分层随机抽样使研究人员能够获得最能代表整个研究人群的样本人群，从而使他们受益。 一样，这种研究方法并非没有缺点。
分层随机抽样：概述
分层随机抽样包括首先将种群划分为亚群，然后将随机抽样方法应用于每个亚群以形成测试组。 缺点是研究人员无法将人口中的每个成员都归为一个亚组。
分层随机抽样不同于简单随机抽样，后者涉及从整个总体中随机选择数据，因此每个可能的样本均等可能发生。 相比之下，分层随机抽样则基于共享特征将总体分为较小的组或阶层。 从每个层中随机抽取一个样本，该样本与该层与总体的大小成正比。
分层随机抽样示例
以下是分层随机抽样的示例：
研究人员正在进行一项旨在评估一所主要大学的经济学专业学生的政治倾向的研究。 研究人员希望确保随机样本能最好地近似学生群体，包括性别，本科生和研究生。 研究中的总人口为1, 000名学生，然后从中创建子组，如下所示。
总人口= 1, 000
研究人员会将大学中的每个经济学专业的学生分配到四个子群体之一：男性本科生，女性本科生，男性研究生和女性研究生。 接下来，研究人员将计算每个子组中有1000名学生的总人数。 研究人员从那里计算出每个亚组在总人口中所占的百分比。
子组：
- 男大学生= 450名学生（每100名学生中）或 人口的45％女大学生= 200名学生或20％男研究生= 200名学生或20％女研究生= 150名学生或15％
根据每个子种群在总体中的表示，对每个子种群进行随机抽样。 由于男大学生占人口的45％，因此从该子组中随机选择了45名男大学生。 由于男性毕业生仅占人口的20％，因此选择了20名作为样本，依此类推。
尽管分层随机抽样可以准确反映所研究的人群，但需要满足的条件意味着该方法不能在每个研究中都使用。
分层随机抽样的优势
与简单随机抽样相比，分层随机抽样具有优势。
准确反映研究的人口
分层随机抽样可准确反映所研究的人群，因为研究人员在应用随机抽样方法之前对整个人群进行了分层。 简而言之，它可以确保总体中的每个子组在样本中都能得到正确的表示。 结果，分层的随机抽样可以更好地覆盖人群，因为研究人员可以控制亚组，以确保所有的亚组都可以在抽样中得到代表。
使用简单的随机抽样，不能保证选择了任何特定的子群体或类型的人。 在我们之前的大学生示例中，使用简单的随机抽样从人口中获取100个样本可能会导致只选择25名男大学生或只选择总人口的25％。 另外，可能会选择35名女研究生（占人口的35％），导致男大学生人数不足而女研究生人数过多。 总体表示中的任何错误都有可能降低研究的准确性。
分层随机抽样的缺点
分层随机抽样也给研究人员带来了不利条件。
不能用于所有研究
不幸的是，这种研究方法不能在所有研究中都使用。 该方法的缺点是必须满足多个条件才能正确使用该方法。 研究人员必须确定正在研究的人口的每个成员，并将每个人分类为一个，并且只有一个亚群。 结果，当研究人员无法自信地将人口的每个成员划分为一个亚组时，分层随机抽样是不利的。 同样，要找到整个人群的详尽而确定的清单也将是一项挑战。
如果某些主题属于多个子组，则重叠可能是一个问题。 当执行简单的随机抽样时，更有可能选择多个亚组中的样本，结果可能是人口表述不正确或反映不准确。
上面的示例很容易：本科生，研究生，男性和女性是明确定义的群体。 但是，在其他情况下，可能要困难得多。 想象一下融合种族，种族或宗教等特征。 排序过程变得更加困难，使分层随机抽样成为无效且不理想的方法。
重要要点
- 分层随机抽样可以使研究人员获得最能代表整个被研究种群的样本种群。这种研究方法不能在每项研究中都使用。整个人口，因此每个可能的样本都同样可能发生。
