抽样调查家庭作业帮助

在统计中，调查抽样描述了从目标人群中选择一个要素样本进行调查的过程。术语“调查”可以指许多不同类型或观察技术。在调查抽样中，往往涉及用于衡量人们特征和/或态度的问卷。一旦选择了样品的成员，就会有不同的方式来收集调查数据。抽样的目的是减少调查整个目标人群所需的成本和/或工作量。衡量整个目标人群的调查称为人口普查。

调查样本可以大致分为两种类型：概率样本和非概率样本。基于概率的样本实施具有指定概率的抽样计划（可能由适应性程序指定的适应概率）。基于概率的抽样允许基于设计的关于目标人群的推断。推论是基于研究方案中规定的已知目标概率分布。基于概率调查的推论仍可能遭受许多类型的偏见。

调查抽样：样本选择

调查样本的样本选择分为两种主要类型：

基于概率的样本，其中基于已知概率选择成员。使用随机选择方法，如简单随机抽样或系统抽样。有关基于概率的抽样方法的列表，请参阅这篇文章：概率抽样。

不可计算任何成员被选择的概率的非概率样本。基于研究者的判断，受试者的接近度或其他非随机因素，使用非随机选择方法。有关非概率抽样方法的列表，请参阅本文：非概率抽样。

什么是调查抽样？

调查抽样是从目标人群中选出成员进行抽样调查的样本。通常调查是某种类型的问卷调查（即个人，电话或互联网调查）。

调查抽样科学大大改变了我们看待社会和社会问题的方式。在十九世纪末期，获得人口知识的唯一可接受的方法是通过人口普查，每个人口的成员都被调查。一百多年后，统计数字的发展已经导致了更为便宜和更快捷的调查方式 – 调查民意，衡量社会因素。

调查抽样的三个部分是：

样品选择

数据收集：通过邮件，电话，亲自或其他方式收集数据。

估计：使用收集的数据中的估计量来对整体人口作出推论。

介绍

抽样调查是使用基于概率的样本设计收集从感兴趣群体中选出的观察样本数据的过程。在抽样调查中，通常使用某些方法来提高调查数据收集的精度和控制成本。这些方法引入了分析的复杂性，必须考虑到这一点，以便产生无偏估计及其相关的精确度。本条目简要介绍了这些设计复杂性对抽样差异的影响，并总结了软件对抽样调查数据进行分析的特点和可用性。

复杂样本设计

用于估计人口参数及其相关差异的统计方法是基于对观察的特征和潜在分布的假设。大多数通用统计软件中的统计方法默认假设数据符合某些假设。在这些假设中，观察是独立选择的，每个观察都具有相同的被选择的概率。通过调查收集的数据往往具有偏离这些假设的抽样方案。由于后勤原因，样本通常在地理上聚类，以降低管理调查的成本，并且抽样家庭，然后对选定家庭中的家庭和/或子样本进行子样本并不少见。在这些情况下，样本成员不是独立选择的，也不是他们的回答可能是独立分配的。

此外，一项常见的调查抽样做法是对某些人群亚组进行过抽样，以确保最终样本中足够的代表性，以支持单独的分析。这对于某些政策相关的小组，如种族和种族少数群体，穷人，老年人和残疾人来说尤其常见。在这种情况下，样本成员不具有相同的选择概率。对采样权重（选择概率的倒数）进行调整以及其他加权调整（如对已知总体总数的分层）进一步加剧了样本成员之间的权重差异。

复杂样本设计对抽样方差的影响

由于这些偏离标准假设的抽样，这种调查样本设计通常被称为复杂的。虽然采样过程中的分层可以减少采样方差，但聚类和不等式选择概率通常会增加与所得估计相关的采样方差。不考虑复杂样本设计的影响可能导致与估计相关的抽样差异的低估。因此，虽然SAS（SAS Institute，Inc. [28]）和SPSS（SPSS，Inc. [30]）等标准软件包通常可以产生无偏加权调查估计，但是很可能低估了使用这些包之一来分析调查数据时的这种估计。

这种对方差的影响的大小通常由所谓的设计效应来衡量（Kish [18]）。设计效果是估计的抽样方差，考虑复杂样本设计，除以相同估计的抽样方差，假设选择相等大小的样本作为简单的随机抽样。统一的设计效果表明设计对估计的方差没有影响。大于1的设计效果表明设计增加了方差，设计效果小于1表示设计实际上减少了估计的方差。设计效果可以用来确定有效样本大小，只需将标称样本大小除以设计效果即可。有效的样本大小给出了从独立和相同分布（iid）样本产生等效水平的观察值的数量。例如，设计效果为1.5的大小为1,500的复杂样本的估计与从大小为1,000的简单随机样本的相同估计值相当（精确度方面）。在这种情况下，复杂设计的好处将与有效丢失500次观察结果的成本进行权衡。

我们在家庭作业中通过在统计学中提供一系列主题的解决方案，在空间上树立了自己的突出位置。您可以通过点击主页上提供的“提交您的”标签来上传您的/家庭作业或项目，以获取有关统计/统计作业或统计项目的任何帮助。