抽样技术概述

概述

当数据集过于庞大时，我们无法加载如此庞大的数据，为了克服这种问题，同时确保数据信息尽可能少的丢失，我们需要使用抽样技术，选取数据的一个子集去较好的表示整个数据集。

基本概念

目标总体与抽样总体

• 目标总体：所有研究对象的全体，或是希望从中获取信息的总体
• 抽样总体：从中抽取样本的总体。通常与目标总体一致，但有时对于一个目标总体，抽样总体会有不同的选择

抽样框与抽样单元

抽样总体的具体表现是抽样框。

• 抽样框：一份包含所有抽样单元的名单，对每个抽样单元编号，从而按一定的随机化程序抽样
• 抽样单元：可以只包含一个个体，也可也包含若干个个体，还可以分级。

总体参数与统计量

抽样调查的目的是获得总体的某些特征，即总体参数，包括了总体均值、总体总值、总体比例、总体比率。

• 总体均值
• 总体总值
• 总体比例
• 总体比率

总体范围确定后，总体参数是客观存在的，但未知的需要通过抽样，根据样本调查结果对总体参数进行推断。常用的估计量有均值估计、总值估计、比例估计、比率估计、方差估计、偏差估计和均方误差估计。

• 均值估计
• 总值估计
• 比例估计
• 比率估计
• 方差估计
• 偏差估计
• 均方误差估计

抽样误差与非抽样误差

• 抽样误差：由于抽取样本的随机性造成的样本值与总体值之间的差异。
• 非抽样误差：不少由于抽样的随机性，而是由于多种原因引起的估计值与总体参数之间的差异。

精度由误差来表现，若不考虑非抽样误差，则精度的具体体现就是抽样误差。

• 抽样误差越小，样本统计量对总体参数进行估计的精度越高
• 样本量越大，在其他条件相同的情况下，抽样误差越小，精度越高。

几种抽样方法

简单随机抽样

从抽样框中的N个抽样单元中随机地、一个一个地抽取n个单元作为样本，每次抽选中，所有未入选的待选单元入选样本的概率相等。或是所有样本一次从抽样框中同时抽出，每个样本被抽中的概率相等。

分层抽样

将抽样单元按某种特征或规则划分为不同的层，然后从不同的层中独立、随机地抽取样本，将各层的样本结合起来，对总体的目标量进行估计。可分为等比例抽样和不等比例抽样。

整群抽样

把总体划分为群，抽样时只需要群的抽样框，对群内所有单位进行抽样调查。

优点：由于只需要群的抽样框，简化了编制抽样框的工作量

缺点：估计精度较差，因为同一群内的单元比较相似，在样本量相同的情况下，抽样误差较大

多阶段抽样

类似整群抽样，首先抽取群，但不是调查群内的所有基本单元，而是进一步抽样，从群中选择若干个基本单元进行调查。例如，第一阶段抽取初级单元，第二阶段抽取二级单元，第三阶段抽取接受调查的基本单元就是三阶段抽样。但一般会尽可能减少抽取样本的阶段，每增加一个抽样阶段就会增添一份抽样误差，对总体的估计也会更加复杂。

优点：保证了样本相对集中，节约调查费用，不需要包含所有低阶段抽样单元的抽样框。在较大规模的抽样调查中经常使用。

系统抽样

将总体中抽样单元按一定顺序排列，在规定范围内随机抽取一个单元作为初始单元，然后按规则确定其他样本单元。

优点：均匀分布，操作简便，通过辅助信息对总体内的单元有组织的排列，能有效提高估计精度。

缺点：对方差的估计比较困难。