當實驗者或研究人員在尋找資料時，通常不可能測量群體中的每個資料點。然而，統計方法允許透過分析從人口中提取的較小樣本的結果來推斷人口。有幾種取樣方法。

分層隨機抽樣是研究人員使用的一種常用方法，因為它使他們能夠獲得最能代表整個研究群體的樣本群體，確保每個感興趣的亞組都有代表性。儘管如此，這種研究方法並非沒有缺點。

關鍵要點

• 分層隨機抽樣允許研究人員透過將被研究人群分成稱為分層的亞組，獲得最能代表整個被研究人群的樣本人群。
• 然而，這種統計抽樣方法不能用於每一項研究設計或每一個資料集。
• 分層隨機抽樣不同於簡單的隨機抽樣，後者 涉及從整個人群中隨機選擇資料，因此每個可能的樣本發生的可能性相等。

分層隨機抽樣綜述

分層隨機抽樣首先將一個群體劃分為若干個亞群體，然後對每個亞群體採用隨機抽樣方法組成一個試驗組。一個缺點是研究人員不能將人口中的每一個成員都分成一個亞組。

分層隨機抽樣不同於簡單隨機抽樣，它涉及從整個人口中隨機選擇資料，使每個可能的樣本發生的可能性相等。相比之下，分層隨機抽樣根據共同特徵將人群分成更小的群體或階層。從每個階層中隨機抽取一個樣本，樣本大小與階層人口的比例成正比。

分層隨機抽樣例項

以下是分層隨機抽樣的示例：

研究人員正在進行一項研究，旨在評估一所主要大學的經濟學學生的政治傾向。研究人員希望確保隨機樣本最接近學生群體，包括性別、本科生和研究生。研究中的總人口是1000名學生，從那裡開始，分組如下所示。

總人口=1000

研究人員將大學裡的每一個經濟學專業的學生分為四個亞群體：男大學生、女大學生、男研究生和女研究生。研究人員接下來將統計每個小組有多少學生構成了1000名學生的總人口。在此基礎上，研究人員計算每個亞組在總人口中所佔的百分比。

子組：

• 男本科生=450名學生（滿分100） 佔總人口的45%
• 女本科生=200名學生或20%
• 男研究生=200名學生或20%
• 女研究生=150名學生或15%

每個亞群的隨機抽樣是根據其在整個群體中的代表性進行的。由於男大學生佔總人口的45%，所以從這個亞組中隨機挑選了45名男大學生。因為**畢業生只佔總人口的20%，所以選擇20人作為樣本，以此類推。

雖然分層隨機抽樣準確地反映了被研究的人群，但需要滿足的條件意味著這種方法不能用於所有的研究。

分層隨機抽樣的優點

與簡單隨機抽樣相比，分層隨機抽樣具有優勢。

準確反映所研究的人口

分層隨機抽樣準確地反映了被研究的人群，因為研究人員在應用隨機抽樣方法之前對整個人群進行了分層。簡言之，它確保了群體中的每個子群在樣本中得到適當的表示。因此，分層隨機抽樣提供了更好的人口覆蓋率，因為研究人員可以控制亞組，以確保所有亞組都在抽樣中得到代表。

在簡單的隨機抽樣中，並不能保證選擇了任何特定的子群體或型別的人。在我們前面的大學生的例子中，使用簡單的隨機抽樣從人群中獲得100個樣本，可能導致只選擇25名**本科生，或者只選擇總人口的25%。此外，35名女研究生可能被選中（佔總人口的35%），導致男本科生人數不足，女研究生人數過多。人口代表中的任何錯誤都有可能降低研究的準確性。

分層隨機抽樣的缺點

分層隨機抽樣也給研究者帶來了一個缺點。

不能用在所有的研究中

不幸的是，這種研究方法不能用於所有的研究。這種方法的缺點是必須滿足幾個條件才能正確使用。研究人員必須確定被研究人群中的每一個成員，並將他們分為一個，而且只有一個，亞群體。因此，當研究人員不能自信地將人群中的每個成員都劃分為一個亞組時，分層隨機抽樣是不利的。此外，要找到一份詳盡而明確的整個人口名單也很有挑戰性。

如果有主題屬於多個子組，則重疊可能是一個問題。當進行簡單的隨機抽樣時，那些在多個亞組中的人更有可能被選中。結果可能是對民眾的歪曲或不準確反映。

上面的例子很簡單：本科生、研究生、**和**是明確定義的群體。然而，在其他情況下，這可能要困難得多。想象一下結合諸如種族、民族或宗教等特徵。分類過程變得更加困難，使得分層隨機抽樣成為一種無效且不太理想的方法。