sas軟件應(yīng)用之一致性檢驗(yàn)kappa

1、第22章 一致性檢驗(yàn)kappa,,學(xué)習(xí)目標(biāo),熟悉Kappa值的判斷標(biāo)準(zhǔn)；掌握Kappa值的計(jì)算以及檢驗(yàn)方法；掌握二分類資料和有序分類資料的一致性分析；,Kappa檢驗(yàn),在診斷試驗(yàn)中，研究者希望考察不同的診斷方法在診斷結(jié)果上是否具有一致性。診斷試驗(yàn)的一致性檢驗(yàn)經(jīng)常用于下列兩種情況：一種是評(píng)價(jià)新的診斷試驗(yàn)方法與金標(biāo)準(zhǔn)的一致性；另一種是評(píng)價(jià)兩種診斷試驗(yàn)方法對(duì)同一個(gè)樣本或研究對(duì)象的化驗(yàn)結(jié)果的一致性、兩個(gè)醫(yī)務(wù)工作者對(duì)同一組病人的診斷結(jié)論的一

2、致性、同一醫(yī)務(wù)工作者對(duì)同一組病人前后進(jìn)行兩次觀察作出診斷的一致性等。1960年Cohen等提出用Kappa值作為評(píng)價(jià)判斷的一致性程度的指標(biāo)。實(shí)踐證明，它是一個(gè)描述診斷的一致性較為理想的指標(biāo)，因此在臨床試驗(yàn)中得到廣泛的應(yīng)用。,Kappa檢驗(yàn),Kappa是評(píng)價(jià)一致性的測(cè)量值。檢驗(yàn)是否沿對(duì)角線格子中的計(jì)數(shù)（接收比率一樣的零件）與那些僅是偶然的期望不同。設(shè)Po =對(duì)角線單元中觀測(cè)值的總和，Pe=對(duì)角線單元中期望值的總和。則Kappa =（Po

3、- Pe）/（1 - Pe）。Kappa是測(cè)量而不是檢驗(yàn)。其大小用一個(gè)漸進(jìn)和標(biāo)準(zhǔn)誤差構(gòu)成的t統(tǒng)計(jì)量決定。一個(gè)通用的經(jīng)驗(yàn)法則是Kappa大于0.75表示好的一致性（Kappa最大為1）；小于0.4表示一致性差。Kappa不考慮評(píng)價(jià)人間的意見不一致性的程度，只考慮他們一致與否。,Kappa檢驗(yàn),對(duì)于用Kappa值判斷一致性的建議參考標(biāo)準(zhǔn)為：Kappa =+1，說明兩次判斷的結(jié)果完全一致；Kappa =-1，說明兩次判斷的結(jié)果完全不一致；

4、Kappa =0，說明兩次判斷的結(jié)果是機(jī)遇造成；Kappa0，此時(shí)說明有意義，Kappa愈大，說明一致性愈好；Kappa≥0.75，說明已經(jīng)取得相當(dāng)滿意的一致程度；Kappa<0.4，說明一致程度不夠理想；,二分類資料一致性分析,前面我們已經(jīng)介紹四格表資料的?2檢驗(yàn)，本節(jié)需要介紹的是Kappa檢驗(yàn)。那么Kappa檢驗(yàn)與配對(duì)?2檢驗(yàn)有什么區(qū)別呢？Kappa檢驗(yàn)重在檢驗(yàn)兩者的一致性，配對(duì)?2檢驗(yàn)重在檢驗(yàn)兩者間的差異。對(duì)同一樣本

5、數(shù)據(jù)，這兩種檢驗(yàn)可能給出矛盾的結(jié)論。主要原因是兩者對(duì)所提供的有統(tǒng)計(jì)學(xué)意義的結(jié)論要求非常嚴(yán)格所致。,KAPPA值的計(jì)算及檢驗(yàn),對(duì)兩法測(cè)定結(jié)果一致部分進(jìn)行檢驗(yàn)，看一致部分是否是由偶然因素影響的結(jié)果，它叫做“一致性檢驗(yàn)”，也稱Kappa檢驗(yàn)。說明兩種方法測(cè)定結(jié)果的實(shí)際一致率與隨機(jī)一致率之間的差別是否具有顯著性意義。需要計(jì)算反映兩法一致性程度高低的系數(shù)，叫做Kappa統(tǒng)計(jì)量。具體公式如下：P0為實(shí)際一致率，Pe為理論一致率。,,KAPPA

6、值的計(jì)算及檢驗(yàn),Kappa是一個(gè)統(tǒng)計(jì)量，也有抽樣誤差，其漸進(jìn)標(biāo)準(zhǔn)誤（ASE）。由于u＝Kappa/ASE近似服從標(biāo)準(zhǔn)正態(tài)分布，故可借助正態(tài)分布理論。H0：Kappa＝0，H1：Kappa≠0。如果拒絕H0認(rèn)為兩種方法具有較高的一致性。,KAPPA值的計(jì)算及檢驗(yàn),在診斷試驗(yàn)的研究中，數(shù)據(jù)資料多為雙向有序的列聯(lián)表資料，即兩個(gè)變量都是有序變量，而且屬性相同。屬性相同分為三種情況，一種情況是屬性、分級(jí)水平數(shù)和分級(jí)水平都完全相同。如甲醫(yī)生和乙醫(yī)生

7、都把病人的檢查結(jié)果分為1、2、3、4四個(gè)等級(jí)。此時(shí)可直接作Kappa檢驗(yàn)。當(dāng)這兩個(gè)變量都只有2個(gè)水平時(shí)，就成為配對(duì)設(shè)計(jì)的四格表資料，可使用配對(duì)χ2檢驗(yàn)，即McNemar檢驗(yàn)。,KAPPA值的計(jì)算及檢驗(yàn),第二種是屬性相同的分級(jí)水平數(shù)相同，但分級(jí)水平不全相同。如甲醫(yī)生和乙醫(yī)生都把病人的檢查結(jié)果分為四個(gè)等級(jí)，但甲醫(yī)生的分級(jí)為1、2、3、4，而乙醫(yī)生的分級(jí)為2、3、4、5。在這種情況下，由于列聯(lián)表的行數(shù)和列數(shù)仍然是一致的，即列聯(lián)表仍為方表，所以

8、也可計(jì)算出相應(yīng)的Kappa統(tǒng)計(jì)量。第三種是屬性相同，但分級(jí)水平數(shù)和分級(jí)水平不全相同。這種情況就是我們所說的列聯(lián)表的行列數(shù)不一致。由于收集上來的數(shù)據(jù)不能輕易刪除掉，所以我們考慮添加行或列使聯(lián)表成為方表。如行數(shù)為n，例數(shù)為n-1，則我們只需要添加第n列，在第n行第n列的格點(diǎn)中添加權(quán)值0001，而第n行的其它格點(diǎn)均設(shè)為0，就可以命名其成為方表，并計(jì)算Kappa統(tǒng)計(jì)量了。由于權(quán)值系數(shù)很小，所以不會(huì)影響Kappa值的計(jì)算結(jié)果。,KAPPA值的計(jì)算

9、及檢驗(yàn),另一方面，如果兩個(gè)變量中有一個(gè)變量是金標(biāo)準(zhǔn)，那么我們不但能分析出檢驗(yàn)結(jié)果的一致性，還可以計(jì)算出敏感度、特異度、誤診率和漏診率等指標(biāo)。如果有不同的診斷分界點(diǎn)，還可以繪制出ROC曲線。 診斷試驗(yàn)的評(píng)價(jià)在醫(yī)學(xué)研究中具有十分重要的意義，目前大多數(shù)文獻(xiàn)都使用Kappa統(tǒng)計(jì)量來檢驗(yàn)結(jié)果的一致性。所以本研究主要是對(duì)Kappa系數(shù)作一個(gè)探討和分析。診斷試驗(yàn)評(píng)價(jià)的統(tǒng)計(jì)學(xué)方法還會(huì)隨著更多問題的提出和解決而不斷得到發(fā)展、修正和擴(kuò)展。,有序分類資料一

10、致性分析,R×C表可以分為雙向無序、單向有序、雙向有序?qū)傩韵嗤碗p向有序?qū)傩圆煌?類。雙向無序R×C表 R×C表中兩個(gè)分類變量皆為無序分類變量，對(duì)于該類資料：①若研究目的為多個(gè)樣本率（或構(gòu)成比）的比較，可用行×列表資料的?2檢驗(yàn)；②若研究目的為分析兩個(gè)分類變量之間有無關(guān)聯(lián)性以及關(guān)系的密切程度時(shí)，可以用行×列表資料的?2檢驗(yàn)以及Pearson列聯(lián)系數(shù)進(jìn)行分析。,有序分類資料一致性分析,

11、單向有序R×C表 有兩種形式。一種是R×C表中的分組變量是有序的，而指標(biāo)變量是無序的。此種單向有序R×C表資料可用行×列表資料的?2檢驗(yàn)進(jìn)行分析。另一種情況是R×C表中的分組變量是無序的，而指標(biāo)變量是有序的，此種單向有序R×C表資料宜用秩和檢驗(yàn)進(jìn)行分析。,有序分類資料一致性分析,雙向有序?qū)傩圆煌腞×C表 R×C表中的兩分類變量皆為有序且屬性不相同。對(duì)于

12、該類資料，需要分析兩有序分類變量間是否存在線性變化趨勢(shì)，宜用有序分組資料的線性趨勢(shì)檢驗(yàn)。雙向有序?qū)傩韵嗤腞×C表中的兩分類變量皆為有序且屬性相同。實(shí)際上是2×2配對(duì)設(shè)計(jì)的擴(kuò)展，此時(shí)宜用一致性檢驗(yàn)（或稱Kappa檢驗(yàn)）。所以，對(duì)于雙向有序且屬性相同的數(shù)據(jù)，我們可以采用Kappa檢驗(yàn)判斷其一致性。,本章小節(jié),1960年Cohen等提出用Kappa值作為評(píng)價(jià)判斷的一致性程度的指標(biāo)。實(shí)踐證明，它是一個(gè)描述診斷的一致性較

13、為理想的指標(biāo)，因此在臨床試驗(yàn)中得到廣泛的應(yīng)用。Kappa是評(píng)價(jià)一致性的測(cè)量值。檢驗(yàn)是否沿對(duì)角線格子中的計(jì)數(shù)（接收比率一樣的零件）與那些僅是偶然的期望不同。設(shè)Po =對(duì)角線單元中觀測(cè)值的總和，Pe=對(duì)角線單元中期望值的總和。則Kappa =（Po - Pe）/（1 - Pe）。Kappa是測(cè)量而不是檢驗(yàn)。其大小用一個(gè)漸進(jìn)和標(biāo)準(zhǔn)誤差構(gòu)成的t統(tǒng)計(jì)量決定。一個(gè)通用的經(jīng)驗(yàn)法則是Kappa大于0.75表示好的一致性（Kappa最大為1）；小于0.4

14、表示一致性差。,本章小節(jié),對(duì)兩法測(cè)定結(jié)果一致部分進(jìn)行檢驗(yàn)，看一致部分是否是由偶然因素影響的結(jié)果，它叫做“一致性檢驗(yàn)”，也稱Kappa檢驗(yàn)。說明兩種方法測(cè)定結(jié)果的實(shí)際一致率與隨機(jī)一致率之間的差別是否具有顯著性意義。,本章小節(jié),SAS過程中也是用FREQ過程進(jìn)行一致性檢驗(yàn)，只需要在TABLES語句中添加agree選項(xiàng)即可輸出Kappa值，但是要進(jìn)行一致性檢驗(yàn)，需要編寫其它程序語句。雙向有序?qū)傩韵嗤腞×C表中的兩分類變量皆為有序且

15、屬性相同。實(shí)際上是2×2配對(duì)設(shè)計(jì)的擴(kuò)展，此時(shí)宜用一致性檢驗(yàn)（或稱Kappa檢驗(yàn)）。,,,第23章 概率抽樣方法,,學(xué)習(xí)目標(biāo),掌握簡單隨機(jī)抽樣及SAS程序；掌握系統(tǒng)（機(jī)械、等距）抽樣及SAS程序；掌握分層抽樣及SAS程序；掌握整群抽樣及SAS程序。,概述,抽樣調(diào)查可以分為兩類，即概率抽樣和非概率抽樣。概率抽樣是按照隨機(jī)原則進(jìn)行抽樣，不加主觀因素，組成總體的每個(gè)單位都有被抽中的概率（非零概率），可以避免樣本出現(xiàn)偏差，樣本對(duì)

16、總體有很強(qiáng)的代表性。非概率抽樣是按主觀意向進(jìn)行的抽樣（非隨機(jī)的），組成總體的很大部分單位沒有被抽中的機(jī)會(huì)（零概率），使調(diào)查很容易出現(xiàn)傾向性偏差。,概述,現(xiàn)代被廣泛應(yīng)用的抽樣調(diào)查是概率抽樣。因此，現(xiàn)代的抽樣調(diào)查是指概率抽樣，其定義為：抽樣調(diào)查，又稱抽樣推斷，是一種重要的、科學(xué)的非全面調(diào)查方法。它根據(jù)調(diào)查的目的和任務(wù)要求，按照隨機(jī)原則，從若干單位組成的事物總體中，抽取部分樣本單位來進(jìn)行調(diào)查、觀察，用所得到的調(diào)查標(biāo)志的數(shù)據(jù)來推斷總體。,概述,

17、概率抽樣的原則，就是總體中的每一個(gè)樣本被選中的概率相等。概率抽樣之所以能夠保證樣本對(duì)總體的代表性，其原理就在于它能夠很好的按總體內(nèi)在結(jié)構(gòu)中所蘊(yùn)含的各種隨機(jī)事件的概率來構(gòu)成樣本，使樣本成為總體的縮影。,概述,抽樣調(diào)查按抽樣的組織形式劃分，有以下幾種主要方法：簡單隨機(jī)抽樣：按照等概率的原則，直接從含有N個(gè)元素的總體中抽取n個(gè)元素組成的樣本（N>n）。系統(tǒng)抽樣（等距抽樣或機(jī)械抽樣）：把總體的單位進(jìn)行排序，再計(jì)算出抽樣距離，然后按照這

18、一固定的抽樣距離抽取樣本。第一個(gè)樣本采用簡單隨機(jī)抽樣的辦法抽取。,概述,K（抽樣距離）=N（總體規(guī)模）/n（樣本規(guī)模）前提條件：總體中個(gè)體的排列對(duì)于研究的變量來說，應(yīng)是隨機(jī)的，即不存在某種與研究變量相關(guān)的規(guī)則分布?？梢栽谡{(diào)查允許的條件下，從不同的樣本開始抽樣，對(duì)比幾次樣本的特點(diǎn)。如果有明顯差別，說明樣本在總體中的分布承某種循環(huán)性規(guī)律，且這種循環(huán)和抽樣距離重合。,概述,分層抽樣（類型抽樣）：先將總體中的所有單位按照某種特征或標(biāo)志（性別、

19、年齡等）劃分成若干類型或?qū)哟?，然后再在各個(gè)類型或?qū)哟沃胁捎煤唵坞S機(jī)抽樣或系用抽樣的辦法抽取一個(gè)子樣本，最后，將這些子樣本合起來構(gòu)成總體的樣本。分層抽樣是把異質(zhì)性較強(qiáng)的總體分成一個(gè)個(gè)同質(zhì)性較強(qiáng)的子總體，再抽取不同的子總體中的樣本分別代表該子總體，所有的樣本進(jìn)而代表總體。,概述,分層標(biāo)準(zhǔn)為：以調(diào)查所要分析和研究的主要變量或相關(guān)的變量作為分層的標(biāo)準(zhǔn)。以保證各層內(nèi)部同質(zhì)性強(qiáng)、各層之間異質(zhì)性強(qiáng)、突出總體內(nèi)在結(jié)構(gòu)的變量作為分層變量。以那些有

20、明顯分層區(qū)分的變量作為分層變量。,概述,分層的比例問題：按比例分層抽樣：根據(jù)各種類型或?qū)哟沃械膯挝粩?shù)目占總體單位數(shù)目的比重來抽取子樣本的方法。不按比例分層抽樣：有的層次在總體中的比重太小，其樣本量就會(huì)非常少，此時(shí)采用該方法，主要是便于對(duì)不同層次的子總體進(jìn)行專門研究或進(jìn)行相互比較。如果要用樣本資料推斷總體時(shí)，則需要先對(duì)各層的數(shù)據(jù)資料進(jìn)行加權(quán)處理，調(diào)整樣本中各層的比例，使數(shù)據(jù)恢復(fù)到總體中各層實(shí)際的比例結(jié)構(gòu)。,概述,整群抽樣：抽樣的單位不

21、是單個(gè)的個(gè)體，而是成群的個(gè)體。它是從總體中隨機(jī)抽取一些小的群體，然后由所抽出的若干個(gè)小群體內(nèi)的所有元素構(gòu)成調(diào)查的樣本。對(duì)小群體的抽取可采用簡單隨機(jī)抽樣、系統(tǒng)抽樣和分層抽樣的方法。優(yōu)點(diǎn)：簡便易行、節(jié)省費(fèi)用，特別是在總體抽樣框難以確定的情況下非常適合。缺點(diǎn)：樣本分布比較集中、代表性相對(duì)較差。一般來說，類別相對(duì)較多、每一類中個(gè)體相對(duì)較少的做法效果較好。,概述,多階抽樣（分段抽樣）：按照元素的隸屬關(guān)系后層次關(guān)系，把抽樣過程分為幾個(gè)階段進(jìn)行

22、。適用于總體規(guī)模特別大，或者總體分布的范圍特別廣時(shí)。二重抽樣（又稱兩相抽樣）：就是先抽取一個(gè)容量比較大的初始樣本，用初始樣本估計(jì)總體的某些參數(shù)或某些必要的信息作為分層的比例或再次抽樣的標(biāo)志，然后將抽出的初始大樣本作為“總體”，從中抽取容量合適的樣本進(jìn)行比較詳細(xì)的調(diào)查。特點(diǎn)是，適合用于對(duì)總體信息了解比較少的調(diào)查。,概述,比率抽樣（PPS抽樣）：就是將總體按一種準(zhǔn)確的標(biāo)準(zhǔn)劃分出容量不等的具有相同標(biāo)志的單位在總體中不同比率分配的樣本量進(jìn)行的

23、抽樣。特點(diǎn)是總體中含量大的部分被抽中的概率也大，可以提高樣本的代表性。,概述,在抽樣調(diào)查的實(shí)際工作中，經(jīng)常是要將幾種抽樣方法結(jié)合起來應(yīng)用。比如，城市居民的收支調(diào)查，是將二重抽樣、多階段抽樣、分層抽樣、機(jī)械抽樣等多種方法結(jié)合起來使用。 　 在現(xiàn)實(shí)的商業(yè)性的市場(chǎng)調(diào)查中也有非概率抽樣的應(yīng)用。如，配額抽樣、隨意抽樣、志愿者抽樣、判斷抽樣、修正的概率抽樣和滾雪球抽樣等等，由于這些抽樣方法容易出現(xiàn)偏差，所以只在對(duì)共性特別強(qiáng)的群體的商業(yè)性

24、調(diào)查中應(yīng)用。,簡單隨機(jī)抽樣及SAS程序,SAS系統(tǒng)中利用SURVEYSELECT過程步進(jìn)行簡單隨機(jī)抽樣。SURVEYSELECT過程的語法格式如下：PROC SURVEYSELECT DATA= OUT= METHOD= SAMPSIZE= SAMPRATE= REP= SEED= NOPRINT;ID variable;RUN;,簡單隨機(jī)抽樣及SAS程序,DATA語句指定要分析的數(shù)據(jù)集名及一些選項(xiàng)；OUT選擇項(xiàng)指

25、定輸出結(jié)果的SAS數(shù)據(jù)集名，用來保存抽樣輸出的結(jié)果；METHOD選擇項(xiàng)指定抽樣方法，其中SRS（simple random sampling）為簡單隨機(jī)抽樣，SYS（system random sampling）為系統(tǒng)隨機(jī)抽樣，等等；SAMPSIZE選擇項(xiàng)指定需要抽樣的樣本量；,簡單隨機(jī)抽樣及SAS程序,REP選擇項(xiàng)指定可以重復(fù)抽樣的次數(shù)；SAMPRATE選擇項(xiàng)指定抽樣的比例；SEED選擇項(xiàng)指定產(chǎn)生隨機(jī)隨機(jī)數(shù)字的初始數(shù)，缺省是0

26、或負(fù)值；NOPRINT選擇項(xiàng)指定不對(duì)輸出結(jié)果進(jìn)行打印；ID語句指定數(shù)據(jù)集中需要包含的變量指標(biāo)。,系統(tǒng)（機(jī)械、等距）抽樣及SAS程序,把總體的單位進(jìn)行排序，再計(jì)算出抽樣距離，然后按照這一固定的抽樣距離抽取樣本。第一個(gè)樣本采用簡單隨機(jī)抽樣的辦法抽取。在SURVEYSELECT過程步中，只需要將METHOD選擇項(xiàng)設(shè)定為SYS（systematic random sampling）即可，通過CONTROL語句設(shè)定某個(gè)變量作為抽樣距離參考變量

27、，即抽樣之前按照CONTROL變量對(duì)原始樣本進(jìn)行排序，然后按照規(guī)定的樣本量確定抽樣距離，隨機(jī)選取第一個(gè)樣本并進(jìn)行系統(tǒng)抽樣。,整群抽樣及SAS程序,整群抽樣抽樣的單位不是單個(gè)的個(gè)體，而是成群的個(gè)體。它是從總體中隨機(jī)抽取一些小的群體，然后由所抽出的若干個(gè)小群體內(nèi)的所有元素構(gòu)成調(diào)查的樣本。把“成群的個(gè)體”當(dāng)作個(gè)體來看待，那么整群抽樣與簡單隨機(jī)抽樣的原理就是一樣的。,多階抽樣及SAS程序,是將總體分成若干小的群體，但并不在每一小的群體中抽取一個(gè)

28、樣本，而是將這些小群體稱為第一性抽樣單元，將它們看作個(gè)體進(jìn)行抽樣，然后，再對(duì)抽中的第一性抽樣單元中的個(gè)體抽樣，這樣的抽樣當(dāng)然可以不止二階而是多階的，先抽第一性樣單元，再在第一性樣單元鐘抽第二性樣單元，再在第二性樣單元中抽第三性樣單元，如此直至最基層的個(gè)體。,多階抽樣及SAS程序,當(dāng)總體中個(gè)體數(shù)量太大，或其他技術(shù)上的原因，無法直接對(duì)個(gè)體編號(hào)時(shí)，可以采用多階抽樣，先按第一性單元編號(hào)，抽取若干個(gè)，再在抽得的第一性單元內(nèi)編號(hào)，抽取下一級(jí)單元。多

29、階抽樣會(huì)使現(xiàn)場(chǎng)觀測(cè)的樣本單元比較集中，有利于節(jié)省調(diào)查費(fèi)用。多階抽樣的SAS程序也是以簡單隨機(jī)抽樣和系統(tǒng)性抽樣為基礎(chǔ)的，只是每一次抽樣過程編寫一個(gè)SAS程序而已，即需要編寫多個(gè)SAS程序以進(jìn)行多次抽樣。,本章小節(jié),現(xiàn)代被廣泛應(yīng)用的抽樣調(diào)查是概率抽樣。因此，現(xiàn)代的抽樣調(diào)查是指概率抽樣，其定義為：抽樣調(diào)查，又稱抽樣推斷，是一種重要的、科學(xué)的非全面調(diào)查方法。它根據(jù)調(diào)查的目的和任務(wù)要求，按照隨機(jī)原則，從若干單位組成的事物總體中，抽取部分樣本單位

30、來進(jìn)行調(diào)查、觀察，用所得到的調(diào)查標(biāo)志的數(shù)據(jù)來推斷總體。,本章小節(jié),概率抽樣的原則，就是總體中的每一個(gè)樣本被選中的概率相等。概率抽樣之所以能夠保證樣本對(duì)總體的代表性，其原理就在于它能夠很好的按總體內(nèi)在結(jié)構(gòu)中所蘊(yùn)含的各種隨機(jī)事件的概率來構(gòu)成樣本，使樣本成為總體的縮影。,本章小節(jié),簡單隨機(jī)抽樣：按照等概率的原則，直接從含有N個(gè)元素的總體中抽取n個(gè)元素組成的樣本（N>n）；系統(tǒng)抽樣（等距抽樣或機(jī)械抽樣）：把總體的單位進(jìn)行排序，再計(jì)算出抽樣

31、距離，然后按照這一固定的抽樣距離抽取樣本。第一個(gè)樣本采用簡單隨機(jī)抽樣的辦法抽?。环謱映闃樱愋统闃樱合葘⒖傮w中的所有單位按照某種特征或標(biāo)志（性別、年齡等）劃分成若干類型或?qū)哟?，然后再在各個(gè)類型或?qū)哟沃胁捎煤唵坞S機(jī)抽樣或系用抽樣的辦法抽取一個(gè)子樣本，最后，將這些子樣本合起來構(gòu)成總體的樣本；,本章小節(jié),整群抽樣：抽樣的單位不是單個(gè)的個(gè)體，而是成群的個(gè)體。它是從總體中隨機(jī)抽取一些小的群體，然后由所抽出的若干個(gè)小群體內(nèi)的所有元素構(gòu)成調(diào)查的樣本