Please enable JavaScript.

Coggle requires JavaScript to display documents.

基本概念 - Coggle Diagram

- - - - 操作简便，如果有辅助信息，对总体内的单元进行有组织的排列，可以有效提高估计精度
    - - 对估计量方差的估计比较困难
    - - 将总体中的所有单元（抽样单元）按一定顺序排列，在规定的范围内随机抽取一个单元作为初始单元，然后按事先规定好的规则确定其他样本单元，这种抽样方法称为系统抽样
  - - - 简化了抽样框的编制；保证样本相对集中，节省费用
    - - 精度低
    - - 对总体先分群，再以群做抽样单位，群内进行全面调查:
    - - 群内差异大，群间差异小
  - - - 保证了样本的多样性；样本结构与总体结构相似，提高了估计的精度；即可对总体参数估计，也可对各层估计；便于组织
    - - 编制抽样框麻烦
    - - 将抽样单元按某种特征或某种规则划分为不同的层，然后从不同的层中独立、随机地抽取样本，将各层的样本结合起来，对总体的目标量进行估计。
    - - 层内差异小，层间差异大
  - - - 提高样本代表性，多阶段抽样具有整群抽样的优点，它保证了样本相对集中，从而节约了调查费用；不需要包含所有低阶段抽样单元的抽样框；同时由于实行了再抽样，使调查单元在更大的范围内展开。在较大规模的抽样调查中，多阶段抽样是经常采用的方法。
    - - 增加一个抽样阶段，就意味着增加了一份估计误差，对总体的估计也会变得更加复杂。
    - - 采用类似整群抽样的方法，首先抽取群，但不是调查群内的所有基本单元，而是再进一步抽样，从选中的群中抽取出若干个基本单元进行调查。因为取得这些接受调查的基本单元需要两个步骤，所以将这种抽样方式称为两阶段抽样。这里，群是初级抽样单元，第二阶段抽取的是基本抽样单元。
  - - - 简单，方便，省钱
    - - 抽样框难构造，样本分配分散，无法利用辅助信息估计
    - - 是从抽样框内的N个抽样单元中随机地、一个一个地抽取n个单元作为样本，在每次抽选中有未入样的待选单元入选样本的概率都相等，这n个被抽中的单元就构成了简单随机样本。
    - - 样本小，差异小
- - - - 估计量本身有偏；非抽样误差因素
  - - - 可能样本取值越密集，在总体增值附近越有效，方差越小越有效
    - - 随着样本量的增大，估计量的值如果稳定于总体参数的真值，这个估计量就有一致性，可称为一致估计量
    - - 对于不放回简单随机抽样，所有可能的样本均值取值的平均值总是等于总体均值，这就是样本均值估计量的无偏性
- - - - 抽样误差是由于抽样的随机性造成的，用样本统计量估计总体参数时出现的误差。样本量越大抽样误差越小
    - - 随机抽到不同的样本，对总体的估计就会不同
  - - - 指除抽样误差以外，由其他原因引起的样本统计量与总体真值之间的差异
    - - 无回答误差：包括随机问答时被调查者不在和调查对象主观不愿意回答
      - 计量误差：诱导、错误、作弊、理解偏误、记忆不清、弄虚作假等
      - 抽样框误差：抽样框不完善，存在重复遗漏等现象
- - - - 每个被抽中的样本称为入样单位
    - - 样本中包含的入样单位的个数称为样本量