Sample

Only available on StudyMode
  • Download(s) : 771
  • Published : November 11, 2010
Open Document
Text Preview
抽樣設計

■ 一些大原則:
─ 認定能夠實際接觸到的母群體,也就是抽樣架構(sampling frame)。 ─ 避免隨意抽樣(亦即非機率性的抽樣)。
─ 理想上是能做簡單隨機抽樣或系統抽樣。
─ 分層抽樣可以減少抽樣誤差。
─ 當母群體中每一位被抽樣的對象是分屬於某一團體時,則可考慮用隨機叢集抽樣(cluster sampling)。 ─ 當母群體很大時,應考慮用多階段抽樣。
─ 決定樣本的大小是以推估母數(parameter)時所欲達到之精準度為基礎。 ─ 大樣本並不能補償抽樣時的偏差或系統性偏差(sampling bias;systematic bias)。因此,良好的抽樣設計、問卷設計和增加回收率等都是減少偏差的重要步驟。

■ 在抽樣方面,需要做以下之判斷及決策:
─ 是否要用機率樣本(probability sample,亦即random sample)? ─ 抽樣架構(the sampling frame)為何?也就是那些人真正有被抽選到之機會。 ─ 樣本之大小(The Sample Size)。
─ 抽樣設計(the sample design),即抽選人或戶之實際策略。 ─ 回收率(the rate of response),即真正得到資料者在選取樣本中之比例。

■ 樣本之選取的三個關鍵
─ 得到樣本時所用之the sample frame(樣本架構)。 ─ 樣本內每一單位或個案都必須是用機率抽樣之程序,獲得每一個單位都應知道被選取之機率為何。 ─ 抽樣設計之細節,如樣本大小,及抽樣程序等,都會影響到樣本之代表性。

■ The Sample Frame
任何一個選擇樣本之程序都會給一些人被選入樣本之機會,也同時會排除一些人。因此,第一個評估樣本品質之步驟即為了解the sample frame 。

─ 抽樣方法可以歸成三大類:
1. 抽樣是由一相當完整的名單中抽出樣本。 2. 抽樣是由一群因做某些事或到某些地方的人中抽出樣本。 3. 抽樣是透過幾個階段抽到樣本。

─ 不論抽樣方法為何,研究者要評估the sample frame 之三個特徵: 1. 包含性(comprehensiveness)與變異性(variation)。 2. 樣本中每一個人或單位都有已知之被選擇的機率。 3. 最後一個評估的標準是抽樣設計之效率(efficiency)。這標準主要牽涉到抽樣所需之成本效益的問題。

由於樣本推論之範圍限於the sample frame,因此研究者要報告什麼人有機會被選擇,什麼人被排在外,那些被排在外的是否有獨特之性質,以及是否有些被抽選者其被抽選之機率不明等。

一個階段的抽樣
─ 簡單隨機抽樣:將抽樣架構中所有的元素編號後,再用一組亂數決定挑選哪些元素。 ─ 系統抽樣:將抽樣架構中每一個元素編號,但不用亂數選取,而是依照一定的抽樣間距。 ─ 分層抽樣:將母群體分成幾個次母群體(subpopulation)的分層(strata)後,從每個次母群體中抽出一定比例的隨機樣本。

■ 多階段抽樣
─ 由學校中抽選學生
─ 區域機率抽樣(Area Probability Sampling)
─ 隨機數字撥號(random-digit dialing)

■ 樣本推估及抽樣誤差
一般來說,隨機抽樣所得到的誤差假定為非系統性的偏差,因此我們可以推估樣本估計值之準確性。(您還記得the central limit theorem嗎?) 以下所談之原則雖是運用在所有的sample statistics,但是一般的estimates主要是means(平均數)。最常用來描述抽樣誤差之統計值即為標準誤差(standard error),透過標準誤差我們可以計算信賴區間。 平均數之standard error 為 [pic] , Var為樣本之變異量; 比例之SE為 [pic] , p (1-p)為比例之變異量。

由以上公式可看出:
─ 樣本愈大,則抽樣誤差愈小。
─ 當原來樣本數小時,加大樣本數,會減少較多之誤差,但原樣本頗大時,加多樣本數能減少之誤差並不大。 ─ 當p = 0.5時,比例之抽樣誤差最大。
─ 上述之公式只用在simple random sample之情況。當抽樣不是簡單隨機時,樣本誤差之計算會隨設計之不同而不同,也會隨所注意之變項不同而不同。...
tracking img