Please enable JavaScript.
Coggle requires JavaScript to display documents.
🔀🤹 隨機抽樣法 Random Sampling, 🔣🤹 簡單隨機抽樣 Simple Random Sampling, 🔢🤹 …
🔀🤹
隨機抽樣法
Random Sampling
▴同質母群體
🔣
簡單隨機抽樣
Simple Random Sampling
當母群體為同質母群體時，
將母群名單中的每一個個案予以編號，
並隨機抽取亂數表的號碼，
被抽中的個案即為樣本。
💱
系統隨機抽樣
Systematic Random Sampling
當母群體為同質母群體時，
將母群名單中的每一個個案予以排列，隨機決定起始點後，
再計算出抽樣間距，每逢若干距離的週期時，
即抽取一個個案作為樣本，使抽出的樣本均勻地分布在母群名單中。
▴異質母群體
🔢
分層隨機抽樣
Stratified Random Sampling
當母群體為異質母群體時，
以窮盡、互斥的方式，
使每一種元素皆應被涵蓋且不能被重複歸類，
將母群名單細分為數個次級母群體後，
再以"簡單隨機抽樣法"或"系統隨機抽樣法"，
從各次級母群體中選取樣本。
🌳
集叢隨機抽樣
Cluster Random Sampling
當母群體為異質母群體時，
以集體作為抽樣單位，
羅列母群名單中的所有集體，形成抽樣架構後，
再針對所有集體進行隨機抽樣，
選取被抽中的集體當中的所有個體。
🔣🤹
簡單隨機抽樣
Simple Random Sampling
▴特性
🏁 同質母群體
Homogeneous Population
💽 樣本(N) 小
🤹🖇抽樣架構
掌握完整母群名單
小單位抽樣
🔤 抽樣步驟
① 🔢 將母群元素予以編號。
② *⃣ 依據母群體的大小，決定抽取的位數。
④🤏 以有系統的方式抽取。
③ 🔣 在亂數表上隨機決定起始點。
💽
樣本品質
▴缺點
N不大，適合小規模抽樣
🈁🧐 有選擇性觀察的風險
名單蒐集不易
▴優點
簡單易行
母群體資訊較單純
🚩 代表性最高
🔢🤹
分層隨機抽樣
Stratified Random Sampling
▴特性
🏳🌈 異質母群體
Heterogeneous Population
💽 樣本(N) 大
🤹🖇抽樣架構
掌握完整母群名單
大單位抽樣
🔤 抽樣步驟
① 將母群體作分類。
② ⚔ 窮盡、互斥。
④🤏 在各層抽取樣本。
簡單隨機抽樣
系統隨機抽樣
③ ✳ PPS等比例原則
符合
分層比例
隨機抽樣
不符合
分層非比例
隨機抽樣
💽
樣本品質
▴缺點
名單不易蒐集
需要複雜的母群資訊
💰 成本最高
▴優點
樣本(N) 大
避免選擇性觀察
🚩 代表性最高
💱🤹
系統隨機抽樣
Systematic Random Sampling
▴特性
🏁 同質母群體
Homogeneous Population
💽 樣本(N) 小
🤹🖇抽樣架構
掌握完整母群名單
小單位抽樣
🔤 抽樣步驟
① 將母群元素予以排列。
② 隨機決定起始點。
④🤏 每逢第K個即抽取。
③ 計算抽樣間距 (sampling interval)。
✽ 抽樣間距 K = n (母群體數) / N (樣本數)
💽
樣本品質
▴缺點
N不大，適合小規模抽樣
若抽樣間距=母群週期
🈁🧐 有選擇性觀察的風險
名單蒐集不易
🆘 易造成系統誤差 ( systematic error )
▴優點
最簡單易行
母群體資訊較單純
⌚🌌 適合時間、空間為抽樣對象
🌳🤹
集叢隨機抽樣
Cluster Random Sampling
▴特性
🏳🌈 異質母群體
Heterogeneous Population
💽 樣本(N) 最大
🤹🖇抽樣架構
掌握完整母群名單
大單位抽樣
🔤 抽樣步驟
① 將母群體作分類。
②🤏 隨機抽取集體。
③🤏 選取被抽中集體中所有個體。
💽
樣本品質
▴缺點
🚩 代表性最低
▴優點
樣本(N) 最大
名單容易取得
💰 成本最低