中國的人口普查大名鼎鼎，這里的普查是指對總體的研究和調查，普查內容包括人的基本情況、遷移流動狀況、人口素質情況,就業、社會保障狀況、婚姻生育狀況等多項內容，但是中國的人口過于龐大，不可能對每個人都進行調查，這樣一來，抽樣就顯得十分重要，在抽樣之前，先來看看資料是如何獲取的，
獲取資料
大多數時候，我們獲取資料的方式僅僅是坐在計算機前查看某個資料庫或決議某個流式檔案，在進行這種行為時，并沒有影響事件的發生——你在進行訂單統計時，并沒有對客戶的下單產生任何影響，
這種獲取資料的方法屬于被動獲取，你所做的僅僅是對主動上門的資料進行收集和分析，這種收集資料的方式操作起來十分簡單，但存在一些缺陷，想像一下這樣的場景：試驗者想觀察司機在面對突發狀況時的反應，如果仍然是靜待資料上門，那么這個試驗有可能要進行數年或者數十年——畢竟突發狀況極少遇見，我雖然駕駛了超過十萬公里，但依然不記得有什么突發狀況，
看來被動獲取的方式只能收集到客戶通過自然行為產生的事件，如果希望主動誘發某種行為，就需要主動出擊了，
我們經常看到一些“996”的資訊：某些公司變相鼓勵加班，誘導員工自愿加班，也就逐漸形成了不得不加班的公司氛圍或者是提倡以加班為榮、自愿加班的公司文化，一些企業甚至推行“996作業制”，即作業日早9時上班，晚9時下班，并且一周作業6天，
996到底好不好，湯姆·迪馬可和蒂姆·李斯特早在1987年的《人件》上就給出了答案，咱們不對此發表評論，來看一個試驗，
2018年3月，新西蘭公司Perpetual Guardian在內部試行了四天作業制，試驗期為8周，允許公司的240名員工在領取全薪的情況下只需上班四天，為了確保分析的客觀，Perpetual Guardian公司首席執行官Andrew Barnes邀請了AUT人力資源管理教授、學術研究員Jarrod Haar，奧克蘭大學商學院高級講師Helen Delaney博士來觀察試驗對員工的影響，
一開始，試驗的風險是存在的，減少作業時間會增加員工完成目標的壓力，同時由于作業時間減少五分之一，導致產出水平降低，
但是，隨著試驗的推進，研究人員發現劇情出現了反轉，員工的作業時間只花費了80%，作業效率卻提升了20%，而且相比之前更加投入，作業熱情也更高，
這種試驗稱為A/B測驗，A代表為了誘發特定行為創造出的試驗環境（員工每周作業四天），B代表用于比對的自然環境（每周仍然作業五天），
Perpetual Guardian用了8周得出了A/B測驗的結論，于是很多人把這個結論奉為圣經，對西方國家頂禮膜拜，該結論是否具有普遍性呢？不具備！具體原因要從資料抽樣說起，
資料抽樣
統計學研究的是總體中的樣本，樣本通過抽樣產生，所謂抽樣，就是選取總體中的部分樣本作為子集，對該子集進行研究，用子集的數字特征近似地代表總體的數字特征，可以說，統計數字經常是由總體中的某個子集得出的，
隨機抽樣
關于抽簽
提到抽樣，總會聯想到抽簽，抽簽屬于隨機抽樣，是一種最常見的抽樣方式，當然，抽簽也有兩種形式，一種是容器法，比如雙色球的開獎，把所有球放進容器，每次彈出一個，
在對對大型抽樣時，容器法就不管用了，此時可以為抽樣空間的每個成員編號，先使用隨機生成器生成編號，再通知編號對應的樣本，
用計算機解釋上述兩種方法可能更好理解，第一種是實作準備一個存盤了所有抽樣空間中的物體的容器，第二是直接根據索引找到對應的物體（該物體可能直接位于總體中），不需要事先準備一單獨的個容器，
值得注意的是，我們未必能夠對所有的樣本進行編號，比如對世界上的動物編號，畢竟人類還有包括深海和雨林在內的眾多未涉足的地方，
樣本偏差和干擾因子
隨機抽樣屬于等概率抽樣，所有樣本被抽中的概率相等，這往往意味著隨機抽樣更加公平，統計結果更接近于總體的特征，但是隨機抽樣很容易受到干擾因子（confounding factor）的影響，面臨樣本偏差（sampling bias）的風險，
Perpetual Guardian公司在內部試行了四天作業制，得出的結論是作業效率提升了20%，Perpetual Guardian是一家金融咨詢公司，公司的員工是該領域的精英，他們都有自驅意識，因此作業效率能夠提升20%，如果把這個試樣放在某機構的信訪辦，結果就不好說了，公司的性質和員工的背景就是實驗的干擾因子，只能說這個試驗對于像Perpetual Guardian這樣的公司有效，如果真正想了解四天作業制是否能提升作業效率，需要隨機選擇不同行業的公司，并隨機選擇公司不同層級的員工，
缺乏隨機性導致了樣本偏差，很多原因都可能造成缺乏隨機性，四天作業制的試驗是由于抽樣空間設計的過于狹窄，此外還有很多情況，人為的因素也是其中之一，比如某個大學的小伙子在街頭上邀請路人填寫調查問卷，他可能會故意尋找一些年輕漂亮的小姐姐，以便借機搭訕，
重復抽樣和不重復抽樣
隨機抽樣還包括重復抽樣和不重復抽樣，顧名思義，重復抽樣指抽取一個樣本并研究后把這個樣本又放回了樣本集，下次抽取時可能又抽到了同一個樣本：小伙又攔下了一個小姐姐，但是忘記了這個小姐姐1小時前已經填寫了一份相同的問卷，相對的，不重復抽樣就是樣本空間的每個樣本最多只能有一次被抽中的機會，比如質監局對食品的調查，拆開的食品也只能吃掉了，不能再放回去接著賣，
不等概率抽樣
隨機往往意味著公平，然而看似公平的隨機抽樣是否真的公平？
某個公司想要組織一次戶外運動，選項有真人CS、登山、戶外野餐、漂流，由于公司人數太多，行政部的組織小組采用了隨機抽樣的方式選取了100人進行問詢，最后選擇真人CS作為本次戶外活動，但是活動的結果并不那么令人滿意，很多員工反應平平，還有部分員工表示以后再也不想參加了，這可不是公司組織活動的初衷，于是組織小組重新收集了差評資料，發現這些差評幾乎都來自女性員工，原來該公司女性僅占了20%，她們對戶外野餐和漂流更感興趣，性別因素構成了統計的干擾因子，隨機抽樣的結果永遠是偏向于男性員工，
解決的辦法是在抽樣時適當增加女員工的占比，使得男女比例趨近于平衡，適當為隨機抽樣引入一些權重，對消除性別、民族、地域等干擾項是必要的，這也是國家統計局在統計資料時特意增加對少數民族的抽樣的原因，
作者：我是8位的
出處：https://mp.weixin.qq.com/s/dkmOLBzYf0orSmRH831eCA
本文以學習、研究和分享為主，如需轉載，請聯系本人，標明作者和出處，非商業用途！
掃描二維碼關注作者公眾號“我是8位的”
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/3781.html
標籤：其他
上一篇：王爽匯編實驗(三)