class10-抽样.ppt

1、样本设计 SAMPLE DESIGN,Ch11& Ch12,【案例】 谁会是下一任美国总统？,在社会科学研究中，美国大选前的民意测验对抽样方法的发展起到了重要的推动作用。文学文摘杂志于1936年进行的总统选举结果预测就是一个经典的例子。 为了预测1936年美国总统选举结果，文学文摘开展了一项庞大的民意测验，寄出1000万份问卷，收回了240万份问卷。 电话薄和车牌登记名 该调查结果预测共和党候选人兰登 (Landon) 将以57对43击败民主党候选人罗斯福，但实际结果是兰登以38对62败北。这项耗资巨大的调查使该杂志因资金困难和名誉扫地而破产。,营销研究的基本步骤,定义 研究问题,制订 研究计

2、划,收集信息,分析信息,报告结果,抽样的基本概念 抽样过程 抽样设计类型 样本量的的确定 减少不应答,主要内容,样本与普查的比较,抽样的实质,抽样：通过选择一个总体中的某些元素，我们可以得到一个有关全部总体的结论。 元素/要素（element）：被测量的主体 总体（population）：研究要素的特定集合体 举例：电脑维修服务满意度研究的总体和要素,抽样过程,一、定义目标总体,目标总体必须定义精确，不精确会使研究无效甚至导致误解 是将问题的定义转换成一个精确的陈述的过程 元素、抽样单位、范围、时间 谁应该包括进去，谁不应该包括进去,讨论：目标总体的确定,北京奔驰有限公司要进行一项用户满意度调

3、查，请问：,狗粮测试的目标总体？,二、确定抽样框架,抽样框架(sampling frame)是抽样总体的可操作性定义，由一份或一组用于识别目标总体的指示说明组成。 在编制抽样框架时常见的问题如下(Kish, 1965:56-59),均导致抽样框架误差: 遗漏遗漏部分样本单位； 重复同一样本单位重复出现； 混杂抽样框架中包括部分非样本总体成员。,过滤问题,过滤问题,为了确定某一个体是否属于抽样总体，常有必要使用过滤问题。 除了某项研究的特殊要求以外，营销研究通常要求研究对象： 过去3个月内没有接受任何产品或广告调查； 本人及家庭成员不在有关的公司工作。,两个基本概念,抽样的最终目的： 通过抽样方

4、法从总体中选择一些要素，并通过对这些要素的描述以精确描述总体的各种特征。 要素：收集信息的单位和进行分析的基础 要素/分析单位,【例】中国女性减肥品市场细分研究：定义总体,目标总体：2009年中国大中城市女性减肥品的现有消费者和潜在消费者 抽样框架：十个代表城市中，A公司销售人员在其产品销售终端可以接触到的年龄在1850周岁之间的女性减肥品现有消费者和潜在消费者,三、抽样设计类型,Non-probability sampling,Cluster,Probability sampling,Multistage area,Stratified,Simple random,Systematic,No

5、n-proportion,proportion,sampling,p213,两种抽样类别,概率抽样：社会科学研究中选取大型和具有代表性样本的主要方式 非概率抽样，通常用于下列情况： 样本量很小时； 探索性研究或研究的初始阶段； 目标总体成员很少或很难寻找； 概率抽样不可能或不合适时,（一）概率样本设计,概率样本设计(probability sample design)采取随机的办法，排除研究人员主观因素的干扰，使样本总体中的每一个成员都有一个事先确定好抽中概率。 简单随机抽样 系统抽样 分层抽样 整群抽样,概率抽样的原则和优势,概率抽样的原则：总体中的每个个体被抽取为样本的概率相同。这种抽样具

6、有代表性。具有这一性质的样本称为EPSEM（Equal probability of selection method）样本。 概率抽样的优势： 比非概率样本对总体更有代表性 概率理论使我们能构估计样本的精确度和代表性。,随机抽样,随机抽样是概率抽样过程的核心 任何要素都具有等同的、独立于任何其他事件的被抽到的概率 如：掷硬币 方法：随机数表、电脑程序 使用的原因： 避免研究者的偏见 为进入概率理论提供了契机,1、简单随机抽样,简单随机抽样(simple random sampling) 是最基本的概率抽样方法。该抽样方法保证每一抽样单位都有相同的非零抽中概率。 若总体为N，样本量为n，则每一

7、抽样单位的抽中概率：p = n/N 机读格式的抽样框 随机数表的应用： 要素的顺序标号 从随机数表的任一列某数开始，选取号码的后几位或几位数来抽取。 可以随意确定选取数字的顺序，但要始终如一,2、系统抽样,系统抽样(systematic sampling)是随机抽取第一个样本单位，然后每隔k个单位抽取一个。 抽样间距：总体大小/样本大小 抽样比率：样本大小/总体大小 系统抽样时每个样本单位抽中的概率相同，为1/k。 个体按某一顺序排列 顺序与研究特征无关 顺序与研究特征有关， 如：行业中按销售额增序排列，信用卡用户（欠款）余额 个体排序呈现周期性特征， 如：对一个班一个班的方式编排的士兵抽样（

8、班内按级别排），楼宇抽样 讨论：什么时候应避免采用系统抽样？,3、分层抽样,分层抽样（straitified sampling） 同质总体抽样比异质总体抽样的误差小 确保总体内同质的次级集合会被抽出适当数量的要素 最终功能在于将总体分成几个同质的次级集合（之间则有异质性），确保每个重要的次级集合终抽出适当数量的样本。 先根据分层变量将总体分成不同的层， 层中抽样有两种方法： 比例分层抽样 按该层在总体的相对比例从各团体终抽出样本 非比例分层抽样 每层抽的样本量与该层的相对量成正比， 且与该层个体当中需要研究的特征分布的标准差成比例,分层抽样与配额抽样的区别,4、整群抽样（cluster sam

9、pling）,不可能或不方便编制一个完整的个体名单形成目标总体的时候，采用。 没有总体的个体列表，抽样框架是群 要素已经被分为较小的次级团体，而次级团体中的要素名册是存在的或可以列出的。 教会成员：全国教会名册单个教会会员名册 城市人口：街道样本街道的居住人口名册 单阶段整群抽样 两阶段抽样的两个步骤：列表名册抽样 先分群，然后将不同类别的个体放到一个连续性的表中，在对整个列表进行随机起始的系统抽样 适用于各群在量上相等时 有点：可行性高，成本低 两次抽样误差：群的代表性误差，要素的代表性误差，相互制约（样本量一定） 当被抽样的群的规模很大时，应采用修正的抽样设计概率比例抽样。即每个群被选取的

10、概率与其大小成比例。,整群抽样与分层抽样的关键差别 1、目的的不同 2、操作的不同 3、层与群的标准相反,讨论,如果某校有1000名本科生，400名普通硕士生和600名MBA学生，若要比较不同类别学生对教学的满意度，请问： 应采用哪种抽样方法？ 总体满意度应如何计算?,（二）非概率抽样技术,依赖于研究人员的个人判断而非随机原则选择样本个体，事先并不确定每个样本单位被抽中的概率。 便利抽样 目标式或判断式抽样 滚雪球抽样 配额抽样,1、方便抽样,例如：学生样本,不加资格认证的商场拦截访问 经常使用 但非常冒险 采取更少冒险性的抽样不可能时，才有其合理性 做推论时要非常小心，提醒读者 可用于专题组

11、预测试问卷等,2、目标式或判断抽样,便利抽样的一种形式 根据对研究目的的判断来选择适当的抽样方法 如根据对总体构成要素和研究目标的认识 如：试销市场，B2B市场中的采购工程师，法庭上使用的陪审团,3、滚雪球抽样,在特定总体的成员难以找到时，最合适 程序： 先选择一组最初的调查对象（目标群体少数成员） 再向其访谈有关信息 要求推荐他们认识的其他总体成员 样本方差和成本相对较低 如：研究流动劳工、非法移民等,4、配额抽样,强调样本的代表性 两个极端的有约束的判断抽样 程序： 建立描述目标总体特征的不同类别个体的配额 每个配额有相应的比例 如性别，年龄等 根据研究目的从不同配额中抽取样本 唯一的要求

12、：个体必须符合控制特征 各自相对于总体的比例：同/不同 缺陷： 配额的框架必须十分精确。但， 包括多项控制特征在实际操作红往往比较困难，相关的控制特征经常被忽略。 每个配额内的个体是在便利或判断的基础上选出，会存在偏误,【例】中国女性减肥品市场细分研究：样本设计,抽样方法：配额抽样 样本城市:北京、广州、深圳、昆明、贵阳、重庆、成都、沈阳、乌鲁木齐、济南 样本总量：每个城市100份，共1000份 配额：实行现有和潜在消费者配额，城市配额，甄选问卷对抽样配额进行控制。,四、样本量的确定,确定样本量的方法可分为两大类： 经验方法：根据业界常规来确定样本的大小 统计学方法：根据统计公式计算样本量,确

13、定了所需的样本量后，还要根据以下因素，调整要抽取的样本量： 发生率：样本总体中符合条件的百分比 完成率：完成访谈的合格对象的百分比,（一）确定样本量的经验方法,最简单的方法是根据研究的类型和经验，以及以下因素确定样本量： 决策的重要性； 研究的性质； 单位成本； 发生率和完成率； 其它。,表2 营销研究中常用的样本量,可支配预算法,可支配预算法,根据进行某项研究可支配的预算，在扣除其他支出后，按单位样本的成本决定样本量。 例：进行某项研究的总预算是50,000元，研究设计、人员培训、问卷测试和数据分析等其它费用共需10,000元，完成每份调查问卷（含数据录入）的平均费用是50元，请问可以抽取多

14、大的样本？,（二）确定样本量的统计学方法,对于概率样本可用统计公式计算所需样本。这时样本量与下列因素有关： 样本设计类型； 要求的精度； 总体内部的同质性； 分组的详细程度。,几个概念,参数：对总体中的某变量的概括性描述 当从样本开始进行推论时，就是试图用样本观察来估计总体的参数统计推断，概率理论为估测总体参数提供基础 统计量： 对样本中的某个变量的概括性描述 有限总体校正： 样本量占总体量10%以上，估计值过高 校正因子(N-n)/(N-1) 置信区间（confidence interval）： 对于一个给定的置信水平，真实的总体参数将会落入的范围 置信水平（Confidence level

15、）： 置信区间将包括总体参数的概率 例子：95的信心保证样本统计值会落在参数值正负5的范围内,Symbols for Population and Sample Variables,抽样分布,抽样分布： 如果根据一个特定的抽样方案，从总体中随机抽取许多独立的样本，其相应的统计结果以一种可知的方式分布在总体参数的附近。 10人抽样分布举例 样本容量与估计平均值的抽样分布之间的关系 均值的抽样分布和比例的抽样分布： 对于大样本，正态分布,抽样分布的重要性质,概率理论提供计算公式，估计样本统计值和真实值之间的差距 标准差S（标准误）：用来衡量抽样结果集中在总体参数的多大范围内 均值的标准误： = /

16、n*0.5 =s/n*0.5 (总体的方差 未知，用统计量估计) 比例的标准误： S=（(P*（1-P）)/n）*0.5 （总体比例未知，用样本比例来估计）,几个推论,每个例子中的标准误，是总体参数与样本大小的函数 总体参数特征的影响 样本容量的影响 直接影响样本量的是总体中特征的差异性（总体方差或样本方差），以此计算样本量,正态分布、Z值及其应用（P244：附录12A）,Z值：抽样分布下任意两点之间的面积用Z值计算 Z=(X-u)/ 某一点的Z值指的是以标准差为单位表示的该点与均值的差值 一定比例的样本估计值会落在总体参数值的某个增量内。一个标准误为一个标准误增量单位（34） 。 正态分布的

17、变量的全距大约是正负3个标准误，对应的均值和Z值为1.0，2.0，3.0的各点之间的双侧面积为68、95、99.9 估计标准差：全距/6 找出与已知的X或Z值对应的概率 找出与已知概率对应的X或Z值,正态概率表,确定样本量的统计学方法: 置信区间方法,以传统的统计推断为基础 精确度是预先指定的 使用标准误公式构建围绕样本均值或比例的置信区间为基础的 置信水平与置信区间也提供了决定研究样本大小的基础P231 关于抽样结果准确度的所有叙述都必须这两个数值表示,95% Confidence Interval,假设研究人员用一个300 户家庭的简单随机样本估计每月在百货商店购物的指出，并发现该样本的平

18、均家庭月支出182美元，过去的研究指出，总体标准差假定为55美元,估计均值时样本量的确定,对于简单随机抽样：（估计月家庭支出） 1. 确定允许误差D，d = $5.00 2. 确定置信水平CL， CL = 95% 3. 确定与置信水平相应的z值，z = 1.96 4. 确定总体的标准差s（通过一个初步研究估计：全距/6）， s = 55 5. 计算所需样本量n， n = s2z2/d2 = 465 6. 当样本量超过总体的5%时， nc = nN/(N+n-1),估计比例时样本量的确定,对于简单随机抽样（如：估计拥有一种百货商店卡的家庭比例） 1. 确定允许误差D，d = .05 2. 确定置信水平CL