Technieken en methoden van bemonstering

Aardrijkskunde, omgaan met de mens en omgevingsrelatie, is in wezen een sociale wetenschap. Een van de grootste problemen die geografen tegenkomen bij hun zoektocht naar onderzoek is de overvloed aan gegevens.

In feite heeft de afgelopen decennia een 'explosie van gegevens' plaatsgevonden op elk gebied van het leven, een enorme bron van waardevolle informatie in de vorm van numerieke feiten voor de kwantificering van sociaal-economische problemen in ruimte en tijd.

De toegenomen hoeveelheid gegevens, hoewel nuttig voor het formuleren van hypothesen en het testen daarvan, heeft de problemen van gegevensverwerking, het plotten ervan op kaarten en analyse veroorzaakt. De taak van onderzoekers is daardoor zwaar, duur en tijdrovend geworden.

Bijna alle takken van de geografie, bijv. Geomorfologie, klimatologie, oceanografie, pedologie, demografie, economische, landbouwkundige en industriële geografie, stedelijke en landelijke planning van het landgebruik, transport, stedelijke nederzetting, electorale en medische geografie, hebben zich allemaal gericht op meer precieze numerieke gegevens in hun pogingen om een ​​meer realistische en objectieve beoordeling van geografische fenomenen te maken.

Bovendien werken geografen steeds meer samen met wetenschappers van andere disciplines. Toepassing van degelijke en geavanceerde statistische technieken op geografische gegevens is daarom essentieel geworden.

'Sampling' is een nuttige techniek voor het verwerken van gegevens. Het wordt vaak gebruikt door geografen in hun studies. Het nemen van steekproeven op zich is een vervelend karwei dat de uiterste zorgvuldigheid van de onderzoeker vereist om tot betrouwbare resultaten te komen.

De essentie van sampling ligt in het feit dat een groot aantal items, individuen of locaties (statistische populatie), binnen gespecificeerde limieten van statistische waarschijnlijkheid, kan worden gepresenteerd door een kleinere groep items (een steekproef) geselecteerd uit de grotere groep ( een ouderpopulatie).

Als uit de enorme populatie een beperkte selectie van items of cases wordt gemaakt, wordt dit een 'sample' genoemd. Het beperkte 'monster' is over het algemeen voldoende om een ​​generalisatie over de hele populatie te maken. In veel gevallen is het aantal individuen in de bevolking, bijvoorbeeld de gemiddelde opbrengst van alle percelen van een agrarisch gebied of de kiezels op een zee-strand zo talrijk dat het meten van ze allemaal bijna onmogelijk is vanuit een praktisch punt van weergave.

Maar als door middel van steekproeven een beperkte selectie van velden voor het meten van opbrengsten de waarnemer in staat zou stellen om de gemiddelde opbrengst van de velden in de gehele regio te verkrijgen, zo zal een beperkte selectie van kiezels op het zeestrand voldoende zijn om een generalisatie over de kiezels op die kust.

Bemonstering betekent dus een efficiënter gebruik van onze energie, waardoor we nog steeds betrouwbare uitspraken kunnen doen over de hele bevolking. Publieke opiniepeilingen kondigen aan hoe een land van plan is te gaan stemmen, of analyseren de houding van mensen over actuele kwesties, maar hun conclusies zijn verkregen uit een steekproef van enkele honderden vragenlijsten in plaats van door iedereen in het land te raadplegen. Volledige telling van de bevolking in de meeste gevallen is bijna niet haalbaar.

Een geschikte bemonstering in geografisch onderzoek is zeer wenselijk omdat het tijd, inspanningen en kosten aanzienlijk bespaart en betrouwbare resultaten oplevert die kunnen worden gebruikt voor generalisatie en prognoses. Het probleem van het kiezen van de juiste maat van het monster is echter een beetje ingewikkelder.

De eenvoudigste regel is dat hoe groter de steekproef, hoe waarschijnlijker het is om een ​​betrouwbaar beeld te geven van de ouderpopulatie. Als een verdere ruwe richtlijn kan worden gesteld dat de grootte van het monster ten minste 5% tot 15% van het totaal moet zijn voor bevredigende resultaten. De beslissingen over het bepalen van de ouderpopulatie en het kiezen van de beste steekproefmethode zijn echter grotendeels afhankelijk van gezond verstand.

Enkele van de algemeen bekende en vaak gebruikte bemonsteringsmethoden zijn: willekeurige bemonstering, gerichte bemonstering, systematische bemonstering, gestratificeerde bemonstering en bemonstering in meerdere fasen.

1. Willekeurige bemonstering:

Bij de willekeurige bemonstering worden de steekproefeenheden willekeurig geselecteerd. Zodra de 'ouderpopulatie' is gedefinieerd, heeft elk item in die populatie een gelijke kans om in een steekproef te worden opgenomen. Bij deze methode moet er goed op worden gelet dat monsters willekeurig worden geselecteerd. Vaak is een echt willekeurige keuze misschien niet haalbaar.

De onderzoeker moet echter het ideaal van willekeurige selectie zo dicht mogelijk nastreven. Het gebruik van loterijen is de eenvoudigste methode voor dergelijke steekproeven. Tamelijk goede monsters kunnen ook worden genomen door het gebruik van willekeurige steekproevenummers in tabel 6.2.

De bemonstering met behulp van een willekeurige bemonsteringstabel kan worden geïllustreerd door een voorbeeld te noemen. Stel dat voor de studie van landbouwgrondgebruik van een regio met 400 dorpen, er slechts 15 dorpen willekeurig worden gekozen. Om te beginnen zijn de dorpen serieel genummerd, bijvoorbeeld 1, 2, 3, 4, 5 ... 400.

Nadat de dorpen in een seriële volgorde zijn gerangschikt, wordt een pagina (tabel) van de serie voor willekeurige bemonstering gemaakt. Beginnend met elk cijfer van die pagina, worden de achtereenvolgende cijfers (in rijen of in kolommen) opgeschreven in blokken van drie om cijfers van drie cijfers te geven. Het nummer 001 en 002 kunnen worden genomen om respectievelijk te corresponderen met dorp 1 en dorp 2 en tenslotte zullen 400 overeenkomen met dorp 400.

Alle drie-cijferige getallen groter dan 400 en ook 000 worden genegeerd. Als een eerder voorkomend nummer wordt herhaald, wordt een nieuw cijfernummer ingevoerd totdat 15 verschillende driecijferige nummers (geen van 000 of meer dan 400) worden verkregen. Het volgende voorbeeld geïllustreerd met behulp van tabel 6.3 zou het punt duidelijker maken.

Tabel 6.2 wordt gegeven in de waarden van tientallen en enen. Ten eerste zijn deze cijfers gerangschikt in blokken van drie om drie getallen te geven, omdat het totale aantal dorpen in het onderzochte gebied maximaal drie cijfers (400) bedraagt. Vervolgens worden alle cijfers die binnen 400 zijn geselecteerd, waarbij de cijfers die 400 en ook 000 overschrijden worden genegeerd. Volgens die techniek zullen de 15 voorbeelddorpen, genomen met behulp van tabel 6.2, als volgt zijn: 201, 221, 162, 45, 327, 36, 174, 157, 291, 47, 239, 09, 39, 42 en 122. Gerangschikt in een volgordevolgorde zijn de dorpen gekozen als monsters 9, 36, 39, 42, 45, 47, 122, 157, 162, 174, 201, 221, 239 en 291, 327.

In dit geval moeten de cijfers van meer dan 10000 en 0000 worden genegeerd tijdens het maken van de selectie. De willekeurige steekproeftabel vergemakkelijkt het werk van onderzoekers. Het belangrijkste voordeel van de willekeurige steekproeftechniek ligt in het feit dat het onbevooroordeeld, objectiever en representatief is voor het hele gegevensboek.

2. Doelgerichte bemonstering:

Bij de doelgerichte steekproeftechniek worden de monsters geselecteerd met een bepaald doel in zicht. Als bijvoorbeeld de voedingsnorm van de plattelandsbevolking van een regio of land, met vegetarische voedingsgewoonten, moet worden bepaald, zullen alleen de vegetarische voedseletende families als monsters voor studie worden genomen.

Evenzo, als de verandering in de levensstandaard van de landbouwarbeiders en -boeren van een componentgebiedseenheid gedurende een specifieke periode moet worden bestudeerd, zullen de monsters uit de respectieve categorieën worden genomen, waarbij de rest van de bevolking wordt genegeerd. Deze bemonsteringsmethode heeft het nadeel van vriendjespolitiek en geeft geen representatief deel van de populatie.

3. Systematische bemonstering:

Bij deze methode wordt een regelmatig patroon van selectie gemaakt in plaats van elk individu afzonderlijk te kiezen. Deze methode staat ook bekend als quasi-willekeurig. Als bijvoorbeeld een onderzoek naar gewascombinatie moet worden uitgevoerd in 2000 dorpen van een oppervlakte-eenheid en 20 steekproefdorpen moeten worden geselecteerd, moeten de dorpen een seriële volgorde krijgen, beginnend van 1 tot 2000.

Na het inrichten van de dorpen in serie, wordt voor elke honderdste dorp van de lijst gekozen. De benodigde voorbeelddorpen worden snel bereikt. Bij verstandig gebruik kan systematische bemonstering vaak handiger zijn dan echte willekeurige steekproeven en even effectief zijn. Deze methode, hoewel nuttig bij het maken van een snelle en effectieve bemonstering, lijdt echter onder de terugval van de subjectiviteit, omdat elk dorp in het gebied geen gelijke kans heeft om in de steekproef te worden opgenomen.

4. Stratified Sampling:

Wanneer de populatie heterogeen is ten opzichte van de onderzochte variabelen en kan worden onderverdeeld in relatief homogene groepen en subgroepen, kan een gestratificeerde steekproeftechniek worden toegepast. Dit type steekproeven wordt meestal toegepast als er significante groepen van bekende grootte zijn binnen de 'ouderpopulatie' en het is wenselijk om ervoor te zorgen dat elke subgroep eerlijk wordt weergegeven in de totale steekproef. Stel dat de populatie van een dorp 10000 is en op basis van inkomensvariabelen, deze deelbaar is in 10 groepen, dan wordt een willekeurige steekproef voor elk van de subgroepen genomen die het inkomen van de respectieve groep vertegenwoordigt.

Het belangrijkste voordeel van de gestratificeerde steekproef is dat het gemakkelijk kan worden toegediend en dat elk stratum in het monster wordt weergegeven (wat mogelijk niet het geval is bij willekeurige en doelgerichte bemonstering), zodat, indien nodig, afzonderlijke schattingen kunnen worden gemaakt voor stratum betekent. Gestratificeerde steekproeven worden veel gebruikt in agrarische, industriële en toegepaste geografische onderzoeken.

5. Meertrapsbemonstering:

Wanneer de vereiste monsternemingseenheid stapsgewijs wordt bereikt, wordt dit een meerstaps bemonstering genoemd. Als bijvoorbeeld 1000 gezinnen moeten worden geselecteerd voor een landpacht of een sociaal-economisch onderzoek van een meso- of macroregio, kan dit worden gedaan door middel van meerstaps bemonstering, dat wil zeggen door eerst willekeurig een aantal dorpen van de oppervlakte-eenheid te selecteren, en vervolgens een aantal families uit elk van de geselecteerde dorpen selecteren.

Deze bemonsteringsmethode is met name handig voor populaties die grote gebieden bestrijken waarvoor een lijst met individuen niet direct beschikbaar is of niet gemakkelijk kan worden samengesteld. De methode is over het algemeen goedkoper, maar minder nauwkeurig in vergelijking met de overeenkomstige methode van monstername.

De hierboven beschreven statistische technieken van bemonstering zijn van groot nut voor onderzoekers, die zich bezighouden met de sociaal-economische problemen van de samenleving en ook voor degenen die werken op het gebied van de evolutie van landvormen, klimatologie, hydrosfeer, enz.

De toepassing van steekproeftechnieken in geografische onderzoeken vergemakkelijkt de taak van onderzoekers omdat zij tijd, inspanningen en kosten aanzienlijk besparen en redelijk betrouwbare resultaten opleveren. In de geografie, waarin de grafentheorie, correlatie, topologie en transformatie in het emergente stadium zijn, hebben steekproeftechnieken een belangrijke rol bij het formuleren van hypotheses, besluitvorming, simulatie en prognoses.