2019-08-07丨《市场调查与预测》丨常见的抽样方法

简单随机抽样方法

按照随机原则,从总体中不加任何分组、划类、排序等工作,一般才欧诺个抽签,查随机数表、掷骰子、掷硬币等方法。

1)抽签法

将调查总体单位的名称或号码,逐个写在签条或卡片上,放在箱中,打乱次序,搅合均匀,然后按抽签办法,不加任何选择地在全部签条或卡片中随机抽取。

2)随机数表法

又称乱数表,就是把0到9的数字随机排列成的位数相同的一张数表。研究者要根据总体单位的数目,确定使用几位数的随机数表,然后为总体编号,选择样本时从随机数字表中任何一列的任何一行开始,可以闭着眼睛指数字,如果是不重复抽样,凡使用过的数字都不再使用,直到抽到预定的样本单位数目为止。

分层抽样法

也叫分类随机抽样,先将总体单位按其属性特征分成若干类或若干层,然后在各类型或层中随机抽取样本。分层时应当注意以下几个点:

①层与层之间要有清楚的界限,分层的结果必须是每一个单位都归属于一层,不允许同一单位既属于这层又属于那一层。

②要清楚各层中的单位数目,以及各层占总体的比重。

③所分层数不宜过多,否则会失去层的特性。

例如常见的年龄标签,是一个具体的可分层的数据指标。分层抽样的目的是为了提高样本的代表性,避免随机抽样时可能出现样本过于集中于某种特性或者完全无某种特性的现象,通过分层,使各层单位之间的共同性增大了,差异程度缩小了,比较容易抽出有代表性的样本。

1)分层比例抽样法

按照各层单位数量占总体单位数量的比例抽取样本单位的方法。

例如总体单位为1000户居民,家庭收入分为高中低三层,确定样本量为200户。其中高收入家庭为500户,低收入家庭为500户,中等收入家庭为1000户,则采取分层抽样比例抽样法,则分别抽样200*25%=50人,低收入家庭为200*50%=100人。

2)分层最佳抽样法,根据各层单位数量占总体单位数量的比例和各层样本标准差的大小,抽取样本单位的方法。

此方法一般用标志知道标准差再根据样本量计算。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 218,546评论 6 507
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,224评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,911评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,737评论 1 294
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,753评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,598评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,338评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,249评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,696评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,888评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,013评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,731评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,348评论 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,929评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,048评论 1 270
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,203评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,960评论 2 355

推荐阅读更多精彩内容