chapter7-样本设计及现场工作.pdf

Chapter 7 Sampling and Field Work 第 章样本计划与现场工作 本章学习目标 熟悉样本设计术语 选择样本的原因——学会操作和掌握足够信息 的方法 了解“概率”和“非概率”抽样方法的区别 能设计样本计划 了解现场工作的流程 样本和抽样的基本概念  总体是指根据调研计划的目的所规定的研究整 体。  比起调研者，经营者倾向于有一个不明确的总体定 义。这是因为调研者必须非常精确的定义，而经营者 只在较普通的情况下使用它。  样本 是能代表整体的总体的子集。 经营者常常会忽略定义的“实质” 内容，而将任何样本假 定为一种代表性样本。然而，调研者在察觉样本误差 方面是训练有素的，并非常仔细的评价被选为样本的 子群体代表性程度。  样本单位 是调研中最基本的被调查对象。 抽样框是总体所有样本单位的完整列表 抽样框是总体所有样本单位的完整列表 抽样框误差是抽样框不能解释总体的程度。 抽样框误差是抽样框不能解释总体的程度。 抽样框误差来源： 抽样框误差来源： 总体的一部分成员不在抽样框； 总体的一部分成员不在抽样框； 抽样框内一部分成员不属于目标总体。 抽样框内一部分成员不属于目标总体。 普查被定义为一种完整总体的说明， 普查被定义为一种完整总体的说明， 普查的最好例子也许是全国人口普查。 普查的最好例子也许是全国人口普查。 选取样本的理由 样本几乎总是比普查更易被采用的理 由通常有两条： 1.由于成本和总体大小的原因使样 本比普查更值得考虑 2.专职的调研公司或专职的调研者 不可能分析处理由普查产生的大量数据 两种基本的抽样方法： 概率与非概率 概率抽样 即总体的成员都有一个 被选为样本的已知非零概率 非概率抽样 即总体的成员选为样本 的概率是未知的 概率抽样(随机抽样)  概率抽样以概率理论为依据,通过随机化的机械 操作程序取得样本,所以能避免抽样过程中的人 为因素的影响,保证样本的客观性。  虽然随机样本一般不会与总体完全一致,但它所 依据的是大数定律,而且能计算和控制抽样误差, 因此可以正确地说明样本的统计值在多大程度 上适合于总体。  根据样本调查的结果可以从数量上推断总体,也 可在一定程度上说明总体的性质、特征。 大数定律（laws of large number)  概率论历史上第一个极限定理，贝努里定 律。  在随机事件的大量重复出现中，往往呈现几 乎必然的规律，这个规律就是大数定律。通 俗地说，这个定理就是，在试验不变的条件 下，重复试验多次，随机事件的频率近似于 它的概率。  偶然中包含着必然。 非概率抽样(不等概率抽样或非随机抽样)  调查者根据自己的方便或主观判断抽取样 本的方法.  它不是严格按随机抽样原则来抽取样本,所 以失去了大数定律的存在基础,也就无法确 定抽样误差,无法正确地说明样本的统计值 在多大程度上适合于总体.  虽然根据样本调查的结果也可在一定程度 上说明总体的性质,特征,但不能从数量上推 断总体。 四种不同的概率抽样方法 简单随机抽样 （simple random sampling ） 调研者利用随机数字表，随机数据号盘或其 他一些随机数据选择程序保证总体的每个成 员都具有被选为样本的同等机会 系统抽样 （Systematic Sampling ） 利用总体的成员一览表，调研者选定一个随 机起点作为第一个样本。然后，每相隔一个 恒定的间隔选出其他的样本。不论选定哪个 起点间隔必须正好落在整个总体内 四种不同的概率抽样方法 整群抽样（Cluster Sampling） 整群抽样又称聚类抽样。是将总体中各单位归并 成若干个互不交叉、互不重复的集合