高级医学统计学：调查设计

医学研究设计:调查设计研究生《高级医学统计学》课程主要内容调查研究的特点调查研究的分类调查研究中需要考虑的问题四种常见的调查设计多阶段设计复杂抽样的方差估计抽样调查的技巧正确应用实例：

江苏省20岁以上城区居民的2型糖尿病患病情况调查总体：全省106个县级城区20岁以上常住居民抽样方法：多阶段分层整群随机抽样苏南、苏中、苏北3个层每层随机抽取2个县城每个县城随机抽取2个居民小区共调查了9600名居民作为样本调查研究的特点被动观察研究因素已经存在已经对象居住的区域是自然形成的人口年龄构成，地区聚集性问卷(questionnaire)调查容易产生偏倚抽样调查和经典的抽样的区别：经典的抽样：已知总体分布；无限总体；抽样调查：总体可能未知；总体可能有限；调查研究的分类从调查的范围来分普查(census)抽样调查(samplingsurvey)典型调查(typicalsurvey)

从调查涉及的时间来分横断面调查(cross-sectionalstudy)回顾性调查(retrospectivestudy)前瞻性调查(prospectivestudy)队列研究(cohortstudy)

从抽取样本方法来分概率抽样(随机抽样)非概率抽样(非随机抽样)全国人口普查1953年7月1日0时： 601,938,0351964年7月1日0时： 723,070,2691982年7月1日0时：

1,031,882,5111990年7月1日0时：

1,160,017,3812000年7月1日0时：

129533(万)2010年11月1日0时：1,339,724,852我国六次人口普查结果研究设计为什么要抽样？总体无限破坏性实验成本效益比(人力、物力、财力、时间)少而精我国五次人口普查和三次抽样调查1953年7月1日0时： 6019380351964年7月1日0时： 7230702691982年7月1日0时： 10318825111987年7月1日0时: 107233(万)1990年7月1日0时： 11600173811995年10月1日0时 : 120778(万)2000年7月1日0时： 129533(万)2005年10月1日0时: 130756(万)2010年11月1日0时：1,339,724,852调查研究中需要考虑的问题调查目的总体与样本抽样框调查项目与调查表组织实施数据管理计划统计分析计划设计效应样本的要求代表性足够的样本量(排除偶然性)没有错误的样本，只有错误的解释！抽样框(samplingframe)总体的一份完整的包含所有个体的清单根据研究目的确定的总体中所包含的具体抽样单位(sampleunits)的目录行政区域、地图、邮政编码、姓名地址录、电话号码抽样框在抽样调查中处于基础地位，是抽样调查必不可少的部分，利用抽样框提供抽样单位并从中抽出所需要的样本。抽样框的选择对某城市所有小学儿童进行随机抽样以了解其生长发育情况完全随机抽样：抽样框＝该市所有学生名单多阶段抽样：初级抽样框＝学校名单

二级抽样框＝抽到学校的班级

三级抽样框＝抽到班级的学生整群抽样：抽样框＝该市所有学校名单研究设计历史上著名的抽样调查失败的例子1936年美国总统选举。LiteraryDigest杂志进行的民意调查。堪萨斯州州长AlfLandon

与FranklinDelanoRoosevelt.根据电话薄和车辆登记薄发调查表1000万份。调查结果Landon非常受欢迎，预测Landon赢得选举。调查表(问卷)调查表(questionnaire)基本信息(备查项目)：只要必须的调查指标(分析项目)：紧扣研究目的简洁、美观、便于计算机录入和管理多用选择题，尽量不用问答题研究设计

2型糖尿病患病及相关因素调查问卷编码□□□□□□□□姓名___________________出生年月□□□□/□□/□□(年/月/日)家庭住址_____市_____县_____乡(街道)____村(路)___号电话_______________编号项目项目编码选择结果1性别男=1女=0□2婚姻状况未婚=1已婚=2离异=3丧偶=4□3是否糖尿病是=1否=0□4糖尿病分型1型=12型=2不详=3□5是否有糖尿病家族史是=1否=0□6三餐是否规律是=0有时=1否=2□7是否吸烟是=1否=0□8你的口味是偏淡=1一般=2偏咸=3偏甜=4□9是否饮酒是=1否=0□10体育锻炼(次/周)不锻炼=01-2次=1≥3次=2□11工作紧张是=1否=0□12锻炼时间(分钟)<20=020-39=1≥40=2□13身高(cm)□□□.□14体重(kg)□□□.□15脉搏(次／分)□□□16静脉空腹血糖FBG(mmol/L)□□.□□2型糖尿病患病及相关因素调查问卷格式(节选，光电阅读式)组织实施计划直接观察法直接观察、检查、测量本法取得的资料比较真实可靠，但所需人力、财力较多。采访法根据受访者或知情人的回答来搜集资料。面访开调查会信访网络调查(e-reward)电话新兴的网络调查新兴的网络调查新兴的网络调查新兴的网络调查设计效应(designeffect)

当样本量相同时复杂设计估计值的方差/简单随机抽样估计值方差例：估计人群中某病患病率，若利用简单随机抽样：方差估计值为0.00197若利用分层抽样：方差估计值为0.00520设计效应：520/197=2.6基本抽样方法简单随机抽样分层随机抽样系统抽样整群抽样简单随机抽样从N个个体中随机抽取n个，使得所有可能的个样本中任一个均有相同的可能性被抽到。样本均数是总体均数的无偏(unbiased)估计值。简单随机抽样

简单随机抽样的参数估计：均数无限总体有限总体finitepopulationcorrection(FPC)：一般认为样本不超过总体5%时可忽略。当有放回抽样时，简单随机抽样的参数估计：率样本率是总体率的无偏(unbiased)估计值。率的方差的无偏估计简单随机抽样：样本量估计均数率δ为容许误差，即样本统计量与总体参数的差别需要控制在什么范围内，一般取可信区间宽度的一半。有限总体校正简单随机抽样优点最基本的抽样方法；是其他方法的基础。不需要其他辅助信息，简单直观；方法成熟。缺点总体大时难度高；效率有时候较低；容易有偏。分层抽样总体先被分为若干不重叠的层，每层内再进行抽样S1

S2

S3

S4

S5

S6

分层抽样样本均数(率)是各层样本均数(率)的加权平均。方差分层抽样：样本的分配固定比例按比例分配：每层样本量与层大小成比例最优分配：当有如下情况时，考虑增加某层样本比例该层个体很多该层变异较大该层抽样成本较低分层抽样：样本的分配当固定样本量时，当每层样本量为均数(率)估计值的方差最小当需要考虑成本时分层抽样优点层内同质性高，可以使抽样误差尽可能小；便于实施；既可层内分析，又可层间比较。缺点必须有各层的有关资料；调查变量需和分层变量相关；计算较复杂。系统抽样

…IIIIIIIVV123456789101112131415161718192021222324252627282830系统抽样方差样本变异越大越好！二维系统抽样

系统抽样优点方法简便抽样误差一般小于简单随机抽样缺点需要避免系统偏差误差估计复杂整群抽样(clustersampling)先将总体划分为若干个群；随机抽取k个群；行政区域机构家庭窝别所抽取群的全部观察单位作为样本整群抽样

整群抽样优点简单群内变异大于群间时，可以提高效率缺点误差往往大于简单随机抽样误差估计复杂多阶段抽样(multi-stagesampling)将几种基本抽样方法结合起来。

分层，简单随机

分层，整群

分层，分层，整群多阶段抽样江苏省慢性非传染性疾病基础资料调查

了解我省高血压、冠心病、脑卒中、糖尿病、恶性肿瘤的患病率、死亡率、分布特征及其与经济水平、吸烟、饮酒、膳食营养、体力活动等因素的关系，为采取相应的预防措施提供依据。抽样地区35岁以上常住(五年及以上)居民。多阶段抽样采用多阶段分层随机整群抽样法。第一层：苏北城市点盐城市城区=01

农村点徐州市铜山县=02

农村点淮阴市金湖县=03

第二层：苏中城市点南京市鼓楼区=04

农村点扬州市高邮市=05

农村点南通市海门市=06

农村点泰州市泰兴市=07

第三层：苏南城市点苏州市平江区=08

城市点常州市钟楼区=09

农村点无锡市郊区=10

农村点常州市溧阳市=11多阶段抽样误差有多个层次的来源地区间城乡间区县间区县内多阶段抽样优点整合各种方法的优势减少编制抽样框的工作量缺点效率低于简单随机抽样复杂复杂抽样中非线性估计值方差的估计方法Y的方差f(Y)的方差复杂的函数：积？相关系数？中位数？一些方法：平衡重复复制(BBR)JACKNIFE法泰勒序列展开法泰勒序列展开式法例:抽样调查中的技巧估计总体大小：捕获再捕获法敏感问题调查技术双重抽样捕获－再捕获技术(capturerecapture)估计总体大小从总体中抽取一个样本量为n1的样本；对每个个体标记后放入总体；混匀后抽取样本量为n2的样本，若其中有m个被标记总体大小的估计值为敏感问题的调查技术随机应答技术问两个截然相反的问题，受试者只要回答是或者否例：考试作弊比例调查A：曾经做过弊（P）B：从来没做过弊(1-P)N个个体，m个回答“是”敏感问题的调查技术改进的随机应答技术问两个无关的问题，受试者只要回答是或者否例：考试作弊比例调查A：曾经做过弊（P）B：是否出生在5月(1-P)N个个体，m个回答“是”双重抽