Les inconvénients de l`échantillonnage aléatoire stratifié

Premier, échantillonnage aléatoire stratifié nécessite une liste précise de tous les membres de la population à partir de laquelle vous allez dessiner l`échantillon. Dans le cas d`un sondage politique, vous auriez besoin d`une liste de tous les électeurs inscrits, leurs coordonnées et leur sexe. Sans toutes ces informations, il serait impossible de diviser la population en strates et veiller à ce que chaque membre de la population a une chance égale d`être sélectionné, une exigence pour l`échantillonnage aléatoire. Cette information est difficile à obtenir car une liste de tous les électeurs inscrits dans une zone serait massive et les bases de données existantes ne peut pas inclure des informations détaillées comme le sexe.

Par rapport à l`échantillonnage aléatoire simple, l`échantillonnage aléatoire stratifié nécessite beaucoup plus de travail administratif. Alors qu`un échantillon aléatoire simple ne nécessite que les chercheurs de mettre au point une méthode pour sélectionner les participants de la population en utilisant une approche fondamentalement aléatoire, échantillons stratifiés exigent que les chercheurs de gérer une grande base de données et conserver les strates définies pour éliminer les valeurs aberrantes ou bizarreries. Dans l`exemple de vote politique, un échantillon aléatoire simple, il faudrait les chercheurs à ne composer des numéros de téléphone au hasard dans la région. Un échantillon stratifié serait présélectionner les participants sur la base des données existantes entre les sexes, double-vérifier l`exactitude des données et éventuellement la modification de la stratégie de collecte de données au cours de l`étude pour assurer un résultat proportionnel.

Outre les difficultés de gestion de la base de données, échantillonnage stratifié peut également exiger que les chercheurs d`imposer des limites arbitraires entre les strates. Si les sondeurs politiques voulaient mesurer la différence d`opinions entre les jeunes et les anciens électeurs, par exemple, ils auraient à déterminer une frontière entre jeunes et vieux. Cette invite la critique, puisque certaines personnes considéreraient un homme de 45 ans, les jeunes tandis que d`autres l`appeler vieux. Imposer des limites arbitraires peuvent saper les conclusions d`une étude, puisque l`exactitude de la déclaration "Les jeunes électeurs préfèrent Candidat X" peut dépendre de la définition du mot "Jeune."

Un autre problème avec l`échantillonnage stratifié est que les chercheurs doivent définir des affectations pour les participants de chaque strate. Le sondeur, par exemple, a besoin de décider combien de femmes et combien d`hommes à inclure dans l`échantillon global, et il n`y a aucun moyen évident de le faire. Le chercheur peut tenter d`avoir l`échantillon reflète la population globale, mais si les femmes sont plus susceptibles d`être inscrits pour voter que les hommes? Il peut être judicieux de goûter plus de femmes que les hommes dans ce cas. Alternativement, les électeurs de sexe masculin peut-être inscrits sont plus susceptibles de voter effectivement que les femelles enregistrées. Si oui, peut-être plus d`hommes d`échantillonnage est logique. Ces décisions le risque d`introduire un biais de chercheur dans l`étude et peut affaiblir la validité et la fiabilité des résultats.