03 抽样

●统计推断（statistical inference）：

通过样本指标来说明总体特征，这种从样本获取有关总体信息的过程称为统计推断。

● 抽样误差（sampling error）：

由个体变异产生的，随机抽样造成的样本统计量与总体参数的差异，称为抽样误差。

●标准误（standard error of mean，SEM ）及 X s ：

通常将样本统计量的标准差称为标准误。许多样本均数的标准差X s称为均数的标准误，它反映了样本均数间的离散程度，也反映了样本均数与总体均数的差异，说明均数抽样误差的大小。可通过增加样本含量，设计减少标准差来降低标准误。

●可信区间（confidence interval，CI）：

按预先给定的概率确定的包含未知总体参数的可能范围。该范围称为总体参数的可信区间。它的确切含义是：可信区间包含总体参数的可能性是1- a ，而不是总体参数落在该范围的可能性为1-a 。

●参数估计：

指用样本指标值（统计量）估计总体指标值（参数）。参数估计有两种方法：点估计和区间估计。

●假设检验中 P 的含义：

指从H0 规定的总体随机抽得等于及大于（或等于及小于）现有样本获得的检验统计量值的概率。

●I 型和II 型错误：

I 型错误（type I error ），指拒绝了实际上成立的H0，这类“弃真”的错误称为I 型错误，其概率大小用a 表示；II 型错误（type II error），指接受了实际上不成立的H0，这类“存伪”的误称为II 型错误，其概率大小用b 表示。

●检验效能：

1- b 称为检验效能（power of test），它是指当两总体确有差别，按规定的检验水准a 所能发现该差异的能力。

●检验水准：

是预先规定的，当假设检验结果拒绝H0，接受H1，下“有差别”的结论时犯错误的概率称为检验水准（level of

a test），记为a 。

●抽样误差：

由个体变异和抽样造成的样本统计量与总体参数的差异为

抽样名词解释

抽样（Sampling）是指在研究或调查中，根据一定的方法和原则，从总体中选择少部分样本进行观察、测量或评估，并用样本结果推断总体特征的过程。

在研究或调查过程中，如果直接对总体进行全面观察或测量，将会非常耗时、耗力、耗资。因此，通过抽样可以通过观察或测量样本的特征，推断总体的特征，从而在节约时间和资源的前提下，得到总体的相关信息。

抽样是科学研究中的重要方法之一，它在极大程度上减少了数据收集和分析的复杂性，并且能够提供总体特征的可靠估计。以下是一些常见的抽样名词及其解释：

1. 简单随机抽样（Simple Random Sampling）：是最基本的抽样方法，指在总体中的每个个体都有等概率地被选入样本的抽样方法。

2. 分层抽样（Stratified Sampling）：将总体分为不同层次，并在每个层次中进行简单随机抽样的方法，以保证样本能够充分代表总体的各个层次。

3. 系统抽样（Systematic Sampling）：按照一定的顺序和间隔，从总体中选择样本的方法。例如，每隔一定间隔选取一个样本。

4. 整群抽样（Cluster Sampling）：将总体划分为若干个互不重叠的群组，然后随机选择部分群组作为样本，并对选中的群组进行全面观察或测量。

5. 方便抽样（Convenience Sampling）：根据研究者方便的要素对样本进行选择，不符合随机性要求，降低了样本的代表性，主要用于初步调查或探索性研究。

6. 特殊抽样（Purposive Sampling）：根据研究者需要的特殊要素对样本进行选择，例如选择具有特定特征的个体或群体。

7. 集群抽样（Multistage Sampling）：将总体分为若干层次的群组，先抽取群组作为初步样本，然后再从每个选中的群组中随机抽取个体作为最终样本。

8. 集中抽样（Quota Sampling）：根据特定的目标，对样本人群按比例或数量设定配额，以确保样本能够代表总体特征。

常见的抽样方案有哪些

常见的抽样方案有哪些

摘要：

抽样是研究和调查中常用的一种方法。本文将介绍常见的抽样方案，包括随机抽样、分层抽样、整群抽样、系统抽样、多阶段抽样和方便抽样。通过对每种抽样方案的特点、适用场景和操作步骤的详细阐述，旨在帮助研究人员和调查员选择合适的抽样方案，提高研究和调查的准确性和可信度。

一、随机抽样

随机抽样是一种简单且常见的抽样方法，它通过随机选择样本来代表总体。其特点是每个样本有相等的机会被选到，能够减少抽样偏差，提高可靠性。随机抽样包括简单随机抽样和系统随机抽样两种形式。简单随机抽样适用于总体不重分组的情况，操作步骤是先将总体元素编号，再通过随机数表或随机数发生器随机选择样本。系统随机抽样适用于总体重分组的情况，操作步骤是先按照一定顺序排列总体元素，再通过随机数表或随机数发生器选取一个随机开始点，之后按照一定间隔选择样本。

二、分层抽样 分层抽样是将总体划分为若干层次，并从每一层中抽取样本。分层抽样能够保证不同层次的个体都有机会被选入样本，增加样本的多样性，提高估计的准确性。分层抽样包括简单分层抽样和整群分层抽样两种形式。简单分层抽样操作步骤是先根据研究目的将总体划分为若干层次，再在每一层中进行简单随机抽样。整群分层抽样操作步骤是先将总体划分为若干群，再随机选择部分群进行调查，最后在被调查的群中进行全员或部分人员的抽样。

三、整群抽样

整群抽样是将总体划分为若干群，然后随机选择部分群进行调查，最后在被调查的群中进行全员或部分人员的抽样。整群抽样适用于群内个体的差异小于群间个体的差异的情况，能够简化调查过程，提高效率。整群抽样的操作步骤是先将总体划分为若干群，再随机选择部分群作为样本群，最后在样本群中进行全员或部分人员的抽样。

四、系统抽样

系统抽样是将总体中的元素按照一定顺序排列，然后按照一定间隔选择样本。系统抽样适用于总体中元素的排列没有规律和重复性的情况，能够减少随机抽样的随机性带来的不确定性。系统抽样的操作步骤是先将总体元素编号，再选择一个随机开始点，之后按照一定间隔选择样本。

抽样的方法与原则

抽样的方法主要分为随机抽样和非随机抽样两种。其中，随机抽样是根据一定的随机原则，在总体中随机选择样品，确保样品的代表性。常见的随机抽样方法有简单随机抽样、系统抽样、分层抽样和整群抽样等。非随机抽样则是根据研究目的、资源限制和实际情况等因素来选择样品，常见的方法有方便抽样、判断抽样、配额抽样和滚动抽样等。

在进行抽样时，需要遵循以下原则：

1. 代表性原则：样本应该能够代表总体的特征和属性，以便可以将研究结果推广到总体中。

2. 随机性原则：样本的选择应该是随机的，以避免选择的主观性和偏见。

3. 可行性原则：样本选择应该可行，即考虑到资源、时间和成本等因素。

4. 目标明确原则：样本选择应该根据研究目标和问题，以确保研究的准确性和有效性。

5. 科学性原则：样本选择应遵循科学的方法和统计原理，以确保抽样结果的可靠性和可信度。

6. 透明性原则：抽样过程应透明公正，确保抽样方法和结果的可复制性和可验证性。