企业研究方法10抽样.doc

10．1.1 总体 总体是指研究者希望研究的人、事、物的全体。例如，如果一家计算机公司的总裁希望知道硅谷的计算机公司所采用的广告策略类型，则位于硅谷的所有计算机公司就是总体。如果某位咨询人员想调查一周工作四天对爱尔兰电话公司蓝领工人的影响，那么这家公司所有蓝领工人即构成总体。如果一位管理者想了解法国一家经营疗养院的公司如何找个病人，那么这家疗养院的所有病人将构成总体。 元素 元素是总体的单一成员。若研究者所调查的总体为1000名蓝领工人，则每位蓝领工人就是一个元素。若是从500部机器中进行抽查，则意味着这个总体有500个元素。另外，人口普查就是调查人口总体中的所有元素。 样本 样本是总体的子集合，是来自总体的部分成员。如果从1000名蓝领工人的总体中抽出200名成员。则这200名成员将构成研究的样本。换言之，从对200个样本的研究中，研究者可得到关于1000名蓝领工人总体的结论。同样的，若医院中有145名住院病人，而医院管理者调查其中40人对于治疗的满意度，则这40人即是样本。 因此，样本为总体的子群体或子集合。通过研究样本，研究者应能将所获得的结论推广到所研究的总体上。 10.1.4 抽样单位 抽样单位是指被抽取样本中的一个或一组元素。在多阶抽样中，抽样单位的例子如城市街区、家庭或家庭中的个体。 10.1.5 研究对象 研究对象是样本的单一成员，就如同元素是总体的单一成员一样。如果从1000名蓝领工人总体中抽出200名成员作为研究样本，则样本中的每一名蓝领工人都是研究对象。又如，若从500部机器中抽取50部来检验，那么这50部机器中的每一部均为研究对象，正如500部机器的总体中，每部机器都是元素一样。 10.2总体参数 总体的特征如总体平均值、总体标准差以及总体方差等，都是总体的参数。样本的集中趋势、离散趋势以及其他统计量都是总体的集中趋势、离散趋势及其他参数的近似值。就其本身而论，从样本中得到的全部结论都可推广到总体上。 10.3抽样的原因 使用样本而不搜集整个总体的原因是不言自明的，在包含成百上千个元素的研究中，研究者难以搜集、检验或检查每个元素可能也将导致过高的时间、成本以及人力资源的消耗。 针对样本而非整个总体进行研究有时还可能产生更可靠的结果。这是因为减少了令人疲惫的工作，减少搜集资料时可能产生的误差，特别是在元素数量相当大时。此外，在少数情况下，使用全部总体来获得知识或加以测试是不可能的。例如，在检验一批灯泡时，若将每一个灯泡都烧坏，就没有灯泡可以卖了！这就是所谓的毁灭性抽样。 10.4 样本的代表性 为统计调查选择正确的样本，其重要性不言而喻。我们知道，样本很少能完全成为总体的翻版．倒如，极少样本的平均值(X)能丝毫不差地与总体平均值相等，而样本标准差也不可能与总体标准差相等。然而，若我们以有效率的方法选取样本，即可合理地认为样本的统计量相当接近总体的参数。换句话说，选取可代表总体的样本是可能的。不过，样本数值落在总体参数之外仍是可能的。 10.5 正态分布 总体的属性或特征通常呈正态分布。例如，若考虑身高或体重等属性，大多数人会集 中在平均值上，而仅有极少数人是非常高、非常矮、非常重或非常轻，如图10.2所示。若 我们欲从样本估计总体特征，则样本特征的分配必须拥有与总体相同的形态，即正态分布。我们从中心极限定理可知，样本平均值的抽样分布是正态分布，当样本规模n增加，从任何总体抽出的随机样本平均值将会趋近于平均值p与标准差的正态分布。总而言之，不管总体的属性是否为正态分布，如果我们小心地选取足够多的样本，则我们将使抽样样本正态分布。这涉及抽样的两大问题——样本规模（n）与抽样设计，这将在后文讨论。 如果总体的属性在样本中未被过分代表( overrepresented)或代表不足(underrepresented)，我们即认为样本具有代表性。当所研究的变量中，样本包含了总体中数值偏高的元素，则 样本平均值x将会远高于总体平均值。相对地，若研究的变量中，样本包含了总体中数值偏低的元素，那么样本平均值x将会远低于总体平均值。然而，若抽样设计与抽样分布是正确的，样本平均值x将会落在相当接近总体平均值的范围中。因此，通过适当的抽样分布，我们可确保样本研究对象不会出现极端值，而对总体的属性有相当的代表性。样本越具总体代表性，研究发现的推广程度就越高。在本书第2章我们学过，共性是科学研究的特征之一。10.6 抽样过程 研究选择正确的人、事、物作为统计调查对象的过程就是所谓的抽样。然后研究样本并了解其特征或特点，最后看这些特点是否能应用到总体中。抽样的主要步骤如下： 1．定义总体 2．确定抽样框 3．确定抽样设计类型 4．确定合适的样本容量 5．进行抽样 10.6.1