Research Process Step - 5 - Choosing Sampling Design

Choosing Sampling Design

Unicode
စုံစမ်းမေးမြန်းလိုသည့် နယ်ပယ်အတွင်းရှိ အချက်များအားလုံးပါဝင်သည့် အဖွဲ့အစည်းကို Universe သို့မဟုတ် Population ဟုခေါ်သည်။  Population အတွင်းရှိ အချက်များအားလုံးကို ပြည့်စုံစွာ စာရင်းကောက်ယူမှုကို Census inquiry ဟုခေါ်သည်။  ဤကဲ့သို့သော စုံစမ်းမေးမြန်းမှုတွင် အချက်များအားလုံးကို ခြုံငုံမိပြီး တိကျမှန်ကန်မှုအပြည့်အဝရရှိသည်ဟု ယူဆရသည်။  သို့သော် လက်တွေ့တွင် ဤစုံစမ်းမှုသည် မှန်ကန်မှုမရှိနိုင်ပါ။  စောင့်ကြည့်လေ့လာမှုများလေလေ အသေးငယ်ဆုံးသော အကြောင်းအရာတစ်ခုတောင်မှ ပိုမို ကြီးမားကျယ်ပြန့်လာလေလေဖြစ်သည်။  ထိုအကြောင်းအရာကို နမူနာကောက်ယူ၍ စစ်ဆေးရုံမှ အပ တခြားသော စစ်ဆေးသည့်နည်းလမ်းမရှိပါ။  ဤကဲ့သို့ အားလုံးပါဝင်သော စုံစမ်းစစ်ဆေးမှုမျိုးတွင် အချိန်၊ ငွေနှင့် စွမ်းအင် များစွာကို သုံးစွဲရသည်။  ဤကိစ္စများသာမက လက်တွေ့တွင် အခြေအနေအရပ်ရပ်ကြောင့် ပြည့်စုံစွာ စာရင်းကောက်ယူမှုကို Census inquiry ပြုလုပ်ရန် မဖြစ်နိုင်ပါ။  ထို့ကြောင့် လေ့လာမှုနယ်ပယ်တစ်ခုအတွက် Population အတွင်းမှ အချက်အလက် အနည်းမျှကိုသာ ရွေးချယ်၍ စုံစမ်းစစ်ဆေးမှုပြုရသည်။  ဤကဲ့သို့ ရွေးချယ်ထားသော အချက်များဖြင့် ဖွဲ့စည်းထားသော အရာကို နည်းပညာအားဖြင့် Sample (နမူနာ) ဟုခေါ်သည်။
 သုတေသီသည် နမူနာရွေးချယ်သည့် နည်းလမ်း သို့မဟုတ် သင့်တော်သော နမူနာဒီဇိုင်းတစ်ခုကို ဆုံးဖြတ်ရသည်။  တနည်းအားဖြင့် နမူနာဒီဇိုင်းသည် ပေးထားသော Population အတွင်းမှ နမူနာရယူရန် အတွက် ဒေတာများကို မစုဆောင်းမီ သတ်မှတ်ထားသော တိကျသည့် အစီအစဉ် ဖြစ်သည်။  ဥပမာ - မြို့တစ်မြို့အတွင်းရှိ ဆေးဆိုင် ၂၀၀ မှ ဆေးဆိုင် ၁၂ ဆိုင်ကို ရွေးချယ်သည့် နည်းလမ်းသည် နမူနာဒီဇိုင်းဖြစ်သည်။  နမူနာများမှာ (probability sample) သို့မဟုတ် (Non-probability sample)  ဖြစ် နိုင်သည်။ Probability sample များသည် simple random sampling, systematic sampling, stratified sampling, cluster/area sampling စသော နမူနာရွေးစနစ်ပေါ်တွင် အခြေခံပြုလုပ်ကြပြီး Non-probability sample များမှာ convenience sampling, judgement sampling and quota sampling techniques စသော နမူနာရွေးစနစ်ပေါ်တွင် အခြေခံသည်။

လူသုံးများသော နမူနာရွေးဒီဇိုင်း (sample design) များမှာ-
(i) Deliberate sampling
(ii) Simple random sampling
(iii) Systematic sampling
(iv) Stratified sampling
(v) Quota sampling
(vi) Cluster sampling and area sampling
(vii) Multi-stage sampling
(viii) Sequential sampling တို့ဖြစ်ကြသည်။
နောက်ဆုံးတွင် မေးမြန်းစုံစမ်းမှု ပုံစံနှင့် ဆက်စပ်နေသော အချက်အလက်များအရ နမူနာဒီဇိုင်းကို သုတေသီမှဆုံးဖြတ်ရမည်ဖြစ်သည်။

 (i) Deliberate Sampling

Deliberate Sampling သည် Non-probability sampling အမျိုးအစားဖြစ်ပြီး Universe ကို ကိုယ်စားပြုနိုင်သော နမူနာဖြစ်ရန်အတွက် universe ထဲမှာရှိသည့် သီးသန့်ယူနစ်များ ကို ကောင်းစွာစဉ်းစားရွေးချယ်သည့် နမူနာရွေးစနစ်ဖြစ်ပါသည်။  လွယ်ကူသက်သာစွာ ရရှိနိုင်မှုပေါ်တွင်အခြေခံထားပြီး နမူနာထဲတွင် ပါဝင်ရန် population ထဲတွင် ရှိသောအရာများအား အဆင်ပြေသလို ရွေးချယ်လိုက်ခြင်းကို convenience sampling ဟုခေါ်သည်။  အကယ်၍ သုတေသီသည် ဓါတ်ဆီဝယ်ယူသူများထံမှ စိတ်ချယုံကြည်ရသော Data ဒေတာအချက်အလက်များကို ရလိုလျှင် သူသည် ဓါတ်ဆီဆိုင်များ၏ အရေအတွက်တစ်ခုကို တိတိကျကျရွေးချယ်ပြီး ထိုဓါတ်ဆီဆိုင်များတွင် ဓါတ်ဆီဝယ်ယူသူများအား အင်တာဗျူးပြုလုပ်ပါလိမ့်မည်။  ဤသည်မှာ ဓါတ်ဆီဝယ်သူများ၏ convenience sample ဥပမာတစ်ခုဖြစ်ပါသည်။
အထူးသဖြင့် population သည် တစ်သားတည်းမဖြစ် (non-homogeneous) သောအခါ ရလဒ်ပေါ်မူတည်၍ လုပ်ဆောင်ပုံပြောင်းသွားပါလိမ့်မည်။  Judgement sampling တွင် population ၏ ကိုယ်စားလှယ်အဖြစ် သုတေသီမှ ယူဆထားသော အချက်များကို ရွေးချယ်ခြင်းအတွက် သုတေသီ၏ဆုံးဖြတ်ချက်ကို အသုံးပြုသည်။ ဥပမာ - Teaching method အသစ် အတွက် လုံခြုံစိတ်ချရသော တုံ့ပြန်မှုကို ရရှိရန် ကောလိပ်ကျောင်းသားများအတွင်း judgement sample တစ်ခုကို ပြုလုပ်နိုင်သည်။  ကျယ်ပြန့်သော population  အတွက် ယေဘုယျ ခြုံငုံပြောလိုသောအခါ qualitative research မျိုးတွင် judgement sampling ကို သုံးကြသည်။

 

(ii) Simple Random Sampling

Simple random sampling သည် chance sampling သို့မဟုတ် probability sampling ဖစ်သည်။  Population အထဲမှာရှိသော အချက်အလက်တိုင်း (every item)၊ တစ်ချက်ချင်းစီ (each item) တွင် နမူနာရွေးခံရမည့် အခွင့်အရေး တူညီစွာရှိကြသည်။  တနည်းအားဖြင့် နမူနာရွေးခံရရန် equal chance ရှိသည်။   ဥပမာ - items ၁၅၀၀၀ ရှိနေသည့် population ထဲမှ items ၃၀၀ ကို နမူနာရွေးရမည်ဆိုလျှင် အားလုံးသော items ၁၅၀၀၀ စလုံးကို နံပါတ် သို့မဟုတ် အမည်များပေးကာ ၎င်းတို့ထဲမှ items ၃၀၀ ကိုမဲနှိုက်ရွေးချယ်ခြင်း ပြုလုပ်နိုင်သည်။
Random number ဇယားများကို အသုံးပြုခြင်းသည် random sampling နောက်တစ်နည်းဖြစ်သည်။  နမူနာရွေးရန်အတွက် item တစ်ခုစီကို ၁ မှနေ၍ ၁၅၀၀၀ ထိ နံပါတ်များတပ်ကာ ဇယားတစ်ခုပြုလုပ်ထားရမည်။  ထို့နောက် ဂဏန်းငါးလုံးပါသော ကျပန်း နံပါတ် ၃၀၀ ကို ဇယားထဲမှ ရွေးချယ်မည်။  ဤကဲ့သို့ပြုလုပ်ရန် စမှတ်တစ်ခုကို ကျပန်းရွေးချယ်ရပါမည်။  ထို့နောက် ဇယားထဲမှ ဂဏန်းများကို နမူနာရယူရန်အတွက် စနစ်ကျသော ပုံစံတစ်ခုကို အသုံးပြုရပါမည်။  ဂဏန်းများကို ဇယားထဲတွင် ထားလိုက်ပြီး ကျပန်းပုံစံဖြင့် လုပ်ဆောင်လိုက်သောကြောင့် ရလဒ်နမူနာမှာ ကျပန်း သာဖြစ်သည်။  ဤလုပ်ဆောင်ချက်မှာ item တစ်ခုစီတွင် နမူနာ ရွေးချယ်ခံရမှု အတွက် တူညီသော အခွင့်အရေးများရှိကြသည်။

(iii) Systematic Sampling

Systematic sampling သည် နမူနာကောက်ယူသည့် နည်းလမ်းများထဲမှ လက်တွေ့အကျဆုံး နမူနာကောက်သည့်နည်းလမ်းတစ်ခုဖြစ်သည်။  ဥပမာ - အမည်စာရင်းတစ်ခုထဲမှ ၁၅ ခုမြောက်ကျသည့် အမည်တိုင်းကို နမူနာရွေးချယ်ခြင်း၊ လမ်းတစ်လမ်းမှာရှိသော အိမ်စာရင်းထဲမှ ၁၀ ခုမြောက်ကျသည့် အိမ်တိုင်းကို နမူနာရွေးခြင်း စသည်တို့ဖြစ်ကြသည်။ ဤနည်းတွင် ပထမဆုံးအနေခြင့် item တစ်ခုကို စာရင်းဇယားထဲမှ ကျပန်း ရွေးလိုက်ပြီး ကျန်သည့် items များကို nth (n ကြိမ်မြောက်) ရောက်တိုင်းရောက်တိုင်း လိုအပ်သည့် အရေအတွက်ထိ ရွေးသွားရမှာဖြစ်ပါသည်။  Sampling frame သည် တိကျသေချာမှုရှိလျှင် ဤနည်းမှာ အလွန်အသုံးဝင်သည်။

 

(iv) Stratified Sampling

နမူနာရွေးလိုသည့် population သည် တစ်သားတည်းဖြစ်သော အုပ်စု homogeneous group မဟုတ်ခဲ့လျှင် အလွှာခွဲ နမူရွေးသည့် stratified sampling နည်းစနစ် ကို သုံးရပါမည်။  ဤနည်းစနစ်တွင် population ထဲမှ တူရာတူရာများကို စုပြီး အလွှာခွဲရပါမည်။ ထိုအလွှာများမှာ တစ်ခုနှင့် တစ်ခု မထပ်ရပါ။  အလွှာခွဲသည်မှာ အသက်အရွယ်အရ သို့မဟုတ် ဝင်ငွေအရ သို့မဟုတ် အဆင့်အတန်းအရ စသည်ဖြင့် တူရာတူရာ အလိုက် population ကို အုပ်စုခွဲခြင်းဖြစ်သည်။  အလွှာခွဲပြီးလျှင် ထိုအလွှာ တစ်ခုစီထဲမှ နမူနာ item ကိုရွေးရပါမည်။  အလွှာတစ်ခုစီထဲမှ နမူနာရွေးသည့်အခါ simple random sampling နည်းစနစ်နဲ့ရွေးရပါမည်။ ပထမ အဆင့်တွင် အလွှာခွဲပြီးနောက် ဒုတိယအဆင့်တွင် simple random sampling စနစ်နဲ့ နမူနာရွေးသည့် နည်းစနစ်သည် stratified random sampling ဖြစ်ပါသည်။

 

(v) Quota Sampling

Quota Sampling သည် population နှင့် အချိုးတူစွာအုပ်စုခွဲပြီး နမူနာကောက်သော စနစ်ဖြစ်သည်။ ဥပမာ - ကောလိပ်ကျောင်းတွင် ကျောင်းသား ၁၂၀ ဦးထဲမှ ကျောင်းသားအချို့ကို အင်တာဗျုးရန်အတွက် ထို ကျောင်းသား ၁၂၀ ကို အုပ်စုခွဲလျှင် -
၁။ ပထမနှစ်ကျောင်းသား - ၄၀ ဦး
၂။ ဒုတိယနှစ်ကျောင်းသား - ၃၀ ဦး
၃။ တတိယနှစ်ကျောင်းသား - ၃၀ ဦး
၄။ စတုတ္ထနှစ်ကျောင်းသား- ၂၀ ဦး

ထိုကျောင်းသားစုစုပေါင်းထဲမှ ၆၀ % ကို နမူနာကောက်ရန်ဖြစ်သည်။  ထိုအခါ ကျောင်းသားဦးရေ ၁၂၀ ၏ ၆၀ % သည် ၇၂ ဖြစ်သည်။  ထို့ကြောင့် ကျောင်းသား ၇၂ ယောက်ကို နမူနာကောက်ရမည်ဖြစ်သည်။   ဤကဲ့သို့လုပ်ဆောင်သည့်အခါ အုပ်စုများမှ နမူနာအရေအတွက်ကို population နှင့် အချိုးတူ ကောက်ရမည် ဖြစ်သည်။ ဆိုလိုသည်မှာ စုစုပေါင်းကျောင်းသား ၁၂၀ ထဲမှ ၆၀ % (၇၂ ဦး) ကို နမူနာ ကောက်ရမည် ဖြစ်သောကြောင့် ကျောင်းသားအုပ်စု တစ်စုစီထဲမှ ၆၀ % ကို တွက်ချက်ပြီး နမူနာ ကောက်ရမည်ဖြစ်သည်။
နမူနာကောက်ပြီး အင်တာဗျူးရမယ့် ကျောင်းသား အရေအတွက်  -
၁။ ပထမနှစ်ကျောင်းသား - ၂၄ ဦး ( ၄၀ ဦး၏ ၆၀ %)
၂။ ဒုတိယနှစ်ကျောင်းသား - ၁၈ ဦး (၃၀ ဦး၏ ၆၀ %)
၃။ တတိယနှစ်ကျေင်းသား - ၁၈ ဦး (၃၀ ဦး၏ ၆၀ %)
၄။ စတုတ္ထနှစ်ကျောင်းသား - ၁၂ ဦး (၂၀ ဦး၏ ၆၀ %)
စုစုပေါင်းကျောင်းသားအရေအတွက် ၇၂ ဦး (ကျောင်းသား ၁၂၀ ဦး၏ ၆၀%) ဖြစ်သည်။

(vi) Cluster Sampling and Area Sampling

Cluster sampling တွင် population ကို အုပ်စုခွဲပြီး အုပ်စုလိုက် သို့မဟုတ် အတွဲလိုက် နမူနာရွေးချယ်ခြင်း ဖြစ်ပါသည်။  ဥပမာ - စတိုးဆိုင်တချို့တွင် ၎င်းတို့၏ credit card ကိုင်ဆောင်သူများကို နမူနာရွေးချယ်သည် ဆိုကြပါစို့။  ဆိုင်တစ်ဆိုင်သည် သူ၏ဖောက်သည်များ အတွက် credit card အရေအတွက် ၁၅၀၀၀ ကဒ် ကိုထုတ်ပေးထားပြီး ထိုအထဲမှ နမူနာ ၄၅၀ ရွေးချယ်မည်ဆိုလျှင် Cluster sampling ပြုလုပ်ရန်အတွက် Credit card ကိုင်ဆောင်သူ ၁၅၀၀၀ ဦးထဲမှ လူဦးရေ ၁၅၀ စီပါဝင်သော အုပ်စု/အဖွဲ့ (cluster) ၁၀၀ ဖွဲ့လိုက်သည်။ ထို့နောက်  လူဦးရေ ၄၅၀ ကို လိုချင်သောကြောင့် cluster အုပ်စု သုံးစုကို နမူနာ ကျပန်းရွေးချယ်ရပါမည်။  အထူးသဖြင့် personal interview များပြုလုပ်သောအခါ cluster sampling သည် နမူနာ ရွေးလုပ်ငန်းစဉ်ကို ပိုမိုလွယ်ကူစေပြီး ကွင်းဆင်းလုပ်ငန်းစဉ်အတွက် ပိုမိုထိရောက်မှုရှိပါသည်။
Area sampling သည် cluster sampling နှင့်အလွန်နီးစပ်မှုရှိသည်။   မိမိစိတ်ဝင်စားနေသော နေရာ၏ ပထဝီအနေအထားဟာ ကြီးမား ကျယ်ပြန့်သည့်အခါ area sampling ကို သုံး ကြသည်။   Area sampling လုပ်သောအခါ ပထမဦးစွာ စုစုပေါင်းဧရိယာကို  geographical area ဟုခေါ်သော ဧရိယာငယ်များအဖြစ် အဖြစ်အုပ် စုခွဲရမည်။ ထိုဧရိယာငယ်များ တစ်ခုနှင့် တစ်ခုမထပ်ရပါ။  ထို့နောက် ဧရိယာငယ်များထဲက နမူနာ ကျပန်း ရွေးရမည်ဖြစ်သည်။  ဧရိယာငယ်များထဲရှိ ယူနစ် အားလုံးကို နမူနာထဲတွင် ထည့်သွင်းပေးရပါမည်။ Area sampling သည် population စာရင်းကို မှန်ကန်စွာမရနိုင်သောအခါ အသုံးဝင်သည်။  အင်တာဗျူးသူသည် နေရာဒေသတစ်ခုစီမှာ အင်တာဗျူးလုပ်နိုင်သောကြောင့် ကွင်းဆင်း အင်တာဗျူးလုပ်သောအခါ အလွန်အသုံးဝင်ပါသည်။  

 

(vii) Multi-stage Sampling

Multi-stage sampling သည် cluster sampling ကို ထပ်ချဲ့ထားခြင်းဖြစ်သည်။  ဤနည်းစနစ်ကို တိုင်းပြည်တစ်ပြည်လုံးကဲ့သို့ ကြီးမားကျယ်ပြန့်သော ပထဝီ အနေအထား နှင့် ဆိုင်သည့် ဧရိယာကြီးများတွင် အသုံး ပြုရန်ဖြစ်ပါသည်။  ဤနည်းစနစ်မှာ ပထမဆုံး အနေနှင့် တိုင်း၊ ခရိုင်၊ မြို့နယ်တို့ကဲ့သို့ အခြေခံနမူနာ ယူနစ်ကြီးများကို ရွေးချယ်ပြီး နောက်ဆုံးတွင် မြို့နယ်များထဲမှ အိမ်ထောင်စု တချို့ကိုရွေးရမည်။  အဆင့်အားလုံးမှာ Random sampling ကျပန်း နမူနာရွေးနည်းစနစ်ကိုသာ အသုံး ပြုမယ်ဆိုလျှင် ဤကဲ့သို့ နမူနာရွေးစနစ်ကို multi-stage random sampling လို့ ခေါ်သည်။

 

(viii) Sequential Sampling

ဤနည်းစနစ်ကတော့ နောက်ဆုံးအနေနှင့် sample size ကို ကြိုတင် သတ်မှတ်၍ မရနိုင်သည့်အခါ တချို့သော နမူနာဒီဇိုင်း (sample design) များကို ရောနှောကာ နမူနာကောက်ယူသည့် နည်းစနစ်ဖြစ်ပါသည်။  သို့သော် စုံစမ်း မေးမြန်းခြင်း လုပ်ငန်းစဉ်အဖြစ် ရရှိလာသော သတင်း အချက်အလက်များကို အခြေခံပြီး သင်္ချာ ဆိုင်ရာ ဆုံးဖြတ်ချက်အရ သတ်မှတ်ထားခြင်း ဖြစ်သည်။  ဤဒီဇိုင်းကို စာရင်းအင်းပညာအရ နမူနာရွေး စနစ်များဖြင့် ပြုလုပ်ထားခြင်း ဖြစ်သည်။  Squential sampling သည် Non-probability sampling အမျိုးအစားဖြစ်သည်။  သုတေသီမှ ရနိုင် သော အချိန်ကာလ တစ်ခုအတွင်းတွင် အုပ်စုတစ်စု သို့မဟုတ် အကြောင်းအရာတစ်ခုကို  နမူနာ ကောက်ယူ လိုက်ခြင်း ဖြစ်သည်။  ထို့နောက် လေ့လာမှုကို ဆက်လက်ပြီး ရလဒ်များကို ခွဲခြမ်းစိပ်ဖြာမှုပြုရသည်။ ထပ်မံ၍ နောက်ထပ် အုပ်စု သို့မဟုတ် နောက်ထပ် အကြောင်းအရာတစ်ခုကို နမူနာရွေးရသည်။  လိုအပ်လျှင် ဤအတိုင်းဆက်လက် လုပ်ဆောင်သွားရပါမည်။


Zawgyi
စံုစမ္းေမးျမန္းလိုသည့္ နယ္ပယ္အတြင္းရွိ အခ်က္မ်ားအားလံုးပါဝင္သည့္ အဖြဲ႕အစည္းကို Universe သို႕မဟုတ္ Population ဟုေခၚသည္။  Population အတြင္းရွိ အခ်က္မ်ားအားလံုးကို ျပည့္စံုစြာ စာရင္းေကာက္ယူမွဳကို Census inquiry ဟုေခၚသည္။  ဤကဲ့သို႕ေသာ စံုစမ္းေမးျမန္းမွဳတြင္ အခ်က္မ်ားအားလံုးကို ျခံဳငံုမိျပီး တိက်မွန္ကန္မွဳအျပည့္အဝရရွိသည္ဟု ယူဆရသည္။  သို႕ေသာ္ လက္ေတြ႕တြင္ ဤစံုစမ္းမွဳသည္ မွန္ကန္မွဳမရွိႏိုင္ပါ။  ေစာင့္ၾကည့္ေလ့လာမွဳမ်ားေလေလ အေသးငယ္ဆံုးေသာ အေၾကာင္းအရာတစ္ခုေတာင္မွ ပိုမို ၾကီးမားက်ယ္ျပန္႕လာေလေလျဖစ္သည္။  ထိုအေၾကာင္းအရာကို နမူနာေကာက္ယူ၍ စစ္ေဆးရံုမွ အပ တျခားေသာ စစ္ေဆးသည့္နည္းလမ္းမရွိပါ။  ဤကဲ့သို႕ အားလံုးပါဝင္ေသာ စံုစမ္းစစ္ေဆးမွဳမ်ိဳးတြင္ အခ်ိန္၊ ေငြႏွင့္ စြမ္းအင္ မ်ားစြာကို သံုးစြဲရသည္။  ဤကိစၥမ်ားသာမက လက္ေတြ႕တြင္ အေျခအေနအရပ္ရပ္ေၾကာင့္ ျပည့္စံုစြာ စာရင္းေကာက္ယူမွဳကို Census inquiry ျပဳလုပ္ရန္ မျဖစ္ႏိုင္ပါ။  ထို႕ေၾကာင့္ ေလ့လာမွဳနယ္ပယ္တစ္ခုအတြက္ Population အတြင္းမွ အခ်က္အလက္ အနည္းမွ်ကိုသာ ေရြးခ်ယ္၍ စံုစမ္းစစ္ေဆးမွဳျပဳရသည္။  ဤကဲ့သို႕ ေရြးခ်ယ္ထားေသာ အခ်က္မ်ားျဖင့္ ဖြဲ႕စည္းထားေသာ အရာကို နည္းပညာအားျဖင့္ Sample (နမူနာ) ဟုေခၚသည္။
 သုေတသီသည္ နမူနာေရြးခ်ယ္သည့္ နည္းလမ္း သို႕မဟုတ္ သင့္ေတာ္ေသာ နမူနာဒီဇိုင္းတစ္ခုကို ဆံုးျဖတ္ရသည္။  တနည္းအားျဖင့္ နမူနာဒီဇိုင္းသည္ ေပးထားေသာ Population အတြင္းမွ နမူနာရယူရန္ အတြက္ ေဒတာမ်ားကို မစုေဆာင္းမီ သတ္မွတ္ထားေသာ တိက်သည့္ အစီအစဥ္ ျဖစ္သည္။  ဥပမာ - ျမိဳ႕တစ္ျမိဳ႕အတြင္းရွိ ေဆးဆိုင္ ၂၀၀ မွ ေဆးဆိုင္ ၁၂ ဆိုင္ကို ေရြးခ်ယ္သည့္ နည္းလမ္းသည္ နမူနာဒီဇိုင္းျဖစ္သည္။  နမူနာမ်ားမွာ (probability sample) သို႕မဟုတ္ (Non-probability sample)  ျဖစ္ ႏိုင္သည္။ Probability sample မ်ားသည္ simple random sampling, systematic sampling, stratified sampling, cluster/area sampling စေသာ နမူနာေရြးစနစ္ေပၚတြင္ အေျခခံျပဳလုပ္ၾကျပီး Non-probability sample မ်ားမွာ convenience sampling, judgement sampling and quota sampling techniques စေသာ နမူနာေရြးစနစ္ေပၚတြင္ အေျခခံသည္။

လူသံုးမ်ားေသာ နမူနာေရြးဒီဇိုင္း (sample design) မ်ားမွာ-
(i) Deliberate sampling
(ii) Simple random sampling
(iii) Systematic sampling
(iv) Stratified sampling
(v) Quota sampling
(vi) Cluster sampling and area sampling
(vii) Multi-stage sampling
(viii) Sequential sampling တို႕ျဖစ္ၾကသည္။
ေနာက္ဆံုးတြင္ ေမးျမန္းစံုစမ္းမွဳ ပံုစံႏွင့္ ဆက္စပ္ေနေသာ အခ်က္အလက္မ်ားအရ နမူနာဒီဇိုင္းကို သုေတသီမွဆံုးျဖတ္ရမည္ျဖစ္သည္။

(i) Deliberate Sampling

Deliberate Sampling သည္ Non-probability sampling အမ်ိဳးအစားျဖစ္ျပီး Universe ကို ကိုယ္စားျပဳႏိုင္ေသာ နမူနာျဖစ္ရန္အတြက္ universe ထဲမွာရွိသည့္ သီးသန္႕ယူနစ္မ်ား ကို ေကာင္းစြာစဥ္းစားေရြးခ်ယ္သည့္ နမူနာေရြးစနစ္ျဖစ္ပါသည္။  လြယ္ကူသက္သာစြာ ရရွိႏိုင္မွဳေပၚတြင္အေျခခံထားျပီး နမူနာထဲတြင္ ပါဝင္ရန္ population ထဲတြင္ ရွိေသာအရာမ်ားအား အဆင္ေျပသလို ေရြးခ်ယ္လိုက္ျခင္းကို convenience sampling ဟုေခၚသည္။  အကယ္၍ သုေတသီသည္ ဓါတ္ဆီဝယ္ယူသူမ်ားထံမွ စိတ္ခ်ယံုၾကည္ရေသာ Data ေဒတာအခ်က္အလက္မ်ားကို ရလိုလွ်င္ သူသည္ ဓါတ္ဆီဆိုင္မ်ား၏ အေရအတြက္တစ္ခုကို တိတိက်က်ေရြးခ်ယ္ျပီး ထိုဓါတ္ဆီဆိုင္မ်ားတြင္ ဓါတ္ဆီဝယ္ယူသူမ်ားအား အင္တာဗ်ဴးျပဳလုပ္ပါလိမ့္မည္။  ဤသည္မွာ ဓါတ္ဆီဝယ္သူမ်ား၏ convenience sample ဥပမာတစ္ခုျဖစ္ပါသည္။
အထူးသျဖင့္ population သည္ တစ္သားတည္းမျဖစ္ (non-homogeneous) ေသာအခါ ရလဒ္ေပၚမူတည္၍ လုပ္ေဆာင္ပံုေျပာင္းသြားပါလိမ့္မည္။  Judgement sampling တြင္ population ၏ ကိုယ္စားလွယ္အျဖစ္ သုေတသီမွ ယူဆထားေသာ အခ်က္မ်ားကို ေရြးခ်ယ္ျခင္းအတြက္ သုေတသီ၏ဆံုးျဖတ္ခ်က္ကို အသံုးျပဳသည္။ ဥပမာ - Teaching method အသစ္ အတြက္ လံုျခံဳစိတ္ခ်ရေသာ တံု႕ျပန္မွဳကို ရရွိရန္ ေကာလိပ္ေက်ာင္းသားမ်ားအတြင္း judgement sample တစ္ခုကို ျပဳလုပ္ႏိုင္သည္။  က်ယ္ျပန္႕ေသာ population  အတြက္ ေယဘုယ် ျခံဳငံုေျပာလိုေသာအခါ qualitative research မ်ိဳးတြင္ judgement sampling ကို သံုးၾကသည္။

 

(ii) Simple Random Sampling

Simple randon sampling သည္ chance sampling သို႕မဟုတ္ probability sampling ဖစ္သည္။  Population အထဲမွာရွိေသာ အခ်က္အလက္တိုင္း (every item)၊ တစ္ခ်က္ခ်င္းစီ (each item) တြင္ နမူနာေရြးခံရမည့္ အခြင့္အေရး တူညီစြာရွိၾကသည္။  တနည္းအားျဖင့္ နမူနာေရြးခံရရန္ equal chance ရွိသည္။   ဥပမာ - items ၁၅၀၀၀ ရွိေနသည့္ population ထဲမွ items ၃၀၀ ကို နမူနာေရြးရမည္ဆိုလွ်င္ အားလံုးေသာ items ၁၅၀၀၀ စလံုးကို နံပါတ္ သို႕မဟုတ္ အမည္မ်ားေပးကာ ၄င္းတို႕ထဲမွ items ၃၀၀ ကိုမဲႏွိဳက္ေရြးခ်ယ္ျခင္း ျပဳလုပ္ႏိုင္သည္။ 
Random number ဇယားမ်ားကို အသံုးျပဳျခင္းသည္ random sampling ေနာက္တစ္နည္းျဖစ္သည္။  နမူနာေရြးရန္အတြက္ item တစ္ခုစီကို ၁ မွေန၍ ၁၅၀၀၀ ထိ နံပါတ္မ်ားတပ္ကာ ဇယားတစ္ခုျပဳလုပ္ထားရမည္။  ထို႕ေနာက္ ဂဏန္းငါးလံုးပါေသာ က်ပန္း နံပါတ္ ၃၀၀ ကို ဇယားထဲမွ ေရြးခ်ယ္မည္။  ဤကဲ့သို႕ျပဳလုပ္ရန္ စမွတ္တစ္ခုကို က်ပန္းေရြးခ်ယ္ရပါမည္။  ထို႕ေနာက္ ဇယားထဲမွ ဂဏန္းမ်ားကို နမူနာရယူရန္အတြက္ စနစ္က်ေသာ ပံုစံတစ္ခုကို အသံုးျပဳရပါမည္။  ဂဏန္းမ်ားကို ဇယားထဲတြင္ ထားလိုက္ျပီး က်ပန္းပံုစံျဖင့္ လုပ္ေဆာင္လိုက္ေသာေၾကာင့္ ရလဒ္နမူနာမွာ က်ပန္း သာျဖစ္သည္။  ဤလုပ္ေဆာင္ခ်က္မွာ item တစ္ခုစီတြင္ နမူနာ ေရြးခ်ယ္ခံရမွဳ အတြက္ တူညီေသာ အခြင့္အေရးမ်ားရွိၾကသည္။

 

(iii) Systematic Sampling

Systematic sampling သည္ နမူနာေကာက္ယူသည့္ နည္းလမ္းမ်ားထဲမွ လက္ေတြ႕အက်ဆံုး နမူနာေကာက္သည့္နည္းလမ္းတစ္ခုျဖစ္သည္။  ဥပမာ - အမည္စာရင္းတစ္ခုထဲမွ ၁၅ ခုေျမာက္က်သည့္ အမည္တိုင္းကို နမူနာေရြးခ်ယ္ျခင္း၊ လမ္းတစ္လမ္းမွာရွိေသာ အိမ္စာရင္းထဲမွ ၁၀ ခုေျမာက္က်သည့္ အိမ္တိုင္းကို နမူနာေရြးျခင္း စသည္တို႕ျဖစ္ၾကသည္။ ဤနည္းတြင္ ပထမဆံုးအေနျခင့္ item တစ္ခုကို စာရင္းဇယားထဲမွ က်ပန္း ေရြးလိုက္ျပီး က်န္သည့္ items မ်ားကို nth (n ၾကိမ္ေျမာက္) ေရာက္တိုင္းေရာက္တိုင္း လိုအပ္သည့္ အေရအတြက္ထိ ေရြးသြားရမွာျဖစ္ပါသည္။  Sampling frame သည္ တိက်ေသခ်ာမွဳရွိလွ်င္ ဤနည္းမွာ အလြန္အသံုးဝင္သည္။

 

(iv) Stratified Sampling

နမူနာေရြးလိုသည့္ population သည္ တစ္သားတည္းျဖစ္ေသာ အုပ္စု homogeneous group မဟုတ္ခဲ့လွ်င္ အလႊာခြဲ နမူေရြးသည့္ stratified sampling နည္းစနစ္ ကို သံုးရပါမည္။  ဤနည္းစနစ္တြင္ population ထဲမွ တူရာတူရာမ်ားကို စုျပီး အလႊာခြဲရပါမည္။ ထိုအလႊာမ်ားမွာ တစ္ခုႏွင့္ တစ္ခု မထပ္ရပါ။  အလႊာခြဲသည္မွာ အသက္အရြယ္အရ သို႕မဟုတ္ ဝင္ေငြအရ သို႕မဟုတ္ အဆင့္အတန္းအရ စသည္ျဖင့္ တူရာတူရာ အလိုက္ population ကို အုပ္စုခြဲျခင္းျဖစ္သည္။  အလႊာခြဲျပီးလွ်င္ ထိုအလႊာ တစ္ခုစီထဲမွ နမူနာ item ကိုေရြးရပါမည္။  အလႊာတစ္ခုစီထဲမွ နမူနာေရြးသည့္အခါ simple random sampling နည္းစနစ္နဲ႕ေရြးရပါမည္။ ပထမ အဆင့္တြင္ အလႊာခြဲျပီးေနာက္ ဒုတိယအဆင့္တြင္ simple random sampling စနစ္နဲ႕ နမူနာေရြးသည့္ နည္းစနစ္သည္ stratified random sampling ျဖစ္ပါသည္။

(v) Quota Sampling

Quota Sampling သည္ population ႏွင့္ အခ်ိဳးတူစြာအုပ္စုခြဲျပီး နမူနာေကာက္ေသာ စနစ္ျဖစ္သည္။ ဥပမာ - ေကာလိပ္ေက်ာင္းတြင္ ေက်ာင္းသား ၁၂၀ ဦးထဲမွ ေက်ာင္းသားအခ်ိဳ႕ကို အင္တာဗ်ဳးရန္အတြက္ ထို ေက်ာင္းသား ၁၂၀ ကို အုပ္စုခြဲလွ်င္ -
၁။ ပထမႏွစ္ေက်ာင္းသား - ၄၀ ဦး
၂။ ဒုတိယႏွစ္ေက်ာင္းသား - ၃၀ ဦး
၃။ တတိယႏွစ္ေက်ာင္းသား - ၃၀ ဦး
၄။ စတုတၳႏွစ္ေက်ာင္းသား- ၂၀ ဦး

ထိုေက်ာင္းသားစုစုေပါင္းထဲမွ ၆၀ % ကို နမူနာေကာက္ရန္ျဖစ္သည္။  ထိုအခါ ေက်ာင္းသားဦးေရ ၁၂၀ ၏ ၆၀ % သည္ ၇၂ ျဖစ္သည္။  ထို႕ေၾကာင့္ ေက်ာင္းသား ၇၂ ေယာက္ကို နမူနာေကာက္ရမည္ျဖစ္သည္။   ဤကဲ့သို႕လုပ္ေဆာင္သည့္အခါ အုပ္စုမ်ားမွ နမူနာအေရအတြက္ကို population ႏွင့္ အခ်ိဳးတူ ေကာက္ရမည္ ျဖစ္သည္။ ဆိုလိုသည္မွာ စုစုေပါင္းေက်ာင္းသား ၁၂၀ ထဲမွ ၆၀ % (၇၂ ဦး) ကို နမူနာ ေကာက္ရမည္ ျဖစ္ေသာေၾကာင့္ ေက်ာင္းသားအုပ္စု တစ္စုစီထဲမွ ၆၀ % ကို တြက္ခ်က္ျပီး နမူနာ ေကာက္ရမည္ျဖစ္သည္။
နမူနာေကာက္ျပီး အင္တာဗ်ဴးရမယ့္ ေက်ာင္းသား အေရအတြက္  -
၁။ ပထမႏွစ္ေက်ာင္းသား - ၂၄ ဦး ( ၄၀ ဦး၏ ၆၀ %)
၂။ ဒုတိယႏွစ္ေက်ာင္းသား - ၁၈ ဦး (၃၀ ဦး၏ ၆၀ %)
၃။ တတိယႏွစ္ေက်င္းသား - ၁၈ ဦး (၃၀ ဦး၏ ၆၀ %)
၄။ စတုတၳႏွစ္ေက်ာင္းသား - ၁၂ ဦး (၂၀ ဦး၏ ၆၀ %)
စုစုေပါင္းေက်ာင္းသားအေရအတြက္ ၇၂ ဦး (ေက်ာင္းသား ၁၂၀ ဦး၏ ၆၀%) ျဖစ္သည္။

(vi) Cluster Sampling and Area Sampling

Cluster sampling တြင္ population ကို အုပ္စုခြဲျပီး အုပ္စုလိုက္ သို႕မဟုတ္ အတြဲလိုက္ နမူနာေရြးခ်ယ္ျခင္း ျဖစ္ပါသည္။  ဥပမာ - စတိုးဆိုင္တခ်ိဳ႕တြင္ ၄င္းတို႕၏ credit card ကိ္ုင္ေဆာင္သူမ်ားကို နမူနာေရြးခ်ယ္သည္ ဆိုၾကပါစို႕။  ဆိုင္တစ္ဆိုင္သည္ သူ၏ေဖာက္သည္မ်ား အတြက္ credit card အေရအတြက္ ၁၅၀၀၀ ကဒ္ ကိုထုတ္ေပးထားျပီး ထိုအထဲမွ နမူနာ ၄၅၀ ေရြးခ်ယ္မည္ဆိုလွ်င္ Cluster sampling ျပဳလုပ္ရန္အတြက္ Credit card ကိုင္ေဆာင္သူ ၁၅၀၀၀ ဦးထဲမွ လူဦးေရ ၁၅၀ စီပါဝင္ေသာ အုပ္စု/အဖြဲ႕ (cluster) ၁၀၀ ဖြဲ႕လိုက္သည္။ ထို႕ေနာက္  လူဦးေရ ၄၅၀ ကို လိုခ်င္ေသာေၾကာင့္ cluster အုပ္စု သံုးစုကို နမူနာ က်ပန္းေရြးခ်ယ္ရပါမည္။  အထူးသျဖင့္ personal interview မ်ားျပဳလုပ္ေသာအခါ cluster sampling သည္ နမူနာ ေရြးလုပ္ငန္းစဥ္ကို ပိုမိုလြယ္ကူေစျပီး ကြင္းဆင္းလုပ္ငန္းစဥ္အတြက္ ပိုမိုထိေရာက္မွဳရွိပါသည္။
Area sampling သည္ cluster sampling ႏွင့္အလြန္နီးစပ္မွဳရွိသည္။   မိမိစိတ္ဝင္စားေနေသာ ေနရာ၏ ပထဝီအေနအထားဟာ ၾကီးမား က်ယ္ျပန္႕သည့္အခါ area sampling ကို သံုး ၾကသည္။   Area sampling လုပ္ေသာအခါ ပထမဦးစြာ စုစုေပါင္းဧရိယာကို  geographical area ဟုေခၚေသာ ဧရိယာငယ္မ်ားအျဖစ္ အျဖစ္အုပ္ စုခဲြရမည္။ ထိုဧရိယာငယ္မ်ား တစ္ခုႏွင့္ တစ္ခုမထပ္ရပါ။  ထို႕ေနာက္ ဧရိယာငယ္မ်ားထဲက နမူနာ က်ပန္း ေရြးရမည္ျဖစ္သည္။  ဧရိယာငယ္မ်ားထဲရွိ ယူနစ္ အားလံုးကို နမူနာထဲတြင္ ထည့္သြင္းေပးရပါမည္။ Area sampling သည္ population စာရင္းကို မွန္ကန္စြာမရႏိုင္ေသာအခါ အသံုးဝင္သည္။  အင္တာဗ်ဴးသူသည္ ေနရာေဒသတစ္ခုစီမွာ အင္တာဗ်ဴးလုပ္ႏိုင္ေသာေၾကာင့္ ကြင္းဆင္း အင္တာဗ်ဴးလုပ္ေသာအခါ အလြန္အသံုးဝင္ပါသည္။  

(vii) Multi-stage Sampling

Multi-stage sampling သည္ cluster sampling ကို ထပ္ခ်ဲ႕ထားျခင္းျဖစ္သည္။  ဤနည္းစနစ္ကို တိုင္းျပည္တစ္ျပည္လံုးကဲ့သို႕ ၾကီးမားက်ယ္ျပန္႔ေသာ ပထဝီ အေနအထား ႏွင့္ ဆိုင္သည့္ ဧရိယာၾကီးမ်ားတြင္ အသံုး ျပဳရန္ျဖစ္ပါသည္။  ဤနည္းစနစ္မွာ ပထမဆံုး အေနႏွင့္ တိုင္း၊ ခရိုင္၊ ျမိဳ႕နယ္တို႕ကဲ့သို႕ အေျခခံနမူနာ ယူနစ္ၾကီးမ်ားကို ေရြးခ်ယ္ျပီး ေနာက္ဆံုးတြင္ ျမိဳ႕နယ္မ်ားထဲမွ အိမ္ေထာင္စု တခ်ိဳ႕ကိုေရြးရမည္။  အဆင့္အားလံုးမွာ Random sampling က်ပန္း နမူနာေရြးနည္းစနစ္ကိုသာ အသံုး ျပဳမယ္ဆိုလွ်င္ ဤကဲ့သို႕ နမူနာေရြးစနစ္ကို multi-stage random sampling လို႕ ေခၚသည္။

 

(viii) Sequential Sampling

ဤနည္းစနစ္ကေတာ့ ေနာက္ဆံုးအေနႏွင့္ sample size ကို ၾကိဳတင္ သတ္မွတ္၍ မရႏိုင္သည့္အခါ တခ်ိဳ႕ေသာ နမူနာဒီဇိုင္း (sample design) မ်ားကို ေရာေနွာကာ နမူနာေကာက္ယူသည့္ နည္းစနစ္ျဖစ္ပါသည္။  သို႕ေသာ္ စံုစမ္း ေမးျမန္းျခင္း လုပ္ငန္းစဥ္အျဖစ္ ရရွိ္လာေသာ သတင္း အခ်က္အလက္မ်ားကို အေျခခံျပီး သခ်ၤာ ဆိုင္ရာ ဆံုးျဖတ္ခ်က္အရ သတ္မွတ္ထားျခင္း ျဖစ္သည္။  ဤဒီဇိုင္းကို စာရင္းအင္းပညာအရ နမူနာေရြး စနစ္မ်ားျဖင့္ ျပဳလုပ္ထားျခင္း ျဖစ္သည္။  Sequential sampling သည္ Non-probability sampling အမ်ိဳးအစားျဖစ္သည္။  သုေတသီမွ ရႏိုင္ ေသာ အခ်ိန္ကာလ တစ္ခုအတြင္းတြင္ အုပ္စုတစ္စု သို႔မဟုတ္ အေၾကာင္းအရာတစ္ခုကို  နမူနာ ေကာက္ယူ လိုက္ျခင္း ျဖစ္သည္။  ထို႕ေနာက္ ေလ့လာမွဳကို ဆက္လက္ျပီး ရလဒ္မ်ားကို ခြဲျခမ္းစိပ္ျဖာမွဳျပဳရသည္။ ထပ္မံ၍ ေနာက္ထပ္ အုပ္စု သို႔မဟုတ္ ေနာက္ထပ္ အေၾကာင္းအရာတစ္ခုကို နမူနာေရြးရသည္။  လိုအပ္လွ်င္ ဤအတိုင္းဆက္လက္ လုပ္ေဆာင္သြားရပါမည္။