sample

样本 (Sample)

样本 (Sample) 是从 总体 (Population) 中按一定规则抽取的部分个体组成的子集，是 统计推断 中将样本信息推广至总体的基础桥梁。样本的核心价值在于：当全面调查（普查）因成本、时间或不可行性无法实施时，通过样本对总体特征（如 均值、方差、比例等 参数）进行估计与检验。

抽样方法分类

抽样方法分为 概率抽样 (Probability Sampling) 与 非概率抽样 (Non-probability Sampling) 两大类：

1. 简单随机抽样 (Simple Random Sampling, SRS)：每个个体被抽中的概率相等，且各次抽取相互独立。SRS 是所有概率抽样方法的理论基础，其样本均值 $\bar{X}$ 是总体均值 $\mu$ 的 无偏估计 (Unbiased Estimator)。
2. 分层抽样 (Stratified Sampling)：将总体按某一特征（如收入水平、地区）划分为互不重叠的层 (Strata)，然后在每层内独立进行随机抽样。分层抽样能有效降低 抽样误差，尤其当层内同质性强、层间差异大时。
3. 整群抽样 (Cluster Sampling)：将总体划分为若干群 (Cluster)，随机抽取部分群后对群内所有个体进行全面调查。适用于总体分布广、难以建立完整抽样框的情境，如全国性 家计调查。
4. 系统抽样 (Systematic Sampling)：按某种顺序对总体单元排列后，每隔固定间隔 $k$ 抽取一个单元。操作简便，但需警惕周期性波动导致的 偏差 (Bias)。

样本量与抽样分布

样本量 (Sample Size) 的确定需要在精度与成本之间权衡。给定置信水平 $1-\alpha$ 和允许误差 $d$，估计总体均值所需的最小样本量为：

其中 $z_{\alpha/2}$ 为标准正态分布的分位数，$\sigma$ 为总体标准差。

样本统计量（如样本均值）的分布称为 抽样分布 (Sampling Distribution)。中心极限定理 (Central Limit Theorem) 指出，当样本量足够大时 ($n \ge 30$)，无论总体分布如何，样本均值的抽样分布近似服从 正态分布：$\bar{X} \sim N(\mu, \sigma^2/n)$。

样本的代表性与偏差

样本的 代表性 (Representativeness) 是统计推断有效性的前提。常见偏差来源包括：

• 选择偏差 (Selection Bias)：抽样框未能覆盖目标总体的某些子群体，如电话调查遗漏无手机人群。
• 无响应偏差 (Non-response Bias)：被抽中个体拒绝参与，且拒绝者与接受者在关键特征上存在系统性差异。
• 幸存者偏差 (Survivorship Bias)：仅观察"存活"下来的个体而忽视已退出者，常见于 金融 领域的基金业绩分析。

样本在经济学中的应用

在 计量经济学 中，样本数据是 回归分析 的原材料。OLS 估计量的性质——BLUE（最优线性无偏估计）——依赖于样本是否满足 Gauss-Markov 定理 的经典假设。微观经济学中，消费者价格指数 (CPI) 的编制依赖全国性家庭支出调查的样本数据；宏观经济学中，GDP 核算的部分子项亦采用抽样调查进行估算。

样本设计与分析的核心张力在于：样本越小，抽样误差 越大、置信区间 越宽；样本越大，成本越高且非抽样误差（如测量误差）可能累积。因此，抽样方案设计是实证研究中与模型选择同等重要的决策环节。