跳转到内容

抽样误差

来自VeritasWiki 真理百科
抽样误差
英文名 Sampling Error
学科归属 统计推断、抽样方法
核心含义 因只观测部分个体而产生的样本统计量与总体参数之间的随机偏差
度量 标准误
变化规律 与样本量的平方根成反比
相关条目 置信区间、测量误差、样本量估计|}

抽样误差指仅凭样本推断总体时,样本统计量与总体参数之间必然存在的随机偏差:即使抽样与测量完美无缺,抽到哪一部分个体仍带有运气成分——本次样本的均值不会恰好等于总体均值,差异就是抽样误差。

抽样误差是随机性的、可量化的、原则上可通过增大样本无限缩小的。它与非抽样误差(测量误差、抽样框缺陷、无应答偏差)性质不同:后者是系统性的,增大样本不能消除,甚至可能放大。两者的区分是调查研究的第一个方法意识。

标准误

抽样误差的度量是标准误:统计量在反复抽样下的标准差,反映统计量围绕参数波动的幅度。

均值的标准误等于总体标准差除以样本量的平方根。这一公式包含抽样误差最重要的规律:

其一,样本量增至四倍,标准误只减半——精度的边际收益递减,"大样本万能"并不成立,从精度角度看样本量规划存在合理的上限。

其二,精度取决于样本量而非抽样比例。总体为一万还是一亿,同样一千人的样本在总体异质性相当时精度接近——这是抽样理论中最违反直觉、也最实用的结论:大总体研究中,一千人的随机样本已可达到惊人的精度。

其三,总体变异越大,同样样本量的标准误越大——精度问题最终是"信号与噪声"问题。

标准误是构造置信区间与检验统计量的原料:报告中的"均值加减标准误""区间宽度"都是在量化抽样误差。

抽样设计与抽样误差

抽样误差的大小受抽样设计影响,设计的改进可以在不增加样本的情况下提高精度。

简单随机抽样:基准情形,标准误如上述公式。

分层抽样:把总体按已知特征分层后在层内抽样,当分层变量与结果变量相关时,估计精度优于同等样本量的简单随机抽样——层内变异被充分利用,层间变异不再构成抽样波动。

整群抽样:以群体(学校、社区)为单位抽样再调查群体内个体。同一群内个体相似(组内相关),有效信息量小于表面样本量,精度低于同等个体数的简单随机抽样——设计效应量化了这一损失。整群抽样节省成本但付出精度,权衡是调查设计的核心议题。

系统抽样与多阶段抽样:大调查的常规选择,精度介于两者之间,取决于排序变量与群结构的实际影响。

设计效应(复杂设计的方差与简单随机抽样方差之比)因此成为样本量规划的必备输入:设计效应为二时,实际样本量需要翻倍才能达到简单随机抽样的精度。

抽样误差与推断

抽样误差是统计推断的合法性来源,也是其边界所在。

推断的整套逻辑——标准误、置信区间、显著性检验——都建立在"样本由概率机制产生"之上:只有抽样是随机的,抽样误差的分布才有理论形式,推断才有效。非概率样本(方便样本、网络志愿者样本)没有概率机制,严格说抽样误差理论不适用——研究者的实践是把样本当作"来自某个假想超总体"的近似,这一做法的正当性因研究问题而异,需在报告中说明而非默认。

推断的边界则是:抽样误差只是误差的一种。置信区间再窄,也不覆盖非抽样误差——测量有偏、应答有偏、抽样框不全,这些偏差不会被任何样本量消除。一个极端的例子可以说明问题:对总体做出系统性高估的测量,无论重复多少次、样本多大,置信区间都精确地框住一个错误的数值。因此调查方法的完整质量清单上,抽样误差只是其中一行。

心理学研究中的抽样问题

心理学研究的抽样现实比教科书场景复杂得多。

便利样本的主导地位:多数心理学研究使用大学生或网络招募样本,推断对象名义上是"人类"或"某人群",实际基础远为狭窄。跨文化的比较研究揭示,某些经典效应在不同文化样本中的强度或方向不同——这提示研究结论的人群依赖性远大于文献的默认印象。

样本量与效应量估计的关系:低检验力研究中的效应量估计存在系统性向上偏——因为只有碰巧偏大的估计才能通过显著性的筛选。文献汇总时若不校正这一选择效应,领域效应量被持续高估。

对实践者的建议可归纳为三条:明确研究结论想要推到的总体,并讨论样本与它的差距;在样本量规划中纳入设计效应与流失;在解释中把抽样误差与非抽样误差分开讨论——区间只覆盖前者。这三条是抽样方法意识的最小集合。

非抽样误差的对照

要完整理解抽样误差,最好的方式是与非抽样误差对照。

覆盖误差:抽样框没有覆盖目标总体的全部成员(电话调查遗漏不用手机的人群),造成的偏差与样本量无关。

抽样框误差与无应答:名单重复、漏登;被抽中的对象拒绝回答或联系不上。无应答偏差随样本量不减反增——追访更多应答者只会加深应答者与非应答者的差异。

测量误差:题目歧义、访员引导、作答风格,见测量误差条目。

处理误差:数据录入、编码、加权计算中的错误。

这些非抽样误差的公共特征是方向性(系统性),而系统偏差不随样本量稀释。调查方法学的完整教训因此是:先保证抽样框与测量质量,再谈样本量——顺序颠倒的研究,是把钱花在精确地测错。概率抽样保证的是"抽取机制无偏",这一保证能兑现到结论上,前提是覆盖、应答与测量环节各自无偏或偏差可估计。抽样方法论的成熟标志,正是把这一整条误差链纳入设计视野,而不是只盯着样本量一个旋钮。

在统计学的历史上,抽样误差理论的确立(20 世纪初的抽样调查革命)使社会科学第一次获得了从部分推断整体的数学合法性,其意义可与测量理论之于心理学的意义并列。今天教科书里的标准误公式,凝结的是"随机化产生可推断性"这一思想——它依然是全部定量社会研究的底层逻辑。

参见

参考资料