09心理与教育研究方法-抽样设计(ppt63).pptVIP

抽样设计Sampling Design 抽样设计的意义 解决总体研究难以进行的困难 节省人力、时间、费用 提高研究结果的准确性和研究深度 有利于减少研究“污染”范围 减少损耗，保护总体 抽样设计的好坏直接影响到研究的效度 抽样设计的基本原则——随机性原则 目录 1 随机样本的概念 2 抽样设计的原则 3 分层随机抽样 4 整群抽样 5 有序抽样 6 样本规模的确定 7 有目的抽样 8 取样实例 9 练习 一、随机样本的概念 总体（population）是研究者感兴趣的研究对象的总合。 样本（sample）是总体的子集。是从总体选取的有限数目的成分或元素，用以代表总体。 研究中以样本为基础，通过统计推断，作出有关总体的结论。 一、随机样本的概念 随机样本也称概率样本，总体成员被选入样本的概率都不为零。在简单随机样本中，总体各成员被选中的概率相等。 取样的置换性 非置换随机取样 随机样本是一个无偏样本。即，由于随机变化的原因，样本中的个体成员是变动的。 样本的代表性 必须明确规定所研究总体的基本特征，当样本相似于总体特征的特点时，就认为获得了“代表性样本”。 随机选择和随机分布 随机选择和随机分布不完全同义，它们都用于获得样本的代表性和消除可能的偏差。 当个体被随机选择为总体的代表时，就用到随机选择概念； 随机分布的概念通常用在实验中，总体中的成员被随机分配到不同的小组或不同的处理中，他们可以是、也可以不是直接从一个较大总体中选择出来参与实验的。// 随机选择的实例 一所大学内的研究机构从容量为6821名新生的总体中随机抽取了250人组成了一个随机样本，用来进行一项关于大学生生活态度的调查。这就是随机选择，250名样本成员就代表了6821名新生。 如果我们把调查结果推论到6821名新生中去，这是一种完全真实的、有统计依据的推论。// 随机分布的实例 一位心理学者为大学2年级学生开设的心理学课有90名学生注册。他用3种不同的材料进行一项学习实验。90名学生全部参加。每30名学生被随机分配在一个组接受一种处理。用随机分布的方式分配到不同处理中去的30名学生不是确定的。每个学生都有可能被分配到任何一组中去接受实验。// 随机分布的实例 这90个学生代表什么总体？他们不是从一个较大容量的总体中随机选择出来的。他们参加实验的理由是他们注册选修了心理学课程。在这种情况下，心理学者有时候可能认为这90名学生可以代表整个大学生总体，有时候可能认为不能。如果这所大学的2年级学生与其他大学的2年级学生特别相似，此实验结果就可以推广到其他大学的2年级学生总体中去。但推论到整体青年人总体是不恰当的。这种推论是一种逻辑上的讨论。 简单随机抽样的方法 使用随机数字表 53981 02015 32111 97250 05664 95068 88628 35911 14530 33020 54463 47237 73800 91017 36239 71824 83671 39892 60518 37092 抽签或抓阄 抽样误差与抽样偏差 当随机样本被用来代表总体时，样本统计值与总体参数之间的差叫做抽样误差(sampling error)，它是一个变动量。 例如，从1675名5年级学生中随机抽取150名作为样本，如果样本的数学考试平均分是86.3，总体的平均分不一定是86.3，但大约是86.3。 随着样本容量的加大，因随机波动导致的变动量会减小，抽样误差也减小。 抽样误差的计算 μ x = μ 样本平均数的平均数等于总体的平均数 Qx = Q/sqrt (n) 样本平均数的标准误与总体的标准差成正比，与样本容量的平方根成反比 Sx = S/sqrt (n) 样本平均数的标准误就是抽样误差的大小 抽样误差与抽样偏差 抽样偏差(sampling bias)是由于选择样本的方式不恰当而造成的错误，它使样本对总体来说不具代表性。 例如，前述的1675名学生是来自5所小学，如果我们从每个小学选择一个高能力班，每班30人，这150名学生的数学考试平均分为98分，这个分数显然不能代表总体，因为发生了抽样偏差。 在问卷调查中，被调查者无应答也可能造成抽样偏差，尽管最初的样本是随机选择的。回答者对回答与不回答的选择造成了一个有偏差的样本。/ 抽样偏差的实例 1936年罗伯和克莱斯利曾进行一项民意测验，该测验结果预示阿尔夫·兰登将在总统竞选中获得比富兰克林·罗斯福多15%的选票。抽样是随机的，但样本却主要从电话簿和汽车登记册中选择的。这是一个抽样偏差的典型例子。同年，盖洛普根据选民的收入按比例取样并加权校正，预测罗斯福获