tag:blogger.com,1999:blog-5093853496920390509.post7285044067919515663..comments2023-10-15T20:37:38.198+08:00Comments on 為了美麗的地面: 抽樣方法(Sampling methods)thchouhttp://www.blogger.com/profile/10480398349639734254noreply@blogger.comBlogger10125tag:blogger.com,1999:blog-5093853496920390509.post-75847855421330344152018-10-29T19:48:55.053+08:002018-10-29T19:48:55.053+08:00使用非機率抽樣當然也可以進行量性研究,只是分析結果難以擴大對母群體進行推論。選擇何種抽樣方式取決於你...使用非機率抽樣當然也可以進行量性研究,只是分析結果難以擴大對母群體進行推論。選擇何種抽樣方式取決於你的研究目的,時間和經費。可參考此篇文章的內容。thchouhttps://www.blogger.com/profile/10480398349639734254noreply@blogger.comtag:blogger.com,1999:blog-5093853496920390509.post-69644428589540871502018-10-29T19:43:08.022+08:002018-10-29T19:43:08.022+08:00作者已經移除這則留言。thchouhttps://www.blogger.com/profile/10480398349639734254noreply@blogger.comtag:blogger.com,1999:blog-5093853496920390509.post-6852042163795484412018-10-29T17:19:41.763+08:002018-10-29T17:19:41.763+08:00不好意思,請問:量化研究一定要採機率抽樣嗎?如果沒有的話,以哪種非機率抽樣較合適?不好意思,請問:量化研究一定要採機率抽樣嗎?如果沒有的話,以哪種非機率抽樣較合適?Anonymoushttps://www.blogger.com/profile/00306558013362795724noreply@blogger.comtag:blogger.com,1999:blog-5093853496920390509.post-21651656587109211392015-06-18T10:54:02.277+08:002015-06-18T10:54:02.277+08:00抽到極端樣本,事後所能補救的很有限。第一是丟掉幾個可以認定是極端的個體。但如果樣本因此剩下沒幾個,這...抽到極端樣本,事後所能補救的很有限。第一是丟掉幾個可以認定是極端的個體。但如果樣本因此剩下沒幾個,這招不管用,而且要交代為什麼主觀認定極端,就方法論上也很難拗(不然幹嘛要隨機抽樣?)。第二種方法就是去母群再抽些樣本,來跟已有的併成較大的樣本,藉此稀釋掉原有樣本的極端性。可是再次抽樣的條件要控制到跟前一次抽樣的條件幾乎相同,不然兩組合併就沒道理,所得結果因為有confounding effects, 不能正確歸因。Tonyhttps://www.blogger.com/profile/01883380990749917435noreply@blogger.comtag:blogger.com,1999:blog-5093853496920390509.post-11661878620761590482015-06-18T10:51:27.803+08:002015-06-18T10:51:27.803+08:00作者已經移除這則留言。Tonyhttps://www.blogger.com/profile/01883380990749917435noreply@blogger.comtag:blogger.com,1999:blog-5093853496920390509.post-19897472549636733672015-06-17T14:57:14.715+08:002015-06-17T14:57:14.715+08:00作者thchou還有Tony你們好:
這篇文章對我目前的研究相當有幫助,其中Tony所談到的res...作者thchou還有Tony你們好:<br /><br />這篇文章對我目前的研究相當有幫助,其中Tony所談到的resampling的方法,我想請問一下如果今天真的發生<br /><br />"從一個從母群抽出來的樣本中又再抽樣﹐如果倒楣這第一個從母群抽出來的樣本太小﹐而且又是極端樣本"<br /><br />已經考慮各種環境的情況,選擇一個最優的方法去採樣數據,但是還是很倒楣,拿到的數據代表性還是不足,後續應該怎麼處理? Anonymoushttps://www.blogger.com/profile/13329691438924687597noreply@blogger.comtag:blogger.com,1999:blog-5093853496920390509.post-53188654793129263572009-04-09T22:33:00.000+08:002009-04-09T22:33:00.000+08:00謝謝Tony詳細說明白,對我來說,resampling的概念確實要比用統計公式計算se來得容易明瞭。...謝謝Tony詳細說明白,對我來說,resampling的概念確實要比用統計公式計算se來得容易明瞭。雖然resampling估算的正確性前提是取決於樣本的品質,事實上用統計公式計算se也是建立在同樣的基礎上,都是用一個樣本所得到的資訊去做估算與推論。但兩者相較之下,我當然會選擇傷電腦,而不要傷人腦的方式了。thchouhttps://www.blogger.com/profile/10480398349639734254noreply@blogger.comtag:blogger.com,1999:blog-5093853496920390509.post-68890656020382706972009-04-09T10:11:00.000+08:002009-04-09T10:11:00.000+08:00對﹐bootstrap是回歸sampling distribution的基本面。不過重複抽樣是就母群...對﹐bootstrap是回歸sampling distribution的基本面。不過重複抽樣是就母群抽出來的樣本又再抽﹐不是回去母群重抽﹐這個要搞清楚。回去母群重複抽樣得到的分配是sampling distribution﹐而且通常是採用not replaceable的方式﹐也就是樣本基本單位不會被重複揀選。從母群反覆抽樣並不是所謂的resampling。<BR/><BR/>用stratified和cluster sampling﹐甚至是stratified, cluster, 和simple random sampling任意組合的抽樣方式都可以用bootstrap得到對母群se的不偏估計值。就用一個公式到底﹐要操勞就操電腦﹐讓人腦清爽自在。至於電腦的功能﹐在STATA裡就叫做Resampling。在SPSS裡叫做Exact Tests。在SAS裡是用proc multtest。在Tonynoreply@blogger.comtag:blogger.com,1999:blog-5093853496920390509.post-41282256218841621482009-04-09T06:46:00.000+08:002009-04-09T06:46:00.000+08:00Tony,果然被您逮個正著。這門課老師在春假期間開了一薄薄的本書(由U of Michigan生統所...Tony,<BR/>果然被您逮個正著。這門課老師在春假期間開了一薄薄的本書(由U of Michigan生統所教授Kalton寫的Introduction to Survey Sampling)要我們唸。裡面是有簡單提到估算各種抽樣方法的standard error(se)的公式,不過說真的,我只知道有方法可以算,但沒有真正去瞭解。<BR/>看來bootsstrap就是回歸sampling distribution的基本面,透過重複抽樣去取得se,而非再透過統計公式去做。這的確是一大福音,而且電腦要做這件事可以說是輕而易舉(如果已經有這個功能的話)。<BR/>另外我的問題是如果是用stratified或cluster sampling所取的的樣本,從樣本中重複抽樣所估算的se都正確嗎?thchouhttps://www.blogger.com/profile/10480398349639734254noreply@blogger.comtag:blogger.com,1999:blog-5093853496920390509.post-42266477877513837832009-04-09T01:29:00.000+08:002009-04-09T01:29:00.000+08:00終於等到你談這範圍。同意你說只要是用機率抽樣方法﹐統計理論便可以派上用場來作估算。這講容易﹐真的算起...終於等到你談這範圍。<BR/><BR/>同意你說只要是用機率抽樣方法﹐統計理論便可以派上用場來作估算。這講容易﹐真的算起來就花了。四種機率抽樣不同的組合﹐算平均值的公式都一樣。但是估計樣本分配 (sampling distribution)的形狀和如何算標準誤的公式就各自不同﹐複雜得可怕﹐都是靠微積分加上什麼矩陣求出公式。不算出標準誤﹐又什麼統計考驗都做不成。這教科書講的容易﹐真槍實彈要做起來﹐就沒幾個人會。<BR/><BR/>讀者會問﹐難道不都靠那些統計軟體去算嗎﹖公式不就自然寫在裡面了﹖<BR/><BR/>錯了。那些統計軟體﹐比方STATA, SAS, or SPSS一般的統計考驗分析都假設是用SRS。必須要使用裡面特別的procedures跟survey相關的﹐定義好那些變數是strata, cluster, and primary sample unit (PSU)去算才是對得。Tonynoreply@blogger.com