整群抽样 是将总体中所有个体按照某种特征（通常是自然的、现成的边界）划分为若干个互不重叠的“群”，然后以这些“群”为抽样单位，随机抽取一部分群，并对被抽中群内的所有个体进行全面调查的抽样方法。
关键认知点：抽样的基本单位是“群”，而不是单个个体，一旦某个群被选中，群内的每一个体都会被纳入样本。
核心思想与逻辑
- 化繁为简：当总体规模巨大、个体名单难以获取或分布过于分散时，直接对个体抽样成本极高，整群抽样先对“群”进行抽样，大大降低了编制抽样框和实地访问的难度与成本。
- 效率优先：核心优势在于组织实施的经济性和便利性，尤其在交通、管理、时间和成本方面，调查全国小学生的视力情况，直接抽学生名单并访问全国各地的学生极其困难；但先抽“学校”（群），再对抽中学校的所有学生进行检查，就高效得多。
操作步骤
- 定义总体和抽样单位：明确调查目标总体。
- 划分群：将总体划分为 N 个自然、完整的群，一个城市的所有社区、一所大学的所有班级、一个省的所有县。
- 编制群的名单：列出所有群的清单，形成“群级”抽样框。
- 随机抽取群：使用简单随机抽样或系统抽样等方法，从 N 个群中随机抽取 n 个群。
- 调查群内所有个体：对抽中的 n 个群中的每一个个体（或单位）进行调查或测量。
与相似抽样方法的对比（关键区别）
这是深化认知的重点。
| 特征 | 整群抽样 | 分层抽样 |
|---|---|---|
| 目的 | 降低成本，便于实施。 | 提高精度，确保子总体代表性。 |
| 分组原则 | 群内异质性低，群间异质性高。 （理想情况：每个群都是总体的“微缩版”，但现实中往往相反）。 |
层内同质性高，层间异质性高。 （确保层内差异小，层间差异大）。 |
| 抽样单位 | 群。 | 个体（在层内抽取）。 |
| 抽样范围 | 仅调查被抽中的群内的所有个体。 | 从所有层中都抽取一部分个体。 |
| 代表性 | 依赖于被抽中群的代表性，若群间差异大，风险较高。 | 确保每个重要子总体（层）都有代表，代表性更强。 |
简单记忆：
- 整群抽样：“抓小整体”，先抓几个完整的“小整体”（群），然后把这些小整体里的人全查了。
- 分层抽样：“分类挑人”，先把人按特征分成几类（层），然后从每一类里都挑几个人出来。
优点
- 成本效益高：大大减少了调查员差旅、培训和管理费用，调查活动高度集中在少数几个区域。
- 实施便捷：抽样框（群的名单）更容易获得和编制，行政管理方便，适合大规模调查。
- 操作灵活：当无法获得完整的个体名单，但可以获得群的名单时，这是唯一可行的概率抽样方法。
缺点与挑战
- 抽样误差通常较大：这是最主要的缺点，因为群内个体往往具有同质性（同一个社区的人收入水平、文化背景可能相似；同一个班级的学生成绩可能接近），这导致样本的多样性降低，不能很好地反映总体的变异性，在相同样本量下，其精度通常低于简单随机抽样和分层抽样。
- 对“群”的定义敏感：如果群的定义不合理（如规模差异巨大），会加剧抽样误差，并可能需要进行复杂处理（如PPS抽样）。
- 样本分布可能不均衡：如果抽中的群规模很大，会导致样本量远大于计划；反之亦然。
适用场景
- 总体在地理上分布广泛：例如全国性、全省性的入户调查。
- 缺乏个体单位的完整名单，但有完整的“群”的名单，没有所有居民的名单，但有所有街道或居委会的名单。
- 调查成本是首要考虑因素，对精度的要求相对可以放宽。
- 群是自然的调查管理单位：在教育研究中，以“班级”为群进行调查非常方便。
改进方法：PPS抽样
为了克服因“群”的规模差异过大导致的样本量失控和精度问题，常采用 “按规模大小成比例的概率抽样”。
- 核心思想：规模大的群被抽中的概率大，规模小的群被抽中的概率小。
- 目的：使得总体中每个个体被选入样本的最终概率相等，从而提高估计的精度和公平性。
总结认知
整群抽样是一种“以牺牲部分统计精度来换取显著实施便利和成本节约”的概率抽样方法。 它的精髓在于 “抽群查全”。
在学习和应用时,关键要问自己：
- 我的总体是否有现成的、自然的“群”的划分？
- 调查的成本和便利性是否比极高的精度更为重要？
- 我是否理解并接受了其可能带来较大抽样误差的风险？
正确认识其优缺点和适用条件,就能在研究和调查设计中做出是否使用、以及如何改进整群抽样的明智决策。
版权声明：除非特别标注，否则均为本站原创文章，转载时请以链接形式注明文章出处。
