1. 단순 무작위 샘플링은 조사자의 모든 관찰 단위 번호를 매긴 다음 추첨이나 난수 표를 통해 무작위로 관찰 단위 일부를 선택하여 샘플을 형성합니다. 장점: 조작이 간단하고 평균, 비율 및 해당 표준 오류를 계산합니다. 단점: 전체 크기가 크면 일일이 번호를 매기기가 어렵습니다. 둘째, 시스템 샘플링은 기계 샘플링과 등거리 샘플링이라고도 합니다. 즉, 전체 관찰 단위를 일정 순서 번호로 N 부로 나누고, 첫 번째 부분으로부터 무작위로 K 개의 관찰 단위를 추출하고, 각 부분마다 차례대로 관찰 단위를 추출하여 샘플을 만듭니다. 장점: 이해하기 쉽고 조작하기 쉽다. 단점: 전체 추세가 주기적이거나 증가 또는 감소할 때 편차가 발생하기 쉽다. 3. 전체 그룹 샘플링 방법을 사용하여 군중을 그룹화한 다음 무작위로 여러 그룹을 추출하여 샘플을 만들어 모든 그룹을 조사합니다. 장점: 정리하기 쉽고, 돈을 절약할 수 있다. 단점: 샘플링 오류는 단순 무작위 샘플링보다 큽니다. 넷째, 계층적 샘플링 (layered sampling) 은 먼저 관찰 지표에 큰 영향을 미치는 일부 특징에 따라 전체를 여러 범주로 나눈 다음 각 레이어에서 일정량의 관찰 단위를 무작위로 추출하여 샘플을 형성합니다. 비례 배분과 최적 배분이라는 두 가지 시나리오가 있습니다. 장점: 샘플이 대표적이어서 샘플링 오류를 줄입니다. 위의 네 가지 기본 샘플링 방법은 모두 1 단계 샘플링에 속합니다. 실제 응용 프로그램에서는 전체 샘플링 프로세스를 실제 상황에 따라 여러 단계로 나누는 경우가 많습니다. 이를 다단계 샘플링이라고 합니다. 다양한 샘플링 방법의 샘플링 오차는 일반적으로 전체 샘플 ≥ 단순 무작위 샘플 ≥ 시스템 샘플링 ≥ 계층 샘플입니다.
채택하기를 바라다