조사인의 모든 관찰 단위에 번호를 매긴 다음 추첨이나 난수 테이블을 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 샘플링 (systematic sampling)
기계 샘플링 및 등거리 샘플링이라고도 합니다. 즉, 전체 관찰 단위를 특정 순서 번호로 N 부분으로 나눈 다음 첫 번째 부분에서 무작위로 K 개의 관찰 단위를 추출하고 각 중간 간격에서 하나의 관찰 단위를 추출하여 샘플을 만듭니다.
장점: 이해하기 쉽고 조작하기 쉽다.
단점: 전체 추세가 주기적이거나 증가 또는 감소할 때 편차가 발생하기 쉽다.
셋째, 클러스터 샘플링 (cluster sampling)
군중을 그룹화한 다음 무작위로 몇 그룹을 추출하여 샘플을 만들어 모든 그룹을 조사합니다.
장점: 정리하기 쉽고, 돈을 절약할 수 있다.
단점: 샘플링 오류는 단순 무작위 샘플링보다 큽니다.
넷째, 계층 적 샘플링 (계층 적 샘플링)
먼저 관측 지표에 큰 영향을 미치는 일부 특징에 따라 전체를 여러 범주로 나눈 다음 각 레이어에서 일정량의 관찰 단위를 무작위로 추출하여 샘플을 구성합니다. 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.