ÉCHANTILLONNAGE STRATIFIÉ: QU'EST-CE QUE C'EST, TYPES, AVANTAGES ET INCONVÉNIENTS - ÉCONOMIE - 2025

L' échantillonnage stratifié, ou stratification, est une méthode d'échantillonnage qui consiste à diviser une population en sous-groupes plus petits, appelés strates. À leur tour, ces strates sont formées en fonction des attributs ou des caractéristiques communs des membres, tels que le revenu ou le niveau d'éducation.

Il sert à mettre en évidence les différences entre les groupes d'une population, contrairement à l'échantillonnage simple, qui traite tous les membres d'une population comme égaux, avec la même probabilité d'être échantillonnés.

Source: needpix.com

Le but est d'améliorer la précision de l'échantillon en réduisant l'erreur d'échantillonnage. Elle peut produire une moyenne pondérée avec moins de variabilité que la moyenne arithmétique d'un simple échantillon de la population.

La stratification est le processus de fragmentation des membres d'une population en sous-ensembles homogènes avant l'échantillonnage. À travers les strates, une répartition de la population est définie.

Autrement dit, il doit être collectivement exhaustif et mutuellement exclusif, de sorte qu'une seule strate doit être attribuée à chaque élément de la population. Ensuite, un échantillonnage systématique ou simple est appliqué dans chaque strate.

Considérations importantes

Il est important de noter que les couches ne doivent pas être juxtaposées. Le fait d'avoir des sous-groupes qui se chevauchent donnera à certaines personnes une plus grande chance d'être sélectionnées comme sujets. Cela affaiblit totalement la notion d'échantillonnage stratifié en tant que prototype d'échantillonnage.

Il est tout aussi important que le chercheur utilise un échantillonnage simple dans les différentes strates.

Les strates les plus couramment utilisées dans l'échantillonnage stratifié sont l'âge, le sexe, le statut socio-économique, la religion, la nationalité et le niveau d'éducation.

Qu'est-ce que l'échantillonnage stratifié?

Lorsqu'il termine l'analyse d'un groupe d'entités ayant des caractéristiques similaires, un enquêteur peut constater que la taille de la population est trop importante pour terminer l'enquête.

Pour économiser du temps et de l'argent, une perspective plus réaliste peut être adoptée en sélectionnant un petit groupe de la population. Ce petit groupe est appelé la taille de l'échantillon, qui est un sous-ensemble de la population utilisé pour représenter la population entière.

Un échantillon d'une population peut être sélectionné de plusieurs manières, dont une par échantillonnage stratifié. Cela implique de diviser la population totale en groupes homogènes appelés strates. Ensuite, des échantillons aléatoires sont sélectionnés dans chaque strate.

Processus de réalisation d'un échantillonnage stratifié

- Diviser la population en sous-groupes ou strates plus petites, selon les attributs et caractéristiques partagés par les membres.

- Prenez un échantillon aléatoire de chaque strate en un nombre proportionnel à la taille de la strate.

- Regroupez les sous-ensembles de strates pour former un échantillon aléatoire.

- Effectuez l'analyse.

Prenons l'exemple d'un chercheur qui voulait connaître le nombre d'étudiants en commerce qui ont reçu une offre d'emploi dans les trois mois suivant l'obtention de leur diplôme en 2018. Ils découvriront bientôt qu'il y avait près de 200 000 diplômés en commerce cette année-là.

Vous pouvez décider de prendre simplement un échantillon aléatoire de 5 000 diplômés et de mener l'enquête. Mieux encore, vous pouvez diviser la population en strates et prélever un échantillon aléatoire de ces strates.

Pour ce faire, vous créez des groupes de population en fonction de l'âge, de la race, de la nationalité ou de l'expérience professionnelle.

Un échantillon aléatoire serait prélevé dans chaque strate, proportionnellement à la taille de la strate par rapport à la population totale. Ces sous-ensembles seraient regroupés pour former un échantillon.

Les types

Échantillonnage stratifié proportionnel

Dans ce type, la taille de l'échantillon pour chaque strate est proportionnelle à la taille de la population de la strate par rapport à la population totale. Cela signifie que chaque strate a le même taux d'échantillonnage.

Lorsqu'une caractéristique d'individus est sélectionnée pour définir les strates, les sous-groupes résultants sont souvent de tailles différentes.

Par exemple, vous voulez étudier le pourcentage de la population mexicaine qui fume et vous décidez que l'âge serait un bon critère pour stratifier car on pense que les habitudes de tabagisme peuvent varier considérablement en fonction de l'âge. Trois strates sont définies:

- Moins de 20 ans.

- Entre 20 et 44 ans.

- Plus de 44 ans.

Lorsque la population du Mexique est divisée en ces trois strates, les trois groupes ne devraient pas avoir la même taille. En fait, les données réelles le confirment:

- Strate 1: 42,4 millions (41,0%).

- Strate 2: 37,6 millions (36,3%).

- Strate 3: 23,5 millions (22,7%).

Si un échantillonnage stratifié proportionnel est utilisé, l'échantillon doit être composé de strates qui conservent les mêmes proportions que la population. Si vous souhaitez créer un échantillon de 1000 individus, les échantillons doivent avoir les tailles suivantes:

C'est très similaire à rassembler une population plus petite, déterminée par les proportions relatives de strates au sein de la population.

Échantillonnage stratifié uniforme

Dans ce type, la même taille d'échantillon est attribuée à toutes les strates définies, quel que soit le poids de ces strates au sein de la population.

Un échantillonnage stratifié uniforme prenant l'exemple précédent produirait l'échantillon suivant pour chaque strate:

Cette méthode favorise les strates qui ont moins de poids dans la population, en leur accordant le même niveau d'importance que les strates les plus pertinentes.

Cela réduit l'efficacité globale de l'échantillon, mais permet d'étudier avec une plus grande précision les caractéristiques individuelles de chaque strate.

Dans l'exemple, si vous souhaitez faire une déclaration spécifique sur la population de la strate 3 (plus de 44), vous pouvez réduire les erreurs d'échantillonnage en utilisant un échantillon de 333 unités, au lieu d'un échantillon de 227 unités, obtenu à partir de échantillonnage stratifié proportionnel.

Avantages et inconvénients

L'échantillonnage stratifié fonctionne bien pour les populations qui ont une variété d'attributs, mais ne sera autrement pas efficace si des sous-groupes ne peuvent pas être formés.

- Avantage

Collectez les fonctionnalités clés

Le principal avantage de l'échantillonnage stratifié est qu'il recueille les principales caractéristiques de la population de l'échantillon.

Semblable à une moyenne pondérée, cette méthode d'échantillonnage produit des caractéristiques dans l'échantillon qui sont proportionnelles à la population totale.

Précision statistique supérieure

La stratification donne moins d'erreur dans l'estimation que la méthode d'échantillonnage simple. Plus la différence entre les strates est grande, plus le gain de précision est important.

La précision statistique est supérieure à celle d'un échantillonnage simple. Cela est dû au fait qu'au sein des sous-groupes, la variabilité est plus faible par rapport aux variations qui se produisent avec la population totale.

Échantillon plus petit

Comme cette technique a une précision statistique élevée, cela signifie également qu'elle nécessite une taille d'échantillon plus petite, ce qui peut faire économiser aux chercheurs beaucoup d'efforts, d'argent et de temps.

- Désavantages

Malheureusement, cette méthode de recherche ne peut pas être utilisée dans toutes les études. L'inconvénient de la méthode est que plusieurs conditions doivent être remplies pour qu'elle soit utilisée correctement.

Difficulté à trouver des strates

Le principal inconvénient est qu'il peut être difficile d'identifier les strates appropriées pour une étude. De plus, trouver une liste complète et définitive de toute une population peut être difficile.

Complexité à organiser

Un deuxième inconvénient est qu'il est plus complexe d'organiser et d'analyser les résultats par rapport à un simple échantillonnage.

Les chercheurs doivent identifier chaque membre d'une population d'étude et la classer en une seule sous-population. Par conséquent, l'échantillonnage stratifié est désavantageux lorsque les chercheurs ne peuvent pas classer en toute confiance chaque membre de la population dans un sous-groupe.

La juxtaposition peut être un problème s'il y a des sujets qui appartiennent à plusieurs sous-groupes. Lorsqu'un échantillonnage simple est effectué, les personnes appartenant à plusieurs sous-groupes sont plus susceptibles d'être choisies. Le résultat pourrait être une fausse déclaration ou un reflet inexact de la population.

Des exemples tels que les étudiants, les diplômés, les hommes et les femmes, facilitent la tâche, car ce sont des groupes clairement définis.

Cependant, dans d'autres situations, cela pourrait être beaucoup plus difficile. Vous pouvez imaginer intégrer des caractéristiques telles que la race, l'origine ethnique ou la religion. Le processus de classification deviendrait plus difficile, faisant de l'échantillonnage stratifié une méthode inefficace.

Exemple

Supposons qu'une équipe de recherche veuille déterminer la moyenne pondérée des étudiants aux États-Unis.

L'équipe de recherche a des difficultés évidentes à collecter ces données auprès des 21 millions d'étudiants. Par conséquent, vous décidez de prélever un échantillon de la population, en utilisant seulement 4 000 étudiants.

L'équipe examine les différents attributs des participants de l'échantillon et se demande s'il existe une différence entre la moyenne générale et la spécialisation des élèves.

On trouve dans l'échantillon que 560 étudiants sont des étudiants anglais, 1 135 en sciences, 800 en informatique, 1 090 en génie et 415 en mathématiques.

L'équipe souhaite utiliser un échantillonnage stratifié proportionnel, où les strates de l'échantillon sont proportionnelles à l'échantillon de population.

Création de strates

Pour ce faire, l'équipe enquête sur les statistiques des étudiants universitaires aux États-Unis et trouve le pourcentage officiel d'étudiants qui se spécialisent: 12% en anglais, 28% en sciences, 24% en informatique, 21% en ingénierie et 15% en mathématiques.

Par conséquent, cinq strates sont créées à partir du processus d'échantillonnage stratifié. L'équipe doit confirmer que la strate de la population est proportionnelle à la strate de l'échantillon. Cependant, il constate que les proportions ne sont pas égales.

Par conséquent, l'équipe doit rééchantillonner la population de 4000 étudiants, mais cette fois en sélectionnant au hasard 480 (12%) apprenants en anglais, 1120 (28%) en sciences, 960 (24%) en informatique, 840 (21%) en ingénierie et 600 (15%) en mathématiques.

Avec cela, nous avons un échantillon stratifié proportionnel d'étudiants universitaires, ce qui offre une meilleure représentation des étudiants universitaires aux États-Unis.

Les chercheurs pourront mettre en évidence une strate spécifique, observer les diverses études des étudiants américains et observer les différentes moyennes de notes.

Références

1. Adam Hayes (2019). Échantillonnage aléatoire stratifié. Tiré de: investopedia.com.
2. Wikipédia, l'encyclopédie gratuite (2019). Échantillonnage stratifié. Tiré de: en.wikipedia.org.
3. Explorable (2019). Méthode d'échantillonnage stratifiée. Tiré de: explorable.com.
4. Survey Gizmo (2019). Qu'est-ce que l'échantillonnage stratifié et quand est-il utilisé? Tiré de: surveygizmo.com.
5. Ashley Crossman (2019). Comprendre les échantillons stratifiés et comment les fabriquer. Thought Co. Tiré de: thinkco.com.
6. Carlos Ochoa (2017). Échantillonnage aléatoire: échantillonnage stratifié. Tiré de: netquest.com.