企业研究方法11 第11章 抽样.ppt

* 第11章 抽样 本章学习目的： 1.定义抽样、样本、总体、元素、受试者及总体架构。 2.描述与讨论不同的抽样设计。 3.针对研究目的使用适当的抽样设计。 4.解释为何使用样本数据来检验假设。 5.讨论精确性与信度。 6.估计样本规模。 7.讨论决定样本规模时应考虑的因素。 8.讨论抽样的效率性。 9.讨论抽样设计的共性。 10.将本章学到的工具应用于课堂作业和研究项目中。 本章学习重点：定义抽样、样本、总体、元素、样本的代表性、概率抽样、精确性与可信度的取舍、抽样的效率性、定性研究的抽样。 11.1总体、元素、总体架构、样本和研究对象 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 。要了解的概念： 总体 　　总体是指研究者希望研究的人、事、物的全体。 元素 　　元素( element )是总体的单一成员。 总体架构 　　总体架构是总体中所有元素的清单,样本也从中取得。 样本 　　样本是总体的子集合,是来自总体的部分成员。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。 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。 11.2抽样 抽样是从总体中选取足够元素的过程,所以针对样本的研究以及对其属性与特征的了解可以推广到总体上。总体的特征如μ(总体平均值)、σ(总体标准差)以及σ2(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,从样本中所得到的全部结论都可推广到总体上。换句话说,样本统计量X(样本平均值)、S(样本标准差)以及S2(样本方差)都 是用来估计总体参数μ(总体平均值)、σ(总体标准差)以及σ2(总体方差)的数值。 11.2.1抽样的原因 能减少搜集资料时可能产生的误差吗？--毁灭性抽样 11.2.2样本的代表性 11.3正态分布 总体的属性或特征通常呈正态分布。 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。 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。 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。 什么时候不要太关注样本的代表性？获取信息的急迫性凌驾于高度的正确性。 问题：1.本研究的目标总体是什么? 　　2.统计调查中,研究参数是什么? 　　3.使用何种抽样架构? 　　4.需要多少样本? 　　5.抽样设计会产生多大成本? 　　6.有多少时间可从样本中搜集 11.4概率抽样与非概率抽样 在概率抽样中,总体的元素被选取为样本的机会或概率是已知的。在非概率抽样中,并不知道元素被选取为样本的先决机会或概率。若要求研究具有较高的共性,这时样本代表性变得非常重要,可使用概率抽样设计。若时间或其他因素比共性重要时,则通常会使用非概率抽样。 这两种主要的设计有不同的抽样策略。要选择哪一种抽样方法取决于研究所需得到的共性程度、研究时间、其他因素的需求,以及研究目的。 11.5概率抽样 总体的属性或特征通常呈正态分布。 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。 11.5.1非受限概率抽样或简单随机抽样 在非受限概率抽样设计(即广为人知的简单随机抽样)中,总体的每一个元素被选取为研究对象的机会是已知的和相等的。 五种常见的复杂概率抽样设计是:系统抽样、分层随机抽样、聚类抽样、区域抽样以及双重抽样 。 1.系统抽样 　　系统抽样设计从总体中抽取每第n个元素,抽样始点从1到n中的元素中随机选择。 2.分层随机抽样 　 虽然抽样有助于估计总体参数,但总体中可能有可识别的元素子群体在所研究的变量上拥有不同的参数。 分层随机抽样包含一个分层或区隔的过程,然后从各层随机抽出研究对象。首先将总体分成互斥的群体,这种分组方式应适当,一般应与研究背景相关。 分层的用意在于确保每一层内是同质的(即在每一层中变量具有极少量的方差或离散情形),但在层与层之间是异质的(具方差性)。换句话说,组间方差多于组内方差。 　3.聚类抽样 　　　　所谓聚类抽样是指所抽样的群体中各成员具有异质性。 4.区域抽样 　　区域抽样设计构成了地理上的聚类体,即当研究总体分布于可辨别的地理区域中,如县市、城市街区或地区的特定区域内就可采用区域抽样。 5.双重抽样 　　这