-
题名精准抽样是量化分析推论的基础
被引量:1
- 1
-
-
作者
沈明明
王蕴峤
-
机构
北京大学中国国情研究中心
北京大学政府管理学院
-
出处
《学术界》
CSSCI
北大核心
2011年第10期57-63,286,共7页
-
文摘
随着近三十年来我国社会的快速发展与深刻变迁,大量农村、小城镇人口向大中城市集中,造成高比例的"人户分离"现象。而城市居民也因为城区改造和扩张,造成城市内部大量的"人户分离"。这使得传统的依赖户籍信息进行抽样的社会科学调查,在样本的抽取方面产生极大的困难与系统偏差。因此,如何以精准抽样为基础,从而避免造成导致"社会整体误解"的调查结果,已成为近年来中国社会科学量化研究中一个不容忽略的问题。本文旨在一方面对那些缺乏精准抽样的研究进行评论,另一方面也向读者介绍依托GIS/GPS最新技术发展而来的"GIS/GPS辅助的区域抽样方法",作为转型期中国社会大规模人口流动条件下精准抽样的解决方案,以供学界参考备用。
-
关键词
代表性概率样本
覆盖偏差
空间抽样
-
Keywords
representative sample
coverage bias
area sampling
-
分类号
C3
[社会学]
-
-
题名大数据大在何处:数据量大的价值及分析策略
被引量:1
- 2
-
-
作者
许琪
-
机构
南京大学社会学院
-
出处
《社会研究方法评论》
2022年第1期89-110,共22页
-
文摘
本文从“数据量大”这一个角度分析了大数据相比抽样调查的优势以及研究者应该如何利用好这一优势开展大数据研究。主要结论为:第一,大数据可以消除随机性抽样误差,但由此带来的估计精度上的提升并不大,而大数据在覆盖偏差方面的缺陷使其在代表性上往往不如传统抽样调查;第二,大数据是一个非概率样本,但因为其数据量极大,研究者可以通过非常精细的事后分层调整获得对总体真值的有效估计;第三,利用数据量大的优势,研究者可以使用大数据更好地研究稀有事件,分析总体异质性并发现细微差异,所以,数据量大的真正价值在于“细”,即研究者应当使用大数据开展更加精细化的研究。
-
关键词
大数据
抽样误差
覆盖偏差
非概率样本
事后分层
-
Keywords
Big Data
Sampling Error
Coverage Bias
Non-probabilistic Sample
Post-stratification
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-