خلاصة:
وقتی هدف از آمارگیری محاسبه ی براوردهایی برای حوزه های مشخصی از جامعه باشد، با طبقه بندی کردن جامعه بر اساس حوزه ها و تعیین اندازه ی نمونه ای حوزه ها می توان دقت براوردهای حوزه ای را افزایش داد. در این مقاله دو طرح نمونه گیری طبقه بندی و نمونه گیری توازنی معرفی می شوند که با طبقه بندی کردن جامعه بر اساس حوزه های مورد بررسی در مرحله ی طراحی نمونه گیری دقت براوردگرهای حوزه ای را افزایش می دهند. در مرحله ی براورد نیز به کارگیری براوردگرهای اصلاحی مانند براوردگرهای «هم گذاشتی» و «رگرسیونی تعمیم یافته ی اصلاحی» براوردهای دقیق تری را نسبت به براوردگر ساده ی «هورویتز-تامپسون» به دست می دهد. در پایان در یک مطالعه ی شبیه سازی با استفاده از داده های «آمارگیری از کارگاه های صنعتی 50 نفر کارکن و بیش تر سال 1390» مرکز آمار ایران کاربردی از رهیافت نمونه گیری توازنی برای طرح های طبقه بندی چندطرفه برای براورد کوچک ناحیه ای از طریق مقایسه ی دو طرح نمونه گیری طبقه بندی و نمونه گیری توازنی با براوردگرهای هورویتز-تامپسون، هم گذاشتی و رگرسیون تعمیم یافته اصلاحی برای حوزه های مشخصی از جامعه ارایه می شود.
When the purpose of sampling is to compute estimators for specific domains of population، it is possible to increase accuracy of domain estimators through stratifying population according to domains of interest and determining sample size of the domains. In this article stratified sampling design and balanced sampling design are introduced in which accuracy of domains estimators have been increased in design stage through considering domains as the strata. Also in estimating stage، utilizing modified estimators like synthetic and modified generalized regression estimator lead to more accurate estimates compare with Horvitz-Thompson estimator. Finally in a simulation study using data from 1390 establishment survey with 50 or more labor data، an application of balanced sampling approach for multi-way stratification designs for small area estimation has been explained where in synthetic estimator and modified generalized regression estimator with Horvitz-Thompson estimator for specific domains of the population are compared.