیم مینماید(نمونه گیری طبقه بندی شده). سپس از هر منطقه مدارس را به صورت نواحی در نظر میگیریم (نمونه گیری خوشه بندی شده). سپس از هر ناحیه به صورت تصادفی تعدادی مدرسه را به نسبت انتخاب مینماید(نمونه گیری تصادفی ساده). در مدارس انخاب شده نیز مجددا میتوان هر کلاس را یک خوشه قرار داده باز به روش تصادفی ساده برخی خوشه ها را انتخاب کند(نمونه گیری خوشه بندی شده). چارچوب نمونه گیری نیز میتواند دفتر حضور و غیاب هر کلاس درس باشد.سپس به روش تصادفی منظم دست به انتخاب نمونه نهایی بزند(نمونه گیری سیستماتیک).

توجه دارید که در این مثال تمامی انواع روشهای نمونه گیری تصادفی استفاده گردیدند.

باید به یاد داشته باشید که اکثر نمونه گیری هایی که در سطح جمعیت های بزرگ انجام می‌شود به صورت چند مرحله ای است. رعایت نسبت حجم نمونه به گروه ها و طبقات باید همانند نسبت آن در جامعه باشد. نمونه های غیر تصادفی لزوما معرف جامعه نمیباشند، ولی باید سعی شود با طراحی مناسب، تا حد امکان آنها را تاحدودی معرف جامعه و دقیقتر انتخاب کرد. یکی از این روشها وارد کردن روشهای نمونه گیری تصادفی در نمونه گیری چند مرحله ای است. یعنی در سلسله مراتب نمونه گیری چند مرحله ای، یک یا چند مرحله تصادفی وارد میشود، اگر چه بیشتر مراحل غیر تصادفی باشند.

نتیجه گیری

نمونه گیری تکنیکی است که در مواجهه ما با محدودیت‌ها می‌تواند به ما در گردآوری اطلاعات کمک نماید. نمونه در واقع بخش کوچکی از جامعه می‌باشد. انواع روشهای نمونه گیری که انتخاب می‌نماییم با توجه به نوع مطالعه(کمی یا کیفی)، اهداف، عنوان، فرضیات، قابلیت تعمیم و … تعیین میشود. سه نوع روش نمونه گیری وجود دارد که عبارتند از روش نمونه گیری تصادفی، روش نمونه گیری غیر تصادفی و روش نمونه گیری چند مرحله ای. در روش نمونه‌گیری تصادفی تمامی موارد جامعه شانس انتخاب یکسان و نتایج قابل تعمیم به جامعه هدف می‌باشد. مبنای نمونه گیری غیر تصادفی راحتی، آسانی و ارزان بودن و دریافت برخی آگاهی‌ها از جامعه هدف است. و در پایان روش نمونه گیری چند مرحله ای که ترکیبی ازچندین روش نمونه گیری میباشد مناسب جوامع بزرگ و تعمیم دادن نتایج مطالعه به کل جامعه میباشد.