分层抽样

分层抽样（stratified sampling）是一种概率抽样技术，其核心思想是将总体依据某些关键特征划分为若干个互不重叠的次级总体（称为层，strata），然后在每一层内独立进行随机抽样（通常为简单随机抽样），各层抽取的子样本合并构成总样本。分层抽样的理论基础在于：通过分层，可以将总体变异分解为层内变异和层间变异，其中层内变异越小、层间变异越大，则抽样效率越高。这一方法能够有效降低抽样误差，提高估计精度。 ADFASDFAF23RQ23R

分层抽样的思想可追溯到20世纪初，统计学家Jerzy Neyman在1934年的经典论文中系统阐述了分层抽样的理论框架，并提出了最优分配（Neyman allocation）策略。术语“stratum”（层）源自拉丁语，意为“覆盖层”或“层次”，在统计学中借指具有同质性的子群体。此后，分层抽样逐渐成为调查设计和实验研究的标准方法。

ADFASDFAF23RQ23R

步骤

1. 确定分层变量：选择与主要研究指标高度相关的特征（如年龄、性别、地理区域、疾病严重程度等）。
2. 划分层：确保每层内个体高度同质，层间异质。
3. 确定各层样本量：常用方法包括比例分配（各层样本量与该层总体大小成比例）和最优分配（考虑层内方差，使标准误最小）。
4. 在每层内随机抽样：可采用简单随机抽样或系统抽样。
5. 合并样本并加权估计：总体参数估计值为各层估计值的加权平均，权数为各层总体比例。

样本量分配公式

设总样本量为 n，第 h 层总体大小为 N_h，总体总大小为 N。比例分配下，第 h 层样本量为 n_h = n × (N_h / N)。最优分配下，若已知第 h 层的抽样方差为 S_h^2，则 n_h = n × (N_h S_h) / Σ(N_h S_h)。 ADSFAEQWER353423413434

参考原文提供了一个经典实例：某单位职工500人，其中<35岁125人，35-49岁280人，≥50岁95人。欲抽取100人调查健康指标，采用分层抽样，按年龄分层，样本与总体比例为1:5，则各层分别抽取125/5=25人、280/5=56人、95/5=19人。这一比例分配法简单易行，但若各层变异差异大，则最优分配更高效。

分层抽样下，总体均值 μ 的无偏估计量为 μ̂ = Σ(W_h × x̄_h)，其中 W_h = N_h / N，x̄_h 为第 h 层样本均值。估计量方差为 Var(μ̂) = Σ(W_h^2 × (S_h^2 / n_h) × (1 - f_h))，其中 f_h = n_h / N_h 为抽样比。与简单随机抽样相比，当分层变量与目标变量高度相关时，分层抽样能显著降低方差。

• 生物统计学与医学研究：临床试验中按疾病分期或年龄分层，确保各组均衡；流行病学调查中估计疾病分布。
• 生态学与环境科学：按栖息地类型分层，估计物种丰度或污染物浓度。
• 市场调查与社会科学：按收入、教育水平或地域分层，提高调查代表性。
• 质量控制与工业统计：按生产批次分层，监控产品缺陷率。

优势：提高估计精度；保证重要子群体均有代表；可分别分析各层特征；组织管理方便（如按行政区划调查）。局限：需预先获取可靠的分层信息（如层大小、层内方差）；分层变量选择不当可能无效；过于细化的分层增加成本。

ADFASDFAF23RQ23R

分层抽样是抽样调查中的核心技术之一，通过合理利用总体结构信息，在降低成本的同时提升统计效率。在生物医学、生态学和许多其他科学领域，分层抽样已成为确保研究可靠性和代表性的重要工具。

• Neyman, J. (1934). On the two different aspects of the representative method: the method of stratified sampling and the method of purposive selection. Journal of the Royal Statistical Society, 97(4), 558-625.
• Lohr, S. L. (2019). Sampling: Design and Analysis (2nd ed.). Chapman and Hall/CRC.
• Cochran, W. G. (1977). Sampling Techniques (3rd ed.). John Wiley & Sons.
• Thompson, S. K. (2012). Sampling (3rd ed.). Wiley.
• 方积乾, 孙振球. (2017). 卫生统计学 (第7版). 人民卫生出版社.
• 金勇进, 杜子芳, 蒋妍. (2018). 抽样技术 (第4版). 中国人民大学出版社.