4. 抽样技术基础：简单随机抽样、分层抽样、系统抽样、整群抽样的原理、适用条件与样本量计算
抽样调查是统计工作的核心技能之一。在实际工作中，我们往往无法对总体中的所有个体进行全面调查（即普查），而必须通过抽取一部分代表性单位（样本）来推断总体特征。抽样技术解决的核心问题有两个：“怎么抽”（抽样方法的选择）与“抽多少”（样本量的确定）。本章将系统讲解四种基本概率抽样方法的原理、适用条件、操作流程及样本量计算公式，帮助你在统计实务中做出科学、经济且可量化的抽样方案。
4.1 简单随机抽样：最基础的等概率抽样
核心原理：简单随机抽样（Simple Random Sampling, SRS）是最基本的概率抽样方法。它要求从容量为 N 的总体中，按照等概率原则逐个抽取 n 个单元作为样本，且每次抽取时，总体中每个尚未被抽到的单元被选中的概率相同。这种抽样方法完全排除了主观因素的干扰，是其他复杂抽样方法的基础。
操作流程：
- 编制抽样框：将总体中所有抽样单元编号为 1~N。
- 选择随机化工具：可使用随机数表、随机数生成器（Excel 的 RAND 函数、统计软件）或抽签法。
- 抽取样本：按随机数顺序确定入样单元，若遇到重复编号则跳过（不放回抽样）。
- 计算估计量：样本均值 \(\bar{y} = \frac{1}{n}\sum_{i=1}^{n} y_i\)，总体总量估计 \(\hat{Y} = N\bar{y}\)。
样本量计算公式（估计总体均值时）：
n₀ = (Z² × σ²) / d²
n = n₀ / (1 + n₀/N)
其中：
Z —— 置信水平对应的标准正态分位数（95%置信度时 Z=1.96）
σ² —— 总体方差（通常用历史数据或预调查估计）
d —— 允许的最大误差（抽样极限误差）
N —— 总体规模（有限总体修正因子）n₀ = (1.96² × 8²) / 1.5² ≈ 109.3 → 取 110
n = 110 / (1 + 110/5000) ≈ 107.6 → 取 108 家。
若总体规模很大（N→∞），则 n≈110，说明有限总体修正因子在大总体时影响很小。
4.2 分层抽样：按特征分组，提升精度
核心原理：分层抽样（Stratified Sampling）先将总体按某个关键辅助变量（如行业、规模、地区）划分为若干互不重叠的“层”（Strata），然后在每一层内独立进行简单随机抽样。其核心思想是“组内同质、组间异质”——通过分层，将总体中的异质性分解到层间，使得层内方差减小，从而在相同样本量下获得更高的估计精度。
适用条件：
- 总体内部差异较大，且分层变量与目标变量高度相关（如调查企业利润时按行业分层）。
- 需要对各子总体（层）分别进行估计（如分地区统计失业率）。
- 各层抽样框可以分别编制，便于组织管理。
样本量分配方法：
| 分配方法 | 公式 | 特点 |
|---|---|---|
| 比例分配 | n_h = n × (N_h / N) | 操作简单，自加权；但若层内方差差异大，精度不是最优 |
| 最优分配（Neyman） | n_h = n × (N_h × S_h) / Σ(N_h × S_h) | 考虑层内标准差 S_h，精度最高；但需已知各层方差 |
| 等额分配 | n_h = n / L（L为层数） | 各层样本量相同，适合层规模相近的情况 |
分层抽样样本量计算公式（比例分配下估计总体均值）：
n₀ = (Z² × Σ(W_h × S_h²)) / d²
n = n₀ / (1 + n₀/N)
其中 W_h = N_h / N 为层权，S_h² 为第 h 层的层内方差4.3 系统抽样：等距抽取，简便高效
核心原理：系统抽样（Systematic Sampling）又称等距抽样。先将总体单元按某种顺序（如地理位置、时间顺序、编号）排列，然后随机确定一个起始位置，之后每隔固定间隔 k（k = N/n）抽取一个单元。系统抽样的本质是“随机起点 + 等距推进”。
操作流程：
- 将总体 N 个单元按辅助变量（如地址、生产线顺序）排列。
- 计算抽样间隔 k = N/n（若 N/n 不是整数，可采用循环系统抽样或分数间隔法）。
- 在 1~k 之间随机抽取一个整数 r 作为起点。
- 抽取 r, r+k, r+2k, ..., r+(n-1)k 共 n 个单元。
适用条件：总体单元有自然排列顺序，且排列顺序与目标变量无周期性关联。例如：流水线产品质量检验（按生产顺序）、住户调查（按门牌号）、企业名录抽样（按注册编号）。
4.4 整群抽样：以群为单位，降低成本
核心原理：整群抽样（Cluster Sampling）先将总体划分为若干“群”（Cluster），然后以群为抽样单元，随机抽取若干群，对抽中群内的所有单元进行全面调查。其核心思想是“群内相似、群间差异”，与分层抽样恰好相反。
适用条件：
- 缺乏完整的个体抽样框，但容易获得群的名单（如学校名单、社区名单、工厂车间名单）。
- 群内单元在地理上或组织上自然聚集，调查抽中群的全部单元可大幅降低差旅成本和时间。
- 群内方差与群间方差差异不大时，整群抽样效率较高。
样本量计算公式（等规模群，估计总体均值）：
n_clusters = (Z² × σ_b²) / d²
其中 σ_b² 为群间方差（各群均值之间的方差）
若群规模不等，需按群规模加权，公式更复杂4.5 四种方法对比与选择决策
| 维度 | 简单随机抽样 | 分层抽样 | 系统抽样 | 整群抽样 |
|---|---|---|---|---|
| 抽样单位 | 个体 | 个体（层内） | 个体（等距） | 群（群内全查） |
| 精度（相同样本量） | 基准 | 最高（层内同质） | 略高于 SRS（若排列有序） | 最低（群内相关） |
| 抽样框要求 | 完整个体名单 | 完整个体名单+分层变量 | 完整个体名单（有序） | 仅需群名单 |
| 调查成本 | 高（样本分散） | 中 | 低 | 最低（集中调查） |
| 操作复杂度 | 简单 | 较复杂（需分层） | 简单 | 简单 |
| 主要风险 | 样本分布不均 | 分层变量选择不当 | 周期性偏差 | 群内同质导致精度低 |
- 有完整抽样框 + 总体分布均匀 → 简单随机抽样（或系统抽样）
- 总体异质性强 + 需要子总体估计 → 分层抽样
- 总体有序排列 + 无周期风险 → 系统抽样
- 无个体抽样框 + 地理集中 → 整群抽样
- 精度要求极高 + 预算充足 → 分层最优分配
- 预算有限 + 精度要求一般 → 整群抽样或系统抽样
4.6 样本量计算的综合考虑与调整
在实际工作中，样本量的确定不能仅依赖公式，还需考虑以下因素：
- 设计效应（Deff）：复杂抽样（如整群、分层）相对于简单随机抽样的方差比。整群抽样 Deff>1，分层抽样 Deff<1。实际样本量 = SRS 样本量 × Deff。
- 无回答率：若预计无回答率为 r，则实际发放样本量 n_actual = n / (1 - r)。
- 多目标估计：若需同时估计多个指标，应取各指标所需样本量的最大值。
- 经费约束：在精度与成本之间权衡，可采用“最优分配”在给定成本下使精度最大化。
综合样本量调整示例：
某调查采用分层抽样，SRS 计算所需样本量为 400。
设计效应 Deff = 1.2（因分层不完美），无回答率预计 15%。
则：n = 400 × 1.2 = 480
n_actual = 480 / (1 - 0.15) ≈ 565 份问卷