十五、SPSS-Complex-ampling-technique-and-analysis.pptVIP

SPSS软件中如何实现复杂抽样及数据分析——Complex Samplingand Analysis 非概率抽样(non-probability sampling)： 如便利抽样、经验抽样、滚雪球抽样等 优点：省事方便 缺点：无法说明抽样单位被抽取的概率，抽取的样本代表性差，主观随意性大，容易产生偏倚 概率抽样(probability sampling)又称随机抽样(random sampling)： 可以分为: 不放回抽样(sampling without replacement) 放回抽样(sampling with replacement) 等概率抽样（sampling with equal probability） 不等概率抽样（sampling with unequal probability) 优点: 能够保证样本的代表性,避免人为的干扰和偏倚,可以通过对抽样误差的估计,获得估计的精度 抽样单元（sampling unit） 为使得概率抽样能够实施，通常将总体分为互不重叠且又穷尽的若干部分，每个部分成为一个抽样单元。抽样单元可以根据具体情况而划分为几个层次，如一个大的抽样单元（例如省）可以分为若干个较小的单元（例如县），前者称为初级抽样单元（primary sampling unit PSU），后者称为次级抽样单元（secondary sampling unit），次级抽样单元可以再细分为三级、四级单元等 抽样框（sampling frame）： 在总体中按抽样单元进行概率抽样时，需要一份有关抽样单元的名册、清单或记录，称为抽样框。在抽样框中，每个抽样单元都被编上了号。抽样框是设计并实施一个抽样方案所必须具备的基础资料。 抽样权重（sampling weight， pweight） 可以被表示为在一定抽样设计下，抽样概率的倒数，即N/n。在两阶段抽样中，最终的pweight为： 层（strata）： 将总体中的单元按照某种原则（特征）进行划分，成为若干子总体，每个子总体就成为一个层。 有限总体校正因子（finite population correction，FPC） 主要用于有限总体抽样时的标准误计算，当fpc接近于1时，计算结果接近于无限总体的情形。 随机抽样基本类型 单纯随机抽样（simple random sampling） 系统抽样（systematic sampling） 整群随机抽样（cluster sampling） 分层随机抽样（stratified sampling） 按容量比例抽样（PPS 抽样） （sampling with probabilities proportional to size） 多阶段抽样（multi-stage sampling） 例1 欲调查某单位职工的血液情况，该公司有职工200人，若抽取10人组成样本，试做单纯随机抽样设计。 SPSS软件SRS示例 （二）整群抽样： 先将总体按照某种与研究指标无关的特征划分为K个“群”组，在每个群中各包含若干观察单位，然后再随机抽取k个“群”，将抽取的各个群的全部观察单位组成调查样本。 例2采取整群抽样的方法对社区幼儿进行调查，此社区共有50家幼儿园，从中随机抽取10家幼儿园，然后对此10家幼儿园的全部幼儿共1000名调查蛔虫的感染情况。K=50，k=10 整群抽样的操作过程与单纯随机抽样相似，仅需将前者的抽样变量修改为整群变量即可。 （三）系统抽样 又称机械抽样或等距抽样，即先将总体的观察单位按某一顺序号分为n（样本含量）个部分，再从第一部分随机抽样第k号观察单位，依次用相等的间隔（N/n），从每一部分各抽取一个观察单位组成调查样本。 抽样的结果 (四)分层抽样 先按对观察指标影响较大的某种特征，将总体分为若干类别，再从每一层内独立地随机抽取一定数量的观察单位，合起来组成样本。 可以分为： 最优分配 按比例分配 任意分配 按比例分配： 按各层观察单位Ni占总体观察单位数N 的比例抽取样本，使各层样本含量ni与样本含量n 之比等于各层观察单位数Ni与总体观察单位数N 之比。 例3 在1万人口的居民区中调查某病的患病率，居民被分为4层，总样本含量为1000人，根据按比例分层抽样的方法，问每层应抽取多少人，如何确定调查对象？ 表1 各层应抽取人数的分配 2、设计抽样计划 4、抽样方法为SRS，采用无返回抽样 5、确定抽样比例（等比例抽样） 6、输出的变量 7、抽样结果 （五）PPS抽样 这是一种不等概率抽样，就是使每个单元入样的概率与该单元的大小成比例的