分層隨機抽樣.pptVIP

民意調查的抽樣 蔡佳泓 政大選舉研究中心 副研究員 課程目標 抽樣原理 非隨機抽樣 隨機抽樣 等距抽樣 分層隨機抽樣 多階段集群抽樣 抽樣原理 由於我們不可能訪問母體中所有的個體，所以必須進行抽樣。 例: 台灣地區七歲到十二歲的小孩在除夕夜平均每人收了多少壓歲錢? 石門水庫管理當局想要知道到底水庫裡有多少魚 ? Selection Bias 某些可能研究對象並不在抽樣所得的樣本之中，或是某些可能研究對象較其他更容易被抽樣，造成選樣偏誤。 例如，研究成人之中有多少會跟他人討論政治，但是這樣的人可能也比較願意受訪。 研究人有行為偏差的原因，若樣本未包括在醫院的病人也會造成選樣偏誤。 無反應者可能有一定的特徵，造成選樣偏誤。 1936文學文摘的預測 文學文摘(The Literary Digest)在1932年預測羅斯福獲得56%的選票，而羅斯福獲得58%。 1936年發出1000萬份問卷，樣本來源是電話簿及汽車登記名單，回收230萬份問卷，預測羅斯福獲得41%，結果羅斯福獲得60%選票。 樣本涵蓋率不足 樣本代表性不足 大樣本但是代表性不足 非隨機抽樣(1) 偶遇樣本（haphazard sample）或便利抽樣（convenient sample），碰到誰就選誰的抽樣，做研究的人並不在乎調查對象是否有代表性，例如生物學家解剖青蛙，心理學家觀察人們對聲光刺激的反應，醫生徵求自願者做藥物反應的實驗等等。 配額抽樣(quota sampling)依照母體的人口特徵按比例分配樣本數，在配額之內進行非機率抽樣，也就是把調查對象依照特徵分類後，根據各類別的百分比每類立意選樣至額滿為止。 非隨機抽樣(2) 立意選樣（purposive sampling）或判斷選樣（judgment sampling），這是經由專家主觀判斷，立意選定他們認為「有代表性」的樣本來觀察。 雪球抽樣（snowballed sample）先找到原始受訪者，然後再從受訪者所提供的資訊找到其他受訪者。 抽樣的推論 主要想知道母體的平均值跟離散程度(變異數或標準差) 機率抽樣原理 有N個單位在U集合之中，寫成U={1,2,…,N} ，每個單位對應一個固定的值yi 我們可從中抽出n個樣本，每個樣本之中有若干個單位，每一個樣本的被抽取率以P(S)表示，全部樣本的P(S)總和為1，而i單位出現在所有的樣本的機率以πi表示。 母體的總和t=Σ yi ，而t_hat=N*y_bar，也就是已知N的數目時，乘上樣本的平均值即得母體總和之估計值。 抽出不放回的簡單隨機抽樣 抽出不放回確保每一個樣本只有一次被抽中的機會。 假設有N個單位每一次抽出n個單位，則可抽出(N, n)個樣本，也就是P(S)=1/(N, n)=n!*(N-n)!/N! 例: N=8, n=4, 可抽出70個樣本，每一個樣本的被抽取率即為1/70 而總和的期待值E[t] 即為ΣtsP(s) ，也就是每一樣本的被抽取率乘上其樣本的和之估計值t_hat 而樣本的變異數V(t_hat)=E[(t_hat-E[t])2]= ΣP(s) [ts-E[t]]2 隨機抽樣的平均值及變異數 y_bar=1/n Σ yi y_bar是母體平均數的無偏估計 V(y_bar)=S2/n(1-n/N) s2=1/n-1 Σ(yi- y_bar)2 s2是S2的估計值，因此V(y_bar)=s2/n(1-n/N) 標準差(standard error)為s 另外，總和的估計值t_hat=N*y_bar V(t_hat)=N2*s2/n(1-n/N) 二元分布的p值的變異數 抽樣原理(1) 當我們做無數次抽樣之後，所得到的每一個樣本平均值將形成一個常態分布。而這些樣本平均值的離散程度就是樣本標準差= s2/n(1-n/N) 。 如果樣本抽的次數夠多，真正的母體平均值μ應該等於所有樣本平均值的平均值加減一定的標準差。 但是我們不可能抽無限次的樣本，只能假定單一抽樣就代表無限次抽樣後的平均值。因此我們對母體平均值的估計就是依照抽樣結果。 抽樣原理(2) 根據上圖，我們知道，68%的樣本平均值會落在μ加減一個標準差的範圍中。如果是μ加減兩個標準差的範圍，則會包含95%的樣本平均值。如果是μ加減三個標準差的範圍，則會包含99%的樣本平均值。 換句話說，68%的樣本平均值加減一個標準差會包含μ 。以此類推。 信賴區間 抽樣誤差 抽樣一定會有誤差，也就是根據樣本的調查結果跟真實母體之間有一定的差距，稱為抽樣誤差。 抽樣誤差代表一種區間，也就是樣本估計的結果被包含在一定的上下限。 根據中央極限定理, n,N,N-n夠大時 ~N(0,1) 抽樣誤差(1) 因為在二次分布，變異數為sqrt[p(1-p)/n], 而p=0.5時,