简单随机抽样中的估计方法,通常是采用样本平均数作为总体均值的估计,用样本比例作为总体比例的估计,这就是简单估计。有时为了提高精度,在有其他辅助变量存在的情况下,也可以用比估计和回归估计等方法。
2.2.2 分层抽样
将总体按一定的原则分成若干个子总体,每个子总体称为层,在每个层内进行抽样,不同层的抽样相互独立,这样的抽样称为分层抽样(stratifiedsampling)。特别地,如果每层的抽样都是简单随机抽样,就称为分层随机抽样。在分层抽样中,先根据层样本对层的参数进行估计,然后将这些层估计加权平均或取总和作为总体均值或总量的估计。
分层抽样特别适用于既要对总体参数进行估计也要对各子总体(层)参数进行估计的情形。分层抽样的组织实施方便,样本散布比较均匀,这些都是分层抽样的优点。分层抽样更重要的一个优点是它的精度一般较高,另外其数据处理也相对简单。因此分层技术是实际应用*为普遍的抽样技术之一。
2.2.3 整群抽样
简单随机抽样有样本分散不便于调查、N大时抽样框不易编制等缺点。整群抽样恰好克服了这些缺点。整群抽样(clustersampling)是先将总体中的各个单元归并成数量较少而规模较大的单元,称为群,抽样仅对群进行,对抽中的群调查其中的每一个小单元,对没有被抽中的群则不进行调查。因此整群抽样中的样本(小)单元是以整群形式出现的,故称整群抽样,在有些中文文献中也称集团抽样。事实上这里的群即是2.1.2 中所讨论过的初级单元,而小单元即是其中的次级单元。在整群抽样中并不要求提供关于次级单元的抽样框,只需要关于初级单元的抽样框即可。另外由于群通常是由那些地理位置邻近的单元构成的,整群进行调查费用较低,因此整群抽样常受到实际工作者的欢迎。整群抽样的主要缺点是在样本量相同条件下一般精度较差,效率不高。这是因为同一群内的单元或多或少相似,对抽中的群的每个小单元进行全面调查不可避免地会造成浪费。
……