သုတေသနမှာ တိကျမှန်ကန်တဲ့ ရလဒ်ရဖို့ Probability Sampling နည်းလမ်း (၄) မျိုး သုတေသနပြုလုပ်ရာမှာ အချက်အလက်တွေစုဆောင်းဖို့အတွက် နမူနာရွေးချယ်တဲ့နည်းလမ်း (Sampling Methods) ဟာ အရေးကြီးဆုံးအစိတ်အပိုင်းတစ်ခုပဲ ဖြစ်ပါတယ်။ မှန်ကန်တဲ့ နမူနာရွေးချယ်မှုက သုတေသနရဲ့ရလဒ်တိကျမှုနဲ့ ယုံကြည်စိတ်ချရမှုကို တိုက်ရိုက်သက်ရောက်စေပါတယ်။ ဒီအထဲကမှ Probability Sampling ဆိုတဲ့ နည်းလမ်းဟာ လူတစ်ဦးချင်းစီကို တူညီတဲ့အခွင့်အရေးနဲ့ ရွေးချယ်တာကြောင့် ရလာတဲ့အချက်အလက်တွေဟာ လူအုပ်စုတစ်ခုလုံးကို ကိုယ်စားပြုနိုင်တဲ့ အကောင်းဆုံးနည်းလမ်းဖြစ်ပါတယ်။ ဒီမှာတော့ Probability Sampling ရဲ့ အဓိကနည်းလမ်း (၄) မျိုးဖြစ်တဲ့ Simple Random Sampling, Systematic Sampling, Stratified Sampling နဲ့ Cluster Sampling တို့အကြောင်းကို ဥပမာတွေနဲ့တကွ အသေးစိတ်ရှင်းပြပေး သွားပါမယ်။ ၁။ Simple Random Sampling (ရိုးရိုးကျပန်းရွေးချယ်ခြင်း) ဒီနည်းလမ်းကတော့ လူအုပ်စုထဲက လူတိုင်းကို တူညီတဲ့အခွင့်အရေးနဲ့ ရွေးချယ်တဲ့နည်းလမ်းပါ။ ရွေးချယ်ရာမှာ ဘက်လိုက်မှုမရှိတာကြောင့် ရလဒ်တွေဟာ အကောင်းဆုံးဖြစ်ပါတယ်။ ဥပမာ - ကုမ္ပဏီတစ်ခုမှာ ဝန်ထမ်း ၁,၀၀၀ ရှိပြီး အဲဒီထဲက ၁၀၀ ကို စစ်တမ်းကောက်မယ်ဆိုရင်၊ 1. ဝန်ထမ်းအားလုံးရဲ့နာမည်တွေကို စာရင်းလုပ်လိုက်ပါ။ 2. ပြီးရင် ကွန်ပျူတာ ပရိုဂရမ်တစ်ခု ဒါမှမဟုတ် ကျပန်းနံပါတ်ထုတ်ပေးတဲ့ ကိရိယာကိုသုံးပြီး နံပါတ် ၁၀၀ ကို ရွေးချယ်ပါ။ 3. ရွေးချယ်ခံရတဲ့ နံပါတ် ၁၀၀ ကိုက်ညီတဲ့ ဝန်ထမ်းတွေကို စစ်တမ်းကောက်ပါ။ ဒီနည်းလမ်းက ဘက်လိုက်မှုကင်းပြီး အဖွဲ့အစည်းတစ်ခုလုံးကို ကိုယ်စားပြုနိုင်ပါတယ်။ ၂။ Systematic Sampling (စနစ်တကျရွေးချယ်ခြင်း) ဒီနည်းလမ်းကတော့ လူအုပ်စုထဲက လူတွေကို သတ်မှတ်ထားတဲ့ အစီအစဉ်အတိုင်း ရွေးချယ်တဲ့နည်းလမ်းဖြစ်ပါတယ်။ ဥပမာ - ကျောင်းတစ်ကျောင်းက ကျောင်းသား ၅၀၀ ထဲကနေ ကျောင်းသား ၅၀ ကို ရွေးချယ်မယ်ဆိုရင်၊ 1. ကျောင်းသားအားလုံးကို နံပါတ်စဉ်တပ်လိုက်ပါ။ (၁ ကနေ ၅၀၀ အထိ) 2. ပြီးရင် ရွေးချယ်တဲ့အကြားအကွာအဝေး” 'k' တန်ဖိုးကို ရှာပါ။ k = စုစုပေါင်းလူဦးရေ / ရွေးချယ်မယ့်လူဦးရေ = 500/ 50 = 10 3. ပထမဆုံးကျောင်းသားကို ကျပန်းနံပါတ် (ဥပမာ ၃) ကို ရွေးပါ။ 4. ပြီးရင်တော့ နံပါတ်စဉ် ၃ ကနေစပြီး ၁၀ ယောက်မြောက်တိုင်း (၃, ၁၃, ၂၃, ၃၃...) ကို စနစ်တကျရွေးချယ်သွားပါ။ ဒီနည်းလမ်းက Simple Random Sampling ထက် ပိုလွယ်ပြီး အချိန်ကုန်သက်သာပါတယ်။ ၃။ Stratified Sampling (အလွှာလိုက်ရွေးချယ်ခြင်း) ဒီနည်းလမ်းကတော့ လူအုပ်စုတစ်ခုလုံးကို အုပ်စုခွဲပြီး ရွေးချယ်တဲ့နည်းလမ်းဖြစ်ပါတယ်။ အုပ်စုခွဲတဲ့အခါ အသက်၊ ကျား/မ၊ ပညာရေးအဆင့် စတဲ့ တူညီတဲ့ဝိသေသလက္ခဏာတွေအလိုက် ခွဲခြားပါတယ်။ ဥပမာ - ကုမ္ပဏီတစ်ခုမှာ ဝန်ထမ်း ၁၀၀ ရှိပြီး အဲဒီထဲက အမျိုးသား ၆၀၊ အမျိုးသမီး ၄၀ ရှိတယ်။ စစ်တမ်းကောက်ဖို့အတွက် လူ ၂၀ ကို ရွေးချယ်မယ်ဆိုရင်၊ 1. လူဦးရေရဲ့ အချိုးအစားအတိုင်း အုပ်စုခွဲပါ။ အမျိုးသား ၆၀%၊ အမျိုးသမီး ၄၀%။ 2. အဲဒီအချိုးအစားအတိုင်း လူ ၂၀ ကို ရွေးချယ်ပါ။ 3. အမျိုးသား 20×0.6=12 ယောက်ကို Simple Random Sampling နည်းလမ်းနဲ့ အမျိုးသားအုပ်စုထဲက ရွေးချယ်ပါ။ 4. အမျိုးသမီး 20×0.4=8 ယောက်ကို Simple Random Sampling နည်းလမ်းနဲ့ အမျိုးသမီးအုပ်စုထဲက ရွေးချယ်ပါ။ ဒီနည်းလမ်းက အုပ်စုအသီးသီးကို ကိုယ်စားပြုနိုင်ပြီး ပိုမိုတိကျတဲ့ရလဒ်တွေ ရရှိစေပါတယ်။ ၄။ Cluster Sampling (အုပ်စုလိုက်ရွေးချယ်ခြင်း) ဒီနည်းလမ်းကတော့ လူတွေကို အုပ်စုကြီးတွေ (ဥပမာ - မြို့၊ ရပ်ကွက်၊ ကျောင်း) အဖြစ်ခွဲပြီး အဲဒီအုပ်စုကြီးတွေထဲကမှ ကျပန်းရွေးချယ်တဲ့ နည်းလမ်းဖြစ်ပါတယ်။ ဥပမာ - နိုင်ငံတစ်နိုင်ငံလုံးက မူလတန်းကျောင်းသားတွေရဲ့ အစာစားသုံးမှုအလေ့အထကို စစ်တမ်းကောက်မယ်ဆိုရင်၊ 1. နိုင်ငံအတွင်းက မူလတန်းကျောင်းတွေကို အုပ်စုလိုက်ခွဲခြားလိုက်ပါ။ 2. ပြီးရင် ကျောင်းအားလုံးထဲကမှ ကျပန်းကျောင်း ၁၀ ကျောင်းကို ရွေးချယ်ပါ။ 3. ရွေးချယ်ခံရတဲ့ ကျောင်း ၁၀ ကျောင်းက ကျောင်းသားအားလုံးကို စစ်တမ်းကောက်ယူပါ။ ဒီနည်းလမ်းက ပထဝီအနေအထားအရ ကျယ်ပြန့်တဲ့ နေရာဒေသတွေမှာ သုတေသနလုပ်ဖို့အတွက် သင့်တော်ပြီး အချိန်နဲ့ ငွေကုန်သက်သာစေပါတယ်။ အချုပ်အားဖြင့်ဆိုရသော် Probability Sampling နည်းလမ်း (၄) မျိုးစလုံးဟာ သုတေသနရည်ရွယ်ချက်အပေါ်မူတည်ပြီး အားသာချက်တွေ မတူညီကြပါဘူး။ Simple Random Sampling က ဘက်လိုက်မှုအကင်းဆုံးဖြစ်ပြီး၊ Systematic Sampling က ပိုမိုလွယ်ကူမြန်ဆန်ပါတယ်။ Stratified Sampling က လူအုပ်စုခွဲပြီး ကိုယ်စားပြုမှုကို ပိုကောင်းအောင် လုပ်ဆောင်နိုင်ပြီး၊ Cluster Sampling ကတော့ နေရာဒေသ ကျယ်ပြန့်တဲ့ သုတေသနတွေအတွက် အထူးသင့်တော်ပါတယ်။ ဒီနည်းလမ်းတွေကို သေချာနားလည်ထားခြင်းအားဖြင့် သုတေသနပြုမယ့်သူဟာ မိမိရဲ့ရည်ရွယ်ချက်အတွက် အသင့်တော်ဆုံးနည်းလမ်းကို ရွေးချယ်နိုင်ပြီး ပိုမိုတိကျမှန်ကန်တဲ့ရလဒ်တွေရရှိနိုင်မှာပဲ ဖြစ်ပါတယ်။ #Statistics #SamplingMethods #ProbabilitySampling #Research #SimpleRandomSampling #SystematicSampling #StratifiedSampling #ClusterSampling