《抽样调查基本原理(共12页).doc》由会员分享，可在线阅读，更多相关《抽样调查基本原理(共12页).doc（12页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、精选优质文档-倾情为你奉上第二章 抽样调查基本原理第一节 有关基本概念一、总体总体也叫母体，它是所要认识对象的全体，是具有同一性质的许多单位的集合。组成总体的每个个体叫做单位。总体可以是有限的，也可以是无限的。如果总体中所包含个体的数目为有限多个，则该总体就是有限总体，反之是无限总体。总体也可区分成计量总体(由测量值组成的)和计数总体(由品质特征组成的)。在抽样以前，必须根据实际情况把总体划分成若干个互不重叠并且能组合成总体的部分，每个部分称为一个抽样单元，不论总体是否有限，总体中的抽样单元数一定是有限的，而且是已知的，因此说抽样调查的总体总是有限的。抽样单元又有大小之分，一个大的抽样单元可以
2、分成若干个小的抽样单元，最小的抽样单元就是每一个个体。如一项全国性的调查，如果把省作为一级单元，则可以把县作为二级单元，乡作为三级单元，村作为四级单元等等。又如在流动人口抽样中，可以以居委会作为抽样单元，而在家计调查中，则以户为抽样单元。总体应具备同质性、大量性和差异性的特征。在抽样调查中，通常将反映总体数量特征的综合指标称为总体参数。常见的总体参数主要有：1.总体总和Y：例如全国人口数。Y=yi=y1+y2+yN2.总体均值：例如职工平均工资。=Y/N=yi /N3.总体比率R：是总体中两个不同指标的总和或均值的比值。如总收入与总支出之比。R=Y/X=/4.总体比例P：是总体中具有某种特性的
3、单元数目所占比重。如产品的合格率。二、样本样本是由从总体中所抽选出来的若干个抽样单元组成的集合体。抽样前，样本是一个n维随机变量，属样本空间；抽样后，样本是一个n元数组，是样本空间的一个点。样本是总体的缩影，是总体的代表。抽样的效果好不好，依赖于样本对总体是否有充分的代表性。样本的代表性愈强，用样本指标对总体全面特征的推断就愈精确，即推断的误差就愈小；反之，如果样本的代表性愈弱，推断的误差就愈大，推断结果就愈不可靠。如何增强样本的代表性，使其能达到估计或推断的预期效果，就必须分析影响样本代表性的因素，以便加强控制。一般情况下，影响样本代表性的因素有以下几个方面：(1)总体标志值分布的离散程度。
4、若总体标志值的分布很集中，即平均离散程度(标准差)很小，从中任抽部分单元做样本，样本特征很近似于总体特征，样本的代表性就强；反之，如果标志值的分布很分散，即平均离散程度很大，从中抽取样本单元的随机波动也很大，必将影响样本的代表性。(2)抽样单元数的多少(或称样本容量的大小)。抽样单元数的多少，影响样本对总体的代表性。一般说来，样本容量以大为好，但要根据实际情况，以掌握适度为宜，要在保证一定可靠程度的情况下，尽可能满足及时性和经济性的要求，取得好的效益。(3)抽样方法。抽样方法一般分为放回抽样和不放回抽样。放回抽样也叫重置抽样，或重复抽样。它是在总体N个单元中随机抽取n个单元时，每次抽取一个单元
5、进行记录后又放回原来的总体，参加下一个单元的抽取，即下一个单元仍然在原来的全部抽样单元中抽取，依此类推，直到抽足所需单元数为止，因而同一个抽样单元有被重复抽中的可能。不放回抽样也叫不重置抽样，或不重复抽样。它是在每次抽取一个新的单元之前，将已抽中的单元不再放回原来的总体，下一个单元的抽取在剩余的抽样单元中进行，依次类推，直到抽足所需单元数为止，因而每个抽样单元最多只能被抽中一次，不可能重复被抽中。放回抽样与不放回抽样相比，不放回抽样的样本代表性优于放回抽样。因为放回抽样中，有些单位有被重复抽取的可能，从而使样本单元数在总体中的散布面缩小，样本的代表性减弱，故在实际工作中常采用不放回抽样。有鉴于
6、此，在本书以后内容中，如没有特别的声明，则一般只涉及不放回抽样。理解了不放回抽样的方法及有关内容，也就容易理解和掌握放回抽样的方法。以上三种影响因素中，第一个因素即离散程度的大小，是由事物内部和外部联系决定的，是客观性的因素，人们只能认识了解，不能调节控制。第二、三两因素是人们可以选择和控制的，为主观因素，只要掌握和控制了这两个因素，在一定程度上，人们也就能控制样本的代表性，以期达到抽样数目尽可能小，使估计和推断结论达到预定的精确程度和可靠程度的要求。另外，等概率抽样与不等概率抽样相比，以不等概率抽样的样本代表性较等概率抽样为好。一般将反映样本数量特征的综合指标称之为统计量。统计量是n元样本的
7、一个实值函数，是一个随机变量，统计量的一个具体取值即为统计值。主要的样本统计量有：1.样本总和y：y=yi=y1+y2+yn2.样本均值：=y/n=yi /n3.样本比率r：r=y/x=/4.样本比例p：是样本中具有某种特性的单元数目所占比重。三、必要样本容量和样本可能数目样本中包含的抽样单元个数称为样本容量，又称样本含量或样本大小(后面还要进一步讨论关于必要样本容量的问题)。总体中所含抽样单元个数称为总体容量，样本容量与总体容量之比为抽样比，用f表示，即f=n/N。样本可能数目则是在容量为N的总体中抽取容量为n的样本时，所有可能被抽中的不同样本的个数。用A表示。当N和n一定时，A的多少与抽样
8、方法有关，其计算方法列表如下：抽样方法放回抽样不放回抽样考虑顺序不考虑顺序正确理解样本可能数目的概念，对于准确理解和把握抽样误差的计算、样本统计量的抽样分布、抽样估计的优良标准等一系列理论和方法问题都有十分重要的帮助。四、抽样框抽样框是在抽样前，为便于抽样工作的组织，在可能条件下编制的用来进行抽样的、记录或表明总体所有抽样单元的框架，在抽样框中，每个抽样单元都被编上号码。抽样框可以是一份清单(名单抽样框)、一张地图(区域抽样框)。在与时间有关的调查中，也可以按时间先后顺序排列总体中的单元，这样得到的抽样框称为时序抽样框。抽样框是设计实施一个抽样方案所必备的基础资料，一旦某个单元被抽中，也需依抽
9、样框在实际中找到这个单元，从而实施调查。编制抽样框是一个实际的、重要的问题，因此必须要认真对待。一般而言，如果总体中的每个元素在清单上分别只出现一次，且清单上又没有总体以外的其他元素出现，则该清单就是一个完备的抽样框。在完备的抽样框中，每个元素必须且只能同一个号码对应。但是，在实际中，完备的抽样框是很少见的，我们常常可能必须使用一些有严重缺陷的抽样框，而又必须发现这些缺陷并加以补救，在这一过程中，可以充分体现出抽样的艺术性。常见的抽样框问题可以概括为四种基本类型：(1)缺失一些元素，即抽样框涵盖不完全；(2)多个元素对应一个号码；(3)空白(一些号码没有与之对应的元素)或存在异类元素；(4)重
10、复号码，即一个元素对应多个号码。抽样框存在缺陷时，我们首先想到的是如何去避免上述问题：如果已知由这此问题引起的误差比其他原因产生的误差小，并且纠正起来又花费太大的话，可以忽略不管，但在描述样本时，应对此加以说明；重新定义总体以适应抽样框；改正整个总体清单，也即找出全部缺失元素、分开每一个群、清除所有的空白和异类元素、删掉重复号码。当上述方法不能有效利用时，就应该采取其它一些补救措施来抵消抽样框中存在的缺陷。对此问题的进一步讨论将在第十一章进行。第二节 样本统计量的抽样分布标准的统计问题为：总体未知，故需从总体中抽取一个较小的、花费不多的随机样本，然后构造样本统计量，并以其估计总体。问题是用样本
11、指标估计总体指标的可靠程度如何?为此要研究样本统计量的抽样分布。在此之前，有必要先回顾一下有关正态分布的知识。一、正态分布如果总体各个体的标志值以总体平均数为中心，形成钟型对称分布，其分布曲线向两侧扩展，逐渐向横轴逼近，无限延伸出去，但不接触横轴，则这种分布就叫做正态分布，或高斯分布、常态分布。服从正态分布的总体称为正态总体。正态分布是由德国数学家高斯(Carl Friedrich Gauss 17771855)首先发现的，故此得名。一个正态分布完全由总体的理论平均数和理论方差这两个参数所决定。其数学特征为：如果一个随机变量X服从正态分布，则其分布的密度函数(分布曲线方程)为：，（ -x）式中
12、：和2分别为随机变量X的数学期望和方差，3.1416，e为自然对数的底，e2.7183。当=0,2=1时，称该分布为标准正态分布。标准正态分布的密度函数为，（ -x5,n(1-p)5)时，则样本成数P趋于服从正态分布，其平均数为p，方差为。因此，标准随机变量趋于服从标准正态分布。(二)样本统计量的精确分布1、2分布设随机变量YiN(0,1)(i=1,2,，n),且相互独立，则Y=Y2i服从自由度为n的2分布，记作Y2(n)。2分布的概率密度函数为式中n是正整数，(n/2)是(伽马)函数当y=n/2时的函数值。2分布的主要性质有：f(y)恒为正；2分布呈右偏形态；2分布随n的不断增大而逐渐趋于正
13、态分布。可以证明，2分布2(n)的数学期望和方差分别为EY=n, DY=2n.2、t分布若XN(0，1)，Y2(n)，且X与Y相互独立，则称随机变量服从自由度为n的t分布，记作：Tt(n)。由此也可以推论出关于t分布的如下定义方式：若XN(，2)，2未知，则服从自由度为n-1的t分布，记作：Tt(n-1),其中：。t分布t(n)的概率密度函数为t分布具有如下性质：t分布对称于纵轴，与N(0，1)相似；在n30(小样本)时，t分布的方差大于N(0，1)的方差；在n30(大样本)时，t分布随n的增大而趋于N(0，1)。可以证明，t分布t(n)的数学期望与方差分别为ET=0，DT=n/(n-2).(
14、n2)3、F分布若X2(n1)，Y2(n2)，且X与Y相互独立，则称随机变量服从第一自由度为n1，第二自由度为n2的F分布，记作：FF(n1,n2)。如果XF(n1,n2),则其概率密度函数为F分布的主要性质有：F分布呈右偏态；f(x)恒为正；在处取最大值(n12，f01)；随n1,n2的不断增大，F分布的右偏程度逐渐减弱，但不会趋向正态；具有倒数性质，即若XF(n1,n2)，则1/XF(n1,n2)；若tt(n),则t2(n)F(1,n)。若XF(n1,n2),则其数学期望和方差分别为第三节 抽样误差一、抽样调查中的误差来源误差就是调查结果与现象的实际结果之间的偏差，它几乎在所有的统计调查中
15、都或大或小的存在着。在抽样调查中，按照形成原因的不同，一般可将误差分成抽样误差和非抽样误差两大类。抽样误差是用样本统计量推断总体参数时的误差，它属于一种代表性误差。抽样调查是用样本来估计总体，对任何一种抽样方案，可能的样本会有许多，而实际抽到的只是其中的一个样本，在概率抽样中，哪个样本会被抽到完全是随机的，抽到的样本不同，则对总体的估计就可能不同，这就是抽样误差产生的根本原因。因此，在抽样调查中抽样误差是不可避免的。但同非抽样误差不同的是，抽样误差可以计算，并且可以被控制在任意小的范围内。抽样误差通常会随样本量的大小而增减。在某些情形下，抽样误差与样本量大小的平方根成反比关系，即在开始阶段抽样
16、误差随样本量的增加而迅速减少，但在一定阶段后，这种趋势便趋于稳定。这表明，在经过一定阶段后，再努力减少抽样误差通常是不合算的。所以过了这个阶段只要稍微降低一点精度，就可以省下可观的费用。普查的目的不过是想使抽样误差降低为零，要是允许存在误差，当然就值得用抽样调查。另外，影响抽样误差的因素还有：所研究现象总体变异程度的大小，一般而言，总体变异程度越大，则抽样误差可能越大；抽样的方式方法，如放回抽样的误差大于不放回抽样，各种不同的抽样组织方式也常会有不同的抽样误差。在实际工作中，样本量和抽样方式方法的影响是可以控制的，总体变异程度虽不可以控制，但却可通过设计一些复杂的抽样技术而将其影响加以控制。非
17、抽样误差不是由于抽样引起的。它又包括调查误差、无回答误差、抽样框误差以及登记性误差。它在各种统计调查中都可能会存在。调查误差是调查所得的观测值与被调查单元真值不一致所造成的误差。造成这类误差的原因可能是测量手段(或仪器)不完善，也可能是被调查者记忆不准确，或对所调查内容缺乏全面了解或不愿意如实回答等。无回答误差是因样本中的一部分单元或一部分项目的资料没有调查到，致使实际样本较设计样本缩小而引起的误差。其产生原因有被调查者拒绝回答问题，或者正好缺乏所需要的信息，或者找不到被抽中的单元等。抽样框误差是由于抽样框不完善所造所的误差。抽样框不完善具体表现为存在着抽样单元的重复或遗漏，这会破坏抽样的随机
18、性。登记性误差是在观测数据的填写、计算机数据录入、传输、计算等环节的差错引起的误差。非抽样误差的控制，须经过改进抽查表的设计或测试方式，严密组织调查，提高调查员的素质，以及加强调查整理等各环节的质量检查监督，或设计特殊调查方式进行处理，才能见效。具体的论述见后面有关章节。同抽样误差相反，非抽样误差是随着样本量的增加而增大的。由于抽样调查的访问和资料整理都比普查更便于进行，因此非抽样误差也远远小于普查。有时，普查中的非抽样误差甚至大于抽样调查中抽样误差与非抽样误差的总和。二、抽样误差的计算由于从一个总体中抽取容量为n的样本时，有多种可能的结果，所以样本指标是随机变量，而总体指标是唯一确定的常量，
19、故抽样误差也是一个随机变量。设为总体的某个待估参数，是通过样本资料计算而得到的关于的估计量，则估计的实际误差为-，由于是未知，故-是未知的。这表明根据某一个确定的样本，无法确定抽样误差的大小，因此，关于抽样误差的计算，是建立在误差分布理论基础上，从统计平均意义角度来考虑的。因为，对一个确定的总体按同一种抽样方法可能得到一系列不同的样本，对每一个样本都会有一个估计的实际误差i-，因此，抽样误差可以用所有这些可能的实际误差的均方误差表示。也即将抽样误差表示为其中为估计量的均方误差。由于未知，所以在通常情况下，仍然是未知的。但可以分解成：式中第一项是估计量的方差，记作。的平方根称为估计量的标准误差或
20、标准差，记作。与之比称为估计量的变异系数，记为。式中第二项是估计量的偏倚的平方(即)。一般情况下，均方误差说明了估计量的准确性，而估计量的方差则表明了其估计结果的精确性。通常将精确度定义为估计量方差的倒数，而将准确度定义为估计量均方误差的倒数。当偏倚为零时，称为的无偏估计量。此时，的方差就等于它的均方误差，即如果随样本容量n的增大趋近于，则称为的一致估计。需要说明的是：上面所给出的的计算公式仍然属于一个理论公式或叫作定义公式，在实际中是无法直接应用的。因此，实际中计算是依据调查变量的总体方差2进行的，当2未知时，一般用样本方差s2代替，以对做出估计。有偏的估计并非都是不可用的，有时有偏估计量在
21、某些方面反而比无偏估计量更好。有研究认为，在实践中当偏倚小于标准误的十分之一时，偏倚对估计量准确度的影响可以忽略不计。第四节 抽样估计要达到对总体的正确认识，样本的充分代表性和样本资料的准确性都是必要的前提，然而从样本到总体的估计方法在这里却居于突出的重要地位。抽样估计就是以样本的实际资料为依据，计算一定的样本统计量，并按照一定的方法对总体参数作出估计和推断。这也是抽样调查的目的之所在。一、抽样估计的特点第一,抽样估计在逻辑上运用的是归纳推理而不是演绎推理。演绎推理是在封闭的系统中从一般性命题导出特殊结论的逻辑方法，其结论的正确性已全部包含在前提的正确性之中。如在本章第二节中，我们从一个已知总
22、体开始，讨论样本具有怎么样的性质，样本统计量是如何接近总体参数的，这就是运用了演绎推理的方法。归纳推理与之正好相反，它是在开放的系统中，从研究个别命题达到一般性的结论。其前提正确不一定就能得出正确的结论，结论的正确性还决定于前提以外的许多事实，所以结论必须经过事实验证。统计的认识过程正是从对大量个别事件的认识上升到现象总体的认识。本节将要讨论的抽样估计即是从抽取的一个已知样本出发，对被抽样未知总体推断出一般结论，所采用的是归纳推理法。第二,抽样估计在方法上运用不确定的概率估计法而不是运用确定的数学分析法。虽然抽样估计也是利用一定的样本数据来推论总体的数量特征，但由于样本数据和总体数量特征之间并
23、不存在严格对应的自变量和因变量的关系，因此，不可能运用数学函数关系建立一定的数学模型，用输入样本的具体观察值来推算总体特征值。抽样估计原则上把由样本观察值所决定的统计量看作是随机事件。在实践中，抽取一个样本，并计算出相应的样本指标，接着需研究的问题便是用这一样本指标来代表相应的总体指标的可靠程度究竟有多大，这就是概率估计所要解决的。如果说归纳推理不保证从正确的前提一定得到正确的结论，只肯定从正确的前提得到的结论有一定程度的可靠性，那么概率估计就是要具体确定这个一定程度的可靠性是多大。第三,抽样估计的结论存在着一定程度的抽样误差。如前所述，抽样误差指是由随机抽样中偶然性因素的影响，使得样本指标和
24、总体指标间存在的某种程度的离差。这种误差是抽样估计所固有的，不可避免。抽样估计结论的可靠程度总是和一定的抽样误差联系在一起的。通常情况下，总是指出样本指标和总体指标的误差在一定范围内的概率保证程度。二、抽样估计的方法抽样估计的方法多种多样。如果以估计中所依据的资料不同来区分，一般可以有简单估计、比估计和回归估计等三种方法。简单估计是单纯依靠样本调查变量的资料估计总体参数，其估计结果称为简单估计量；比估计和回归估计是同时依据样本调查变量以及已知的有关辅助变量的资料来对总体参数做出估计，其结果分别称为比估计量和回归估计量。简单估计是最简单、最基本的一种估计方法，在实际中应用也最为广泛。后面各章节所
25、讨论的估计量若没有特别的说明一般都是指简单估计量。同简单估计相比，比估计和回归估计比较复杂，但在某些情况下，其估计的效果却比较好。关于比估计和回归估计将在第五章作进一步讨论。如果以估计结果的表示方式来区分，则抽样估计可以有两种形式，即定值估计和区间估计。定值估计是指给所要估计的总体参数只给出一个明确的点估计值，同时确定出估计结果的误差(一般用方差V()来表示)。区间估计则是在一定的概率保证程度(置信度)之下，根据允许的最大绝对误差范围(一般称之为抽样极限误差，记作，它常以抽样标准误差为标准单位来计量，即=KS(),其中K称之为概率度，其值同置信度的大小有关，可通过查相关的概率积分表求得。)，确
26、定出一个以点估计值为中心的区间作为总体待估参数的估计区间(也称为置信区间)。可见在区间估计中，不但要考虑抽样误差的可能范围有多大，而且还必须考虑落到这一范围的概率是多少。前者是估计的准确性问题，后者是估计的可靠性问题，两者既相互矛盾又密不可分。计算可靠性的依据是样本统计量的抽样分布理论。在实际问题的研究中常常需要在估计的准确性和可靠性之间进行协调，一般是先确定其中的一个，然后再推算出另外一个。三、置信区间在抽样估计中，是用样本统计量来推断对应的总体参数，根据前面第二节的分析，样本统计量的极限分布呈正态，而在社会经济现象的抽样研究中，通常所使用的又是大样本，因此，可以按照正态分布的理论，来构造总
27、体参数估计量的置信区间。一般地说，若估计量是无偏的，且呈正态分布，则参数的置信度为1-的置信区间可以写成(-KS()，+KS()当调查变量的总体方差2已知时，上述置信区间可表示为(-Z/2S()，+ Z/2S()即取K= Z/2, Z/2的值可以通过查正态分布双侧临界值表加以确定。常用的几组置信度同Z/2的对应值如下表1-0.800.900.950.95450.9973Z/21.281.641.9623当调查变量的总体方差2未知时，则用相应的样本方差s2代替。然而，这时有可能会使误差产生一个增量，特别是当样本较小时，更容易影响估计的精度。因此，为了保持1-的置信度，就应该适当加宽置信区间，即用
28、较大的t/2值来代替Z/2。此时，置信区间就可以表示成(-t/2 ()，+t/2 ()其中t/2的值可通过查t分布临界值表来确定，在这里自由度为df=n-1；()表示以s2代替2后对抽样标准误S()的估计量。我们注意到，当样本量充分大时，Z值和t值十分接近，因此，即使2未知，也仍然可以取K=Z；但在小样本条件下，Z值和t值差别较大，所以在实践中，只有当2未知且样本量较小(n30)时才用t值，即取K=t。四、估计量的优良标准由于抽样指标是一个随机变量，随着抽取的样本不同，便有不同的估计值，因此，要判断一种估计量的好环，仅从某一次试验的结果来衡量是不够的，而应从多次重复试验中，看这种估计量是否在某
29、种意义上最接近于被估计参数的真值。一般地说，用抽样指标估计总体指标应该有三项基本要求或标准，满足这三项要求的估计就可以被认为是合理的估计或优良的估计，这三项要求即是抽样估计的三条优良标准。1、无偏性用样本指标估计总体指标要求所有可能的样本指标的平均值等于对应的总体指标值。就是说，虽然每一次的抽样指标和未知的总体指标可能有偏误，但在多次反复的估计中各个抽样指标的平均值应该等于总体指标，即用抽样指标来作估计平均说来是没有偏误的。所以，样本指标是对应的总体指标的无偏估计量。关于这一点，可以用概率的方法加以证明： 证明：设总体容量有N个：Y1，Y2，Yn，则：=（Y1+Y2+Yn）/N又设样本容量有n
30、个，y1，y2，yn，则：=y1+y2+yn/n所以由于y1，y2，yn都是取自总体Y1，Y2，Yn中，当n充分大时，它与总体同分布，所以，E(y1)=E(y2)=E(yn)=E(Y)= ，因此证毕。2、一致性用样本指标估计总体指标要求当样本容量充分大时，抽样指标也充分地靠近总体指标。换言之，随着样本单元数n的无限增大(无限接近于总体单元数N)，抽样指标和总体指标间的绝对离差可以无限缩小。以平均数为例，证明如下：设为任意小的正数，依大数定律有由平均数无偏性知道，抽样平均数的期望值等于总体平均数，即E()=，则有：这表明，当样本单位数无限增大时，抽样平均数和总体平均数的绝对离差小于任意常数(0)的概率趋近于1。这就是抽样估计的一致性。3、有效性用抽样指标估计总体指标要求作为优良估计量的方差应该比其他估计量的方差小。即：用抽样平均数和总体某一变量来估计总体平均数，虽然两者都是无偏估计量，而且在每一次的估计中两种估计量和总体平均数都可能有离差，但样本平均数更靠近在总体平均数的周围，平均说来它的离差比较小，所以对比而言，抽样平均数是更为优良的估计量。由于样本变量和总体变量是同分布的，依方差性质可知：故V()2所以，用抽样平均数估计总体平均数比用总体的变量X估计总体平均数更为有效。专心-专注-专业