ساده‌ترین شکل نمونه گیری خوشه ای، نمونه گیری خوشه ای تک مرحله ای است. شامل 4 مرحله کلیدی است.

مرحله 1: جمعیت خود را تعریف کنید

مانند سایر اشکال نمونه گیری، ابتدا باید با تعریف واضح جمعیتی که می خواهید مطالعه کنید، شروع کنید.

مرحله 2: نمونه خود را به خوشه ها تقسیم کنید

این مهمترین بخش فرآیند است. کیفیت خوشه‌های شما و اینکه چقدر جمعیت بزرگ‌تر را نشان می‌دهند، اعتبار نتایج شما را تعیین می‌کند. در حالت ایده آل، شما مایلید که خوشه های شما معیارهای زیر را داشته باشند:

• جمعیت هر خوشه باید تا حد امکان متنوع باشد. شما می خواهید که هر ویژگی بالقوه کل جمعیت در هر خوشه نشان داده شود.
• هر خوشه باید دارای توزیع مشابهی از ویژگی ها به عنوان توزیع کل جمعیت باشد.
• در مجموع، خوشه ها باید کل جمعیت را پوشش دهند.
• بین خوشه ها همپوشانی وجود ندارد (یعنی همان افراد یا واحدها در بیش از یک خوشه ظاهر نمی شوند).

در حالت ایده آل، هر خوشه باید یک نمایش کوچک از کل جمعیت باشد. با این حال، در عمل، خوشه‌ها اغلب به طور کامل ویژگی‌های جامعه را نشان نمی‌دهند، به همین دلیل است که این روش اطمینان آماری کمتری نسبت به نمونه‌گیری تصادفی ساده ارائه می‌کند و بیشتر مستعد سوگیری‌های پژوهشی مانند سوگیری انتخاب است.

از آنجا که خوشه‌ها معمولاً گروه‌هایی هستند که به طور طبیعی وجود دارند، مانند مدارس، شهرها یا خانواده‌ها، اغلب همگن‌تر از کل جمعیت هستند. هنگام انجام مطالعه خود باید از این موضوع آگاه باشید، زیرا ممکن است بر اعتبار آن تأثیر بگذارد.

مرحله 3: به طور تصادفی خوشه هایی را برای استفاده به عنوان نمونه انتخاب کنید

اگر هر خوشه خود یک نمایش کوچک از جمعیت بزرگتر است، انتخاب تصادفی و نمونه برداری از خوشه ها به شما امکان می دهد نمونه گیری تصادفی ساده را تقلید کنید، که به نوبه خود از اعتبار نتایج شما پشتیبانی می کند.

برعکس، اگر خوشه‌ها نماینده نباشند، نمونه‌گیری تصادفی به شما امکان می‌دهد تا داده‌ها را روی آرایه‌های متنوعی از خوشه‌ها جمع‌آوری کنید، که همچنان باید دیدی کلی از کل جامعه را در اختیار شما قرار دهد.

مرحله 4: جمع‌آوری داده ها از نمونه

سپس مطالعه خود را انجام می دهید و داده ها را از هر واحد در خوشه های انتخاب شده جمع‌آوری می کنید.

نمونه گیری خوشه ای چند مرحله ای

در نمونه‌گیری خوشه‌ای چند مرحله‌ای ، به‌جای جمع‌آوری داده‌ها از هر واحد در خوشه‌های انتخاب‌شده، به‌طور تصادفی واحدهای منفرد را از درون خوشه انتخاب می‌کنید تا به عنوان نمونه از آنها استفاده کنید.

سپس می توانید داده ها را از هر یک از این واحدهای مجزا جمع‌آوری کنید – این به عنوان نمونه برداری دو مرحله ای شناخته می شود.

شما همچنین می توانید این روش را ادامه دهید و نمونه های تصادفی به تدریج کوچکتر و کوچکتر بگیرید که معمولاً نمونه برداری چند مرحله ای نامیده می شود .

زمانی که آزمایش کل خوشه غیرممکن یا گران است، باید از این روش استفاده کنید.

نمونه گیری خوشه ای معمولاً به دلیل مزایای عملی آن استفاده می شود، اما از نظر اعتبار آماری دارای معایبی است.

مزایای

• نمونه‌گیری خوشه‌ای از نظر زمان و مقرون به صرفه است، به‌ویژه برای نمونه‌هایی که از نظر جغرافیایی گسترده هستند و در غیر این صورت نمونه‌برداری مناسب دشوار خواهد بود.
• از آنجایی که نمونه‌گیری خوشه‌ای از تصادفی‌سازی استفاده می‌کند، اگر جامعه به درستی خوشه‌بندی شود، مطالعه شما از اعتبار بیرونی بالایی برخوردار خواهد بود، زیرا نمونه شما ویژگی‌های جمعیت بزرگ‌تر را منعکس می‌کند.

معایب

• اعتبار داخلی کمتر از نمونه‌گیری تصادفی ساده است، به‌ویژه که از مراحل بیشتری از خوشه‌بندی استفاده می‌کنید.
• اگر خوشه‌های شما نمایش کوچکی از جامعه به‌عنوان یک کل نیستند، پس تکیه بر نمونه‌تان برای ارائه نتایج معتبر دشوارتر است و به احتمال زیاد مغرضانه است .
• برنامه ریزی نمونه گیری خوشه ای بسیار پیچیده‌تر از سایر اشکال نمونه گیری است.