1. 课程导入与抽样问题界定

在数据生产链条中，抽样往往被误解为“从总体里随便取一部分人”。真正专业的抽样方案设计，是把一个模糊的研究意图，翻译成一套可执行、可检验、可复现的数据采集规则。本课程围绕抽样方案设计与样本偏差评估展开，共30节，目标是让学习者既能独立设计一份抽样方案，也能识别并量化样本中的偏差来源。作为开篇，本节先解决三个问题：抽样在数据生产中处于什么位置，研究问题如何转化为抽样问题，以及一份抽样方案最终要交付什么。

抽样在数据生产中的位置

一次完整的调查或数据生产通常包含六个环节：研究问题界定、概念操作化、抽样设计、测量工具设计、数据采集、数据处理与分析。抽样设计位于第三环，它上承研究问题与目标总体，下接测量与采集。这个位置决定了抽样的双重约束：一方面，抽样必须服务于研究结论的推断范围，如果研究要推断全省城镇就业人口，抽样框就不能只覆盖省会城市；另一方面，抽样必须与采集方式匹配，电话访问依赖电话号码抽样框，入户访问依赖地址抽样框，线上问卷则面临自选择样本的天然偏差。

可以把数据生产理解成一条“目标总体—抽样框—样本—观测数据—推断结论”的传递链。每一环都会引入误差：抽样框不完整带来覆盖误差，抽样方式不当带来选择偏差，无应答带来无应答误差，测量环节带来测量误差。抽样方案设计的核心任务，不是消灭所有误差，而是让各类误差可控、可估计、可解释。这也是本课程把“方案设计”和“偏差评估”放在一起的原因——没有偏差评估的抽样方案，只是一份操作说明，而不是一份可辩护的方法文件。

从研究问题到抽样问题的转化

研究问题通常以自然语言出现，例如“本市灵活就业人员的月收入水平如何”。这句话无法直接指导抽样，需要经过四步转化。第一步，界定目标总体：是户籍在本市的灵活就业人员，还是实际在本市工作满三个月的灵活就业人员？是否包含平台骑手、网约车司机、自由撰稿人？第二步，确定推断维度：如果结论要分行业、分年龄段报告，样本量就必须按这些维度分层配置，而不是只保证总量。第三步，选择抽样框：灵活就业人员没有统一名录，可考虑以社区网格登记、平台企业名录、社保参保记录组合成多来源框，并明确各来源的覆盖缺口。第四步，确定抽样单元与入样规则：是以个人为单元简单随机抽取，还是以社区为初级单元做多阶段抽样。

举一个可操作的示例。假设研究目标是估计某市灵活就业人员月收入均值，要求95%置信水平下允许误差不超过300元，预调查估计收入标准差约为2400元。按简单随机抽样公式 n = (z·σ/e)²，取 z=1.96，得 n ≈ (1.96×2400/300)² ≈ 246。考虑设计效应1.4和多阶段抽样的整群影响，实际样本量取 246×1.4 ≈ 345，再按预计无应答率20%放大，最终发放约 430 份。这里的每个数字都来自明确假设，属于教学示例，实际项目需用预调查数据替换。这个例子说明：抽样问题一旦被量化，方案就有了可检验的目标，而不是“尽量多采一些”。

抽样方案的基本要素与输出物

一份可执行的抽样方案至少应包含七项要素：目标总体与推断范围、抽样框及其覆盖说明、抽样方法与各阶段入样概率、样本量与精度计算依据、分层或配额的具体划分、无应答与替换规则、偏差评估计划。这七项不是并列的清单，而是相互约束的整体：样本量取决于设计效应，设计效应取决于抽样方法，抽样方法又受抽样框形态限制。

输出物方面，建议交付三份文件。第一份是抽样方案说明书，写清上述七项要素及关键假设。第二份是抽样执行表，逐阶段记录初级单元名单、抽中单元、入样概率、替换记录与最终状态，它是后续计算权重和评估偏差的原始依据。第三份是偏差评估预案，在采集前就写明将比较哪些辅助变量（如年龄结构、地区分布）在样本与框总体之间的一致性，以及无应答者与应答者的可比维度。很多项目在数据收完后才发现无法评估偏差，原因正是预案缺失，辅助变量没有随问卷一并采集。

本节建立了后续所有章节的共同坐标：抽样是数据生产链中的可控环节，研究问题必须被翻译成总体、框、单元、样本量和偏差评估计划，方案的价值在于可执行与可核查。接下来的章节将分别深入抽样框构建、概率与非概率抽样方法、样本量计算、权重调整与偏差量化等具体技术环节。