抽样：心理学中的定义和含义

---

抽样在日常生活中一直是一种常见的活动。当我们希望获取大量物品时，我们会通过研究一小部分来决定整个批次。已经证明，精心策划的抽样调查可以提供非常精确的信息。由于调查仅评估部分人群并根据整个群体得出结论，因此结果很可能与总体值存在偏差。

什么是抽样？

“样本”是从更广泛的群体或集合中进行的缩影和选择。换句话说，样本充当更广泛整体的缩影。“总体”或“宇宙”指的是这个更大的整体。这个词在研究中被更广泛地使用；它是一个明确定义的群体，可以由人类、物品、人类特征，甚至无生命物体的行为组成，例如抛硬币。为了获得有意义的结果，研究只能涵盖总体的一部分单位。

此外，总体数量通常非常大，以至于研究所有单位既昂贵又麻烦且耗时。研究人员将为调查选择代表性的一小部分，即总体中的样本，这被称为抽样。

然而，抽样调查的优势在于可以量化和控制此误差，并且可以通过使用训练有素的调查员将其减少到很大程度。抽样调查的另一个优点是它们耗时少且成本低。在大多数情况下，总体规模太大，研究人员无法对所有成员进行调查。可以使用一个小而精心挑选的样本反映总体，并且反映了从中选择样本的总体特征。

抽样类型

大体上，抽样有两种类型：i）概率抽样和 ii）非概率抽样。

概率抽样

在概率抽样方法中，每个总体元素都有一个已知的被选中的可能性。请记住，“已知机会”并不意味着“相等机会”。等概率抽样是一种概率抽样，也称为简单随机抽样。由于在概率抽样程序中没有任意或有偏差的选择的可能性，因此概率规则适用。因此，我们可以计算抽样误差，即总体值和样本值之间的差异。

简单随机样本

简单随机抽样是一种技术，其中总体中的每个元素都有相同的概率被包含在样本中。在大多数研究和统计教科书中，这些成分是从随机数列表中选择的。在使用随机数表之前，需要首先确定所有要调查的总体项目。然后在表上标记某个位置，并且从这一点开始沿着数字列出现的数字作为一的案例被采样，直到达到适当数量的元素。任何给定元素的选择都不会影响任何其他元素，这使得任何多个可能的元素组合的选择都同样可行。

系统随机样本

系统随机样本，就像简单随机样本一样，在其抽样框中使用所有总体成员的列表，因为设计一个可能很困难且耗时。研究人员没有使用随机数来选择样本成分，而是使用列表上的跳跃间隔来获得合适的样本量。

跳跃间隔 = 总体中元素的数量 /所需的样本量

分层随机样本

在某些情况下，被抽样的总体并不均匀。因此，与其从总体中随机抽取，不如将主要总体划分为几个层，每个层在一种或多种特征方面都是同质的。然后从每个层中随机选择样本项目。因此，样本包括来自所有层的代表。

这种抽样方法被称为分层随机抽样，因为总体被划分为子总体，并且随机选择条件包含在层选择中。分层随机抽样需要的不仅仅是列出项目（并估计列表上的元素数量）。它还包括将列表分类为子组（或层），然后在这些子组中随机或系统地抽样。

概率与规模成正比 (PPS) 样本

概率与规模成正比 (PPS) 样本确保为更大的抽样单元提供更好的选择机会。由于生产力与田地面积成正比，因此这种方法最初用于估计作物产量、水果产量等。在社会科学调查中，村庄人口的特征受人口规模的影响。

整群抽样

整群抽样是一种当统计总体中的自然群体显而易见时使用的策略。它经常用于市场研究。在这种方法中，整个总体被划分为这些已知的群体（或集群），并选择这些群体的样本。然后从每个选定类别内的元素中收集必要的信息。这可以针对这些群体中的每个元素完成，或者可以从每个群体中选择一部分元素。当总体中的大部分多样性存在于群体内部而不是群体之间时，这种方法效果很好。

非概率抽样

非概率样本是指样本中的案例被选中以提供样本信息，并允许您以一定程度的精度将结果推广到总体。这种类型的样本也称为目的样本。这种类型的抽样通常用于收集市场调查信息，以了解人们的态度、意见、行为和反应。非概率样本包括滚雪球抽样、便利抽样、目的/判断抽样、配额抽样等。

便利样本

便利样本之所以这样命名，是因为它通常易于收集和联系。在这种策略中，通常要求调查人员根据研究人员的指示选择人员进行访谈。便利样本的优势在于，访谈者通常可以快速且廉价地完成访谈。便利抽样非常适合探索性研究。

判断样本

便利样本类似于判断样本。在判断样本中，研究人员选择被认为代表总体的样本。样本的选择基于对总体的了解以及样本要反映的特征。它成本更低且非常有利于预测。

配额抽样

配额抽样类似于分层抽样。在配额抽样中，总体被划分为预期规模的层，并且样本被认为对于它们所代表的总体具有重要意义。配额抽样的优点包括时间框架更短、成本更低以及对异质总体的合理表示。

滚雪球样本

这是非概率抽样的一种重要形式。在滚雪球抽样中，调查人员鼓励受访者提供其他联系人的姓名，并且样本在规模和数量上不断增长，直到研究目标达成。因此，它也称为网络、链式或参考抽样技术。它成本更低且在网络研究中非常有益。

抽样方法的选择

选择的抽样技术取决于每个项目的各种因素。这些因素包括总体定义、有关总体结构的信息可用性、要估计的参数、研究目标（包括所需的精度）以及财务和其他资源的可用性。这需要为任何研究项目正确选择样本。

良好样本的特征

良好的样本应具有以下属性：

• 代表性和

• 充分性。

如果要将样本中的信息推广到该总体，则它必须代表该总体。“代表性样本”指的是从其收集的总体的完美“缩影”或“复制品”。换句话说，样本元素属性的平均值与总体平均值相同或非常接近。

良好的样本还应该“充分”或足够大，以便对特征的稳定性充满信心。足够的样本有足够的例子来获得可靠的结果。良好的样本还应该“充分”或足够大，以便对特征的稳定性充满信心。足够的样本有足够的例子来获得可靠的结果。因此，提前计划样本量至关重要。它根据所研究的特征类型及其分布而变化。需要注意的是，代表性和充分性并不能保证结果的正确性。必须正确选择和应用抽样和数据收集策略，以获得更高精度的结果和关于总体的概括。

抽样误差

以下是抽样程序错误的一些示例：

• 准确性 - 与普查相比，样本中的观察结果可能存在更多缺陷，使其不如普查方法准确。

• 单位可变性 - 在调查领域，单位可能会发生变化，如果它们不和谐，则抽样方法可能不正确。将结果从一组扩展到另一组将不再具有科学意义。

• 错误结论− ：如果我们在选择样本时不够谨慎，那么将调查结果应用于所有单位时可能会出现错误。如果我们回到之前关于食品支出的例子，只选择家境富裕的学生，那么如果将结果应用于整个机构，食品支出的结果就会具有误导性。

• 需要特定的知识或专业技能 − 抽样方法的有效性取决于研究人员的技能；任何技能水平低于标准的研究人员都可能危及整个选择过程。

• 抽样方法不可行 − 在某些情况下，使用抽样方法是不可能的。如果我们需要 100% 的准确性或有限的时间来做出决定，则无法使用此策略。当材料的性质多样化时，也可能无法使用。

结论

总体是指一组明确定义的单位，例如人、事物、属性、品质、人类特征等等。样本是更大总体的一个子集，是从其选择的完整群体中提取的一个小型代表。为了生成一个具有代表性的样本，必须以某种方式选择单位。这被称为抽样。它通常包括以下四个阶段：（i）定义总体；（ii）列出总体；（iii）选择一个具有代表性的样本，以及（iv）获取足够的样本。抽样技术分为两类：抽样有两种类型：概率抽样和非概率抽样。