抽样方法是从总体中选取部分个体（样本）进行研究，并根据样本结果推断总体特征的过程。以下是其核心概念的系统梳理

基本术语

1. 总体：研究对象的全体集合。
2. 样本：从总体中抽取的部分个体。
3. 抽样框：包含所有总体单位的名单或框架（如学生名册）。
4. 参数：总体的特征值（如总体均值 μ）。
5. 统计量：样本的特征值（如样本均值 x̄）,用于估计参数。
6. 抽样误差：样本统计量与总体参数之间的随机差异（概率抽样中可量化）。
7. 非抽样误差：非随机因素导致的误差（如测量偏差、无回答）。

抽样方法的分类

（一）概率抽样

每个单位有已知的被选概率,可计算误差并推断总体。

1. 简单随机抽样

   • 每个样本被选概率相等（如抽签、随机数表）。
   • 优点：理论简单，无偏差。
   • 缺点：需完整抽样框，成本高；若总体差异大可能代表性不足。

2. 系统抽样

   • 按固定间隔（k）从排序的总体中抽取（如每10人选1人）。
   • 优点：操作简便，样本分布均匀。
   • 风险：若总体存在周期性,可能导致偏差。

3. 分层抽样

   • 将总体按特征分层（如年龄、地区），每层独立随机抽样。
   • 优点：提高层内同质群体的代表性，减少误差。
   • 关键：分层变量应与研究目标相关。

4. 整群抽样

   • 将总体分为群（如班级、社区），随机抽群，调查群内所有单位。
   • 优点：降低成本，便于实施。
   • 缺点：群内同质时误差较大,需更多样本量。

5. 多阶段抽样

   • 分多个阶段抽样（如先抽城市，再抽街道，最后抽户）。
   • 优点：适用于大规模调查，灵活高效。
   • 缺点：设计复杂,误差计算繁琐。

（二）非概率抽样

依赖主观判断，无法量化抽样误差,适用于探索性研究。

1. 方便抽样：选取易获得的单位（如街头访问）。
2. 判断抽样：根据专家经验选择典型样本。
3. 配额抽样：按总体特征分配样本数量，非随机选择。
4. 雪球抽样：通过已有样本推荐扩展样本（适用于隐蔽群体）。

抽样设计的关键原则

1. 代表性：样本应充分反映总体结构。
2. 随机性：概率抽样需保证随机选择以减少偏差。
3. 可行性：兼顾成本、时间与操作难度。
4. 精度要求：根据研究目标确定可接受的误差范围。

样本量确定因素

• 总体变异性：变异越大，所需样本越多。
• 置信水平：常用95%（对应Z值1.96）。
• 允许误差：期望的估计精度（如误差不超过5%）。
• 抽样设计：复杂设计需调整样本量（如设计效应）。
• 资源限制：时间、预算和人力。

常见误差与应对

• 抽样误差：通过增加样本量或改进设计（如分层）降低。
• 非抽样误差：
  • 无回答误差：追踪或加权调整。
  • 测量误差：优化问卷设计，培训调查员。
  • 覆盖误差：确保抽样框完整更新。

应用场景

• 概率抽样：人口普查、社会调查、学术研究等需统计推断的场景。
• 非概率抽样：市场初探、案例研究、焦点小组等定性研究。

选择抽样方法需平衡科学性、成本与可行性，概率抽样支持统计推断，非概率抽样适合初步探索，实际工作中常结合多种方法（如分层整群抽样）,并需严格质量控制以减少误差。

标签： 抽样方法 总体推断