系统抽样，也称为等距抽样或机械抽样，是一种概率抽样方法,它的核心操作是：
- 将总体中的所有个体按某种顺序（如名单顺序、时间顺序、空间顺序等）进行编号。
- 确定一个抽样间隔。
- 在第一个间隔内随机抽取一个起始单元。
- 之后每隔固定的间隔抽取一个单元,直到抽足所需样本量。
由于其“等距离”抽取的特性，它被称为“系统”或“等距”抽样。
操作步骤（举例说明）
假设你要从一个总数为 N = 1000 的总体中，抽取一个样本量为 n = 100 的样本。
- 编号：将总体中的1000个个体从1到1000编号（名单已存在则可直接使用序号）。
- 计算抽样间隔 (k)： [ k = \frac{N}{n} = \frac{1000}{100} = 10 ] 抽样间隔为 10。
- 确定随机起点 (r)：在第一个区间 1 到 k (即1到10) 中，通过随机数表、抽签或软件，随机选择一个数字作为起点，假设随机抽到 r = 4。
- 等距抽取：从随机起点开始，每隔k（10）个单元抽取一个，被抽中的编号为：
- 第一个：4
- 第二个：4 + 10 = 14
- 第三个：14 + 10 = 24
- 最后一个：4 + (100-1)*10 = 994
这样,你就得到了一个包含100个个体的系统样本。
关键特点与性质
- 等概率性：在起始单元随机确定的前提下，总体中的每个单元被抽中的概率是已知且相等的（均为 ( n/N ) 或 ( 1/k )），这满足了概率抽样的基本要求,可以用样本结果推断总体。
- 效率高，操作简便：一旦确定了起点和间隔，抽样过程非常机械、简单，尤其适用于大规模总体，它比简单随机抽样省时省力,不需要反复随机抽取。
- 隐含的分层：系统抽样可以被视为一种特殊的分层抽样，如果将总体每k个单元分为一层，那么系统抽样相当于从每层中抽取排在第一顺位（由随机起点决定）的单元，如果总体名单存在某种周期性或趋势,这能保证样本在名单上均匀分布。
优点与缺点
| 优点 | 缺点 |
|---|---|
| 操作简单，易于实施，特别适合现场工作。 | 对总体结构敏感：这是最大的风险，如果总体名单存在周期性或单调趋势，且周期与抽样间隔k巧合，样本会产生严重偏差。 |
| 样本分布均匀：样本单元在总体中分布更均匀，能提高样本的代表性（在名单随机时）。 | 方差估计复杂：系统样本的方差没有简单随机抽样那样直接的无偏估计公式，需要借助其他模型进行估计。 |
| 成本较低，节省时间和资源。 | 需要完整的总体名单（抽样框）。 |
| 在大多数情况下，其精度与简单随机抽样相当或更高。 | 如果抽样框存在隐藏的规律，可能不易察觉。 |
关于周期性偏差的经典例子：
- 在一条生产线上，每隔10个产品抽一个质检，如果机器恰好每10个产品就会出现一个有规律的问题（如第10个是模具闭合点），那么抽到的样本要么全是问题产品，要么全不是,完全无法代表总体质量。
应用场景
系统抽样广泛应用于：
- 生产线质量抽查（如每隔1小时抽取5分钟的产品）。
- 社会调查（从户籍名单、学生花名册中每隔k人抽一个）。
- 审计抽样（从账本中每隔若干页抽取一笔交易）。
- 生态调查（沿一条样带，每隔固定距离设置一个样方）。
- 电话调查（随机选择电话号码后，进行“加一”或“减一”拨打，也是一种系统抽样思路）。
系统抽样是一种通过固定间隔和随机起点来抽取样本的高效、简便的概率抽样方法，它的关键在于确保总体的排列顺序没有与抽样间隔相关的周期性规律，在实际应用中，它因其便捷性而广受欢迎,但使用者必须警惕潜在的周期性偏差风险。
你可以把它想象成：“随机开个头，然后等距离地挑人。”
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。
