分层抽样是什么？

1. 分层抽样是什么？

2. 什么是分层抽样

分层抽样（stratified sampling）
先将总体的单位按某种特征分为若干次级总体（层），然后再从每一层内进行单纯随机抽样，组成一个样本。分层可以提高总体指标估计值的精确度，它可以将一个内部变异很大的总体分成一些内部变异较小的层（次总体）。每一层内个体变异越小越好，层间变异则越大越好。
分层抽样比单纯随机抽样所得到的结果准确性更高，组织管理更方便，而且它能保证总体中每一层都有个体被抽到。这样除了能估计总体的参数值，还可以分别估计各个层内的情况，因此分层抽样技术常被采用。
例如，一个单位的职工有500人，其中不到35岁有125人，35岁至49岁的有280人，50岁以上的有95人.为了了解这个单位职工与身体状况有关的某项指标，要从中抽取一个容量为100的样本，由于职工年龄与这项指标有关，决定采用分层抽样方法进行抽取.因为样本容量与总体的个数的比为1：5，所以在各年龄段抽取的个数依次为125/5，280/5，95/5，即25，56，19。
一般地，在抽样时，将总体分成互不交叉的层，然后按一定的比例，从各层次独立地抽取一定数量的个体，将各层次取出的个体合在一起作为样本，这种抽样方法是一种分层抽样。
又称分类抽样或类型抽样。将总体划分为若干个同质层，再在各层内随机抽样或机械抽样，分层抽样的特点是将科学分组法与抽样法结合在一起，分组减小了各抽样层变异性的影响，抽样保证了所抽取的样本具有足够的代表性。
分层抽样根据在同质层内抽样方式不同，又可分为一般分层抽样和分层比例抽样，一般分层抽样是根据样品变异性大小来确定各层的样本容量，变异性大的层多抽样，变异性小的层少抽样，在事先并不知道样品变异性大小的情况下，通常多采用分层比例抽样。

3. 什么是分层抽样法？

分层抽样法也叫类型抽样法。它是从一个可以分成不同子总体（或称为层）的总体中，按规定的比例从不同层中随机抽取样品（个体）的方法。这种方法的优点是，样本的代表性比较好，抽样误差比较小。缺点是抽样手续较简单随机抽样还要繁杂些。
比如一个学校有男生100
女生50
比例为2：1
则抽查比例也为2：1

4. 什么是分层抽样

分层抽样法，也叫类型抽样法。就是将总体单位按其属性特征分成若干类型或层，然后在类型或层中随机抽取样本单位。分层抽样的特点是：由于通过划类分层，增大了各类型中单位间的共同性，容易抽出具有代表性的调查样本。该方法适用于总体情况复杂，各单位之间差异较大，单位较多的情况。

分层抽样的具体程序是：把总体各单位分成两个或两个以上的相互独立的完全的组（如男性和女性），从两个或两个以上的组中进行简单随机抽样，样本相互独立。总体各单位按主要标志加以分组，分组的标志与关心的总体特征相关。例如，正在进行有关啤酒品牌知名度方面的调查，初步判别，在啤酒方面男性的知识与和女性不相同，那么性别应是划分层次的适当标志。如果不以这种方式进行分层抽样，分层抽样就得不到什么效果，花再多时间、精力和物资也是白费。

5. 什么是分层抽样

分层抽样也称为分类抽样或类型抽样，是将抽样总体按某一标识分层，然后从每层中抽取样本单位构成样本进行数据采集和参数估计的方法和过程。
分层抽样是社会调查实务中经常用的抽样技术，它具有以下特点。
（1）分层抽样按层进行调查，便于操作、方便管理。
（2）分层抽样中各层的抽样相对独立，可以分别估计出各层总体参数数值。
（3）当抽样总体各层之中各单位标识变异程度较小，且各层之间的标识变异程度较大时，分层抽样可以显著提高抽样效率。

6. 什么叫做分层抽样，

分层抽样：先依据一种或几种特征将总体分为若干个子总体,每一子总体称作一个层;然后从每层中随机抽取一个子样本，这些子样本合起来就是总体的样本。各层样本数的确定方法有 3种：①分层定比。即各层样本数与该层总体数的比值相等。例如，样本大小n=50，总体N=500，则n/N=0.1即为样本比例，每层均按这个比例确定该层样本数。②奈曼法。即各层应抽样本数与该层总体数及其标准差的积成正比。③非比例分配法。当某个层次包含的个案数在总体中所占比例太小时，为使该层的特征在样本中得到足够的反映，可人为地适当增加该层样本数在总体样本中的比例。但这样做会增加推论的复杂性。 
总体中赖以进行分层的变量为分层变量，理想的分层变量是调查中要加以测量的变量或与其高度相关的变量。分层的原则是增加层内的同质性和层间的异质性。常见的分层变量有性别、年龄、教育、职业等。分层随机抽样在实际抽样调查中广泛使用，在同样样本容量的情况下，它比纯随机抽样的精度高，此外管理方便，费用少，效度高。

7. 什么叫做分层抽样？

分层抽样法也叫类型抽样法。它是从一个可以分成不同子总体（或称为层）的总体中，按规定的比例从不同层中随机抽取样品（个体）的方法。这种方法的优点是，样本的代表性比较好，抽样误差比较小。缺点是抽样手续较简单随机抽样还要繁杂些。定量调查中的分层抽样是一种卓越的概率抽样方式，在调查中经常被使用。
分层抽样是把总体各单位分成两个或两个以上的相互独立的完全的组，从两个或两个以上的组中进行简单随机抽样，样本相互独立。总体各单位按主要标志加以分组，分组的标志与关心的总体特征相关。例如，正在进行有关啤酒品牌知名度方面的调查，初步判别，在啤酒方面男性的知识与和女性的不同，那么性别应是划分层次的适当标准。如果不以这种方式进行分层抽样，分层抽样就得不到什么效果，花再多时间、精力和物资也是白费。

扩展资料：
分层抽样的应用
总体中赖以进行分层的变量为分层变量，理想的分层变量是调查中要加以测量的变量或与其高度相关的变量。分层的原则是增加层内的同质性和层间的异质性。常见的分层变量有性别、年龄、教育、职业等。分层随机抽样在实际抽样调查中广泛使用，在同样样本容量的情况下，它比纯随机抽样的精度高，此外管理方便，费用少，效度高。
参考资料来源：百度百科-抽样
参考资料来源：百度百科-分层抽样

8. 何谓分层抽样法?

一、优点
1、 如果层内的测量具有较低的标准偏差（与总体中的总体标准偏差相比），则分层会产生较小的估计误差。
2、 对于许多应用程序，当人口被分组到层中时，测量变得更易于管理和/或更便宜。
3、 当需要对总体中的组进行总体参数估计时- 分层抽样验证我们从感兴趣的层中获得了足够的样本。
二、缺点
当总体无法彻底划分为不相交的子组时，分层抽样没有用。使子组的样本量与可从子组获得的数据量成正比，而不是将样本量缩放到子组大小（或它们的方差，如果已知差异显着——例如，通过测试）。
如果每个亚组之间的可疑变异需要分层抽样，则代表每个亚组的数据被认为具有同等重要性。如果子组方差差异显着，并且需要按方差对数据进行分层，则不可能同时使每个子组样本量与总人口中的子组大小成正比。

分层抽样策略
比例分配在每个层中使用与总人口比例成比例的抽样分数。
例如，如果总体由n个个体组成，其中m是男性，f女性（其中m + f = n），则两个样本的相对大小（x 1 = m/n男性，x 2 = f/n女性）应该反映这个比例。
最优分配（或不成比例的分配）——每个层的抽样比例与变量分布的比例（如上）和标准差成正比。在可变性最大的层中抽取较大的样本，以生成尽可能小的总体抽样方差。
使用分层抽样的一个真实例子是政治调查。如果受访者需要反映人口的多样性，研究人员会根据上文提到的与总人口的比例，专门寻求包括种族或宗教等各种少数群体的参与者。
因此，分层调查可以声称比简单随机抽样或系统抽样的调查更能代表总体。