抽样方法有哪些 常用的非概率抽样方法有哪些 您所在的位置:网站首页 分层抽样的样本 抽样方法有哪些 常用的非概率抽样方法有哪些

抽样方法有哪些 常用的非概率抽样方法有哪些

2023-03-10 10:46| 来源: 网络整理| 查看: 265

多阶段抽样

定义:采用类似整群抽样的方法,首先抽取群,然后再抽取群中的部分单位。这里群是初级抽样单位,第二阶段抽取的是最终抽取单位。

特点:常用于大规模抽样当中。 2. 非概率抽样

指抽取样本时不是依据随机原则,而是根据研究目的对数据的要求,采用某种方式从总体中抽取部分单位对其实施调查。

非概率抽样一般可分为以下几种类型: (1) 方便抽样:

调查过程中由调查员依据方便原则抽样,其特点是成本低,易实施。

(2) 判断抽样:

研究人员根据经验、判断和对研究对象的了解,有目的地选择样本,根据不同目的有重点抽样、典型抽样、代表抽样。

(3) 自愿抽样:

被调查者自愿参加

(4) 滚雪球抽样:

调查对象继续推荐另一些调查对象

(5) 配额抽样:

类似分层抽样,先分类,再从各类中用方便抽样或判断抽样的方式选取样本单位。

扫码加入数据分析学习群

1直接抽样(随机选,如一批产品,随机抽多少个)2抽签法或抓阄法,抽样单位全部编上号码,将号码写在底片上搓成团3随机数表法(可保证随机性)随机号码表又称为乱数表。它是将0~9的10个自然数,按编码位数的要求(如两位一组,三位一组,五位甚至十位一组),利用特制的摇码器(或电子计算机),自动地逐个摇出(或电子计算机生成)一定数目的号码编成表, 以备查用。这个表内任何号码的出现,都有同等的可能性。利用这个表抽取样本时,可以大大简化抽样的繁琐程序。缺点是不适用于总体中个体数目较多的情况。

标签: 随机抽样,常用

在上面的例子中,我们将人口分为5个群。每个群由4个个体组成,我们在样本中选取了第4个群。我们可以根据样本大小包含更多的群。

当我们集中在一个特定领域或区域时,就会使用这种类型的抽样。

非概率抽样的类型 便利抽样

这可能是最简单的抽样方法,因为个人的选择是基于他们的可用性和参与意愿。

这里,假设编号为4、7、12、15和20的个体想要成为样本的一部分,因此,我们将把它们包含在样本中。

便利抽样容易产生显著的偏见,因为抽样可能不能代表诸如宗教或人口的性别等具体特征。

配额抽样

在这种抽样中,我们根据预先确定的总体特征来选择样本。考虑到我们必须为我们的样本我们选择一个倍数为4的个体:

因此,编号为4、8、12、16和20的个人已经为我们的样本保留。

在配额抽样中,选择的样本可能不是未考虑的人口特征的最佳代表。

判断抽样

这也称为选择性抽样。在选择要求参加者时,取决于专家判断。

假设,我们的专家认为,应该将编号为1、7、10、15和19的人作为我们的样本,因为它们可以帮助我们更好地推断人口。你可以想象,配额抽样同样也容易受到专家的偏见,不一定具有代表性。

雪球抽样 我很喜欢这种抽样方法。 现有的人被要求推荐更多他们认识的人,这样样本的大小就会像滚雪球一样增加

。当抽样框架难以识别时,这种采样方法是有效的。

在这里,我们随机选择了1个人作为样本,然后他推荐了6个人,6个人推荐了11个人,依此类推。

1-> 6-> 11-> 14-> 19

雪球抽样有很大的选择偏见风险,因为被引用的个体将与推荐他们的个体具有共同的特征。

结尾

在本文中,我们了解了抽样的概念,抽样所涉及的步骤以及不同类型的抽样方法。抽样在统计世界和现实世界中都有广泛的应用。

抽样方法有哪些 常用的非概率抽样方法有哪些

欢迎关注磐创博客资源汇总站: 欢迎关注PyTorch官方中文教程站:

在这种类型的抽样中,第一个个体是随机选择的,其他个体是使用固定的“抽样间隔”选择的。让我们举一个简单的例子来理解这一点。

系统抽样比简单随机抽样更方便。然而,如果我们在人群中选择项目时存在一种潜在的模式,这也可能导致偏差(尽管这种情况发生的几率非常低)。

非概率抽样

非概率抽样是指调查者根据自己的方便或主观判断抽取样本的方法。它不是严格按随机抽样原则来抽取样本,所以失去了大数定律的存在基础,也就无法确定抽样误差,无法正确地说明样本的统计值在多大程度上适合于总体。虽然根据样本调查的结果也可在一定程度上说明总体的性质,特征,但不能从数量上推断总体。非概率抽样主要有偶遇抽样,主观抽样,定额抽样,滚雪球抽样等

抽样方法有哪些 常用的非概率抽样方法有哪些

1.随意抽样/便利抽样

方便抽样又称随意抽样、偶遇抽样,是一种为配合研究主题而由调查者于特定的时间和特定社区的某一位置上,随意选择回答者的非概率抽样方法。这种抽样方法适合于对一些特殊情况的调查,像一些时过境迁的突发性事件或现象(违章驾车、骚乱、聚众闹事等等)。通过在当场抽取样本询问当事者、目击者、旁观者以及过往的行人,可以了解事件发生的经过、原因以及对事件的看法和态度。

这里,假设编号为4、7、12、15和20的个体想要成为样本的一部分,因此,我们将把它们包含在样本中。

便利抽样容易产生显著的偏见,因为抽样可能不能代表诸如宗教或人口的性别等具体特征。

2.判断抽样/立意抽样

立意抽样是指当调查人员对自己的研究领域十分熟悉,对调查总体比较了解时采用这种抽样方法,可获代表性较高的样本。这种抽样方法多应用于总体小而内部差异大的情况,以及在总体边界无法确定或因研究者的时间与人力、物力有限时采用。例如,要对福建省旅游市场状况进行调查,有关部门选择厦门、武夷山、泰宁金湖等旅游风景区做为样本调查,这就是立意抽样。

抽样方法有哪些 常用的非概率抽样方法有哪些

假设,我们的专家认为,应该将编号为1、7、10、15和19的人作为我们的样本,因为它们可以帮助我们更好地推断人口。你可以想象,配额抽样同样也容易受到专家的偏见,不一定具有代表性。

3.配额抽样/定额抽样

配额抽样也称“定额抽样”,是指调查人员将调查总体样本按一定标志分类或分层,确定各类(层)单位的样本数额,在配额内任意抽选样本的抽样方式。 配额抽样和分层随机抽样既有相似之处,也有很大区别。配额抽样和分层随机抽样有相似的地方,都是事先对总体中所有单位按其属性、特征分类,这些属性、特征我们称之为“控制特性。”例如市场调查中消费者的性别、年龄、收入、职业、文化程度等等。然后,按各个控制特性,分配样本数额。但它与分层抽样又有区别,分层抽样是按随机原则在层内抽选样本,而配额抽样则是由调查人员在配额内主观判断选定样本。

在这种抽样中,我们根据预先确定的总体特征来选择样本。考虑到我们必须为我们的样本我们选择一个倍数为4的个体:

因此,编号为4、8、12、16和20的个人已经为我们的样本保留。

在配额抽样中,选择的样本可能不是未考虑的人口特征的最佳代表。

4.滚雪球抽样

滚雪球抽样是指先随机选择一些被访者并对其实施访问,再请他们提供另外一些属于所研究目标总体的调查对象,根据所形成的线索选择此后的调查对象。滚雪球抽样往往用于对稀少群体的调查。在滚雪球抽样中,首先选择一组调查单位,对其实施调查之后,再请他们提供另外一些属于研究总体的调查对象,调查人员根据所提供的线索,进行此后的调查。

在这里,我们随机选择了1个人作为样本,然后他推荐了6个人,6个人推荐了11个人,依此类推。

雪球抽样有很大的选择偏见风险,因为被引用的个体将与推荐他们的个体具有共同的特征。

参考:

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至[email protected] 举报,一经查实,本站将立刻删除。



【本文地址】

公司简介

联系我们

今日新闻

    推荐新闻

    专题文章
      CopyRight 2018-2019 实验室设备网 版权所有