多级抽样|介绍指南和示例
在多级抽样，或多阶段聚类抽样，则绘制一个样本在每个阶段使用越来越小的群体(单位)。它经常被用来收集数据在全国调查中，从地理上分散的一大群人。
单段采样vs多段采样
在单阶段抽样中，您将总体划分为单位(例如，家庭或个人)，并通过收集所选单位中每个人的数据直接选择样本。
在多级抽样中，你把总体分成越来越小的组，用几个步骤创建一个样本。您可以利用分层分组的优势(例如，从州到城市到社区)来创建一个样本，从该样本中收集数据的成本较低且耗时较短。
你可以用任何一种概率或non-probability单段抽样和多段抽样方法。但对于外部效度,或普遍性在美国，最好使用概率抽样方法，这样可以进行更有力的统计推断。
单级抽样
在单阶段概率抽样中，你从a开始抽样框架，这是整个种群中每个成员的列表。它应该尽可能完整，这样你的样本才能准确地反映你的总体情况。
你的研究的抽样框架是在该州学校注册的所有青少年学生的名单。要获得这份名单，你可以联系州教育部门或每个学校单独索要一份学生名单。
你可以使用简单随机，系统的，分层,或集群抽样方法的选择概率抽样从采样坐标系中。
整群抽样vs分层抽样
在聚类抽样和分层抽样中，你将你的人口划分为相互排斥和详尽的组。
在整群抽样，人口分为集群，通常以地理位置(如城市或州)或组织(如学校或大学)为基础。在单阶段聚类抽样中，随机选择一些聚类作为样本，并在一个阶段中从这些聚类中的每个人收集数据。
在分层抽样，人口分为地层这些数据通常基于种族、性别或社会经济地位等人口统计学特征。每个单位或人口的成员都被置于一个阶层。从每个阶层中选择一些成员，以便所有群体都在样本中得到代表。
多级抽样通常包括整群抽样和分层抽样的结合。
多级抽样
多级抽样通常被认为是聚类抽样的扩展版本。
在多阶段抽样中，您将总体划分为聚类，并在第一阶段选择一些聚类。在随后的每个阶段，您将这些选定的集群进一步划分为更小的集群，并重复该过程，直到进入最后一步。在最后一步中，您仅为示例选择每个集群的一些成员。
与单阶段抽样一样，首先定义目标人群。但在多级抽样中，你不需要一个列出总体中所有成员的抽样框架。这就是为什么这种方法对于从大规模、分散的人群中收集数据非常有用。
如果你无法访问一个完整的抽样帧，你就不能从整个总体中使用单阶段概率抽样。此外，从整个州的个人样本中收集数据将非常困难、昂贵和耗时。
相反，您决定使用多级抽样方法来收集参与者的代表性样本。
在多级抽样中，你总是在每个阶段从高级别到低级别集群。这些集群通常被称为抽样单位．
在第一阶段，你将总体划分为集群，并从中选择一些:这些是你的初级采样单元(电源)。
在第二阶段，您将psu划分为进一步的集群，并选择其中一些作为您的集群二次采样单元(四)。
你可以在第二个阶段结束，或者根据需要继续这个过程。在最后一个阶段，你会得到你的最终样本最终采样单位(一般)。
在第二阶段，你列出了这些学区内的所有学校。你从每个地区选择10所学校作为你的ssu。
在第三阶段，您将获得这些学校内所有学生的列表。你从每所学校中选择50名学生作为usu，并从这些学生中收集数据。
对于概率抽样，必须使用概率抽样技术在每个阶段选择聚类。但你可以混合使用简单的随机、系统或分层的方法，根据与你的研究相关和适用的内容，在每个阶段选择单元。
第一阶段:初级采样单元
在第一阶段，就像在聚类抽样中一样，你将把你的人口划分为相互排斥和详尽的聚类。
然后，您将选择一些集群作为您的主要抽样单位，理想情况下使用概率抽样方法。您可以使用任何单级采样方法来选择电源模块。
大规模调查通常在第一阶段结合使用聚类和分层抽样，以帮助确保单位代表更大的人口。这叫做分层多级样品．
首先在第一阶段对集群进行分层。分层后，使用概率抽样方法选择聚类。
你列一张全州所有学区的清单。每个学区都是一个单元或集群。您可以轻松地创建学区列表，因为它是公开可用的信息，而不像州内目标学生群体的列表。
您可以按区域类型对学区进行分层:城市、郊区和农村地区。您希望确保在示例中表示了所有三种区域类型。
对于每个阶层，你列出属于该类别的学区。然后，你使用简单的随机抽样从每个阶层中选择5个学区。这15个学区是你的主要抽样单位。
单阶段聚类抽样到此结束，因为您将从所选聚类(psu)中的每个人收集数据。这在现实生活中通常是不可行的，所以多级抽样进一步从每个簇或单元内进行抽样，以创建新的单元。
第二阶段:二次采样单元
在第二阶段，将psu划分为更小的采样单元。您将从每个选定的PSU中只选择一些较小的单元:这些是次要采样单元(ssu)。
您使用简单的随机抽样方法从每个学区中选择10所学校。这些是二次采样单元。
如果你在这个点结束抽样，它被称为两级或双级抽样．这将意味着从你的二级抽样单位的每个人收集数据:所选学校的所有学生。
通过增加更多阶段来继续这个过程是可选的，但它通常可以使研究过程更简单。
最后阶段:最终采样单位
您可以继续重复进一步划分每个采样单元的过程，并为下一阶段选择其中的几个。在最后阶段，你得到了最终的抽样单位。
这些学生是你的最终抽样单位——他们构成了你将从中收集数据的最终样本。
优点和缺点
对于大样本，多阶段抽样是有效和灵活的，但可能很难确保你的样本是总体的代表性。
优势
- 你不需要从目标人群的抽样框架开始。
- 与简单的随机样本相比，当你拥有大量或地理上分散的人口时，它相对便宜且有效。
- 它很灵活——你可以根据合适或可行的方法在不同阶段之间改变采样方法。
缺点
- 与简单的随机样本相比，多级样本需要更大的样本量才能达到相同的效果统计推断属性。
- 每个阶段的最佳抽样方法的选择是非常主观的，所以你需要明确的理由来避免你的决定有偏见的决策。
- 它可能会导致不具代表性的样本，因为大部分人口可能没有被选择进行抽样，从而导致总量差额的偏见而且选择性偏差．
关于多级抽样的常见问题
引用这篇Scribbr文章
如果你想引用这个来源，你可以复制和粘贴引用或点击“引用这篇Scribbr文章”按钮，自动添加到我们的免费引用生成器引用。
班达里，P.(2022, 12月1日)。多级抽样|介绍指南和示例。Scribbr。检索于2022年12月20日，来自//www.dandarfirm.com/methodology/multistage-sampling/
