抽样方法培训教学课件(50张).ppt

抽样：选择少数代表多数教育研究方法之九2016.11.28基本内容一、简介二、抽样的基本思想三、抽样术语四、选取研究样本的方法简介任何研究均要有明确对象，才能据以搜集资料，所以确定研究对象乃是研究设计的首要工作一般来说，教育研究的对象以学生、教师、家长、学校行政人员、教育行政人员等于教育活动相关的人为主，当然也可以包括与教育活动有关的机构、组织、或社区，如学校、教育行政机关等简介但无论研究对象是人或机构，当我们在选取研究对象时，都要考虑下面四个问题并做决定：第一，我们要探讨的、要解释的是哪一群人或哪一类机构？第二，我们能从哪些人或机构搜集到实证资料？用什么方法来选取这些人或机构？第三，这些据以搜集资料的人或机构，究竟要有多少才算适合？第四，在选取这些人或机构的过程中，会有什么误差？如何避免？简介在上述四个问题中，已包含了研究方法论的基本概念第一个问题涉及研究的总体（population），第二个问题涉及样本（sample）与抽样方法（method of sampling），第三个问题涉及样本大小（sample size），第四个问题涉及取样的误差（sampling error）与偏差（sampling bias）。

如果使用这些术语来说明，那么选取研究对象的程序是：（1）界定研究的总体，（2）选取研究样本，（3）决定样本大小，与（4）避免抽样误差抽样的基本思想(1)当我们从事一项研究时，都期望研究结果具有相当程度的普遍性，而能解释某一个“特定群体”的情形这个“特定群体”就是研究的全部对象，称为“总体”（population）抽样的基本思想(2)有时，一项研究可以包含全部总体中的所有个体，但是在很多教育调查研究中这几乎不可能做到时间和工作精力就是限制条件，而在调查研究中又往往涉及大容量的总体因此，样本就用得比较普遍了样本是总体的一个子集，研究者往往从样本特征推断出它所属的总体的特征合适的样本让你能研究它的各种特征，并据此对整个总体做出高度精确的概括抽样的基本思想(3)抽样术语(1)个体（element）：是收集信息的基本单位，即分析单位个体可以是某种类型的人，也可以是家庭、组织、社区等除此之外，个体还可以是文化产物，例如文章、杂志、歌曲、词汇等抽样术语(2)抽样单位（sampling unit）：一个抽样单位是指在一组个体中，经由抽样程序选出的一个个体个体与抽样单位在有些研究中是相同的，但在实际抽样中，抽样单位往往是多层次的。

例如，要调查家庭，可先在一个县抽选若干乡，然后从这些乡组成的样本中抽选某些村，最后从村样本中抽出家庭样本这时抽样单位是乡、村、家庭三种，分别称为初级抽样单位、次级抽样单位和终极抽样单位抽样术语(3)目标总体（target population or theoretical population）：在理论上明确界定的个体的集合体，它必须受几个方面的限定：内容、单位、范围、时间目标总体是在理论上明确定义的整体，但在实际中很难做到使符合这一定义的一切个体均能有机会被选入样本实际上，样本是从调查总体而不是从研究总体中抽取的抽样术语(4)调查总体（study population or accessible population）：研究者从中实际抽取调查样本的个体的集合体，它往往是对研究总体的进一步界定，即对时间、范围做更进一步的规定抽样术语(5)抽样框（sampling frame）：一旦我们界定了目标总体和调查总体，我们还需要在正式抽样之前做一件事我们必须得到调查总体成员的名单（a list of members of the accessible population）从中抽取样本的调查总体成员的名单被称为“抽样框”。

例如：学生的花名册、号码簿、驾驶记录等恰当的抽样框架对于精确的抽样是至关重要的抽样术语(6)抽样术语(7)样本（sample）：我们通过抽样方法所获得的一组抽样单位就构成了一个样本抽样术语(8)抽样术语(9)参数（parameter）：关于总体中某一变量的综合描述例如，全中国20至30岁男性的平均身高，就是一个参数值统计量（statistic）：关于调查样本中某一变量的综合描述例如，从一个样本中得到的20至30 岁男性的平均身高抽样调查的重要内容之一就是通过样本的统计量值推算总体的参数值，从而达到由部分认识总体的目的经典例子(1)经典例子(2)工作人员从汽车登记表和号码薄上记录的姓名，制作了抽样框架这次预测错在抽样框架并不能精确地代表所有选民它排除了没有或汽车的人，他们在1936年的全美人口中占相当大的比例，这一年是20世纪30年代大萧条最为严重的时期这次的抽样框架排除了多达65%的总人口经典例子(3)文摘能准确预测之前总统选举是因为高收入和低收入的选民在投票上并无差异此外，在大萧条之前，很多低收入的人能负担得起和汽车经典例子(4)两个教训：首先，抽样框架至关重要其次，样本大小并没有它对总体的代表性重要。

选取研究样本(1)普查（census）vs 抽样（sample）普查是对整个总体（population）做全面的、普遍的调查抽样是从总体中选出一部分的过程所选出的者部分代表称为样本，样本是总体的一个子集（subset）选取研究样本(2)选取样本的方法一般分为两大类：非概率抽样和概率抽样非概率抽样是根据研究任务的要求和对调查对象的分析，主观地、有意识地在研究对象的总体中进行选择概率抽样是根据概率理论，按照随机的原则选择样本，完全不带调查者的主观色彩概率抽样的基本原则(1)随机（random）在数学上有一个特定的含义，它是指产生一个数学上所谓随机结果的过程，也就是说，选择过程是按照真正的方式运作的（如不参照任何模式），而且研究人员能够计算出结果出现的概率在真正的随机过程中，每一个要素都有同等被选中的概率随机过程使我们可能对样本和总体匹配程度进行数学上的估计，即抽样误差（sampling error）在没有掌握整个总体的情况下，你每次抽样，样本都可能偏离整个总体抽样误差表示偏离或不匹配的大小概率抽样的基本原则(2)各种概率样本都有三个重要特征：1.你必须先有调查总体中精确的抽样框架即抽样个体清单。

2.你必须使用不带有人的主观判断的随机选择程序（例如计算机程序、随机数字表）3.你必须识别并挑选特定的抽样个体，尽可能少地使用替代个体概率抽样的分类 简单随机抽样（simple random sampling）系统抽样（systematic sampling）分层抽样（stratified sampling）群集抽样（cluster sampling）简单随机抽样(1)简单随机抽样（SRS）是其他类随机样本的原型在简单随机抽样时要做到：1.首先要确定精确的抽样框架2.其次要根据数学上的随机选择程序从框架中选择个体3.然后确定你样本里所选取的确切个体简单随机抽样(2)在所有的随机样本中，一开始你要给抽样框架里的每个个体从1到最后一个编上号使用特别的计算机程序，输入样本框架的大小和样本的大小；然后程序输出一列随机数字请注意：在选择个体前必须决定样本大小简单随机抽样(3)大家或许会问，在从抽样框架中选取一个个体后，应该把它放回抽样框架还是将它单独保留？通常不会放回，不会替换到原位抽样在大多数以人为抽样单位的情况下，这样做没有意义简单随机抽样(4)简单随机抽样法如应用在总体不大的情况下，实在是简便易行，而且取出的样本又有代表性。

但若总体的范围很广，所包含的个体数量很多时，要将每一个体都编上号码后再来抽取，必须花费很多时间，实在不经济，有时也是不可能；而且当总体之中的个体特征有明显的群体差异时，如应用简单随机抽样法来取样，也容易有偏差而失去样本的代表性因此，在教育研究中的取样，大都以随机为基本原则，再配合其他方法来应用系统抽样(1)如果大家没有基于计算机的随机数字生成器，得不到完全随机的样本，我们可以使用系统抽样（systematic sampling）的方法正如简单随机样本一样，你仍然必须给抽样框架中的每一个个体编号，但不会使用完全随机过程生成样本，而要计算抽样间隔（sampling interval）根据抽样间隔你能确定在挑选一个样本个体之前要跳过多少个抽样框架里的个体系统抽样(2)要计算抽样间隔，把抽样框架中的全部个体的数量除以样本大小，再取最近的整数值例如，某个抽样框架包括社会服务机构的1800名接受救济人员的名单，需要抽取300人的样本要计算抽样间隔，把接受救济的人数除以样本大小，即1800/300=6这就表明你要跳过5个人的名字后挑选第6个人的名字加入样本重复这一步骤，直到你取足了样本中的300人的名字。

系统抽样(3)系统抽样法的应用时机大体与简单随机抽样法相同，但比简单随机抽样简便，尤其是在总体不大而且其中个体已有号码顺序时，更为适用不过在应用系统抽样时，仍要细心检查，看看总体中个体的号码顺序是否随机排列如果发现个体的号码顺序系依特定标准排列者，则不使用系统抽样，而要改用简单随机抽样分层抽样(1)在一个群体中，个体的特征不完全相同比如智力，一群儿童之中有较高智力者，也有较低智力者；身高、体重也都如此但是我们也可以发现，有些群体相似的程度较大，有些群体相似程度较小这种群体内（intragroup）特征一致的程度称为“同质性”（homogeneity），而同质性较高的群体则成为“同质团体”（homogeneous group）;分层抽样(2)相对的，群体内特征不一致的程度成为“异质性”（heterogeneity），而异质性较高的群体就称为“异质团体”（heterogeneous group）比如，能力分班后的班级，就是同质团体，而常态编班下的班级就是异质团体但同质或异质仅是程度之分，而非有无之别分层抽样(3)理论上群体内个体特征的分布是常态的（normal），如人的身高、体重、智力等，在非经刻意挑选或安排的群体中，大体是居中者较多，两端者较少。

如果是这种群体结构，那么采用简单随机法即可取得具有代表性的样本但是，群体的结构却常是以两个或多个“次团体”（subgroups）存在，次团体之内是同质的，而次团体之间（inter-groups）却是异质的比如性别，就可将群体区分为两个次团体男性团体与女性团体分层抽样(4)这种群体内依某种特征而形成的“次团体”，称为“层”（stratum）男性是一个层，女性又是一个层如以学校的年级分层则有六层（strata），每一年级是一层，显示同年级的同质性大，不同年级的同质性小在这种情况下，如果采用简单随机抽样法来取样，就没有把握取到反映总体中次团体结构的代表性样本，因此要先将总体中的次团体区分出“层”来，然后再分别从每个“层”之中以随机方式抽选样本这样的方法称为分层抽样分层抽样(5)需要注意的是，在不必分层而分层时，不会影响研究结果；但在必须分层而未分层时，则可能影响研究结果因此保守的策略是：尽量采取分层抽样分层抽样(6)某些情况下，你希望在样本中确保包含有总体的各种不同类型例如，你得知4类残疾人（行走、视物、听力、言语能力不健全）在你要研究的总体中占8%你想在样本中确定的包括同一比例的残疾人分层抽样（stratified sampling）就能解决这类问题。

分层抽样(7)在进行分层抽样时，你首先要把总体分为子总体（subpopulation）也就是层（strata）要进行分层抽样，你必须了解总体中各层的信息，这是分层的前提其次你要确定多个抽样框架，每个子总体是一个抽样框架例如，你有可能有两个抽样框架，一个是8%的残疾人士，另一个是92%的健全人士分层抽样(8)在进行分层抽样时，你首先要把总体分为子总体（subpopulation）也就是层（strata）最后，从每个抽样框架中分别抽取随机样本因为你控制着每个层的相对大小，而不是采用随机过程决定，所以样本能代表总体中的各。