抽样方案设计 名词解释.docxVIP

抽样方案设计名词解释

一、核心基础名词

1.抽样方案设计

指为实现特定研究或调查目标，系统性规划抽样全过程的技术与方法体系。核心是在明确研究总体、调查精度、成本约束的基础上，确定抽样框架、抽样方法、样本量、估计方法及质量控制措施，确保样本具有代表性，以通过样本数据推断总体特征，平衡调查效率、成本与结果可靠性。

2.总体（Population）

又称母体，指研究对象的全部集合，是抽样推断的目标范围。按属性可分为有限总体（总体单位数量可明确计数，如某学校全体学生）和无限总体（总体单位数量不可穷尽，如连续生产的产品）；按研究视角可分为目标总体（理论上符合研究条件的全部对象）和实际总体（可接触、可调查的总体子集，受调研条件限制）。

3.样本（Sample）

从总体中按一定规则抽取的部分研究对象集合，是实际开展调查、获取数据的载体。样本需具备代表性（样本特征与总体特征一致）和随机性（抽样过程无主观偏向），其质量直接决定抽样推断结果的准确性。样本中的每个研究对象称为“样本单位”。

4.样本量（SampleSize）

样本中包含的样本单位数量，是抽样方案设计的核心参数之一。样本量并非越大越好，需结合总体规模、调查精度要求、抽样方法、数据变异程度及调查成本综合确定，过小会导致抽样误差过大、结果不可靠，过大则会增加调查成本、降低效率。

5.抽样框架（SamplingFrame）

又称抽样框，指包含总体全部单位的清单、名录或载体，是抽样的基础依据。理想抽样框需与目标总体完全一致，无遗漏、无重复、无额外单位（即“框内单位=目标总体单位”），常见形式包括户籍名录、企业清单、地域地图、电话号码簿等，抽样框缺陷（如遗漏、重叠）会导致抽样误差。

二、抽样方法相关名词

1.概率抽样（ProbabilitySampling）

又称随机抽样，指总体中每个单位都有明确、非零的被抽中概率，且概率可计算的抽样方法。其核心优势是可通过样本数据科学估计抽样误差，确保推断结果的可靠性，是学术研究、官方统计调查的主流方法，常见类型包括简单随机抽样、系统抽样、分层抽样、整群抽样等。

2.简单随机抽样（SimpleRandomSampling,SRS）

概率抽样的最基本形式，指从总体中不加任何分组、排序，随机抽取n个单位组成样本的方法。抽取方式可分为重复抽样（样本单位被抽中后放回总体，可再次被抽中）和不重复抽样（样本单位被抽中后不放回，仅能被抽中一次），适用于总体规模不大、单位分布均匀、抽样框完整的场景。

3.分层抽样（StratifiedSampling）

又称类型抽样，指先将总体按某一或多个特征（如年龄、性别、地域、行业）划分为若干互不重叠的子总体（称为“层”），再从每个层中独立采用概率抽样方法抽取样本的抽样方式。分层可降低层内数据变异，提升样本代表性，适用于总体内部差异较大的场景，按样本分配方式可分为比例分层抽样和非比例分层抽样。

4.系统抽样（SystematicSampling）

又称等距抽样，指先将总体单位按一定顺序（如编号、时间、空间）排列，计算抽样间隔k（k=总体规模/样本量），随机确定起始位置，再按固定间隔依次抽取样本单位的方法。其操作简便、效率高，适用于总体规模大、单位排列均匀的场景，但若总体存在周期性波动，可能导致抽样偏差。

5.整群抽样（ClusterSampling）

指先将总体划分为若干互不重叠的群体（称为“群”），每个群包含若干总体单位，再随机抽取部分群作为样本，对抽中群内的全部单位进行全面调查的抽样方法。与分层抽样的核心区别是：群内单位差异大、群间差异小，适用于总体分布分散、抽样框难以获取个体信息的场景，优点是成本低、效率高，缺点是抽样误差通常大于分层抽样。

6.多阶段抽样（MultistageSampling）

指将抽样过程分为两个及以上阶段逐步开展，先抽取较大的抽样单位（一级单位），再从抽中单位内抽取较小的二级单位，依次类推，最终抽取样本单位的抽样方法。例如，调查全国居民收入时，可先抽省（一级单位）、再抽市（二级单位）、再抽社区（三级单位）、最后抽居民（样本单位），适用于总体规模大、分布范围广的复杂调查场景。

7.非概率抽样（Non-ProbabilitySampling）

指总体中每个单位的被抽中概率未知或无法计算的抽样方法，抽样过程依赖研究者主观判断或便利条件。其操作简便、成本低，但无法估计抽样误差，推断结果不可靠，仅适用于探索性研究、预调查或无法开展概率抽样的场景，常见类型包括方便抽样、判断抽样、配额抽样、滚雪球抽样等。

三、误差与精度相关名词

1.抽样误差（SamplingError）

指由于抽样的随机性，样本统计量（如样本均值、比例）与总体参数（如总体均值、比例）之间的差异。仅存在