分层样本是一种确保给定人群的子群体（阶层）在研究的整个样本人群中得到充分代表的样本。例如，我们可以将成年人样本按年龄划分为亚组，如18-29岁、30-39岁、40-49岁、50-59岁和60岁及以上。为了对样本进行分层，研究人员将从每个年龄组中随机选择一定比例的人。这是一种有效的抽样技术，用于研究不同亚组的趋势或问题可能存在的差异。

重要的是，这项技术中使用的地层不得重叠，因为如果重叠，某些个体将比其他个体有更高的被选中的机会。这将产生一个扭曲的样本，使研究产生偏差，并使结果无效。

分层随机抽样中使用的一些最常见的阶层包括年龄、性别、宗教、种族、教育程度、社会经济地位和国籍。

何时使用分层抽样

在许多情况下，研究人员会选择分层随机抽样，而不是其他类型的抽样。首先，当研究人员想要检查人群中的亚组时，使用它。当研究人员想要观察两个或多个亚组之间的关系，或者想要研究一个群体中罕见的极端情况时，他们也会使用这种技术。通过这种类型的抽样，研究人员可以保证每个亚组的受试者都包含在最终样本中，而简单的随机抽样不能确保亚组在样本中的代表性相等或成比例。

比例分层随机抽样

在比例分层随机抽样中，当对整个人口进行检查时，每个阶层的规模与该阶层的人口规模成比例。这意味着每个地层具有相同的采样分数。

例如，假设有四个阶层，人口规模分别为200、400、600和800。如果您选择的抽样分数为½，这意味着您必须分别从每个阶层随机抽取100、200、300和400名受试者。无论各阶层人口规模的差异如何，各阶层均采用相同的抽样分数。

不成比例分层随机抽样

在不均衡分层随机抽样中，不同的地层之间的抽样分数不同。例如，如果您的四个阶层包含200人、400人、600人和800人，则您可以为每个阶层选择不同的采样分数。可能第一个200人的阶层的抽样分数为½，因此选择了100人作为样本，而最后一个800人的阶层的抽样分数为¼，因此选择了200人作为样本。

使用不均衡分层随机抽样的精度在很大程度上取决于研究人员选择和使用的抽样分数。在这里，研究人员必须非常小心，确切地知道他们在做什么。在选择和使用采样分数时犯的错误可能导致地层代表性过高或过低，从而导致结果扭曲。

分层抽样的优点

如果选择的地层使同一地层的成员在兴趣特征方面尽可能相似，则使用分层样本将始终比简单的随机样本获得更高的精度。地层之间的差异越大，精度的提高就越大。

在管理上，对样本进行分层通常比选择简单的随机样本更方便。例如，面试官可以接受如何最好地处理某一特定年龄或种族群体的培训，而其他面试官则接受如何最好地处理不同年龄或种族群体的培训。通过这种方式，面试官可以专注于并改进一小部分技能，而且对研究人员来说，这样做既不太及时，也不太昂贵。

分层样本也可以比简单的随机样本小，这可以为研究人员节省大量的时间、金钱和精力。这是因为与简单随机抽样相比，这种抽样技术具有较高的统计精度。

最后一个优势是分层抽样保证了更好的人口覆盖率。研究人员可以控制样本中包含的亚组，而简单的随机抽样并不保证任何一种类型的人都会包含在最终样本中。

分层抽样的缺点

分层抽样的一个主要缺点是很难为研究确定合适的地层。第二个缺点是，与简单的随机抽样相比，组织和分析结果更加复杂。

更新：Nicki Lisa Cole博士。