Les inconvénients de l’échantillonnage aléatoire stratifié

De bons documents de recherche peuvent être votre objectif ultime, mais la réalisation de cet objectif peut s’avérer une tâche complexe qui exige un examen attentif. L’échantillonnage aléatoire stratifié peut aider à atteindre la précision nécessaire, mais il pose également certains défis.

A besoin de plus d’attention

Les plans d’échantillonnage stratifiés peuvent être proportionnels ou disproportionnés. Dans l’échantillonnage proportionnel, la taille de l’échantillon est proportionnelle à la taille de la strate. Il en résulte un niveau de précision plus élevé qui est amplifié par une population homogène. La stratification disproportionnée permet de varier la taille de l’échantillon pour chaque strate. Les critères utilisés pour attribuer les points de strates détermineront si la précision de la conception est excellente ou pitoyable. Il convient mieux aux strates ayant des caractéristiques variables parce qu’il ne peut optimiser que la précision d’une seule étude et ne peut être transféré à des études ultérieures. Face à un dilemme quant à la conception à utiliser, il se peut que l’on vous demande d’examiner attentivement les variations et les coûts à l’intérieur des strates pour prendre la décision.

Consommation de temps

La méthode comporte sept étapes pour parvenir à l’échantillon, ce qui en fait un long processus. Elle exige également qu’un registre de la population étudiée soit mis à disposition. Parfois, la liste n’est pas disponible et son développement rend le travail plus difficile puisque les strates doivent être collectivement et mutuellement exclusives. Par conséquent, la taille de l’échantillon est augmentée, ce qui entraîne des dépenses supplémentaires et prolonge la durée de l’étude. Si les listes sont disponibles, elles peuvent entraîner de longs processus d’acquisition de permissions, prolongeant ainsi la durée de l’étude.

Compliqué

Les décisions sur la stratification sont prises avant l’étude. Si les choix faits sont erronés, l’information recueillie devient invalide et ne peut être utilisée pour tirer des conclusions. L’analyse des données est également complexe parce qu’il faut tenir compte du nombre et de la taille de la population des strates, de la taille de la population totale et de la population de l’échantillon. Pour donner une conclusion authentique, des statistiques d’échantillonnage, telles que la moyenne, l’écart-type, l’erreur type et les niveaux de signification, sont utilisées. Si vous n’êtes pas un statisticien, cela peut prêter à confusion.

Coûteux

L’utilisation d’un design peut nécessiter un grand nombre d’échantillons, ce qui augmente le coût, en particulier dans les cas où les listes nécessaires sont classées et doivent être achetées. Dans d’autres cas, les listes de population peuvent être accessibles, mais les gens sont dispersés géographiquement. Il faut prendre les dispositions nécessaires pour les atteindre, ce qui entraîne un coût supplémentaire.