2. A cluster sample may be composed

2. A cluster sample may be composed of clusters of equal or unequal size. The theory of clustering is that the means of sample clusters are unbiased estimates of the population mean. This is more often true when clusters are naturally equal, such as households in city blocks. While one can deal with clusters of unequal size, it may be desirable to reduce or counteract the effects of unequal size. There are several approaches to this:
• Combine small clusters and split large clusters until each approximates an average size.
• Stratify clusters by size and choose clusters from each stratum.
• Stratify clusters by size and then subsample, using varying sampling fractions to secure an overall sampling ratio. 18
3. There is no a priori answer to the ideal cluster size question. Comparing the efficiency of differing cluster sizes requires that we discover the different costs for each size and estimate the different variances of the cluster means. Even with single-stage clusters (where the researchers interview or observe every element within a cluster), it is not clear which size (say, 5, 20, or 50) is superior. Some have found that in studies using single-stage area clusters, the optimal cluster size is no larger than the typical city block. 19
4. Concerning single-stage or multistage cluster designs, for most large-scale area sampling, the tendency is to use multistage designs. Several situations justify drawing a sample within a cluster, in preference to the direct creation of smaller clusters and taking a census of that cluster using one-stage cluster sampling: 20
• Natural clusters may exist as convenient sampling units yet, for economic reasons, may be larger than the desired size.
• We can avoid the cost of creating smaller clusters in the entire population and confine subsampling to only those large natural clusters.
• The sampling of naturally compact clusters may present practical difficulties. For example, independent interviewing of all members of a household may be impractical.
5. The answer to how many subjects must be interviewed or observed depends heavily on the specific cluster design, and the details can be complicated. Unequal clusters and multistage samples are the chief complications, and their statistical treatment is beyond the scope of this book. 21 Here we will treat only single-stage sampling with equal-size clusters (called simple cluster sampling). It is analogous to simple random sampling. We can think of a population as consisting of 20,000 clusters of one student each, or 2,000 clusters of 10 students each, and so on. Assuming the same specifications for precision and confidence, we should expect that the calculation of a probability sample size would be the same for both clusters.

Hasil (Bahasa Indonesia) 1:

2. sampel cluster mungkin terdiri dari kelompok ukuran yang sama atau tidak seimbang. Teori pengelompokan adalah bahwa sarana sampel cluster bias perkiraan populasi berarti. Ini lebih sering benar ketika cluster alami sama, seperti rumah tangga di blok kota. Sementara salah satu dapat menangani kelompok ukuran, mungkin diinginkan untuk mengurangi atau menetralkan efek ukuran. Ada beberapa pendekatan ini:• Menggabungkan kelompok kecil dan membagi kelompok besar sampai setiap kira-kira ukuran rata-rata.• Stratify cluster dengan ukuran dan memilih cluster dari setiap lapisan.• Stratify cluster dengan ukuran dan kemudian subsample, menggunakan berbagai pecahan sampling untuk mengamankan keseluruhan sampling rasio. 183. ada tidak apriori menjawab pertanyaan ukuran ideal cluster. Membandingkan efisiensi berbeda ukuran cluster mensyaratkan bahwa kita menemukan biaya berbeda untuk setiap ukuran dan memperkirakan varians berbeda sarana cluster. Bahkan dengan satu tahap cluster (dimana para peneliti wawancara atau mengamati setiap elemen dalam sebuah cluster), hal ini tidak jelas yang ukuran (mengatakan, 5, 20, atau 50) lebih unggul. Beberapa telah menemukan bahwa dalam studi menggunakan satu tahap daerah cluster, ukuran optimal cluster tidak lebih besar dari blok kota yang khas. 194. mengenai desain cluster satu tahap atau multistage, untuk paling besar-besaran area sampling, kecenderungan adalah untuk menggunakan desain multistage. Beberapa situasi membenarkan menggambar sampel dalam sebuah cluster, dalam preferensi untuk langsung pembentukan kelompok yang lebih kecil dan mengambil sensus cluster yang menggunakan satu-tahap cluster sampling: 20• Kelompok alami mungkin ada sebagai nyaman sampling unit Namun, karena alasan ekonomi, mungkin lebih besar daripada ukuran yang diinginkan.• Kita dapat menghindari biaya untuk menciptakan kelompok yang lebih kecil di seluruh populasi dan membatasi subsampling untuk hanya orang-orang besar kelompok alami.• Sampling cluster alami kompak dapat menyajikan kesulitan praktis. Sebagai contoh, mewawancarai independen dari semua anggota rumah tangga mungkin tidak praktis.5. jawaban berapa banyak subjek harus diwawancarai atau mengamati sangat bergantung pada desain cluster tertentu, dan rincian dapat menjadi rumit. Kelompok yang tidak seimbang dan sampel multistage komplikasi kepala, dan pengobatan statistik mereka adalah di luar lingkup dari buku ini. 21 sini kita akan memperlakukan hanya satu tahap sampling dengan sama ukuran cluster (disebut gugus sederhana sampling). Hal ini analog dengan sampling acak sederhana. Kita dapat memikirkan populasi terdiri 20.000 cluster satu siswa masing-masing, atau 2.000 cluster 10 siswa, dan sebagainya. Dengan asumsi spesifikasi yang sama untuk presisi dan keyakinan, kita harus mengharapkan bahwa perhitungan ukuran sampel kemungkinan akan menjadi sama untuk kedua kelompok.

Hasil (Bahasa Indonesia) 2:

2. Sampel klaster dapat terdiri dari kelompok ukuran sama atau tidak sama. Teori clustering adalah bahwa cara cluster sampel merupakan perkiraan berisi dari mean populasi. Hal ini lebih sering terjadi ketika kelompok secara alami sama, seperti rumah tangga di blok kota. Sementara satu dapat menangani kelompok ukuran yang tidak sama, mungkin diinginkan untuk mengurangi atau menetralkan efek dari ukuran yang tidak sama. Ada beberapa pendekatan untuk ini:
• Campurkan cluster kecil dan membagi kelompok besar sampai setiap mendekati ukuran rata-rata.
• stratifikasi cluster dengan ukuran dan memilih cluster dari masing-masing strata.
• stratifikasi cluster dengan ukuran dan kemudian subsampel, menggunakan berbagai fraksi sampling untuk mengamankan rasio pengambilan sampel secara keseluruhan. 18
3. Tidak ada jawaban yang apriori dengan cita-cita pertanyaan ukuran cluster. Membandingkan efisiensi yang berbeda ukuran cluster mengharuskan kita menemukan biaya yang berbeda untuk masing-masing ukuran dan memperkirakan varians yang berbeda dari cara cluster. Bahkan dengan cluster-satu tahap (di mana para peneliti mewawancarai atau mengamati setiap elemen dalam cluster), tidak jelas mana ukuran (katakanlah, 5, 20, atau 50) lebih unggul. Beberapa telah menemukan bahwa dalam studi menggunakan cluster daerah-satu tahap, ukuran cluster yang optimal adalah tidak lebih besar dari blok khas kota. 19
4. Mengenai single-stage atau desain multistage cluster, untuk sebagian besar area sampling skala besar, kecenderungannya adalah untuk menggunakan desain multistage. Beberapa situasi membenarkan menggambar sampel dalam cluster, dalam preferensi untuk penciptaan langsung dari kelompok yang lebih kecil dan mengambil sensus yang klaster menggunakan satu tahap cluster sampling: 20
• cluster Alam mungkin ada unit sampling nyaman namun, karena alasan ekonomi, mungkin lebih besar dari ukuran yang diinginkan.
• Kita dapat menghindari biaya menciptakan kelompok yang lebih kecil di seluruh populasi dan membatasi subsampling untuk hanya cluster alam besar.
• Pengambilan sampel cluster secara alami kompak dapat hadir kesulitan praktis. Misalnya, wawancara independen dari semua anggota rumah tangga mungkin tidak praktis.
5. Jawaban untuk berapa banyak mata pelajaran harus diwawancarai atau diamati sangat bergantung pada desain klaster tertentu, dan rincian dapat menjadi rumit. Cluster yang tidak sama dan sampel multistage adalah komplikasi kepala, dan pengobatan statistik mereka berada di luar cakupan buku ini. 21 Di sini kita akan memperlakukan hanya sampel-satu tahap dengan cluster yang sama-size (disebut sederhana cluster sampling). Hal ini sejalan dengan simple random sampling. Kita bisa berpikir suatu populasi sebagai terdiri dari 20.000 kelompok satu siswa masing-masing, atau 2.000 kelompok 10 siswa masing-masing, dan sebagainya. Dengan asumsi spesifikasi yang sama untuk presisi dan keyakinan, kita harus mengharapkan bahwa perhitungan ukuran sampel probabilitas akan sama untuk kedua kelompok.