測量誤差:
1.問卷內容未清楚敘述
2.模擬兩可敘述問題
3.指導語不清楚
4.回答者有意向去回答社會較會接受之答案: 反應心向
5.回答者 不具備有正確認知了解資料內容
6.回答者會說謊

減少測量誤差：
1. 從更合適的資料來源
2.合理建構問卷與實施問卷調查與進行之行 程
3.能覺察測量誤差
4.問卷外觀設計和呈現更  吸引人
5.介紹信（cover letter）之內容非常重要


調查研究的優點：
1.可以由大群體中得到很廣泛之資料
2.資料由真實情境中得到
3.進行假設考驗或更深入確定問題之第一步

調查研究的缺點：
1.較有廣度沒有深度:  extensive not intensive 
2.有時很花時間和錢
3.常常缺乏外在效度	
4.常常有困難得到正確之資料: 最大問題來自測量誤差
5.涉及時間點之不代表性





無回應：
有涉及到研究過程就是資料蒐集過程
問題所在:  造成與母群之誤差
是會對研究有影響
當回收率低時由無回應近
回應之比率低 ，由無回應所造成的潛在誤差非常大。
無回應不會產生偏差的觀念是錯誤的

減少無回應：
個別連繫比寫信去說服大多數的人更有效
代理受訪者之情況:  結果不會好
找樣本的遴居比找非樣本的遴居好。
隨機抽樣：
簡單隨機抽樣(Simple Random Sampling)p36
分層抽樣(stratified  sampling)p39
群集隨機抽樣(cluster sampling)
多階段抽樣(multi -stage sampling) p41





非隨機抽樣：
便利抽樣(convenient sampling)
配額抽樣(quota sampling)
判斷抽樣(judgment sampling)
雪球抽樣(snowball  sampling)
系統抽樣（systematic samples）



第三章抽樣Sampling
樣本架構
單階段抽樣
多階段抽樣
包含兩個樣本架構以上的樣本抽取
樣本和抽樣誤差的估計
樣本的規模應該多大
整體調查誤差中的抽樣誤差

樣本架構
�	    1.抽樣是在相當完整的母體名冊中進行。
�	    2.抽樣是針對一群會出現在某個地點或從事某項工作的人（例如：接受醫生治療的人、在某個特定時間區段進入某商家的人、或是參加某個會議的人）中進行。在這種情況下，抽樣進行之前並沒有母體名冊，母體名冊的產生和抽樣過程是同時進行的。
�	    3.地址或家戶單位是作為那些居住在家戶單位中的人們，樣本選擇的第一階段。家戶單位可以從地址名冊中抽得，或先抽取地理區域，然後抽取其中的家戶單位，或者抽取與家戶單位具有連結性的電話號碼。


研究者應該評估樣本架構的三個特點：
�	1.全面性（comprehensiveness）：如何使樣本完整涵蓋目標母體。
�	2.選擇機率（probability of selection）：每個人被抽取到的機率。
�	3.效率（efficiency）：樣本架構中的個體，能夠從目標母體中抽取得出的能力。

1.全面性（comprehensiveness）
�	要考慮到樣本排它性的問題，例如家戶調查、電話簿調查、行動電話…
�	電子郵件地址抽樣，在公司、學校方便，但在家中就有可能造成樣本被排除。
�	兩難(節省成本但會排除一些人；成本高但抽取的樣本能更全面)。如果研究者想從已有的名單裡抽樣，特別重要的是要仔細評估這份名單，確定它是如何編製的、它的增刪是何時及如何進行的，要確定可能被排除在名單外的人員數量和特點。
2.選擇機率（probability of selection）
�	是否有可能去計算每一個被抽取到的人的機率呢？對於一年內曾經有就醫紀錄者所進行的抽樣為例，就醫次數越多的人，會比只就醫一次者有更高被抽到的機率。
�	 抽樣設計雖然沒有必要讓抽樣架構中的每一個人都有相同被抽中的機率，但研究者必須能算出每個人被抽中的機率，可透過核查抽樣名單以選取樣本時進行，也可在資料收集時進行。
�	任何基於自願或者自我選擇的樣本，都會違反前面提到的這種抽樣標準。

3.效率（efficiency）
�	在某些情況下，抽樣架構當中可能包含了那些不是研究者所預期研究的目標母體抽樣單位，若能在資料收集時就判斷出符合要求的個體，要做到相當程度的全面性就不是難事。

�	例如，要抽取家戶中超過65歲人們的樣本，最好的方法是將所有家戶都歸入樣本架構中，先找出那些有目標年齡族群的家庭後，即可排除沒有目標年齡族群的家庭。

�	若無排除以隨機撥號抽樣，這樣不符合成本效益及效率。


抽樣方法的分類
�	抽樣的方法可分為隨機抽樣(Random Sampling或稱為機率性抽樣)及非隨機抽樣，前者不加人為意志，僅以隨機抽取樣本；而後者則以人的意志選取具有典型代表性樣本。
	�隨機抽樣法因樣本以隨機抽出，較具代表性，但需要較完備的規劃，通常衍生的費用也較高。
隨機抽樣方法
�	簡單隨機抽樣(Simple Random Sampling)p36
�	系統抽樣（systematic samples）p37
�	分層抽樣(stratified  sampling)p39
�	群集隨機抽樣(cluster sampling)
�	多階段抽樣(multi -stage sampling) p41



簡單隨機抽樣
�	簡單隨機抽樣(simple random sampling)又稱純隨機抽樣，考慮一個包含N個單位的母體，從中抽取n個單位作為樣本。

�	簡單隨機抽樣的優點是：
方法簡單直接，當母體名單完整時，可直接從中隨機抽取樣本，由於抽取機率相同，計算抽樣誤差及對母體參數加以推斷比較方便。

�	簡單隨機抽樣一般可採用擲硬幣、擲骰子、抽籤、查亂數表等方法抽取樣本，在市場調查中，主要運用以下兩種方法。
�	抽籤法
�	就是給母體的每個單位編號，並做成號簽，把號簽混合之後，抽取所需單位數，然後，按照抽中的號碼，查對調查單位，加以登記。
�	亂數表法
�	亂數表是將0到9十個數位用完全隨機順序排列編制而得的表。

�	儘管簡單隨機抽樣在理論上是最符合隨機原則的，但在實際應用中則有一定的侷限性，表現在：
�	採用簡單隨機抽樣，一般須對母體各單位加以編號，而實際所需調查母體往往十分龐大，單位非常多，逐一編號相當困難。
�	某些事物無法適用簡單隨機抽樣，例如，對連續不斷生產的大量產品進行質量檢驗，就不能對全部產品進行編號抽樣。

�	當母體的標誌變異程度（變異數）較大時，簡單隨機抽樣的代表性就不如經過分層後再抽樣的代表性高（詳見以下的分層抽樣）。
�	由於抽出樣本單位較為分散，所以調查人力、物力、費用消耗較大。因此，這種方式適用於母體單位數不太龐大以及母體分佈比較均勻的情況。
�	因此簡單隨機抽樣只適用於下列條件的情況：
�	母體規模小
�	母體底冊完備且定期更新
�	當母體底冊是唯一有關母體資訊來源時
系統抽樣
�	系統抽樣(systematic sampling)又稱等距抽樣，就是先將母體各單位按一定順序排列起來，然後按一定間隔來抽取樣本單位。
�	單位順序的排列方式有兩種：一種是排列順序與調查專案無關。例如，在住戶調查時，選擇住戶可以按住戶所在街區的門牌號碼排序，然後每隔若干個號碼抽選一戶進行調查；另一種是按與調查專案有關標誌排序。例如，住戶調查時，可按住戶平均月收入排序，再進行抽選。

�	在排序的基礎上，還要計算抽樣距離(間隔)，計算公式為：抽樣距離=N/n    
�	確定抽選距離之後，可以從第一段距離中隨機地抽取第一個單位，也可以從任何一段的隨機位置開始，並按抽選距離繼續抽選餘下的單位，直到抽足為止。

�	例如，從600名大學生中抽選50名大學生進行調查，可以利用學校現有名冊按順序編號排序，從第001號編至600號。
�	抽選距離�N/n � 600/50 � 12（人）
�	如從第一個12人中用簡單隨機抽樣方式，抽取第一個樣本單位，如抽到的是8號，依次抽出的是20號，32號，44號……等。

�	系統抽樣與簡單隨機抽樣比較，可使中選單位比較均勻地分佈在母體中，尤其當被研究現象的標誌變異程度較大，而在實際工作中又不可能抽選更多的樣本單位元時，這種方式更為有效，因此，系統抽樣是市場調查中應用很廣的一種抽樣方式。

�	系統抽樣也有一定的侷限性，表現在：
�	當抽選間隔和被調查物件本身的週期性重合時，就會影響調查的精確度。
�	如在一個有男女配偶參與的俱樂部的成員名冊中，如果每一對的男性名字總是排在女性前面，那麼只要是任何偶數的間距，總會產生一個只有某種性別的系統樣本。
�	如對某商場每週的商品銷售量情況進行抽樣調查，若抽取的第一個樣本是周末，抽樣間隔為7天，那麼抽取的樣本單位都是周末，而周末往往商品銷售量較大。

分層抽樣
�	分層抽樣(stratified  sampling)又稱類別抽樣，它是先將母體所有單位按某些重要標誌進行分類(層)，然後在各類(層)中採用簡單隨機抽樣或系統抽樣方式抽取樣本單位的一種抽樣方式。
�	例如，對員工收入狀況進行調查，可將員工按職務不同，分為生產人員、行政人員、服務性工作人員等各層，再從各層中抽取員工。

�	分層抽樣中的等比例抽樣，要求各類樣本單位數的分配比例與母體單位在各類的分配比例一致，即ni /n=Ni/N（ni為從各層中抽出的子樣本數，n為樣本數，Ni為各層的母體單位數，N為母體單位總數），此種抽樣在實際工作中應用較廣。
�	非等比例抽樣，即有的層可多抽些樣本單位，有的層也可少抽些樣本單位。適用於各層的單位數相差懸殊，或層內變異數相差較大的情形。在這種情況下，如按等比例抽樣，可能在母體單位數少的層中抽取樣本單位數過少，代表性不足，；同樣，層內變異數較大的，也可多抽些樣本單位。

�	分層抽樣比簡單隨機抽樣和系統抽樣更為精確，能夠通過對較少的抽樣單位的調查，得到比較準確的推斷結果，特別是當母體較大、內部結構複雜時，分層抽樣常能取得令人滿意的效果。同時，分層抽樣在對母體推斷的同時，還能獲得對每層的推論，並且利於層和層之間的比較。

群集抽樣
�	如果若干小的抽樣單位可組合成一個較大的抽樣單位，抽樣按大的抽樣單位抽取，一旦某個抽樣單位被抽取，則調查其中每個小的抽樣單位，這種抽樣稱為群集抽樣(cluster sampling)。
�	例如，在對學生成績進行調查時，若以班級為群，抽樣時可先抽取班級，再調查每個被抽到的班級中的每一名學生。

�	群集抽樣的優點，是組織工作比較方便，確定一組就可以抽出許多單位進行觀察。
�	但正因為以群為單位進行抽選，抽選單位比較集中，明顯地影響了樣本分佈的均勻性。因此在抽樣單位數目相同的條件下抽樣誤差較大，代表性較低。
�	在抽樣調查實踐中，採用群集抽樣時，一般都要比其他抽樣方式抽選更多的單位，以降低抽樣誤差，提高抽樣結果的準確程度。


�	當然，群集抽樣的可靠程度，主要還是取決於群與群之間的差異大小，當各群間差異越小時，群集抽樣的調查結果就越準確。
�	因此，在大規模的市場調查中，當群內各單位間的差異較大，而各群之間差異較小時，才可考慮採取群集抽樣方式。
�	例如：各班差異小，班級內差異大

�	群集抽樣和分層抽樣都是把母體分成幾組，二者不同的地方在於：
�	分層抽樣時每一層至少有一個抽樣單位被抽出；集群抽樣只有部份層被選為樣本。
�	分層抽樣時對每一層做抽樣取得樣本；而集群抽樣對部份層進行普查。
�		分層抽樣的目的在減少誤差，提高樣本估計值的可靠性；集群抽樣的目的在於減少成本。

多階段抽樣
�	在複雜的、大規模的市場調查中，調查單位通常是採用兩階段或多階段抽取的辦法，即先抽大的調查單位，在大單位中抽小單位，再在小單位中抽更小的單位，這種抽樣組織方式稱為多階段抽樣(multi -stage sampling)。
�	例如一般全國性的意向調查可先從全國抽取若干縣市，再在縣市中抽鄉鎮市區，然後，在各鄉鎮市區中抽選住戶家庭。
�	多階段抽樣在抽取樣本及組織調查時很方便，但在設計抽樣調查方案、計算抽樣誤差和推斷母體上比較複雜。
從學校抽取學生
�	假設我們掌握以下資料：某城市有40個學校共有20,000名學生，所需樣本＝2,000＝1/10的
�	第一階段選擇機率（學校），乘以，第二階段選擇機率（所選學校裡的學生）＝總選擇機率

1.選擇所有學校裡的所有學生，然後在每個學校選擇1/10的學生：1/1乘以1/10＝1/10
 2.選擇1/2的學校，然後在其中選擇1/5學生：1/2乘以1/5＝1/10
3.選擇1/5的學校，然後在其中選擇1/2學生：1/5乘以1/2＝1/10
4.選擇1/10的學校，然後收集每個學生的資料：1/10乘以1/1＝1/10


區域機率抽樣
�	假設有以下資料：某城市有400個街區，共有20,000個家戶單位住在這些街區裡，所需樣本＝2,000個家戶單位＝1/10家戶單位。
�	表3.2 兩階段家戶單位抽樣的兩種方法
第一階段的抽樣機率（街區），乘以，第二階段的抽樣
機率（所選街區的家戶單位）＝總選擇機率
�	 1.選定80個街區（1/5），再選出這些街區裡1/2的家戶單位：1/5乘以1/2＝1/10
�	  2.選定40個街區（1/10），再選出這些街區裡所有的家戶單位：1/10乘以1/1＝1/10



非隨機抽樣方法
�	便利抽樣(convenient sampling)
�	配額抽樣(quota sampling)
�	判斷抽樣(judgment sampling)
�	雪球抽樣(snowball  sampling)




�	非隨機抽樣是指抽樣時不遵循隨機原則，而是按照研究人員主觀判斷或僅按方便的原則抽選樣本。採用非隨機抽樣通常是出於下述幾個原因：
�	受客觀條件限制，無法進行嚴格的隨機抽樣
�	為了快速獲得調查結果
�	在調查物件不確定，或無法確定的情況下採用，例如，對某一突發(偶然)事件進行現場調查等
�	母體各單位間離散程度不大，且調查員具有豐富的調查經驗時
方便抽樣
�	方便抽樣(convenient sampling)又稱偶遇抽樣，是根據調查者的方便與否來抽取樣本的一種抽樣方法。如採取“街頭攔人法”，即在街上或路口任意找某個行人，將他(她)作為被訪者，進行調查。例如，在街頭向行人詢問對市場物價的看法，或請行人填寫某種問卷等。
�	方便抽樣簡便易行，能及時取得所需的資訊資料，省時、省力、節約經費，但抽樣偏差較大，一般用於非正式的探索性調查，只有在調查母體各單位之間差異不大時，抽取的樣本才有較高的代表性。
判斷抽樣
�	判斷抽樣(judgment sampling)又稱目的抽樣，它是憑研究人員的主觀意願、經驗和知識，從母體中選擇具有典型代表性樣本作為調查物件的一種抽樣方法。
�	應用這種抽樣方法的前提是研究者必須對母體的有關特徵有相當高的瞭解。故其結果的客觀性常受到人們的懷疑。
配額抽樣
�	配額抽樣(quota sampling)是非隨機抽樣中最流行的一種，配額抽樣類似隨機抽樣中的分層抽樣，它也是首先將母體中的所有單位按一定的標誌分為若干類(組)，然後在每個類(組)中用方便抽樣或判斷抽樣方法選取樣本單位。

�	採用配額抽樣，事先要對母體中所有單位按其屬性、特徵分為若干類型，這些屬性、特徵稱為“控制特徵”。如被調查者的年齡、收入、職業、教育程度等，然後，按各個控制特徵分配樣本數額。
�	配額抽樣方法簡單易行，可以保證母體的各個類別都能包括在所抽樣本之中，故與其他幾種非隨機抽樣方法相比，樣本具有較高的代表性。
雪球抽樣
�	雪球抽樣(snowball  sampling)是以“滾雪球”的方式抽取樣本。即通過少量樣本單位以獲取更多樣本單位的資訊。
�	這種方法的運用前提是母體樣本單位之間具有一定的聯繫，是在不甚瞭解母體的情況下對母體或母體部分單位元情況進行掌握。

�	例如，某研究部門在調查某市勞務市場中的保姆問題時，先訪問了7名保姆，然後請她們再提供其他保姆名單，逐步擴大到近百人。透過對這些保姆的調查，對保姆的來源地、從事工作的性質、經濟收入等狀況有了較全面的掌握。

�	這種方法的優點是便於有針對性地找到被調查者，而不致於“大海撈針”。其侷限性是要求樣本單位之間必須有一定的聯繫並且願意保持和提供這種關係，否則，將會影響這種調查方法的進行和效果。
抽樣誤差的概念與種類
�	在市場調查中，無論是普查，還是非普查，都有可能發生誤差，調查誤差是指調查的結果和客觀實際情況的出入和差數，一般有兩種誤差存在：即非抽樣誤差和抽樣誤差。
�	非抽樣誤差是基於抽樣之外的許多其他原因而產生的誤差，從理論上看，概念性錯誤、邏輯性錯誤、對回答的錯誤解釋等都可導致此誤差的出現，故非抽樣誤差就成了調查者需認真看待的一個問題。
非抽樣誤差產生原因如下表所示：

�	抽樣誤差即用樣本估計母體而產生的誤差。抽樣誤差無特定偏向，其誤差大小主要受以下三個因素影響：
�	被研究母體各單位標誌值的變異程度
�	抽取的樣本數
�	抽樣調查的組織方式
�	採用不同的抽樣組織方式，也會有不同的抽樣誤差

�	確定樣本數的計算公式
�	一般習慣以95﹪的信心水準（信賴係數）為抽樣設計常模。樣本大小與抽樣誤差有絕對相關性存在，也就是樣本數大小取決於抽樣誤差的控制，所以在樣本數決定過程中，將抽樣誤差一併討論。

�	分析性變數
�	所謂分析性變數是可藉由區間尺度或比例尺度加以衡量的，也就是可用數值表示的變數，例如公斤、公尺等度量單位或人數、件數等均屬之。此類變數要估算樣本數可持用下列公式：
�	信賴區間：

�	抽樣誤差：

�	樣本數：

�	分類性變數
�	分類性變數可由名目尺度或順序尺度來衡量，無法以數值表示，通常以百分比表示。此類變數要估算樣本數可持用下列公式：
�	信賴區間：

�	抽樣誤差：

�	樣本數：
樣本規模應該多大
1.抽樣占母體的比例達到10%以上時，對於抽樣誤差才會有影響。樣本中包含的母體的分數即使增加一點，也不影響從樣本推斷母體的能力。
2.樣本大小對於母體規模推論，並沒有實質影響。假設抽樣設計和抽樣過程在各方面都一樣，一個由150人組成的樣本對一個由15,000或1,500萬人組成的母體進行描述，可以得出同樣有效的精確結論。

3.不要受「標準的調查研究」影響，錯誤引申出了典型的或恰當的樣本規模。例如有人會說全國性調查樣本一般來說是1,500人，或者說一個好的社區調查樣本是500人。
4.提前指定抽樣調查的精確度，會忽略抽樣之外的其他誤差來源。這種情況下，單以抽樣誤差為基礎的精確度的計算是不切實際、過度簡單化的。
整體調查誤差中的抽樣誤差
�	有三種不同的抽樣程序方式，會影響到調查數據的品質：
�F	˙如果樣本架構排除了一些有必要加以描述的人，樣本估計值就會因目標對象被忽略程度而有所偏誤。
�F	如果抽樣過程不是機率性的（probabilistic），那麼樣本和被抽樣的對象之間的關係就有問題。
3.機率抽樣的規模和抽樣設計，以及其分配的型態，共同決定了抽樣誤差的大小。隨機變異是發生於，由一個母體中的一個樣本來收集資料時所產生。
	


練習
�	1.為掌握抽樣誤差的涵義，從同一份名冊（例如：電話簿）中重複抽取同樣規模（不同隨機起始值）的樣本；把具有相同特點的樣本（例如：企業用戶）整理成分配，這個分配將得到類似於表3.4中，特定樣本規模數之下的標準差的一半。計算表3.4裡的幾個項目（例如：在不同的樣本規模和比例下使用），對幫助了解這些數字的來源將十分有價值。
練習
2.對於以下各項目在美國成年人裡的百分比，你的估計為何？
    a.需擁有駕照？
    b.擁有一個電話號碼？
    c.具有投票權？
   d.擁有和人電子郵件（非工作之用）？
    e.沒有住宅電話？
練習
3.對於可能成為樣本跟不成為樣本的受訪者，可能會有哪些不同？
4.為表示採用二階段樣本抽樣是個好主意（或可能是唯一取得好樣本的方法），請提出三個範例。
練習
5.與簡單隨機抽樣的樣本相比，下列方法進行抽樣所產生的抽樣誤差是會增加、減少或是毫無影響？
    a.集群抽樣？
    b.分層抽樣？
    c.系統抽樣？