Échantillonnage stratifié

Définition de l'échantillonnage stratifié

Tu as probablement entendu parler de l'échantillonnage lorsque tu prends un sous-ensemble d'une population et que tu l'échantillonnes, mais qu'est-ce que l'échantillonnage stratifié ?

L'échantillonnage aléatoire est un élément essentiel de la recherche en psychologie. Lorsque la population est échantillonnée au hasard, l'étude est plus valide car il n'y a pas de parti pris de la part du chercheur. Au lieu que le chercheur choisisse lui-même les personnes qu'il veut inclure dans son étude, l'échantillonnage aléatoire garantit que le chercheur ne peut pas essayer d'influencer les résultats, et c'est aussi beaucoup plus facile que de passer en revue chaque sujet potentiel et de le choisir. L'échantillonnage aléatoire permet de généraliser la recherche à l'ensemble de la population puisque les sujets ont été choisis au hasard dans la population.

Fg. 1 Échantillonnage aléatoire. pixabay.com.

L'échantillonnage stratifié utilise toujours le principe de la randomisation de la population, mais il se produit simplement après une division de la population. Dans cette forme d'échantillonnage, les sujets sont divisés en strates plus petites. Chaque sujet ne peut appartenir qu'à une seule strate.

Les strates dans lesquelles les gens sont divisés ne sont pas simplement des groupes aléatoires plus petits. Les strates divisent la population en groupes ayant des caractéristiques communes. Ces caractéristiques peuvent être la race, l'ethnie, le sexe, la religion ou l'orientation sexuelle. Bien que ces attributs semblent assez normaux pour diviser les gens, les strates peuvent aussi être des groupes que tu ne penserais pas à regrouper mais qui s'avéreraient utiles pour l'étude en question, comme le niveau d'éducation, l'emploi, le nombre d'enfants, les études supérieures ou l'utilisation des moyens de transport.

Les chercheurs puiseront dans chaque strate pour obtenir une représentation exacte de la population dans son ensemble. Les proportions initiales des strates sont maintenues pendant l'échantillonnage stratifié, donc une fois la stratification effectuée, les chercheurs prélèvent au hasard leurs participants dans les différentes strates afin de maintenir la proportion et la représentation exacte de chaque strate dans la population générale.

Objectif de l'échantillonnage stratifié

Maintenant que tu comprends ce qu'est l'échantillonnage stratifié, pourquoi penses-tu que les chercheurs voudraient utiliser cette technique dans leurs recherches ?

L'une des raisons les plus importantes et les plus courantes pour lesquelles la stratification est utilisée est de fournir un échantillon meilleur et plus représentatif de la population étudiée. Lorsque l'on échantillonne la population au hasard, il n'est pas certain que les chercheurs obtiennent réellement un échantillon représentatif de la population.

La majorité de la population est blanche, mais cela n'exclut pas un nombre important d'autres races. Imaginons que des chercheurs souhaitent mener une étude concernant la race dont les résultats sont généralisables à l'ensemble de la population des États-Unis. Cependant, ces chercheurs vivent dans le Maine, où 94,4 % de la population est blanche. S'ils se contentaient d'utiliser un échantillonnage aléatoire, tous (ou presque) leurs participants seraient blancs. Cette étude serait complètement inutile pour généraliser à l'ensemble de la population américaine. Ces chercheurs devraient utiliser un échantillonnage stratifié pour s'assurer que la démographie de leurs participants correspond à celle des États-Unis. Ils devraient chercher dans les 5,6 % restants de l'État pour trouver des strates d'autres races. Une fois qu'ils auraient trouvé les quelques personnes non blanches, ils procéderaient à un échantillonnage aléatoire à partir de ce groupe.

Avec un peu de chance, cette situation ne se produirait pas dans le Maine, mais elle nous permet de mieux comprendre l'importance de l'échantillonnage stratifié. Sans cela, les résultats d'une étude comme celle-ci ne pourraient pas être généralisés au-delà des personnes blanches, même si les chercheurs ont utilisé un échantillonnage aléatoire pour obtenir leurs participants. Les chercheurs pourraient également mener une étude dans laquelle chaque race serait représentée de façon égale, ne reflétant donc pas (intentionnellement) les données démographiques des États-Unis, mais il faut espérer qu'ils ne mènent pas une telle étude dans le Maine.

Étapes de l'échantillonnage stratifié

Il est suggéré de suivre certaines étapes pour réaliser une étude à l'aide d'un échantillonnage stratifié.

1. Définis ta population : Qui étudies-tu ? L'ensemble de la population américaine ? Les étudiants de l'université ? Les joueurs de football ?

2. Définis tes strates : En quels sous-ensembles divises-tu ta population ? En fonction des religions ? Statut socio-économique ? En fonction du sexe ?

3. Sépare la population en strates spécifiques : qui entre dans chaque strate ? N'oublie pas que chaque personne ne peut appartenir qu'à une seule strate !

4. Détermine la taille de l'échantillon : combien de personnes vas-tu réellement rechercher dans ta population globale ?

5. Détermine la taille des échantillons des strates nécessaires : Veux-tu qu'elles reflètent les chiffres réels de la population ou veux-tu que toutes les strates soient représentées de manière égale ?

6. Échantillon aléatoire au sein des strates : Prélève tes échantillons dans les strates pour obtenir les sujets de l'étude.

Exemple d'échantillonnage stratifié

Imaginons que tu sois à l'université et que ton professeur de psychologie veuille que tu l'aides à mener une étude sur la façon dont les gens réagissent à une situation déroutante, en mettant l'accent sur les résultats globaux ainsi que sur la façon dont les majors individuels réagissent différemment. Tu as réglé tous les détails, sauf les sujets de ton étude. Tu décides que tu veux que les pourcentages des différentes disciplines participant à l'étude reflètent les pourcentages des disciplines sur le campus.

Simplifions toutes les options des matières principales et prétendons que c'est la répartition des matières principales sur ton campus et que chaque personne n'a qu'une seule matière principale :

• 30 % Commerce

• 15 % Psychologie

• 15 % Ingénierie

• 10 % Histoire

• 10 % Communication

• 5 % Biologie

• 5 % Chimie

• 5% Histoire de l'art

• 5 % Mathématiques

En suivant les étapes énumérées ci-dessus, tu as défini ta population (tous les étudiants du campus) et tes strates (les majeures susmentionnées). L'étape suivante consiste à séparer la population en strates. Avec un peu de chance, dans cet exemple, tu pourras accéder à une base de données de l'école pour trier facilement les gens en fonction de leurs spécialités.

Fg. 2 Les majors du commerce. pixabay.com.

Ensuite, ton professeur et toi déterminez que la taille de l'échantillon pour l'ensemble de l'étude est de 2 000 étudiants (cela peut sembler beaucoup, mais tu vas dans un grand collège et tu auras beaucoup d'aide pour mener à bien l'étude). Comme tu connais les pourcentages des filières et le nombre de matières que tu veux au total, tu fais le calcul pour déterminer combien d'étudiants de chaque strate seront nécessaires pour l'étude. Tu auras besoin de 600 étudiants en commerce, 300 en psychologie et en ingénierie, 200 en histoire et en communication, et 100 en biologie, en chimie, en histoire de l'art et en mathématiques.

Ensuite, tu fais un échantillonnage aléatoire à l'intérieur des strates pour atteindre le nombre désiré d'étudiants de chaque spécialité. Tous ces étudiants qui ont été stratifiés deviendront alors les participants à ton étude.

Avantages de l'échantillonnage stratifié en psychologie

L'un des principaux avantages de l'échantillonnage stratifié en psychologie est qu'il garantit une représentation exacte des caractéristiques démographiques de la population. Si un chercheur se contentait d'utiliser un échantillonnage aléatoire de la population dans son ensemble, il ne serait pas certain que les sujets dont il dispose représentent exactement la population qu'il étudie.

Cela permet également de réduire le biais d'échantillonnage. Le biais d'échantillonnage se produit lorsque certains sous-ensembles de la population sont plus susceptibles d'être utilisés comme sujets d'une étude, ce qui entraîne une surreprésentation de cette strate. Lorsque la population est stratifiée avant d'être échantillonnée au hasard, ce phénomène est réduit.

Le troisième avantage de l'échantillonnage stratifié est qu'il a une bonne capacité de généralisation en dehors de l'étude. Puisque la stratification signifie que les gens sont réellement et fidèlement représentés (plutôt que d'étudier la race et d'échantillonner au hasard des personnes dans le Maine). Cela permet de généraliser les résultats à des populations plus larges.

Inconvénients de l'échantillonnage stratifié en psychologie

L'un des principaux inconvénients de cette forme de recherche est le temps nécessaire à la stratification. Les chercheurs doivent inclure des étapes supplémentaires telles que la définition des strates et la séparation de l'ensemble de la population dans les strates. Ces strates doivent être extrêmement clairement définies afin qu'il n'y ait pas de chevauchement entre elles. Cela peut prendre beaucoup de temps aux chercheurs et ajouter des jours à une étude déjà longue.

En outre, certaines strates sont plus difficiles à classer que d'autres. Si tu séparais les gens par taille de chaussures, il n'y aurait pas beaucoup de difficultés puisque tout le monde porte la même taille de chaussures. Cependant, la définition des strates devient plus compliquée lorsqu'il y a des croisements entre les catégories.

En outre, même si l'échantillonnage stratifié reflète mieux les données démographiques que l'échantillonnage aléatoire, il ne représente toujours pas avec précision toute la diversité de la population.