نمونه برداری برینشی-موسسه چشم انداز هزاره سوم ملل شیراز–آموزش کاربردی GIS و RS
نویسنده :ساره حدادی :نویسنده کتاب های آمار فضایی
درباره ساره حدادی:
ساره حدادی پژوهشگر آمار فضایی در موسسه چشم انداز هزاره سوم ملل میباشد. مدرک کارشناسی و کارشناسی ارشد خود را به ترتیب در سال 1388 و 1392 در رشته آمار و آمار ریاضی اخذ کرده. اکنون وی دانشجوی دکترای رشته آمار دانشگاه بیرجند است. ایشان از سال 1394 فعالیت خود را با موسسه چشم انداز آغاز نموده است. وی مولف 4 کتاب و چندین مقاله در زمینه آمار فضایی است.
آمار فضایی و کاربردهای آن یکی از موضوعات مورد علاقه وی میباشد.
یکی از ویژگی اصلی ایشان سخت کوشی برای درک مباحثی است که به آن علاقه مند است.
برای نمونه برداری از هر جامعه، روشهای مختلف نمونه برداری وجود دارد که یکی از آنها روش نمونه برداری برینشی و در نتیجه استفاده از طرح نمونه برداری برینشی است. این روش دارای کاربردهای فراوان است و همان طور که ناب (2007-آ) نیز اشاره می کند، یکی از دلایل استفادۀ زیاد از روشهای نمونه برداری برینشی در ادارههای آمار و مراکز امور اقتصادی و کشاورزی، به ویژه در آمارگیری از کارگاه های صنعتی (هیلپینن،2006) و در محاسبۀ انواع شاخص های اقتصادی، مانند شاخص قیمت مصرف کننده و شاخص قیمت تولیدکننده (هان و دیگران،1999) صرف نظر از مشکلات به وجود آمده برای برآوردگرهای ارائه شده در آنها (مانند اریبی)، سادگی اجرا و مقرون به صرفه بودن آن است.
در شکل اولیۀ این روش، که از آن به عنوان نمونه برداری برینشی نوع اول تبدیل یافته (نمونه برداری، حذف) یاد میشود، برخلاف روشهای معمول نمونه برداری که در آنها فرض میشود تمام اعضای جامعه، شانس مثبتی برای حضور در نمونه دارند، بخشی از جامعه به صورت آگاهانه از مطالعه حذف شده است (قسمت برش داده شده) و هیچ شانسی برای حضور در نمونه ندارند. ناب (2007-ب) و سرندال و دیگران (1997) نمونه برداری برینشی نوع اول تبدیلیافته را به صورت زیر تعریف میکنند:
در روش نمونه برداری برینشی، به کمک مکانیسم تصادفی، نمونۀ 
مورد نظر را فقط از بخشی از جامعه که با 
نشان داده می شود گردآوری می کنیم، به طوری که برای هر 
در حالی که برای مابقی جامعه ( که از آن به قسمت برش داده شده یاد می شود و با 
نشان داده می شود)، یعنی 
داریم 
که در آن 
احتمال گزینش عضو 
جامعه در نمونه است.
یکی از فرضیات اصلی در به کارگیری روشهای نمونهبرداری برینشی، آن است که قسمت حذف شده در طول بررسی دستخوش تغییرات جدی نشود. اما همان طور که استیل و فی (1995) توضیح میدهند، هرگاه بخشی از جامعه برای حضور در نمونه هیچ شانسی نداشته باشد و برآوردیابی بر اساس دادههای به دست آمده از قسمت باقی مانده و مدلی از آنچه در دست است صورت گیرد، همواره این احتمال وجود دارد که در طول بررسی آن بخش از جامعه که به دلایل مختلف ( مثلاً تاثیر کم بر مقدار پارامتر مورد بررسی) از بررسی حذف گردیده است، دستخوش تغییرات زیاد شود و نادیده گرفتن آن منجر به خطاهای جدی در نتایج تحقیقات گردد، هر چند احتمال چنین اتفاقی کم باشد. این مسئله بخشی از خطاهای آمارگیری در طرحهای نمونهبرداری برینشی را نشان میدهد که در عمل نیز به آن توجه زیادی نمیشود و تا کنون نیز در مورد بررسیهای قابل توجهی صورت نگرفته است. بنابراین به نظر میرسد در عمل، استفاده از این روش در آمارگیریها به خاطر عواملی نظیر کاهش هزینه، سادگی اجرا و مواردی از این قبیل باشد و نه برای افزایش دقت برآورد. از دیگر عوامل استفاده از نمونهبرداری برینشی آن است که گاهی به دلیل شرایط اقتصادی، قابلیت دسترسی، امکانات و مواردی از این قبیل، مجبور به انتخاب نمونه در مکانهایی هستیم که آمارگیر و سایر شرایط لازم برای آمارگیری فراهم است. در چنین شرایطی استفاده از نمونهگیری برینشی اجتنابناپذیر است و علاوه بر هزینۀ کمتر و انعطاف بیشتر، زمان دسترسی به نتایج آمارگیری در آن کمتر است.
برای مثال، در مطالعۀ میزان بهرهوری واحدها و بنگاههای اقتصادی با شاخصهایی از این قبیل، ممکن است واحدها یا بنگاههای اقتصادیای وجود داشته باشند که سهم آنها از مجموع کل بهرهوری در جامعه، کم یا قابل چشمپوشی باشد (مثلاً بنگاههای اقتصادی با تعداد کارکنان کمتر از 5 نفر) و در مقابل، بنگاههای اقتصادیای وجود داشته باشند که حضور نداشتن آنها در آمارگیریها قابلیت اعتماد نتایج به دست آمده را با سوالات جدی مواجه سازد. در این موارد، اغلب از روشهای نمونهبرداری برینشی استفاده میشود (مرکز آمار کانادا، 2001). دادههای کارگاهی عمدتاً دادههایی با توزیع بسیار چوله میباشند و منطقی است که در آمارگیری از کارگاههای صنعتی، بخشی از جامعه به طور کامل در آمارگیری لحاظ شود و بخش دیگر به علت تأثیرات اندک و قابل چشمپوشی در شاخصهای مورد نظر و با توجه به عوامل اشاره شده در بالا از بررسی حذف شود. در روشهای نمونهبرداری برینشی و در برآورد پارامتر مورد نظر، عموماً دو نوع رویکرد در خصوص مقادیر صفت Y در قسمت حذف شده مورد استفاده قرار می گیرد که عبارت اند از:
– رویکرد حذف، که در آن، واحدهایی از جامعه که در ناحیۀ برش قرار می گیرند 
به طور کل از بررسی حذف می شوند و مقادیر Y مربوط به آنها هیچ گونه نقشی در برآورد پارامتر مورد نظر ندارند.
– رویکرد مدل یار، که در آن پس از تعیین آستانۀ برش و تشکیل طبقۀ 
از طریق اطلاعات کمکی و با در نظر گرفتن برآوردهای نسبتی و رگرسیونی یا هر نوع برآوردگر مناسب دیگر، مجموع (یا میانگین) مقادیر صفت Y برای قسمت حذف شده برآورد میگردد و از آن در برآورد پارامتر مورد نظر استفاده می شود.
یک مسئله مهم در خصوص نمونه برداری برینشی، ایجاد تغییرات جدید در آن یا برآوردگرهای به دست آمده از آن است به طوری که بتوان بدون افزایش زیاد در هزینه و از بین بردن سادگی اجرای آن، صحت و دقت نتایج به دست آمده را افزایش داد. همان طور که رویال (1970) نشان می دهد، در جوامع با چولگی زیاد، مانند کارگاه های صنعتی، برای اندازه نمونۀ n، حداقل واریانس برای برآوردها زمانی حاصل میشود که کارگاه های بزرگ یا بسیار بزرگ در نمونه حاضر باشند. این نکته یکی از انگیزه های اصلی برای استفاده از روش نمونه برداری برینشی با الگوی سرشماری، نمونه گیری و حذف است که از آن به عنوان روش نمونه گیری برینشی نوع سوم یاد می شود.