抽样方法与样本量估

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,抽样方法与样本量估计,张文斌,2013.12,为什么要抽样,抽样：经济、有效，是科学的。,抽样方法创始人-盖洛普,乔治盖洛普（Gallup,GeorgeHorace，19011984，美国数学家）,盖洛普1925-1928年就读,爱荷华,州立大学（文学学士、心理学硕士、新闻学博士）。他的博士论文题目是应用客观方法衡量读者对报纸兴趣的一种新技术，这篇论文包含着后来发展为盖洛普民意测验和舆论统计的思想。,1955年，盖洛普在新泽西州的普林斯顿创立美国舆论研究所，正式举办有关政治和社会事业问题的各种全国性民意调查包括对世界人民的态度、恐惧、希望、宗教信仰和风俗刁惯等的调查。这个研究所的成立，迅速使盖洛普民意测验具有了权威性，该研究所也称为盖洛普民意测验所。,盖洛普的成功,盖洛普方法,盖洛普使用的民意调查方法是一种代表性抽样调查方法，是他在从事新闻工作中发展起来的，根据对象的年龄、性别、教育程度、职业等标准，在全国各地区按比例选择测验对象，派调查员亲自去调查访问，根据统计测验结果进行分析，做出说明。这种方法就是所谓的“定额抽样法”，即将总体各单位按某些主要标识划分类型后抽取比例样本，是一种非概率抽样。,抽样调查的特点,特点1,：,抽取的样本作为一个“代表团”来代表总体。而不是随意挑选的个别单位代表总体。,特点2：,调查样本一般按随机的原则抽取，在总体中每个单位被抽取的机会相等。因此被抽中的单位在总体中是均匀分布的，不致出现倾向性误差，代表性强。,特点3：,所抽取的调查样本数量是根据误差的要求并经过科学的计算确定，在调查样本的数量上有可靠保证。,特点4：,抽样误差在调查前就可以根据样本量和总体中各单位之间的差异程度进行计算，并控制在允许范围内，调查结果的准确程度较高。,一、定义总体,二、确定抽样框架,三、选择抽样技术,四、确定样本容量,五、执行抽样过程,抽样设计过程,抽样调查的主要问题,抽样误差,抽样调查目的是用样本调查数据推断总体。但任何样本数据推断总体，都不可能得到确切的总体真值。即存在抽样误差。抽样调查理论基础在于用样本数据估计的总体值与总体真值之间的误差，不会影响数据的使用和对问题的决策。,如何正确认识抽样误差？,调查数据存在着误差是绝对的，而误差的大小是相对的，其相对性取决于研究的问题和需要的决策。在抽样方案设计时，需要对调查主要指标有一个误差的要求，即样本的抽样误差控制在什么范围，使其调查数据的使用对分析和决策问题没有影响或影响很小。这一误差标准没有统一的规定，取决于数据使用者分析问题与决策的要求。指标相对误差很小，数据精度太高，样本量需求量大；指标相对误差很大，精度太低，对使用者来讲数据不能用。,对抽样误差认识与使用的误区,一些研究者甚至部分官员不愿意或不习惯接受数据的误差范围，一谈到误差，惟恐别人说数据不准，将数据误差绝对。由于对数据误差的认识存在着误区，在如何使用数据上也存在着误区。抽样调查的数据拿来就用，不谈抽样误差和调查误差，认为调查数据就是总体的真值。在进行工作政绩考核或进行地区间的数据对比时，调查指标数据的高低变成了地区之间排队、政绩评比的依据，忽视了对数据误差的评估。现有的调查数据不仅没有正确地使用，反而还带来地区之间数据高低的相互攀比，同时也影响了以后抽样调查的数据质量。,如何确定恰当的抽样误差？,有,专家认为，抽样调查估计值的相对误差控制在以内，数据质量好，控制以内，数据质量较好，控制 以内，数据可用。一些国家在进行国家级抽样调查时，给出主要调查指标相对误差应控制的范围,规定了估计值的相对误差超过不能公布。,案例1,某研究论文中按“病情和就诊的先后顺序分组”。因病人就诊的先后顺序往往暗示其病情不同，尤其是当病人的病情轻重难以判断时若将先来就诊者分在一组，后来就诊者分在另一组，就不可避免的引入顺序误差(即一组病人的病情较另一组病人的病情重)，从而得出错误结论。,案例2,牛宏俐：,设计600户，实际只有435户（原因是拒访）,胡瑞：,按地区东中西（共6个县）、按县乡卫生机构（医院1-2所，卫生院10家），共抽取262人，按30%扩大样本至360人。,案例3,研究者用15个对象做试验,先按药物作用时间长短随机均分成5组，每组3个对象；接着又按药物的3种剂量将每组中的3个对象再均分成3个小组，每小组仅有1个对象。这个试验研究中的样本含量应当是15？还是1呢?,常用的抽样方法,抽样方法,概率抽样,非概率抽样,单纯,系统,分层,整群,方便,滚雪球,配额,典型,另外：不等概率抽样方法（probability proportional to size,PPS）,便利抽样,以研究者或访问者方便来选择被访者，通常被访者由于碰巧在恰当的时间正处在恰当的地点而被选中,使用学生以及社会组织成员；,医院拦截患者；,“街上的行人”访谈。,优点：便利抽样在所有抽样技术中成本最低、耗时最少，抽样单位易于接近；,缺点：不能代表总体。,配额抽样,配额抽样可以被看成两阶段有约束的判断抽样,第一阶段，由确定总体中的个体的控制类别或者配额组成，配额确保了样本的组成与总体的组成在特定特征方面相同；,第二阶段，样本个体在便利或者判断的基础上被选择出来,缺点是:缺乏对总体的代表性，无法计算抽样误差；,优点是:低成本，为每个配额选择个体对访谈人员而言较为容易。,滚雪球抽样,通常是先选出一组最初的调查对象，通常是随机选出的，在访谈之后，要求这些被访者推荐一些属于目标总体的其他人，根据这些推选出后面的被访者。与随机的方式相比，被推举的人将具备与推荐人更为翔实的人口及心理特征。,优点是：主要目的是估计总体中非常稀少的某些特征。,缺点是：这种方式非常耗时。,概率抽样与非概率抽样间作抉择,决择考虑方面,有利于使用的条件,非概率抽样,概率抽样,研究的性质,探索性,描述性,抽样误差与非抽样误差的相对大小,非抽样误差较大,抽样误差较大,总体的变异程度,同质（低）,异质（高）,统计上的考虑,不利,有利,操作上的考虑,有利,不利,第四次卫生服务调查（家庭健康调查）,方法：多阶段分层整群抽样,多阶段：,省（直辖市）,县（市、区）,乡（街道）,行政村（居委会）,户,分层：,地理位置（东、中、西），城乡结构（城市按大、中、小；农村按经济因素分1、2、3、4类地区），家庭收入（5个等级）,整群：,抽查户中每个成员都调查,第四次卫生服务调查（家庭健康调查）,户的抽样：,1.编号：,将样本村（居委会）内全部住户按名单顺序编号；,2.按系统抽样方法确定样本户抽样间隔：,国家样本点抽样间隔=本村（居委会）内户数/60（四舍五入。取整）,西部扩点抽样间隔=本村（居委会）内户数/33（四舍五入。取整）；,3.确定抽样户：,随机抽一张百元人民币，取其后4位数，该数除以抽样间隔后的余数K（0）定位第一个抽样户，然后k值加抽样间隔为第2个抽样户，以此类推。,抽样结果,94个县市/470个乡镇（街道）/940个行政村（居委会）/56456户/约18万人,第四次卫生服务调查（医务人员调查）,(China Health and Retirement Longitudinal Study,CHARLS),如何,确定样本量？,确定样本容量的方法,样本容量的确定通常是介于理论上的完善方案与实际的可行方案之间的一个折中方案。,教条式方法,成本基本法,统计分析法,教条主义方法,任意方法也许基于经验，如总体的5%规则,具有主观性,优点：容易确定，简单易行,缺点：无效率、不经济,成本基础法,将成本作为确定样本容量的基础,对于成本基础法的区别很大；,通常会忽视调查结果对管理决策的价值；,确定样本容量一个好的办法是考虑成本与调研对于经历的价值之间的关系；,统计分析法,一些统计分析方法对最小样本容量有要求,如果要讨论分类变量的影响，那么每一分类变量的样本数应符合统计分析数的需要；,要将每一类样本或子集看成一个总体。,1.单纯随机抽样,（simple random sampling）,（1）方法,先对调查总体的全部观察单位编号，然后随机抽取一部分作为样本,（2）标准误的计算,例14.1,例1,欲调查某农村小学学生的蛔虫感染率，该校有学生2000人，若取样本例数100人，试作单纯随机抽样设计。,解：,先将全校学生编号：0，1，2，3，1999；再用附表17随机数字表，任意指定某行某列，比如第5行第9列，由此处开始，向右依次抄录随机数字100组，每组4个数字，凡后面出现与前面相同的数字弃去，如得0873，3732，0405，6930，1609，0588，。凡首字8者减8，6者减6，4减4，2减2，依次得873，1732，405，930，1609，588，。,例2,（3）单纯随机抽样样本含量估算,无限总体所需样本量,估计总体率时,，若事件发生概率在0.20.8之间，则,若事件发生的概率小于0.2或大于0.8时，由于事件发生数服从Poisson分布，用Poisson分布的逼近公式计算：,估计总体均数时,，,有限总体所需样本量,其中，,N,为有限总体量，,n,是上式（1）、（2）、（3）估计的结果。,例3,某医院欲了解小学六年级学生的近视眼患病率，1998年试查患病率为8%，预计总体患病率约为10%，若取,=0.05,，问需抽查多少小学生？,例4,某医院拟用抽样调查了解本地区健康成人血红蛋白水平，要求误差不超过0.2（g/L),据文献报告，健康成人血红蛋白的标准差为1.5（g/L)，问需调查多少人（,=0.05,）？,单纯随机抽样的,优,缺,点,1.均数和标准误的计算简便,2.当总体例数较多时，对观察单位编号不易操作,2.系统抽样,（systematic sampling）,（1）方法,按照一定的顺序，机械地每隔若干个单位抽取一个观察单位的方法称系统抽样。,做法是：先将总体观察单位按某一顺序号分成n个部分，再从第一部分随机抽取第k号观察,单位，依次用相等间隔，从每一部分各抽取一个观察单位组成样本。,（2）标准误的计算,系统抽样误差随总体性质、抽样的间隔大小而异，无专用的标准误计算公式。一般情况下，它比单纯随机抽样误差小。有人认为可按单纯随机抽样方法估计系统抽样误差。,例5,欲调查某社区贫血患病情况，该社区有居民1000人，按系统抽样方法，抽取例数为100人的样本。,解：N=1000，n=100，间隔为1000/100=10，先在110之间随机确定一个数字，比如7，然后每间隔10个观察单位抽取一个，即7，17，27，997组成样本。,又称机械抽样或等距离抽样,系统抽样的,优,缺,点,1.系统抽样简便易行,2.容易得到一个按比例分配的样本,3.抽样误差小于单纯随机抽样,4.容易产生系统误差,5.抽样误差的估计只是近似的,（用单纯随机抽样标准误估计往往偏大）,3.整群抽样,（cluster sampling）,（1）方法,先将总体按某种与研究指标无关的特征分为K个组，再从K个组中随机抽取,k,个组，这,k,个组中的全部观察值组成样本,（2）标准误的估计,（b）群内观察单位m相等,例6,某校有80个班级，各班学生50人，现用锡克试验调查该校学生白喉易感率，随机抽查了8个班的全部学生，其中阳性人数分别为12，17，12，15，21，20，21，18。试估计该校学生锡克试验阳性率。,解：（群内观察单位相等）,各班的阳性率分别为：0.24，0.34，0.24，0.30，0.42，0.40，0.42，0.36,总率p=(12+17+12+15+21+20+21+18)/(850)=0.34,(3)整群抽样样本量估计,例7,某市为了了解该市40岁以上人群高血压患病率，拟对全市55个街区采用整群抽样调查，随机预查了2个街区，第一街区调查了4180人，高血压病人1060人，患病率为25.36%；第二个街区调查了4180人，高血压病人720人，患病率为14.49%，问需调