抽样和研究设计

1、第五次抽样和研究设计，引言和问题，社会研究者通常想描述一个社会现象的整体或某一类人的整体，但是研究这些个的整体的所有要素(或个人)，是不现实的。 因此，选择能够代表整体的一部分个体，已经成为研究者必须解决的问题之一。 这个选择是抽样。 问： 1为什么要抽样？ 2 .抽样方法、抽样包括哪些类型？ 3 .有哪些具体的抽样方法？ 4 .如何进行研究设计？ 想一想：中央电视台的调查显示，约有百分之8.0的观众在春夜满园，新浪网站的调查显示，只有百分之2.0的观众在春夜满园。 一、抽样的意义和作用，(一)抽样的优点：时间、成本和准确性。 在许多情况下，社会研究者想要描述某个社会现象的整体或某个人的整体，

2、但是研究这些个的整体的所有要素(或个人)是不现实的。 因此，选择能够代表整体的一部分个体，已经成为研究者必须解决的问题之一。 这个选择是抽样。 抽样可以节省时间和成本。 在云同步，研究结果的精准性中，认真采样的结果并不比整个研究的个别结果差。 (2)抽样的作用提供了实现“部分认识整体”目标的方法和手段。 案例：里根在1984年被选为美国的新大统领。 (见笑日，2009，119页)抽样对所有研究人员来说都是个问题。 我们不应该祈祷研究自各儿感兴趣的所有事例。 所有的科学计划都在研究少数的例子，试图发现适用于所有事物的东西。 这项研究的结果，根据我们一般的说法，“是通则化的。 贝克，交易圈套，6.

3、7，(4)采样两种类型：1.概率采样：基于数学概率理论，以随机原则进行采样。 “关于样品的讨论大部分来自定量研究者。 他们的基本目标是获得代表性的样本，或者从大单位或事例的集合或整体中获得小单位或事例的集合，研究者可以研究小组，对大组进行正确的推论。 研究人员正在关注能够进行大型代表性样品(样品与整体非常相似)的特定技术。 定量研究者倾向于使用基于数学概率理论的抽样类型(称为概率抽样)”(纽曼2007:266 )。 2 .非概率抽样：根据研究者的主观意愿、判断或是否方便等因素进行抽样。 “定性研究人员对抽取样品的代表性和概率样品的技术细节不太关注。 相反，他们关注样本、小单位、案例、行为的集合

4、，如何表现社会生活？ 抽样的基本目的是收集特殊情况、事件和行动，明确和加深理解。 定性研究发现个案，着重于研究者以特定内容提高对社会生活过程的认识。 因此，定性研究者倾向于采用第二类抽样、非概率抽样”(纽曼2007:267 )。 3 .这两种类型的样本还可以细分为若干不同形式。 (见笑日2009:120 )，三个抽样的概念(笑日2009，116-118页) 1，全体(population) (1)全体(population )是由其全部构成要素组成的集合。 (2)要素(element )是构成整体的最基本的单位。 社会研究中最常见的是由社会的一部分个人组成，而这些个的个人就是这一总体因素。 案

5、例一：要研究某省在校大学生的职业选择倾向。 那么，该省所有在校大学生的集合就是我们研究的整体，每个在校大学生都是其整体要素。 案例2 :研究某城市居民的家庭生活质量。 那么，该市的所有居民家庭都是整体，其中的所有家庭都是整体要素。2 .样本和样本(1)样本：以一定方式从整体中提取的一些元素的集合。 或者，一个是整体的子定径套。 (2)抽样：从构成某个总体的所有元素体的集合中，以一定的方法选择或提取一部分元素体的过程。 3 .采样单位和采样框(1)采样单位(samplingunit):1次直接采样中使用的基本单位。 采样单位可以与元素体相同，也可以不同。 例如，从该省的在校大学生全体(12.8万

6、人)中直接抽出1000名大学生，这些个的各个大学生是元素体和采样单位。 从这个整体中抽出4.0班(这些个班的人数正好是1000人)的话，班就成为采样单位。 (2)采样框也称为采样范围。(3)采样框也称为采样范围。 一次直接抽样，是整体的全抽样单位的列表。 像情况1一样，在研究某省在校大学生的职业选择倾向时，直接抽取的大学生名单就是此次抽样调查的框架。 那个4.0班的名单是另一个样品框。 案例讨论：美国杂志文学的摘要，1920年、1924年、1928年、1932年在美国总统大选，从所有者登记表和电话号簿中选择样本寄给明信片调查选举意向，调查者发回投票意向，这四次预测都是正确的。 1936年将样品

7、增加到1000万人，预测兰登会战胜罗斯福，但结果是错误的。 中了罗斯福。 分析： (1)原因是取样框架不正确，不能正确表示整个目标(所有选民)，排除没有电话和汽车的人，1936年，这部分选民占了很高的比例，这个框架排除了接近整体65%的因素和喜欢罗斯福的低收入选民(2)上次预测了正确的原因：高收入和低收入人群的投票对象没有太大差别，而且在大萧条前，也许很多低收入人群也能买到电话和汽车。 “好的样品框是实现好样品的关键。 在该采样框和由概念定义的整体之间存在一个不整合，可以是偏差的主要来源。 像变量的理论定义和操作定义之间的不整合一样，发生无效的测量，采样框和整体的不整合也发生无效的采样。 研究

8、者必须极力减少这种不整合”(纽曼2007:274 )。 4 .参数值和统计值(1)参数值(parametre )也被称为整体值，其关于整体变量的综合描述或者整体元素的特征(变量)的综合整数表示。 统计中最常见的是某变量的平均值，如某市待业小二哥的平均年龄。 (2)也称为统计值(statistic )、样本值。 关于样本中某变量的综合记述。 或者，样本中所有元素的特征(变量)的综合表示。 样本值根据样本的所有元素进行计算。 这只是相对应的总体的评估价值。 5 .样本分布：持续从一个总体中提取样本时可能发生的样本统计分布情况。 这是基于概率原则而成立的合理分布。 三、如何采样：(一)非概率采样、非

9、概率采样不是基于等概率原则，而是基于人类主观经验和其他条件提取样本。 常常只用于定性的研究。 一些常见的方法如下。 (1)偶然取样(accidental sampling )也称为方便取样或自然取样。 研究者根据现实化学基，以自各儿的便利形式提取偶然相遇的人作为对象，或者只以最近最容易找到的人作为对象。 (2)定额取样也称为四分之一取样。 1 .研究人员对整体进行分类，决定按不同类别抽取的人数。 2 .可以保证样品存在整体差异。 (3)判定抽样也称为立意抽样，研究者根据自各儿的研究目标和主观分析选择并决定研究对象的方法。研究对象是什么。该方法非常主观，其结果与研究者的理论修养、实际经验、对对象

10、的熟悉度有很大关系。 “根据专门人才的判断来选择案件，或以心中特定的目的来选择案件”(纽曼2007:269 )。 1 .使用它来选择能够提供特别信息的独特案例。 2、研究人员可以使用立意抽样选择难以接近的特殊整体成员。 3、研究人员确认并深入探索特殊案例类型。 (4)雪不倒翁采样(snowball sampling )如果我们不能了解整体情况，可以先调查整体的少数成员，询问他们知道哪些人符合条件，然后知道哪些人符合条件(风笑天2009:148 )“社会研究者总是对相互关联的人和组织网络感兴趣。 在全球范围内探讨相同问题的科学家、中等城市的精英阶层、从事有组织犯罪的家庭成员、重要的银行和企业董事

11、局的理事，或在高等院校校园内的相互性关系的人就是这样的网络。 其重要特征是每个人都直接或间接地与其他部分相连。 这并不意味着网络上的任何人都会直接认识、交流或受到对方的影响。 相反，这意味着大多数人和事物是直接或间接的关系，在相互关联的网络中”(纽曼2007:270 )。 (5)异常案例样本“研究者在寻找与主导模式不同的案例或与其他案例主要特征不同的案例时，采用异常案例样本法(也称为极端案例样本法)。 和意识抽样一样，研究人员使用几种技术确定了具有某一特征的情况。 反常的情况样本与有意的样本之间的差别在于，其目的是通过标识出一种不同、有差异或特殊情况的集合来不请求对总体进行表示。 选择了几个反

12、常的案例，因为这并不普通，研究者想考察普通模型以外的案例，包括超越主流的事件，了解更多的社会生活”(纽曼2007:271 )，(6)理论抽样“研究人员发展扎根理论时，他认为是理论抽样。 持续增加的理论兴趣导致个案的选择。 研究者根据对案例特征的新理解来选择案例。 例如，当地的研究者可能会在周末观察某个场面或者小组。 理论上，在其他时间，场景的其他方面变化之后，可能会问人们的行为是否相同。 因此研究人员可以在其他时间段(晚上和周末等)进行取样，取得更丰富的图像，知道重要条件是否相同”。 (纽曼2007:272 )关于案例：微博现象的考察。II如何采样(2) :概率采样(proboavailabi

13、litysampling )，(1)定义1 .概率采样：基于数学概率理论，以随机原则进行采样。 2 .随机(random )“随机”一词在数学上有特殊的意义，是指在数学上产生随机结果的过程。 也就是说，选择过程重视真正的随机方法，研究人员可以计算结果出现的概率。 在真正的随机历史中，每个元素都有可能选择相同大小”(纽曼记2007:275 )。 3、案例讨论：美国杂志文学的摘要在1920年、1924年、1928年和1932年美国总统大选时，从所有者登记表和电话号簿中选择样本寄给明信片调查选举意向，调查者发回投票意向，这四次预测都是正确的。 1936年将样品增加到1000万人，预测兰登会战胜罗斯福

14、，但结果是错误的。 中了罗斯福。分析： (1)抽样框不正确的原因是，目标整体(所有选民)不正确，除去没有电话和车的人，1936年，这部分选民占了很高的比例，该框架除去了接近整体65%的因素和喜欢罗斯福的低收入选民。 (2)上次预测了正确的原因：高收入和低收入人群的投票对象没有太大差别，而且在大萧条前，也许很多低收入人群也能买到电话和汽车。 4 .样本分布：从一个总体中连续提取样本时，各种可能出现的样本统计值的分布情况。 这是基于概率原则而成立的合理分布。 (2)概率抽样的一般步骤1 .定义整体：抽样前，明确定义整体范围和边界。 2 .样本框的制作：收集所有样本单位的列表，在列表中统一编号。 3

15、 .抽样方案的决定：具体决定采用哪个抽样方法。 4 .实际抽样：实地抽样。 5 .做评估样品质量：根据研究者的样品设计和样品实施过程的质量进行做评估。 通常使用比较法：将所得反应整体中的一些重要特征及其分布资料与样本中类似指标的资料进行比较。 两者意见差异小，样品质量高，相反样品质量低。 案例见风笑天2009:127 .(三)抽样设计原则：1.目的原则。 在设计抽样方案时，必须从最有利于获取研究问题、研究资料、最符合研究目的的因素出发。 2 .可测性原则：可以从样本本身计算有效估计。 3 .可行性原则：抽样方案应当切实可行。 4 .经济性原则：样本方案应适合可获得的资源。 1 .简单随机抽样也

16、被称为纯随机抽样。cn 10201761224 aa说明书4/11页。 1 .一种Nn，其特征在于，按照等概率原则，直接从包含n个要素的全体中随机抽出n个要素来构成样本。 这个和抽签很像。 (1)最简单的随机样本也是其他类型模仿的对象。 (2)发展准确的样本框，基于数学随机数从样本框中针对样本框内的所有要素编号选择要素。 中央极限定理：“随着抽样分布中不同随机样本群数量的增加，无限大时，样本模式和整体参数越来越可预测。 对于许多组的随机样本，样本分布表示正态曲线，其中，随着提取的样本组的数量增加，曲线的中点接近总体参数”(纽曼2007:278 )。 “随机抽样并非所有的抽样都完全表示整体。 相

17、反，大多数随机样本意味着在大多数情况下接近总体，因此可计算某一组的特定样本不准确的概率。 研究人员利用从该组样本中得到的信息推测样本分布，推测组样本是否偏离了整体机会(抽样误差的大小)。 在云同步上，他把这些个的信息和中央极限定理的知识结合起来建构了置信区间”(纽曼2007:279 )。 2 .系统取样，也称为等间隔取样或机械取样。 对整体中的单位进行编号后，计算某个间隔，以该一定间隔提取个体的编号，由此构成样本。 k (采样间距)=N (整体规模)/n (采样规模)的优点：比简单的随机抽样简单。 (1)对样本框内的各要素加上编号。 (2)计算采样间距，间距成为准随机的提取方法。 3 .分层采样也被称为类型采样。 整体上的所有单位根据一个特征被划分为若干类型或层级，然后在每个层级中以简单的随机抽样或系统抽样方法提取子样本，最后通过整合这些个的子样本来组成整体样本。 (1)根据补充信息将总体分为几个次总体(层)。 (2)在阶层化整体之后，从每个子整体中选择随机样本(可以获得简单的随机样本或系统样本)。(3)控制各层的相对大小，不是控制随机过程中各层提取