〔传播研究方法〕第8讲.ppt

以职位分层，某综合医院的100个样本 总体 简单随机抽样 分层抽样 相对于总体的误差 职位 N % n n 管理者 15 2.88 1 3 -2 医师 25 4.81 2 5 -3 实习医生 25 4.81 6 5 +1 护士 100 19.23 22 19 +3 护工 100 19.23 21 19 +2 医疗技师 75 14.42 9 14 +5 看护人 50 9.62 8 10 -2 职员 75 14.42 5 14 -9 维修人员 30 5.77 3 6 -3 清洁工 25 4.81 3 5 -2 总计 520 100.00 100 100 好处：当我们所感兴趣的某类群体在总体中所占比例过小，简单随机样本很可能遗漏该类群体成员时，分层可以解决此问题。 研究者要从 20,000名大学生中抽出200个样本 从注册处得知，20,000名学生中，2%的学生（400人）是离婚女性，且有一个不到5岁的孩子。 在一个有代表性的样本中，此群体应为4人，但简单随机抽样容易遗漏。 而分层抽样中，可以直接从这400人种选4人进入样本。 抽样设计的类型——3. 分层抽样（Stratified random sampling） 分层变量的选择方法： 依赖于现有的变量：性别、班级、院系、地域、选区… 考虑与想要精确描述的变量相关的变量：性别、教育（不易获知）、城市、地理位置（南城、北城、西城、东城—社会阶层相关）区域等 抽样设计的类型——3. 分层抽样（Stratified random sampling） 处理包含总体所有要素的名册，两种分层方法 将所有要素按照所使用的分层变量加以分类，成为不同的小团体；再按相对比例从各个小团体中抽出（随机方法或系统抽样法）适当数量的样本。 例如：二年级学生中GPA为3.5以上的学生占所有学生的1%，而我们要获取1000个学生样本；那么，可以在GPA3.5以上的大二学生中抽出10个作为样本的一部分。 先将学生进行分类；将所有不同类别的学生放到一个连续性的列表中；然后再对整个列表进行一个随机起始的系统抽样。 例如，将学生名册从GPA4的大一男生开始，然后以GPA不超过1的大四女生为结束。 抽样设计的类型——3. 分层抽样（Stratified random sampling） 随机起始的分层系统抽样 系统抽样中隐含的分层： 当名册顺序具有隐含分层的状态下，系统抽样方法会比简单随机抽样方法更加准确。 有时一个排过序的名册可能比一个杂乱无章的名册提供更多、更有用的信息。 例：对夏威夷大学学生进行研究：按年级分层后，又把所有的学生按学号进行排列。但是他们的学号也是他们的社会安全号码（social security number），而SSN前三位代表州名，这就粗略地提供了地区性分层。 抽样设计的类型——3. 分层抽样（Stratified random sampling） 当1）不可能或不方便编制一个完整的名单形成目标总体；2）简单随机抽样成本过高时，可以使用整群抽样方法。 例：对全国摩托车的抽样 整群抽样设计：先对群集进行抽样，然后再从选中的群中抽取要素。【只要该群被选中，该群中所有的成员都进入随后的子样本。】 抽样设计的类型——4. 整群抽样（Cluster random sampling） 多级整群抽样（multistage cluster sampling） 重复两个步骤：列表名册、抽样 先编制初级抽样单位（如教会、街道）的名册，然后对这个名册进行抽样；根据选出的初级抽样单位再编制其要素名单，再进行抽样，如此一直重复下去。 北京：抽城区?抽街道?抽社区?抽户?抽人 抽样设计的类型——4. 整群抽样（Cluster random sampling） 比较：分层抽样与整群抽样 分层抽样（stratified） 整群抽样 （cluster） 群间 （between groups） 异质的 （heterogeneous） 同质的 （homogeneous） 群内 （within groups） 同质的 （homogeneous） 异质的 （heterogeneous） 优势 （advantage） 精确 （precise） 经济（economical） 多阶整群抽样效率高，但代价是样本精确度降低。对总体名单进行简单随机抽样会产生一次抽样误差；而两阶段的整群抽样则会有两次抽样误差。 例如：有可能抽到的富裕街道超过实际比例，而进行次级抽样时，抽到的富裕家庭又超过实际比例。解决方式：选择群的数量，以及群内选择的要素的数量。 多级整群抽样与抽样误差 抽样误差的减少：增加样本容量；提高样本要素的同质性 抽样原则：尽可能多地多选取群，而减少每个群中要素的数量。 在力所能及的范围之内尽量选取较多的群