Savez-vous la population dans chacune des grappes potentiels? Si vous le faites alors vous pouvez utiliser PPS pour sélectionner les grappes. Si non, vous pouvez utiliser un échantillon systématique (par exemple SCCS) pour sélectionner les grappes. Le problème est alors de savoir comment sélectionner les ménages à déguster. Voir ce document pour l'aide avec cela (et sélection des grappes). Vous pouvez également trouver ce document sur ??l'utilisation de l'imagerie satellite utilisée.

S'il vous plaît envoyer une question de suivi, si vous avez besoin de rien clarifié.

Je espère que cela est d'une certaine utilité.

Si vous avez identifié vos possessions et cluster HH plus de 2000, vous allez mieux pour la segmentation basée sur, disons structure administrative et de sélectionner au hasard un segment. Méthode modifiée est plus utilisé du tout, en raison de son manque de souplesse.
Ici, je voudrais aussi mentionner que ENA SMART vous donnera cluster basé sur la taille de la population, mais à des fins de segmentation vous utilisez nombre de HH dans chaque segment et cela peut être fait même sur le champ.
M. Myatt est juste, en utilisant l'imagerie satellite vous donnera bonne idée de la structure et les limites d'une région.

Bonjour

Merci pour vos réponses rapides. Je l'ai déjà fait le regroupement en utilisant PPS et je avoir une moyenne de 2000 personnes par zone de cluster. Mon domaine d'enquête est composée de zones urbaines comme les bidonvilles à forte densité de population et certaines régions plus rurales comme (rizières, etc.).
Je pense que pour les zones urbaines, je peux faire la segmentation basée et utiliser l'échantillonnage systématique.
Pour les zones rurales, je considérais en utilisant la méthode de l'epi modifiée comme il est recommandé lorsque HH ne sont pas bien organisé.

Que pensez-vous?

Merci beaucoup

Cher Diane,

Selon votre réponse, il semble que votre zone d'étude est composé de zones urbaines et rurales. si oui, est-il une seule enquête ou est-ce deux enquêtes distinctes pour chaque paramètre (urbain + rural? si elles ne sont pas homogènes en termes de moyens de subsistance et d'autres services sociaux, une seule enquête pourrait ne pas refléter la situation réelle.

Bonjour,

En fait, la région est une grande ville avec le centre ville étant principalement urbaine et assez emballés en terme de taille de la population et les limites de la ville étant composées de zones plus rurales. Cette ville a souffert de récentes inondations et nous visons les zones touchées. Je l'ai choisi un DE de 1,7 à compenser les différences (une enquête SMART a été fait dans la région voisine avec la moitié urbain, milieu rural demi, le DE trouvé était de 1,5).

Je devais problème similaire. voici la http://www.en-net.org.uk/question/66.aspx de lien, la réponse de Mark Myat et Miichael Or.

Salut,
Diane, il est bon d'avoir un peu plus élevé DE que d'avoir deux enquêtes, je pense qu'ils ne sont pas des endroits tout à fait bien séparés. Accroître DE est alors bonne option. Dans mon expérience, je devais les zones rurales très proches de Urban et dans ce cas je augmenté la DE à même 2.

Il est difficile de donner une réponse définitive à certaines de ces questions. Je pense que vous devez vous demander si elle fait sens pour étudier ces deux populations (urbaines / péri-urbain / rural) (urbain / rural) ou trois parmi la population. Sera le résultat facilement interprétable? Si non, alors vous devriez envisager de 2 ou plusieurs enquêtes. Relever la DEFF est une option, mais il ne résout pas le problème de l'intelligibilité du résultat de l'enquête.

Je ne suis pas convaincu qu'il est raisonnable de traiter une ville entière comme une seule population. Au Royaume-Uni villes (par exemple) que nous voyons habituellement la pauvreté dans une ceinture autour d'un centre-ville riche entouré de banlieues aisées (trois populations minimum). Dans d'autres contextes, nous voyons la pauvreté périurbaine.

Relever la DEFF va augmenter la taille de l'échantillon nécessaire calculé. La meilleure façon de recueillir le plus grand échantillon est de recueillir des données à partir de plusieurs groupes plutôt que de simplement augmenter la taille de cluster. Vous pouvez réduire le DEFF en employant une stratégie intra-échantillonnage en grappes qui capte plus de variation que l'échantillon de proximité traditionnel. Le processus de sélection HH systématiques décrites dans le document de l'échantillonnage urbaine fait en échantillonnage de toute la zone de cluster plutôt que juste un groupe de HHs. Utilisation EPI3 ou EPI5 (tourner la bootle à chaque HH sélectionné et prendre la 3ème (EPI3) ou 5ème (EPI5) HH dans la direction indiquée) dans les établissements ruraux fait la même chose.

Si vous soupçonnez un haut DEFF est nécessaire, alors vous aurez une grande taille de l'échantillon. Ce sera mieux recueilli que plusieurs clusters. Il ne sera pas vraiment beaucoup plus de travail ou de l'argent à faire deux enquêtes avec effet de plan inférieurs en particulier dans une telle zone d'étude compact.

Je espère que cela est d'une certaine utilité.

S'il vous plaît nous tenir informés de votre travail dans ce forum.

Bonjour Marc,

Merci pour votre avis. En fait, il ya 2 mois, une évaluation de la nutrition d'urgence a été fait dans ce domaine en utilisant MUAC et les résultats na pas montrer les disparités entre les milieux ruraux et urbains. De même, une enquête SMART fait dans un domaine similaire (région du sud) avec la moitié produit un DEFF urbain et rural pour la moitié W / H de 1,4.
Recommanderiez-vous encore faire une séparation basée sur ces informations?
Merci
Diane

Il semble donc que d'une seule enquête pourrait convenir. S'il vous plaît nous tenir informés de ce que vous décidez et comment il fonctionnait.

Je suppose que vous allez collecter fois MUAC et W / H.

Salut Diane,
Je dirais pour la même option que Mark pour l'échantillonnage en milieu urbain (en utilisant PPS pour l'échantillonnage en grappes avec une taille de population connue par grappe ou d'échantillonnage systématique car autrement + Segmentation des plus grandes grappes). Mais pour le milieu rural échantillonnage en grappes de la population utilisant PPS + Segmentation, puis pour les MM échantillonnage / cluster, il est préférable d'utiliser un échantillonnage aléatoire simple, la méthode Epi modification introduit Biase comme HHs sélectionnés sont de loin pas indépendants les uns des autres.
L'autre question concerne la DEFF est que ce qui est généralement dépendant du contexte de votre zone géographique, étant donné votre cas est le «inondations» qui a touché à la fois la population urbaine et rurale. Dans ce cas, les inondations ne pas également affecter la population vivant en milieu urbain et ceux de la population rurale que la population rurale est plus susceptible d'être fortement touchées que les zones urbaines pour diverses raisons. D'où l'effet de votre conception sera toujours pas à rendre compte de l'effet de regroupement intra-population - (dans la zone urbaine et dans les régions rurales).
Si vous croyez que cet effet est moins susceptible d'être la situation dans votre cas, il est autorisé à utiliser un effet de conception entre 1.7-2. Toutefois, si le senario ci-dessus est plus susceptible d'être le cas, alors il est préférable de faire deux enquêtes distinctes en appliquant les conditions ci-dessus pour l'échantillonnage.

A quelques points qui pourraient être utiles ...

Nous devons être prudents avec les termes. Le terme «méthode PEV modifié" est vague. Le type d'échantillonnage que cette couramment utilisé pour l'échantillon dans-cluster dans les enquêtes SMART est habituellement un échantillon de proximité dans laquelle un ménage est sélectionné au hasard les ménages ultérieures sélectionnés par leur proximité avec le ménage échantillonnés antérieurement. Nous pourrions l'appeler «EPI modifié", mais "échantillon de proximité» est plus précis. À l'autre extrémité il ya une méthode "QTR + Epix" dans laquelle une communauté est divisée en quatre parties de la population à peu près égale, un quart de l'échantillon de la grappe est tirée de chacun des trimestres avec le premier ménage sélectionné au hasard et ultérieure ménages sélectionnés à l'aide d'une marche aléatoire avec une direction aléatoire (tourner une bouteille) et une taille de pas fixe (EPI3 = chaque troisième maison - bien dans les petites communautés, EPI5 = chaque maison cinquième - dieu dans les grandes collectivités). La méthode "QTR + Epix" a été montré pour être largement équivalente à un échantillon aléatoire simple, mais peut encore être décrit comme une «méthode PEV modifié". Si vous utilisez une méthode d'échantillonnage qui donne l'équivalent d'un échantillon aléatoire simple alors le DEFF va baisser. Le point est d'utiliser une méthode d'échantillonnage qui capture la variabilité plutôt que celui qui réduit la variabilité. Il est difficile et prend du temps pour faire un échantillonnage aléatoire simple dans de nombreux contextes. Voilà pourquoi le "QTR + Epix" et des méthodes similaires où développés.

Deff est un phénomène causé par l'échantillonnage en grappes, et qui augmente l'erreur d'échantillonnage ou imprécision. Ménages / individus au sein d'un cluster se ressemblent en raison de leur proximité, entraînant ainsi une perte globale de la variabilité d'échantillonnage (elle est prise à partir de là Plus précisément.:
DEFF = 1 + r (n-1)
où:
entre clusters variance r = ------------------------------------------------ - entre clusters + variance dans les amas variance
et:
n = taille moyenne de la grappe
Une valeur de "r" de 0,05 (par exemple) signifie que ce que les éléments d'un cluster sont d'environ 5% plus susceptibles d'avoir la même valeur que les deux éléments choisis au hasard dans la population de l'enquête. Petites valeurs de «r» donnent une meilleure meilleure fiabilité (précision). Voir cet article pour plus de détails et des simulations d'illustration.

Si vous examinez les formules indiquées ci-dessus, vous verrez que nous pouvons réduire le DEFF par:

(1) L'augmentation dans les amas variance. Voilà pourquoi un échantillon aléatoire simple ou "QTR + Epix" est meilleure que d'un échantillon de proximité.

(2) La réduction de la taille de cluster. Cela signifie prendre plus petites grappes.

Lors de l'échantillonnage dans des zones compactes / urbains, nous sommes en mesure de prendre beaucoup de petites grappes à peu de frais. Plutôt que de prendre un échantillon de (par exemple) 30 grappes de 30 enfants par «proximité» (l'ancienne "30 par 30" conception) je pourrais aller pour quelque chose comme 45 groupes de 12 par "QTR + Epix" ou "systématique nombre de portes ". Ce dernier (soit 45 par 12) design dispose d'un échantillon global plus faible en raison d'un effet attendre design plus petit.

Je pense que la question de l'arpentage deux populations est l'un des plus intelligibilité (vous pouvez vous retrouver avec une moyenne qui ne soit pas applicable à la population et ainsi applique à aucun) que de précision.

Je espère que cela est d'une certaine utilité.

BTW: L'utilisation de petits amas couplés avec une forte variabilité intra-amas échantillon est une partie de la RAM proposé ("Méthode d'évaluation rapide") de conception de l'enquête que nous espérons commencer essais sur le terrain plus tard cette année.

Cher Mark

Je suis vraiment intéressé à en savoir plus sur cette méthode "QTR + EPIx". Avez-vous peut-être un document à ce sujet et peut-être une enquête dans laquelle elle a été utilisée. Je peux essayer de l'utiliser bientôt.

Meilleures salutations

Nous avons développé QTR + EPIx dans la méthode carte-segment-échantillon ou map-segment-sample en anglais (MSS) utilisée dans les levés RAM et S3m. Les détails peuvent être trouvés dans le manuel RAM-OP . Cela a été utilisé dans de nombreux contextes en Afrique et en Asie par les équipes de l'ONU, des ONG et du ministère de la Santé.

La méthode MSS est le plus souvent utilisée avec un échantillon spatial de première étape, mais peut être utilisée dans les enquêtes PPS (par exemple, une enquête SMART) avec des données analysées utilisant ENA for SMART.

J'espère que cela vous sera utile.

Merci Mark