分层抽样的优缺点

分层随机抽样是一种抽样过程，其中首先将总体划分为亚群体，然后将随机抽样技术应用于每个亚群体。研究人员无法将总体划分为子群体是一个缺点。

分层抽样独一无二，与基本随机抽样不同，基本随机抽样包括从整个总体中随机选择数据，以确保每个潜在样本都有发生的机会。另一方面，分层随机抽样根据共同特征将总体划分为不同的细分市场或层。以每个层相对于总体的比例大小成正比，从每个层中收集随机样本。以下是进行分层抽样的一些优点和缺点。

分层抽样的优点

1. 无偏性

当提供的总体根据特定特征划分为多个同质组，然后利用随机选择技术从每个层收集样本时，精心准备和执行的分层随机抽样计划可以避免偶遇抽样和随机抽样的缺点，同时仍享受这两种方法的优点。分层随机抽样确保每个层或总体的重要部分都得到充分代表，并消除了任何重要总体部分被完全忽视的可能性。与其他的抽样设计相比，分层随机抽样从总体中提供了更具代表性的样本，因此，变异性更小。

2. 更高的准确性

与常规随机抽样相比，分层随机抽样提供了更准确的估计，因为每个层内的变异性都降低了。例如，在分层随机抽样中，对于分层抽样中样本比例的抽样估计，在比例分配和 Neyman 分配到不同层时，都比简单随机抽样中得出的相似估计更有效。

3. 调查执行效率

分层抽样可以简化数据收集，并节省调查费用。当整个总体被划分为层时，调查管理员通常会受益。当研究人员将庞大的总体划分为具有相似成员的小组时，调查可以变得成本更低且更有用。当专家、能力或知识领域可以更成功地调查特定部门时，就会产生这些优势。例如：您可以聘请多个人来调查城市与农村地区。

将总体划分为相对同质的细分市场也提供了管理上的便利。与随机样本相比，分层样本预计会区域性地集中。最终，由于这一点，数据收集、受访者访谈和实地考察监督的成本和时间都会减少。

4. 可靠的抽样来源

对于不同的群体，有时需要达到不同的精度水平。分层随机抽样是我们能够为每个层获得已知精度的结果的唯一抽样策略。抽样问题在不同的总体子群体中差异很大，这种情况很常见。当这种情况发生时，通过将总体的每个组成部分视为一个单独的层并在抽样过程中单独处理它们，可以有效地通过分层抽样来解决问题。

分层抽样的缺点

1. 依赖性

将总体有效划分为同质层，并获得每个层适当样本量，对于分层随机抽样的成功至关重要。

如果分层有缺陷，结果将受到影响。即使使用大样本也无法弥补错误分层造成的错误。要分配不同层之间的样本量，需要对每个层的大小有精确的了解。此外，没有了解各层的变异性或样本方差，就无法有效使用分层随机抽样，这是 Neyman 最优分配原则的一个严重限制。

2. 值应用问题

必须准确应用于不成比例分层样本中不同层的值；否则，样本将不公平，并可能产生有偏倚的结果。

3. 需要适当的焦点

一旦研究人员能够创建与总体相比相对同质的子群体，分层抽样就能产生益处。如果研究人员无法创建合适的层，或者层内个体不是非常相似，则分层样本将无用。