08-第八章_整群抽样

第八章：归纳推理

1、归纳推理：是以个别性知识为前提而推理一般性结论的推理。前提是一些关于个别事物或现象的判断，而结论是关于该事物或现象的普遍性判断。

2、归纳推理与演绎推理的关系：

（1）联系：演绎推理离不开归纳推理，演绎推理的大前提是由归纳推理提供的，归纳推理也离不开演绎推理，归纳推理以个别性知识的判断为前提，而这些个别性的知识是通过观察、实验等方法获得的。

（2）区别：1、从思维过程来看，演绎推理是从一般性认识推出个别性认识，而归纳推理是从个别性认识推出一般性认识，2、从结论所断定的知识范围来看，演绎推理的结论没有超出前提所断定的知识范围，而归纳推理的结论由个别性知识经概括得到一般性知识，超出了前提所断定的范围，3、从前提与结论联系的程度来看，演绎推理的前提与结论之间具有必然的联系，只要前提真实，形式正确，就能必然地推出真实的结论，而归纳推理（除完全归纳外）的前提与结论之间只具有或然性联系，前提真实，结论不一定是真实的。

3、归纳推理的种类：分完全归纳推理和不完全归纳推理两大类。不完全归纳推理又分为简单枚举法和科学归纳法两种，在科学归纳法中，包括有探求因果联系的五种方法。

（1）完全归纳法：根据某类中每一个对象具有的某种属性，推出该类对象都具有某种属性的推理。

（2）不完全归纳推理：是根据一类中的部分对象具有的某种属性，从而得出该类对象都具有某种属性的推理。它只断定了某类事物种部分对象具有的某种属性，而结论却是断定该类全部对象都具有某种属性，结论所断定的范围超出了前提所断定的范围，因此，前提与结论之间的联系是或然性的。不完全归纳推理可分为两种，一种是简单枚举法，一种是科学归纳法。

* 简单枚举法：是以经验的认识为主要依据，根据一类事物中部分对象具有的某种属性，并且没有遇到与之相反的情况，从而推出该类所有对象都具有某种属性的归纳推理。

完全归纳推理的推理形式可以表示为：

s1是P s2是P s3是P

（抽样检验）第七章整群抽样

第七章整群抽样

第壹节整群抽样概述

壹、整群抽样的概念

整群抽样是先将总体各单元划分成若干群（组），然后以群为单位，从中随机抽取壹部分群，对中选群内的所有单元进行全面调查。确切地说，这种抽样组织形式应称为单级整群抽样。

如果总体中的单元能够分成多级，则能够对前几级单元采用多阶抽样，而在最后壹阶中对该阶抽样单元所包含的全部个体（最基本单元）进行调查，这种抽样称作多级整群抽样。本章只讨论单级整群抽样。

设总体被划分为Ｎ群，第i群含有Ｍi个次级单元，全部总体次级抽样单元数记为Ｍ0，即Ｍ0＝∑Mi。当诸Ｍi都相等时，称为等群；否则，称为不等群。

采用整群抽样的俩个理由：

-抽选群能大大降低数据收集的费用，当总体的分布比较广且调查采用面访时更是如此；

-从总体中直接抽选个体在实际中且不总是可行的（没有关于个体的抽样框）；有时，抽选单元组成群体组更简便易行（如整个住户）。

整群抽样包括俩步：首先，总体被分为群；然后，在总体中抽取群的样本且访问群中的所有单元。

如果总体单元是自然分成组或群的，创建壹个这种关于群的抽样框且对它们进行抽样比创建总体中所有单元的名录框更为容易。或者，无法得到关于总体中所有单元的名录框，但却有这些单元分布地域的地图，因而能够创建地域框。

群的抽取能够采用简单随机抽样、系统抽样或PPS抽样等各种不同的方法。 二、群的划分问题

整群抽样策略的统计效率取决于群内单元的相似程度有多大，每个群中有多少单元，及抽中群的数量。

同分层抽样壹样，整群抽样的前提是先要对总体进行分群。关于群的划分，有俩个问题：壹是如何定义群，即当群且非是壹个自然形成的单位时，确定每个群的组成；二是如何确定群的规模即群的大小。

分层抽样是在各层都进行随机抽样，“层是缩小了的总体”，抽样单元仍然是总体基本单元。这决定了分层的原则是：尽量缩小层内差异，而扩大层间差异。而整群抽样只是在各群之间抽取壹部分群进行调查，且在抽中的群内作全面调查。因此，群间差异的大小直接影响到抽样误差的大小，而群内差异的大小则不影响抽样误差。在这里抽样单元是各个不同的群体，所以“群实际上是扩大了的总体单元”。所以，对于前壹个问题，群的划分应该是：尽量扩大群内差异，而缩小群间差异。按此原则分群，则能保证每个群对总体都具有足够好的代表性。作为极端情况，假定各群之间总体单元的分布完全相同，即群间不存在任何差异，那么只需抽取壹个群进行调查就能充分满足抽样估计精确度的要求，整群抽样的效率就很高。这就是说，整群抽样特别适合于群内差异大、而群间差异小的情况。这样，每个群都具有足够好的代表性。如果所有的群都相似，那么抽少数群就可获得相当好的精度；反之，若群内的单元比较相似，而群和群之间的差别较大，则整群抽样的效率就低。所以分群的原则使“群内差异大、群间差异小”和分层的原则使“层内差异小，层间差异大”是恰好相反的。然在使用自然群时，同壹个群内的单元通常非常相似，从而导致这种抽样策略的效率比简单随机抽样低。

抽样方法几种分析

抽样方法的几种分析

1.抽样的基本方法

抽样方法基本上可分为随机抽样法和预定抽样法。

2.随机抽样法

这种抽样方法是以概率理论的原理为基础的，即基本整体中的每一个具体单元都有相同被抽中的机会（例如：掷骰子）。

⑴简单随机抽样法

它直接从基本整体中抽出子样，前提条件是该整体至少能以标记形式来表示（例如：卡片），并可以混合至保证使每个单元都能有相同的被抽样的机会。简单随机抽样法简单易行，至于整体的某些特征及其分布情况不需要知道。但如果整体情况比较分散，彼此的差距比较大，则误差就可能较大。

所有的随机抽样方法都是以票箱模型为基础的（如抽彩票），即所有的票单（组成样本的单元）都标上号，装入票箱，封闭，然后抽票。一张票单在认定结果后再放回票箱，即整体数量保持不变。用这种方法来确定调查对象，就像用掷骰子来确定对象一样（整体数量不大时可以使用）。如果将抽样的票单放在一边可以避免出现重复。当

整体数量很大时，常采用下列方法代替票箱模式，因为在实际运用中它们的速度更快，也更完善。

①乱数表抽样。例如用两只骰子掷数，可得下表所列数字：13、

45、65、36、22、24、31、43、61、52、55、16、23、14、25。每隔两位取一个数字，即可得到：65、24、61、16、25。从整体中抽出的这些数字就是所取得的子样。

②尾数抽样（根据最后一个数字抽样）。将整体中的每一个单元都按顺序编上号，然后将例如 7、17、27、37等号抽出作为子样。

③字母抽样。例如将整体中所有以“P”为姓名的第一个字母的人抽出来作为样本，但条件是必须在整体中所有姓的第一个字母均匀分布情况下得到“P”。 ⑵分层随机抽样法

分层随机抽样法是将混合着多种主要调查特征的综合性整体，分成不同类型的小组（层次），要求小组成员具有尽可能一致的特征，然后再从这些特征比较一致的小组（层次）中用相应的简单随机抽样法抽出所需的样本。例如：以一个国家为基本整体，各省份为小组。这种抽样方法特别适用于基本整体的特征表现为非均匀性（如：各省购买力不同），它能减少因采用简单随机抽样的方法而产生的偏差。分层方法有：①按比例的分层抽样。每一层中样本的比例同在基本整

（标准抽样检验）第七章整群抽样

第七章整群抽样

第一节整群抽样概述

一、整群抽样的概念

整群抽样是先将总体各单元划分成若干群（组），然后以群为单位，从中随机抽取一部分群，对中选群内的所有单元进行全面调查。确切地说，这种抽样组织形式应称为单级整群抽样。

如果总体中的单元可以分成多级，则可以对前几级单元采用多阶抽样，而在最后一阶中对该阶抽样单元所包含的全部个体（最基本单元）进行调查，这种抽样称作多级整群抽样。本章只讨论单级整群抽样。

设总体被划分为Ｎ群，第i群含有Ｍi个次级单元，全部总体次级抽样单元数记为Ｍ0，即Ｍ0＝∑Mi。当诸Ｍi都相等时，称为等群；否则，称为不等群。

采用整群抽样的两个理由：

-抽选群能大大降低数据收集的费用，当总体的分布比较广且调查采用面访时更是如此；

-从总体中直接抽选个体在实际中并不总是可行的（没有关于个体的抽样框）；有时，抽选单元组成群体组更简便易行（如整个住户）。

整群抽样包括两步：首先，总体被分为群；然后，在总体中抽取群的样本并访问群中的所有单元。

如果总体单元是自然分成组或群的，创建一个这种关于群的抽样框并对它们进行抽样比创建总体中所有单元的名录框更为容易。或者，无法得到关于总体中所有单元的名录框，但却有这些单元分布地域的地图，因而可以创建地域框。

群的抽取可以采用简单随机抽样、系统抽样或PPS抽样等各种不同的方法。

二、群的划分问题 整群抽样策略的统计效率取决于群内单元的相似程度有多大，每个群中有多少单元，及抽中群的数量。

同分层抽样一样，整群抽样的前提是先要对总体进行分群。关于群的划分，有两个问题：一是如何定义群，即当群并非是一个自然形成的单位时，确定每个群的组成；二是如何确定群的规模即群的大小。

分层抽样是在各层都进行随机抽样，“层是缩小了的总体”，抽样单元仍然是总体基本单元。这决定了分层的原则是：尽量缩小层内差异，而扩大层间差异。而整群抽样只是在各群之间抽取一部分群进行调查，并在抽中的群内作全面调查。因此，群间差异的大小直接影响到抽样误差的大小，而群内差异的大小则不影响抽样误差。在这里抽样单元是各个不同的群体，所以“群实际上是扩大了的总体单元”。所以，对于前一个问题，群的划分应该是：尽量扩大群内差异，而缩小群间差异。按此原则分群，则能保证每个群对总体都具有足够好的代表性。作为极端情况，假定各群之间总体单元的分布完全相同，即群间不存在任何差异，那么只需抽取一个群进行调查就能充分满足抽样估计精确度的要求，整群抽样的效率就很高。这就是说，整群抽样特别适合于群内差异大、而群间差异小的情况。这样，每个群都具有足够好的代表性。如果所有的群都相似，那么抽少数群就可获得相当好的精度；反之，若群内的单元比较相似，而群与群之间的差别较大，则整群抽样的效率就低。所以分群的原则使“群内差异大、群间差异小”与分层的原则使“层内差异小，层间差异大”是恰好相反的。然在使用自然群时，同一个群内的单元通常非常相似，从而导致这种抽样策略的效率比简单随机抽样低。