샘플링 프레임

통계학에서 샘플링 프레임은 샘플을 ^[1]추출하는 소스 재료 또는 장치입니다.표본 추출이 가능한 모집단 내 모든 이들의 목록이며, 개인, 가구 또는 기관을 ^[1]포함할 수 있다.

표본 추출 프레임의 중요성은 Jessen과 ^[3]Salant, Dillman에 의해^[2] 강조됩니다.

많은 실제 상황에서 프레임은 평가 플래너의 선택에 달려 있으며 때로는 매우 중요한 문제이기도 합니다.[...] 외관상 프레임이 없기 때문에 전혀 가치가 있는 조사가 이루어지지 않는 경우도 있고 프레임의 결함으로 인해 재해나 의혹의 구름 속에 끝난 경우도 있습니다.

--

샘플링 프레임의 입수 및 구성

예를 들어, 생산 공정의 자재 배치를 취급하거나 인구 조사를 사용할 때처럼 가장 간단한 경우에는 모집단의 모든 항목을 식별하고 측정하여 표본에 포함시킬 수 있다. 이를 직접 요소 ^[1]표본 추출이라고 한다.하지만, 다른 많은 경우, 이것은 비용이 많이 들거나(한 나라의 모든 시민에게 영향을 미치거나) 불가능하기 때문에 가능하지 않다.

프레임을 확립한 후에는 효율성과 효과를 향상시키기 위해 여러 가지 방법을 사용할 수 있습니다.이 단계에서 연구자는 표본이 실제로 전체 모집단이 될 것인지, 따라서 인구 조사가 될 것인지를 결정해야 한다.

또한 이 목록을 통해 선택한 샘플링 장치에 쉽게 접근할 수 있어야 합니다.프레임은 또한 요소에 대한 추가 '보조 정보'를 제공할 수 있다. 이 정보가 변수 또는 관심 그룹과 관련된 경우, 조사 설계를 개선하는 데 사용될 수 있다.단순한 샘플링에는 필요하지 않지만 계층화 샘플링과 같은 고급 샘플 기술에 사용되는 샘플링 프레임에는 추가 정보(인구 통계 정보 ^[1]등)가 포함될 수 있습니다.예를 들어, 선거인 명부에는 이름과 성별이 포함될 수 있다.이 정보는, 그 프레임으로부터 추출한 샘플이, 모든 관심 인구 통계 카테고리를 커버하는 것을 보증하기 위해서 사용할 수 있다(가끔 보조 정보가 덜 명확할 수 있다.예를 들면, 전화 번호가 로케이션에 관한 정보를 제공할 수 있다.

샘플링 프레임 품질

이상적인 샘플링 프레임에는 다음과 같은 ^[1]품질이 있습니다.

• 모든 유닛에는 논리적인 숫자 식별자가 있습니다.
• 모든 장치를 찾을 수 있습니다. 연락처 정보, 지도 위치 또는 기타 관련 정보가 있습니다.
• 프레임은 논리적이고 체계적인 방식으로 구성되어 있다
• 프레임에는 고급 샘플링 프레임을 사용할 수 있는 유닛에 대한 추가 정보가 있습니다.
• 관심 인구의 모든 요소가 프레임에 존재한다
• 모집단의 모든 요소는 프레임에 한 번만 존재한다
• 프레임에 관심 모집단 외부의 요소가 없습니다.
• 데이터는 '최신'^[4]입니다.

샘플링 프레임의 종류

가장 간단한 유형의 프레임은 적절한 연락처 정보를 가진 모집단(가능하면 전체 모집단)의 요소 목록입니다.예를 들어 여론조사에서 가능한 샘플링 프레임은 선거인 명부 또는 전화번호부를 포함한다.기타 샘플링 프레임에는 고용 기록, 학교 수업 목록, 병원의 환자 파일, 주제 데이터베이스에 나열된 조직 ^[1][5]등이 포함될 수 있습니다.좀 더 실용적인 차원에서 샘플링 프레임은 컴퓨터 ^[1]파일 형식을 가집니다.

모든 프레임이 명시적으로 구성 요소를 나열하는 것은 아닙니다. 일부 프레임은 '클러스터'만 나열합니다.예를 들어, 거리 지도는 집집마다 조사하는 틀로 사용할 수 있습니다.집집집마다 표시되어 있지 않지만 지도에서 거리를 선택하고 그 거리의 집을 선택할 수 있습니다.따라서 이러한 프레임에는 최근에 이동했지만 아직 위의 목록 프레임에 포함되지 않은 사람이 포함될 수 있습니다.또한 모집단 내의 모든 유닛에 대해 데이터를 저장할 필요가 없고 적은 수의 클러스터에 대해서만 데이터를 저장할 필요가 있기 때문에 사용하기 쉬울 수 있습니다.

샘플링 프레임 문제

표본 추출 프레임은 모집단을 대표해야 하며, 이는 통계이론의 범위를 벗어난 질문으로 연구 대상 특정 주제에 대한 전문가의 판단을 요구한다.위의 프레임은 모두 다음 선거에서 투표할 사람을 제외하고 투표하지 않을 사람을 포함합니다.또한 프레임에 따라서는 같은 사람의 여러 레코드가 포함됩니다.프레임에 포함되지 않은 사람들은 표본이 될 가망이 없다.

군집 기반 프레임은 모집단에 대한 정보를 적게 포함하므로 표본 설계에 제약을 가할 수 있으며, 효율성이 낮은 표본 추출 방법을 사용해야 하거나 결과 데이터를 해석하기가 더 어려워질 수 있습니다.

통계이론은 표본에서 프레임으로 추정하는 것의 불확실성에 대해 말해준다.샘플 프레임에는 항상 ^[5]몇 가지 오류가 포함되어 있을 것으로 예상됩니다.경우에 따라 표본 ^[1]편중으로 이어질 수 있습니다.이러한 편견을 최소화하고 식별해야 하지만, 실제 세계에서 완전히 회피하는 것은 ^[1]거의 불가능합니다.우리는 또한 편견이 없고 대표적이라고 주장하는 출처가 ^[1]그런 것이라고 가정해서는 안 된다.

프레임을 정의할 때는 실제, 경제적, 윤리적, 기술적 문제에 대처해야 합니다.시기적절하게 결과를 얻어야 하기 때문에 프레임을 먼 미래로 확장하지 못할 수 있습니다.모집단과 프레임이 분리되면 어려움이 극심해질 수 있습니다.이는 과거 데이터에서 미래에 대한 추론이 나오는 예측에서 특히 문제가 된다.사실, 1703년, 야콥 베르누이가 고트프리드 라이프니츠에게 역사적 사망률 데이터를 사용하여 살아 있는 사람의 조기 사망 가능성을 예측할 수 있는 가능성을 제안했을 때, 고트프리드 라이프니츠는 다음과 같은 문제를 ^[6]인식했다.

자연은 사건의 회귀에서 비롯되는 패턴을 확립했지만 대부분에 대해서만 확립했다.새로운 질병은 인류에게 넘쳐납니다.그래서 아무리 많은 실험을 해도 사건의 본질에 제한을 두지 않고 미래에는 변화가 없도록 합니다.

--

Leslie Kish는 프레임 ^[7]샘플링의 네 가지 기본적인 문제를 가정했습니다.

1. 누락된 요소:모집단의 일부 구성원은 프레임에 포함되지 않습니다.
2. 외부 요소:모집단의 비구성원이 프레임에 포함됩니다.
3. 중복 항목:인구 중 한 명이 한 번 이상 조사됩니다.
4. 그룹 또는 클러스터:프레임에는 개개의 클러스터가 아닌 클러스터가 표시됩니다.

열거된 문제와 같은 문제는 사전 조사 테스트와 파일럿 연구를 통해 식별할 수 있습니다.

레퍼런스