روش نمونه‌گیری خوشه‌ای، وقتی به کار می‌رود که فهرست کامل افراد جامعه در دسترس نباشد. به این منظور واحدهای جامعه را در دسته‌هایی خوشه‌بندی می‌کنند سپس از میان خوشه‌ها نمونه‌گیری به عمل می‌آورند. در این روش در مرحله ابتدایی باید از بین خوشه‌های تشکیل دهنده جامعه یا جمعیت مورد بررسی، تعدادی خوشه را انتخاب کنیم. نحوه انتخاب خوشه‌ها می‌تواند تصادفی ساده یا منظم باشد. پس از انتخاب خوشه‌های مورد نظر وارد مرحله بعدی این نوع نمونه‌گیری می‌شویم. در این مرحله دو انتخاب اساسی داریم: در انتخاب اول کلیه اعضای خوشه‌های منتخب را مورد بررسی و ارزیابی قرار می‌دهیم. به عبارت دیگر کلیه اعضای خوشه به عنوان اندازه نمونه مطالعه در نظر گرفته می‌شوند به این شیوه نمونه‌گیری خوشه‌ای، نمونه‌گیری خوشه‌ای یک مرحله‌ای (Single stage cluster sampling) اطلاق می‌گردد. در انتخاب دوم از بین کلیه اعضای خوشه یا خوشه‌‌های انتخاب شده، تعدادی از اعضاء به شیوه تصادفی ساده یا منظم انتخاب می‌گردند. به عبارتی، در این حالت در داخل خوشه‌ها نمونه‌گیری انجام می‌دهیم که به این شیوه، نمونه‌گیری خوشه ای دو مرحله‌اي (Double/ two stage cluster sampling) می‌گویند. بدیهی است سطوح انتخاب Cluster ممکن است بیش از دو سطح را شامل شده و در این حالات تعداد سطوح یا مرحله در نام‌گذاری شیوه نمونه‌گیری خوشه‌ای مشخص می‌گردد. به عنوان مثال Three stage cluster sampling یا Four stage cluster sampling نیز می‌توانیم داشته باشیم. به عنوان مثال، در مطالعه ارزیابی شیوع کم خونی در دانش آموزان ابتدایی شهر تهران یک شیوه نمونه‌گیری می‌تواند به صورت زیر باشد: ابتدا از بین 22 منطقه شهر تعدادی از مناطق به صورت تصادفی ساده انتخاب می‌‌شوند (5 منطقه)، لیستی از مدارس ابتدایی مناطق پنج گانه انتخاب شده تهیه می‌کنیم و سپس 10 دبستان در هر منطقه به صورت تصادفی ساده انتخاب می‌گردد و در نهایت در هر دبستان انتخاب شده 50 دانش آموز به صورت تصادفی منظم براساس لیست حروف الفبایی انتخاب می‌گردند که با کمی دقت در می یابیم این شیوه نمونه‌گیری، نمونه‌گیری خوشه‌ای سه مرحله‌ای می‌باشد.
تفاوت مهم نمونه‌گیری خوشه‌ای با سایر روش‌های نمونه‌گیری تصادفی این است که در نمونه‌گیری خوشه‌ای، وجود چارچوب نمونه‌گیری از کل اعضای جامعه مورد نیاز نیست؛ فقط در خوشه‌های منتخب چارچوب نمونه‌گیری مورد نیاز است.
تفاوت دیگر این نوع نمونه‌گیری با سایر روش‌های نمونه‌گیری تصادفی در این است که در اغلب شرایط، تغییرات، پراکندگی داخل خوشه‌ها بیش از پراکندگی یا تغییرات بین خوشه‌ها می‌باشد. این موضوع باعث افزایش پراکندگی یا واریانس متغیر مورد انداز‌ه‌گیری یا ارزیابی وضعیت نمونه‌گیری خوشه‌ای نسبت به وضعیت غیر از آن (به عنوان مثال نمونه‌گیری تصادفی ساده) می‌گردد. یک راهکار اساسی به منظور جبران این افزایش در واریانس یا جبران کاهش در دقت برآورد یا اندازه‌گیری، افزایش اندازه نمونه می‌باشد. بر اساس منطق پیشگفت به منظور عملی کردن میزان افزایش در اندازه نمونه در شرایط نمونه‌گیری درون خوشه‌ای، از ضریبی به نام شاخص اثر طرح یا Design Effect استفاده می‌نمایند. معمولاً این شاخص دارای اندازه‌ای بزرگ‌تر از یک می‌باشد. بزرگی این شاخص رابطه مستقیم با پراکندگی یا واریانس داخل خوشه‌ای دارد هر چه این پراکندگی بیشتر باشد، مقدار عددی اثر طرح بزرگ‌تر است. از آنجا که در زمان طراحی مطالعه و تعیین روش نمونه‌گیری و حجم نمونه، مقدار دقیق اثر طرح نامشخص می‌باشد، معمولاً برآورد یا پیش‌بینی تقریبی برای شاخص اثر طرح را در محاسبه اندازه نمونه نهایی لحاظ می‌نمایند. در اغلب شرایط مقدار عددی اثر طرح را حدود 2-5/1 در نظر می‌گیرند و به عبارت دیگر عدد اندازه نمونه به دست آمده از فرمول‌های محاسبه اندازه نمونه را در این مقادیر تقریبی ضرب تا اندازه نمونه نهایی در شرایطی که روش نمونه‌گیری تصادفی خوشه‌ای است، به دست آید.