Bài giảng Nguyên lý thống kê kinh tế: Chương 5 - TS. Hồ Ngọc Ninh

Tại sao phải điều tra mẫu<br /> Nguyên lý thống kê kinh tế<br /> <br /> • Tiết kiệm thời gian<br /> • Tiết kiệm tiền bạc<br /> <br /> Chương 5<br /> Điều tra chọn mẫu<br /> <br /> • Đỡ “rộng” và dễ thực hiện<br /> <br /> Các công việc cần làm trong<br /> Điều tra chọn mẫu<br /> <br /> Điều tra chọn mẫu<br /> $<br /> $<br /> <br /> $<br /> $<br /> <br /> $<br /> $<br /> $<br /> <br /> Nguyên tắc chọn mẫu điều tra<br /> •<br /> <br /> Mẫu quá lớn: chi phí lớn<br /> <br /> •<br /> <br /> Mẫu quá nhỏ : Thiếu độ tin cậy<br /> <br /> •<br /> <br /> Mẫu phải được chọn ngẫu nhiên, theo đúng chỉ<br /> dẫn về phương pháp:<br /> - Ngẫu nhiên / Ngẫu nhiên hệ thống<br /> <br /> •<br /> <br /> Nhận dạng vấn đề (đặt câu hỏi) điều tra<br /> <br /> •<br /> <br /> Đặt giả thuyết điều tra<br /> <br /> •<br /> <br /> Xây dựng bảng câu hỏi<br /> <br /> •<br /> <br /> Chọn mẫu điều tra<br /> <br /> •<br /> <br /> Chọn kỹ thuật điều tra<br /> <br /> Các phương pháp chọn mẫu<br /> Mẫu<br /> <br /> Mẫu phi ngẫu<br /> nhiên<br /> <br /> Mẫu ngẫu nhiên<br /> Giản đơn<br /> Phân tầng<br /> <br /> - Ngẫu nhiên hệ thống phân tầng<br /> - v.v...<br /> <br /> Nhóm<br /> Hệ thống<br /> <br /> 1<br /> <br /> Mẫu ngẫu nhiên giản đơn<br /> <br /> Mẫu ngẫu nhiên<br /> <br /> • Mỗi phần tử hoặc đơn vị có cơ hội được lựa chọn<br /> là như nhau<br /> <br /> • Chọn mẫu dựa vào xác suất<br /> • Tổng thể xác định và không xác định<br /> <br /> • Chọn có hoàn lại hoặc không hoàn lại<br /> • Mẫu được chọn bằng cách bốc thăm ngẫu nhiên<br /> hoặc dùng máy tính để lựa chọn (nếu là tổng thể<br /> xác định)<br /> <br /> Chọn mẫu ngẫu nhiên<br /> (Probability Samples)<br /> <br /> • Áp dụng:<br /> Giản đơn<br /> <br /> Hệ thống<br /> <br /> Phân tầng<br /> <br /> Nhóm<br /> <br /> (máy móc)<br /> <br /> Chọn mẫu hệ thống(systematic)<br /> <br /> Chọn mẫu phân tầng (Stratified)<br /> <br /> • Quyết định đơn vị mẫu: n<br /> <br /> • Tổng thể được chia thành hai hay nhiều nhóm<br /> <br /> • Chia TT thành các nhóm gồm k đơn vị: k=N/n<br /> <br /> • Mỗi nhóm chọn một mẫu ngẫu nhiên<br /> <br /> • Chọn ngẫu nhiên 1 đơn vị từ nhóm thứ nhất<br /> • Sau đó cứ mỗi k phần tử lại chọn 1 đơn vị mẫu<br /> <br /> • Hai hay nhiều mẫu được ghép vào với nhau tạo<br /> thành tổng thể mẫu<br /> <br /> N = 64<br /> n=8<br /> <br /> First Group<br /> <br /> k=8<br /> <br /> Chọn mẫu theo nhóm (Cluster)<br /> • Tổng thể được chia thành các “clusters,” mỗi cluster<br /> đại diện cho tổng thể<br /> • Mẫu ngẫu nhiên được chọn từ mỗi cluster<br /> • Tổng hợp các mẫu thành tổng thể mẫu<br /> <br /> Ưu – Nhược điểm<br /> • Mẫu ngẫu nhiên và máy móc<br /> – Dễ thực hiện<br /> – Mẫu có thể ít đại diện cho tổng thể<br /> <br /> • Chọn mẫu phân tầng<br /> – Đảm bảo tính chất đại diện cho tổng thể<br /> <br /> • Chọn mẫu theo nhóm<br /> Tổng thể<br /> được chia<br /> thành 4<br /> clusters<br /> <br /> – Tốn chi phí<br /> – Hiệu quả thấp (cần mẫu rộng hơn với cùng mức độ chính<br /> xác)<br /> <br /> 2<br /> <br /> Slovin’s formula<br /> <br /> N: Số đơn vị tổng thể<br /> n: Số đơn vị mẫu chọn<br /> e: Kỳ vọng sai số biên<br /> Lưu ý: + Công thức này chỉ dùng cho một chỉ tiêu<br /> + Nếu muốn sử dụng cho nhiều chỉ tiêu thì phải<br /> làm thế nào?<br /> <br /> 3<br /> <br />