总体的最基本单位。
2. 样本
样本就是从总体中按一定方式抽取出的一部分元素的集合。或者说，一个样本就是总体的一个子集。
3. 抽样单位
抽样单位就是一次直接的抽样所使用的基本单位。
4. 抽样框
抽样框又叫抽样范围，它指的是一次抽样时总体中所有抽样单位的名单。
5. 参数值
参数值也称为总体值，它是关于总体中某一变量的综合描述，或者说是总体中所有元素的某种特征的综合数量表现。
6. 统计值
统计值也称为样本值，它是关于样本中某一变量的综合描述，或者说是样本中所有元素的某种特征的综合数量表现。 抽样的目的之一，就是要通过这些样本值去估计和推断各种总体值。由于从一个相同的总体中可以根据不同的抽样设计得到若干个不同的样本，所以，从每一个样本中所得到的估计量，都只是总体的许多个可能的估计量中的一个。抽样设计的目标，就是尽可能使所抽取的样本的估计量接近总体的参数值。
三、抽样的程序
1. 界定总体
界定总体就是在具体抽样前，首先对从中抽取样本的总体范围与界限作明确的界定。 这一方面是由抽样的目的所决定的，因为抽样虽然只是对总体中的一部分个体实施，但其目的却是为了描述和认识总体的状况与特征，是为了发现总体中存在的规律性，因此必须事先明确地界定总体的范围；另一方面，界定总体也是达到良好的抽样效果的前提条件。如果不清楚明确地界定总体的范围与界限，那么，即使采用严格的抽样方法，也可能抽出对总体严重缺乏代表性的样本来。
2. 制定抽样框
这一步骤的任务就是依据已经明确界定的总体范围，收集总体中全部抽样单位的名单，并通过对名单进行统一编号来建立起供抽样使用的抽样框。
3. 决定抽样的方法
从前面有关抽样类型的介绍中，我们已经了解到具体的抽样方法有好几种，而各种不同的抽样方法都有自身的特点和适用范围。因此，对于具有不同研究目的、不同范围、不同对象和不同客观条件的社会科学研究来说，所适用的抽样方法也不一样。这就需要我们在具体实施抽样之前，依据研究的目的要求、依据各种抽样方法的特点，以及其它有关因素决定具体采用哪种抽样方法。除了抽样方法的确定性以外，还要根据要求确定样本的规模以及主要目标量的精确程度。
4. 实际抽取样本
实际抽取样本的工作就是在上述几个步骤的基础上，严格按照所选定的抽样方法，从抽样框中抽取一个个的抽样单位，构成样本。依据抽样方法的不同，以及依据抽样框是否可以事先得到等因素，实际的抽样工作既可能在研究者到达实地之前就完成，也可能需要到达实地后才能完成。即既可能先抽好样本，再下去直接对预先抽好的对象进行调查或研究；也可能一边抽取样本一边就开始调查或研究。
5. 评估样本质量
评估样本的基本方法是：
将可得到的反映总体中某些重要特征及其分布的资料与样本中的同类指标的资料进行对比。若二者之间的差别很小，则可认为样本的质量较高，代表性较大；反之，若二者之间的差别十分明显，那么样本的质量和代表性就一定不会很高。
第二节 概率抽样
概率抽样是根据概率论原理，使总体内所有个体都具有同等的被抽入样本之机会的抽样方法 一、随机抽样
随机抽样也被称为简单随机抽样或纯随机抽样，是一种最基本的抽样方法。随机抽样的关键是保证总体中的每一个个体都有同样大小的被抽中的机会，而不是任意地抽取个体。 简单随机抽样又叫纯随机抽样，是概率抽样的最基本形式。它是按等概率原则从含有N个元素的总体中抽取n个元素组成样本（N>n）。
根据随机数表，表中的数码和排列都是随机形成的，没有任何一点规律（也叫乱数表）。利用随机数表进行抽样的具体步骤是：
[1] 先取得一份总体所有元素的名单（即抽样框）； [2] 将总体中所有元素一一按顺序编号；
[3] 根据总体规模是几位数来确定从随机数表中选几位数码；
[4] 以总体的规模为标准，对随机数表中的数码逐一进行衡量并决定取舍； [5] 根据样本规模的要求选择出足够的数码个数；
[6] 依据从随机数表中选出的数码，到抽样框中去找出它所对应的元素。
二、系统抽样
系统抽样又称为等距抽样、机械抽样或间隔抽样，其核心是从抽样框中每隔一定的数目或距离抽取一个个体。
系统抽样的具体步骤是：
[1] 给总体中的每一个个体按顺序编号，即制定出抽样框； [2] 计算出抽样间距。
计算方法是用总体的规模除以样本的规模。假设总体规模为N，样本规模为n，那么抽样间距K就由下列公式求得：
[3] 在最前面的K个个体中，采用简单随机抽样的方法抽取一个个体。记下这个个体的编号（假设所抽取的这个个体的编号为A），它称做随机的起点。 [4] 在抽样框中，自A开始，每隔K个个体抽取一个个体，即所抽取的个体的编号分别为 A，A+K，A+2K，…，A+（n-1）K。
[5] 将这n个个体合起来，就构成了该总体的一个样本。
三、分层抽样
1. 分层抽样的概念
分层抽样就是先依据某一或几种特征，将总体划分成几个小的部分，然后采取随机抽样或系统抽样的方法抽取一个子样本，最后将着几个子样本和起来构成总体的样本。
2. 分层抽样的优点
分层抽样方法有一个优点，就是在不增加样本规模的前提下降低抽样误差，提高抽样的精度。
分层抽样的另一个优点，就是非常便于了解总体内不同层次的情况，以及对总体中不同的层次进行单独研究，或者进行比较。
3. 分层抽样的运用
在实际运用分层抽样的方法时，研究者需要考虑下列两个方面的问题： [1] 分层抽样的标准问题
通常采用的原则有：
第一， 以所要分析和研究的主要变量或相关的变量作为分层的标准。
第二，以保证各层内部同质性强、各层之间异质性强、突出总体内在结构的变量作为分层标准。
第三，以那些已有明显层次区分的变量作为分层变量。 [2] 分层的比例问题
分层抽样中有按比例和不按比例分层两种方法。
按比例分层抽样是指按各种类型或层次中的单位数目同总体单位数目间的比例来抽取子样本的方法。即在单位多的类型或层次中所抽取的子样本就大一些，在单位少的类型或层次中所抽的子样本就小一些。
采用不按比例分层抽样的方法，主要是便于对不同层次的子总体进行专门研究或进行相互比较，但若要用样本资料推断总体时，则需要先对各层的数据资料进行加权处理，即通过调整样本中各层的比例，使数据资料恢复到总体中各层实际的比例结构。
四、整群抽样
整群抽样与前几种抽样的最大差别在于，它的抽样单位不是单个的个体，而是成群的个体。它是从总体中随机抽取一些小的群体，然后由所抽出的若干个小群体内的所有元素构成的样本。
采取整群抽样的方法，可以简化抽样的过程，还可以降低收集资料的费用，同时还能相对地扩大抽样的应用范围。
整群抽样所具有的简便易行，节省费用的优点，是以其样本的分布面不广，样本对总体的代表性相对较差等缺点为代价的。由于整群抽样所得样本中的个体相对集中，而涉及的面相对缩小，故在许多情况下会导致样本的代表性不足，使得结果的偏差较大。
五、多段抽样
多段抽样也叫多级抽样或分段抽样，它是按抽样元素的隶属关系或层次关系，把抽样过程分为几个阶段进行。在社会科学研究中，当总体的规模特别大，或者总体分布的范围特别广时，研究者一般采用多段抽样的方法来抽取样本。多段抽样的具体做法是：先从总体中随机抽取若干大群（组），然后再从这几个大群（组）内抽取几个小群（组），这样一层层抽下来，直到抽到最基本的抽样元素为止。
在运用多段抽样方法时，有一点需要注意，就是要在类别和个体之间保持平衡。或者说，保持合适的比例。如何确定每一阶段抽样的单位数目呢？主要考虑的因素有两方面： [1] 各个抽样中的子总体同质性程度。同质性程度高的子总体，所抽的规模就应相对小一点；反之则应大一点。
[2] 要考虑研究者所拥有的人力和经费。
多段抽样的方法适用于总体范围特别大、对象层次特别多的社会科学研究。由于它不需要总体的全部名单，各阶段的抽样单位数一般较少，因而抽样比较容易进行。但由于每级抽样时都会产生误差，故这种抽样方法的误差较大，这是它的主要不足。
在同等条件下减少多段抽样误差的方法是：相对增加开头阶段的样本数而适当减少最后阶段的样本数。所以，当研究者的人力和经费允许时，应尽量扩大开头阶段的抽样规模。
第三节 非概率抽样方法
常用的非概率抽样有以下几种：
一、偶遇抽样
偶遇抽样又叫方便抽样或自然抽样，是指研究者根据现实情况，以自己方便的形式抽取到偶然遇到的人作为对象，或者仅仅选择那些离得最近，最容易找到的人作为对象。
应该注意区分与随机抽样的差别。从表面看，二者的确有些相似，都排除了主观因素的影响，纯粹依靠客观机遇来抽取对象。但二者有一个根本的差别，这就是偶遇抽样没有保证总体中的每一个成员都具有同等的被抽中的概率。那些最先被碰到的、最容易见到的、最方便找到的对象具有比其他对象大得多的机会被抽中。正是这一点使我们不能依赖偶遇抽样得到的样本来推论总体。
二、定额抽样
进行定额抽样时，研究者要尽可能地依据那些有可能影响研究变量的因素来对总体分层，并找出具有各种不同特征的成员在总体中所占的比例，然后依据这种划分以及各类成员的比例去选择对象，使样本的成员在上述各种因素、各种特征方面的构成及其在样本中的比例都尽量接近总体。
如果把各种因素或各种特征看作不同的变数的话，那么，定额抽样实际上就是依据这些变数的组合。
三、判断抽样
判断抽样是指研究者依据自己的主观分析和判断，来选择那些适合研究目的的个体作为调查对象的一种抽样方法。
判断抽样的主要优点在于可以充分发挥研究人员的主观能动作用，特别是当研究者对研究总体的情况比较熟悉，研究者的分析判断能力较强、研究方法与技巧十分熟练、研究的经验比较丰富时，采用这种方法往往十分方便。但是由于它仍然属于一种非概率抽样，所以，其所得样本的代表性往往难以判断。在实际中，这种抽样多用于总体规模小，所涉及的范围较窄、或时间、人力等条件有限而难以进行大规模抽样的情况。
四、雪球抽样
雪球抽样是一种极特殊的抽样方法。当我们无法了解总体情况时，可以从总体中少数成员入手，对他们进行调查，向他们询问还知道那些符合条件的人；再去找那些人并再询问他们知道的人。如同滚雪球一样，我们可以找到越来越多具有相同性质的成员。如果总体不大，有时用不了几次就会接近饱和状态，即最后访问的人再介绍的都是已经访问过的人。
例如，要研究退休老人的生活，可以清晨到公园去结识几位散步老人，再通过他们结识其朋友，不用很久，你就可以交上一大批老年朋友。但是这种方法的偏误也很大，那些不好活动、不爱去公园、不爱和别人交往、喜欢一个人在家里活动的老人，你就很难把雪球滚到他们那里去，而他们却代表着另外一种退休后的生活方式。
第四节 样本规模
影响样本规模确定的因素
一般情况下，社会科学研究中样本规模的确定主要受到以下四个方面因素的影响：
1.对调查精度的要求
抽样的目的往往是要从样本去推论总体。影响样本规模确定的第二个因素，就与这种推论的可靠性和精确性密切相关。在社会科学研究中，我们用置信度与置信区间这两个概念来说明样本规模与抽样的可靠性及精确性之间的关系。
2. 调查总体的规模大小
样本规模与总体规模有关，这不难理解。按一般的想法，总体越大时，则样本也要越大，这样才能保证一定的精度。但是，这种想法只在一定程度上是正确的。当总体规模大到一定程度时，样本规模的增加与它并不保持同等的增长速度。
3. 调查总体内部的异质程度
一般来说，要达到同样的精确性，在同质性程度高的总体中抽样时，所需要的样本就小一些；而在异质性程度高的总体中抽样时，所需要的样本规模就大一些。 4. 调查者所拥有的人力、物力和时间
从样本的代表性、抽样的精确性考虑，则样本规模当然是越大越好；但抽样所得到的样本是要用来进行调查的。样本规模越大，同时也意味着所需要投入的人力、物力和时间越多；意味着所可能受到的限制和障碍也就越多。
第五节 抽样方法案例介绍
第四章 社会现象的测量
【教学目的与要求】本章对社会测量的概念、不同的测量尺度、社会测量指标、测量的信度与效度等方面的内容进行了介绍，通过对本章的学习使学生对社会测量方法能系统和全面地掌握。
【教学重点与难点】社会测量的尺度和测量的信度和效度的检验；社会测量的信度和效度。
【教学方法】课堂讲授、案例讨论 【思考题】
1、什么是社会测量，其构成要素有哪些？ 2、社会测量尺度有哪几种类型？ 3、结合实际，谈谈如何构建社会测量指标。 4、何为测量的信度和效度，二者的关系如何？ 【教学内容】
在这一章中，将介绍测量的概念与特征、测量的层次、测量的信度与效度问题以及抽象概念测量的操作化问题。
第一节 测量的概念与特征
一、什么是测量
美国学者史蒂文斯（S·S·Stevens）认为：测量就是依据某种法则给物体安排数字。这一定义被许多社会科学研究人员所采用。在此基础上，本书中则用下述定义来进一步解释测量的含义：
所谓测量（measurement）就是根据一定的法则，将某种物体或现象所具有的属性或特征用数字或符号表示出来的过程。
1. 测量的四个要素
构成测量定义有四个必不可少的要素，即：测量客体、测量内容、测量法则、表达工具。 2. 测量客体
测量客体就是测量的对象。是客观世界中所存在的事物或现象，是我们要用数字或符号来进行表达、解释和说明的对象。在测量的四个要素中，测量客体所对应的是“测量谁”的问题。
3. 测量内容
就是测量客体的某种属性或特征。实际上，在任何一种测量中，我们所测量的对象虽然是某一客体，但所测量的内容却并不是客体本身，而是这一客体的属性或特征。在测量的四个基本要素中，测量内容所对应的是“测量什么”的问题 4. 测量法则
是用数字和符号表达事物各种属性或特征的操作规则。也可以说，它是某种具体的操作程序和区分不同特征或属性的标准。在测量的四个基本要素中，测量法则所对应的是“怎么测”的问题。 5. 表达工具
是用来表示测量结果的工具。在测量的四个基本要素中，数字和符号所对应的是“如何表示”的问题。
二、社会现象测量的特征
对人及其社会行为的测量与对自然现象的测量有着十分不同的特点“
1. 人一方面作为测量的客体或对象，而另一方面又作为测量的主体，因而给社会现象的测量带来了无法回避的主客观矛盾。
无论是作为测量主体的人，还是作为测量客体的人，都具有主观意识、思想感情、思维
社会调查方法（教案）
