【抽样调查】CH3 分层随机抽样

最新推荐文章于 2024-05-08 21:06:14 发布

韩博士要加油鸭

最新推荐文章于 2024-05-08 21:06:14 发布

阅读量1.8k

点赞数

分类专栏：抽样技术文章标签：回归

本文链接：https://blog.csdn.net/m0_72318954/article/details/127542745

版权

本文详细介绍了分层随机抽样的概念、步骤、优势及应用。通过实例阐述了为何在大样本、差异性大的情况下，分层抽样能提供更具有代表性的样本，提高估计精度。同时，讨论了分层抽样中总体均值的无偏估计量及其性质，为实际调查提供了理论依据。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言

为什么采用分层抽样？

当总体规模N和样本量n都较大时，总体单位之间差异也较大，容易使随机抽出的不具有代表性。此时进行简单随机抽样成本高，精度低
如调查北京市大一学生的平均身高，由于男生一般比女生高，用简单随机抽样可能大多抽到男生或女生，出现过于偏向某一部分的不平衡情况，使样本不具有代表性，使估计结果偏高或偏低。应以性别为分层变量，采用分层抽样的方法

解决方法？

在保证估计精度的前提下，设法缩小总体规模N与需要抽取的样本数n，通过将总体划分为若干层达到该目的
尽量使样本总体与目标总体结构相似，方法是将总体依照与调查研究关注的变量高度相关的指标划分成几个层，使满足层内差异小、层间差异大的分层原则。例如研究居民收入，可用年龄、性别、学历等作为分层变量

一、概述

1.相关定义

（1）层

如果一个包含N个单位总体可以分成互不交叉（“不重不漏”）的L个子总体，即每个单元必属于且仅属于一个子总体，则称这样的子总体为层（stratum）。

设L个子总体包含的单位数分别为 $N_{1},N_{2},\cdots,N_{L}$ ，则有 $N_{1}+N_{2}+\cdots+N_{L}=N$ 。

（2）分层抽样

在每一层中独立进行简单随机抽样，所得到的样本称为分层样本。总的样本由各层样本组成，总体参数则根据各层样本参数汇总做出估计，这种抽样就成为分层抽样(stratified sampling)。

如果每层都是独立地按照简单随机抽样进行，那么这样的分层抽样称为分层随机抽样。

设总的样本量为n，从L个子总体中所抽取的样本量分别为 $n_{1},n_{2},\cdots,n_{L}$ ，则有 $n_{1}+n_{2}+\cdots+n_{L}=n$ 。

2.分层随机抽样的步骤

将抽样总体划分为层
在各层内独立地进行简单随机抽样，估计出层的参数
将各层参数的估计值按各层样本量在总体中所占比例（层权）进行加权，汇总得到总体参数的估计

3.分层抽样优于简单随机抽样的理由

每层都抽样，样本更具有代表性；样本结构与总体结构更相似（例如调查我国人口出生性别比，如采用简单随机抽样，一些人口少的地区可能没有单元入样，分层抽样保证各地区都有样本入样）
抽样在各层独立进行，一则可以在各层选择合适本层的不同抽样方法，二则可以同时对各层进行参数估计（例如全国性居民收入状况调查，以各省居民为子总体进行分层抽样，不仅可以得到全国居民收入水平，而且可以同时得到各省居民收入水平）
分层抽样的抽样效率较高。也就是说分层抽样的估计精度较高，是因为分层抽样估计量的方差只和层内方差成正比，和层间方差无关
各层抽样方法可以不同，而且便于因地制宜组织抽样工作