抽樣：心理學中的定義和含義

---

抽樣在日常生活中一直是一種常見的活動。當我們希望獲取大量物品時，我們會透過研究一小部分來決定整個批次。已經證明，精心策劃的抽樣調查可以提供非常精確的資訊。由於調查僅評估部分人群並根據整個群體得出結論，因此結果很可能與總體值存在偏差。

什麼是抽樣？

“樣本”是從更廣泛的群體或集合中進行的縮影和選擇。換句話說，樣本充當更廣泛整體的縮影。“總體”或“宇宙”指的是這個更大的整體。這個詞在研究中被更廣泛地使用；它是一個明確定義的群體，可以由人類、物品、人類特徵，甚至無生命物體的行為組成，例如拋硬幣。為了獲得有意義的結果，研究只能涵蓋總體的一部分單位。

此外，總體數量通常非常大，以至於研究所有單位既昂貴又麻煩且耗時。研究人員將為調查選擇代表性的一小部分，即總體中的樣本，這被稱為抽樣。

然而，抽樣調查的優勢在於可以量化和控制此誤差，並且可以透過使用訓練有素的調查員將其減少到很大程度。抽樣調查的另一個優點是它們耗時少且成本低。在大多數情況下，總體規模太大，研究人員無法對所有成員進行調查。可以使用一個小而精心挑選的樣本反映總體，並且反映了從中選擇樣本的總體特徵。

抽樣型別

大體上，抽樣有兩種型別：i）機率抽樣和 ii）非機率抽樣。

機率抽樣

在機率抽樣方法中，每個總體元素都有一個已知的被選中的可能性。請記住，“已知機會”並不意味著“相等機會”。等機率抽樣是一種機率抽樣，也稱為簡單隨機抽樣。由於在機率抽樣程式中沒有任意或有偏差的選擇的可能性，因此機率規則適用。因此，我們可以計算抽樣誤差，即總體值和樣本值之間的差異。

簡單隨機樣本

簡單隨機抽樣是一種技術，其中總體中的每個元素都有相同的機率被包含在樣本中。在大多數研究和統計教科書中，這些成分是從隨機數列表中選擇的。在使用隨機數表之前，需要首先確定所有要調查的總體專案。然後在表上標記某個位置，並且從這一點開始沿著數字列出現的數字作為一的案例被取樣，直到達到適當數量的元素。任何給定元素的選擇都不會影響任何其他元素，這使得任何多個可能的元素組合的選擇都同樣可行。

系統隨機樣本

系統隨機樣本，就像簡單隨機樣本一樣，在其抽樣框中使用所有總體成員的列表，因為設計一個可能很困難且耗時。研究人員沒有使用隨機數來選擇樣本成分，而是使用列表上的跳躍間隔來獲得合適的樣本量。

跳躍間隔 = 總體中元素的數量 /所需的樣本量

分層隨機樣本

在某些情況下，被抽樣的總體並不均勻。因此，與其從總體中隨機抽取，不如將主要總體劃分為幾個層，每個層在一種或多種特徵方面都是同質的。然後從每個層中隨機選擇樣本專案。因此，樣本包括來自所有層的代表。

這種抽樣方法被稱為分層隨機抽樣，因為總體被劃分為子總體，並且隨機選擇條件包含在層選擇中。分層隨機抽樣需要的不僅僅是列出專案（並估計列表上的元素數量）。它還包括將列表分類為子組（或層），然後在這些子組中隨機或系統地抽樣。

機率與規模成正比 (PPS) 樣本

機率與規模成正比 (PPS) 樣本確保為更大的抽樣單元提供更好的選擇機會。由於生產力與田地面積成正比，因此這種方法最初用於估計作物產量、水果產量等。在社會科學調查中，村莊人口的特徵受人口規模的影響。

整群抽樣

整群抽樣是一種當統計總體中的自然群體顯而易見時使用的策略。它經常用於市場研究。在這種方法中，整個總體被劃分為這些已知的群體（或叢集），並選擇這些群體的樣本。然後從每個選定類別內的元素中收集必要的資訊。這可以針對這些群體中的每個元素完成，或者可以從每個群體中選擇一部分元素。當總體中的大部分多樣性存在於群體內部而不是群體之間時，這種方法效果很好。

非機率抽樣

非機率樣本是指樣本中的案例被選中以提供樣本資訊，並允許您以一定程度的精度將結果推廣到總體。這種型別的樣本也稱為目的樣本。這種型別的抽樣通常用於收集市場調查資訊，以瞭解人們的態度、意見、行為和反應。非機率樣本包括滾雪球抽樣、便利抽樣、目的/判斷抽樣、配額抽樣等。

便利樣本

便利樣本之所以這樣命名，是因為它通常易於收集和聯絡。在這種策略中，通常要求調查人員根據研究人員的指示選擇人員進行訪談。便利樣本的優勢在於，訪談者通常可以快速且廉價地完成訪談。便利抽樣非常適合探索性研究。

判斷樣本

便利樣本類似於判斷樣本。在判斷樣本中，研究人員選擇被認為代表總體的樣本。樣本的選擇基於對總體的瞭解以及樣本要反映的特徵。它成本更低且非常有利於預測。

配額抽樣

配額抽樣類似於分層抽樣。在配額抽樣中，總體被劃分為預期規模的層，並且樣本被認為對於它們所代表的總體具有重要意義。配額抽樣的優點包括時間框架更短、成本更低以及對異質總體的合理表示。

滾雪球樣本

這是非機率抽樣的一種重要形式。在滾雪球抽樣中，調查人員鼓勵受訪者提供其他聯絡人的姓名，並且樣本在規模和數量上不斷增長，直到研究目標達成。因此，它也稱為網路、鏈式或參考抽樣技術。它成本更低且在網路研究中非常有益。

抽樣方法的選擇

選擇的抽樣技術取決於每個專案的各種因素。這些因素包括總體定義、有關總體結構的資訊可用性、要估計的引數、研究目標（包括所需的精度）以及財務和其他資源的可用性。這需要為任何研究專案正確選擇樣本。

良好樣本的特徵

良好的樣本應具有以下屬性：

• 代表性和

• 充分性。

如果要將樣本中的資訊推廣到該總體，則它必須代表該總體。“代表性樣本”指的是從其收集的總體的完美“縮影”或“複製品”。換句話說，樣本元素屬性的平均值與總體平均值相同或非常接近。

良好的樣本還應該“充分”或足夠大，以便對特徵的穩定性充滿信心。足夠的樣本有足夠的例子來獲得可靠的結果。良好的樣本還應該“充分”或足夠大，以便對特徵的穩定性充滿信心。足夠的樣本有足夠的例子來獲得可靠的結果。因此，提前計劃樣本量至關重要。它根據所研究的特徵型別及其分佈而變化。需要注意的是，代表性和充分性並不能保證結果的正確性。必須正確選擇和應用抽樣和資料收集策略，以獲得更高精度的結果和關於總體的概括。

抽樣誤差

以下是抽樣程式錯誤的一些示例：

• 準確性 - 與普查相比，樣本中的觀察結果可能存在更多缺陷，使其不如普查方法準確。

• 單位可變性 - 在調查領域，單位可能會發生變化，如果它們不和諧，則抽樣方法可能不正確。將結果從一組擴充套件到另一組將不再具有科學意義。

• 錯誤結論− ：如果我們在選擇樣本時不夠謹慎，那麼將調查結果應用於所有單位時可能會出現錯誤。如果我們回到之前關於食品支出的例子，只選擇家境富裕的學生，那麼如果將結果應用於整個機構，食品支出的結果就會具有誤導性。

• 需要特定的知識或專業技能 − 抽樣方法的有效性取決於研究人員的技能；任何技能水平低於標準的研究人員都可能危及整個選擇過程。

• 抽樣方法不可行 − 在某些情況下，使用抽樣方法是不可能的。如果我們需要 100% 的準確性或有限的時間來做出決定，則無法使用此策略。當材料的性質多樣化時，也可能無法使用。

結論

總體是指一組明確定義的單位，例如人、事物、屬性、品質、人類特徵等等。樣本是更大總體的一個子集，是從其選擇的完整群體中提取的一個小型代表。為了生成一個具有代表性的樣本，必須以某種方式選擇單位。這被稱為抽樣。它通常包括以下四個階段：（i）定義總體；（ii）列出總體；（iii）選擇一個具有代表性的樣本，以及（iv）獲取足夠的樣本。抽樣技術分為兩類：抽樣有兩種型別：機率抽樣和非機率抽樣。