大數(shù)據(jù)背景下非概率抽樣的統(tǒng)計推斷問題研究

胡俊紅

【摘要】本文從大數(shù)據(jù)時代下分析數(shù)據(jù)的有效性這一前提出發(fā)，介紹有關(guān)非概率抽樣統(tǒng)計的相關(guān)知識；并且就現(xiàn)有的非概率抽樣方法結(jié)合互聯(lián)網(wǎng)發(fā)展的趨勢，提出對大數(shù)據(jù)背景下非概率抽樣的統(tǒng)計方法的建議.

【關(guān)鍵詞】大數(shù)據(jù)；非概率抽樣；信息；探究

現(xiàn)在的社會已經(jīng)步入了大數(shù)據(jù)時代，但是就其現(xiàn)狀而言，大數(shù)據(jù)還不能完全與總體相提并論，且由于其具有的大量性、非結(jié)構(gòu)化和來源復(fù)雜等特點，還會受到計算能力和存儲能力的限制，使得傳統(tǒng)的數(shù)據(jù)抽樣判斷理論運用到非概率樣本上的難度較大.而且隨著計算機網(wǎng)絡(luò)的發(fā)展，網(wǎng)絡(luò)調(diào)查也已經(jīng)成為現(xiàn)代化數(shù)據(jù)搜集的一個重要組成部分；更重要的一點是，近年來，對于大數(shù)據(jù)背景下非概率抽樣的統(tǒng)計的討論越來越激烈.于是，合理有效地利用非概率抽樣的統(tǒng)計推斷問題已經(jīng)成為信息時代發(fā)展的大環(huán)境下人們普遍關(guān)注的一個重點，也是對于相關(guān)工作人員來說的一個巨大的挑戰(zhàn).

一、現(xiàn)有非概率抽樣方法簡介

（一）時間地點抽樣

顧名思義，時間地點抽樣就是指在特定的時間和空間內(nèi)對目標(biāo)群體進(jìn)行的一種抽樣活動.正如它的名稱一樣，時間地點抽樣具有如下特點：首先，它主要是在無法獲取抽樣框的情況下進(jìn)行使用，以便能夠達(dá)到最好的效果；其次，它的運用也主要是通過構(gòu)造抽樣框?qū)r間和空間運用到改抽樣框中進(jìn)行的.當(dāng)然，時間地點抽樣也同樣具有一定的缺陷，比如，雖然時間地點抽樣將具體的抽樣數(shù)據(jù)劃分為很小的業(yè)務(wù)單元，但是在實際執(zhí)行中對于合理的通過抽樣數(shù)據(jù)來推斷總體的情況仍然具有較大的難度，而且其變差的存在則是難以避免的.它的具體工作流程是先利用現(xiàn)有的數(shù)據(jù)來粉刺總體的大致情況，然后，再根據(jù)所具有的時空單元目錄來完成具體的抽樣過程.

（二）滾雪球抽樣

滾雪球抽樣的實際操作流程其實就是如其名稱一樣：首先，選擇認(rèn)為合適的目標(biāo)對象作為抽樣單元，然后，再依次選擇符合條件的個體參與到抽樣活動中，隨著該工作流程的逐漸深入，參與到抽樣的閹割版單元越來越多，最終就會像是堆積成為一個大雪球一樣，使得參與抽樣的個體數(shù)量充足，也使得抽樣所得出的結(jié)果就有很好的說服力，更加具有信服力.

（三）目標(biāo)抽樣

目標(biāo)抽樣是一種較為簡便的抽樣方法.其工作流程就是通過多種不相關(guān)的延伸方法在總體范圍中獲得出樣的單元.由于該抽樣方法實現(xiàn)會大致對抽樣單元的范圍進(jìn)行劃分，導(dǎo)致該方法顯得不具備隨機性，使得該抽樣結(jié)果的合理性不具有說服力，不利于更好地通過樣本來推測總體.但是就其工作流程上來說，目標(biāo)抽樣和事件地點抽樣難度較低，在總體數(shù)據(jù)量較大的情況下，使用該類抽樣方法會大量地節(jié)省人力物力.

二、具體方法的討論

雖然有關(guān)非概率抽樣統(tǒng)計推斷問題的方式有很多種，但是本文主要是以匹配樣本的選擇思路為例，對具體的方法進(jìn)行探討.例如，在對大規(guī)模的人群進(jìn)行調(diào)查訪問時，最開始需要做的就是選取合適的抽樣單元，其選擇要求就是需要符合樣本單元選擇的隨機性；特別的是，當(dāng)存在輔助變量為已知時，此時需要注意的就是在樣本的選取時要更加注重各數(shù)據(jù)之間的對稱關(guān)系.

為了更好地了解匹配樣本，還需要對其特點進(jìn)行分析.在保證匹配樣本有效性時，還需要事先假定三個前提條件：首先，要假定其具備平穩(wěn)性，指的是對于給定的數(shù)據(jù)之間能夠形成一段平穩(wěn)的三維函數(shù)，其間波動起伏不大且沒有明顯的端點；其次，還要假設(shè)樣本的匹配是可以被忽視的，指的是在檢測匹配量相同的網(wǎng)絡(luò)訪問時，不對固定網(wǎng)絡(luò)成員與非固定網(wǎng)絡(luò)成員的區(qū)別格外加以探究，在一定程度上對樣本匹配之間的差異進(jìn)行忽視；最后，假定樣本的匹配變量之間會存在共同的依靠，指的是雖然樣本在起分布上會有重疊的現(xiàn)象，但是在一定程度上排除了出現(xiàn)不能匹配的情況.

三、大數(shù)據(jù)下使用非率抽樣方法的建議

（一）改進(jìn)目標(biāo)抽樣方法

要充分認(rèn)識目標(biāo)抽樣的優(yōu)劣，合理地使用目標(biāo)抽樣方法，使得效果最優(yōu).比如，在互聯(lián)網(wǎng)的環(huán)境下，當(dāng)遇到目標(biāo)數(shù)據(jù)的密度大且易于識別時，要在開始工作之前對目標(biāo)抽樣所涉及的數(shù)據(jù)范圍進(jìn)行篩查，選擇最優(yōu)的目標(biāo)范圍；并且還需要衡量選取目標(biāo)的合理性，適當(dāng)改進(jìn)目標(biāo)抽樣的基礎(chǔ).

（二）充分運用已有信息

在進(jìn)行時間地點抽樣時，由于需要事先建立抽樣單元框.為了提高非概率抽樣的準(zhǔn)確性和效率，需要在工作最初發(fā)現(xiàn)有關(guān)的信息，并且充分合理地運用該類信息，注重觀察各類數(shù)據(jù)之間的關(guān)系情況，用不同的樣本單元來劃分目標(biāo)群體，減少抽樣帶來的誤差.

（三）充分利用科學(xué)技術(shù)

在日常工作中學(xué)會合理有效地運用已有的現(xiàn)代化信息技術(shù)，發(fā)掘出這些技術(shù)平臺所隱藏的大量的有用的信息，來減輕工作的難度并且提高工作的效益.

四、結(jié)束語

大數(shù)據(jù)時代的發(fā)展是科學(xué)技術(shù)發(fā)展的反應(yīng)，是一個不可逆的過程.非概率抽樣的方法種類較多，但是大數(shù)據(jù)下更加強調(diào)的是使得非概率樣本與概率樣本相接近.本文從介紹大數(shù)據(jù)下非概率抽樣的研究意義開始，通過對幾種非概率抽樣方法的介紹和分析其優(yōu)劣來引出大數(shù)據(jù)下非概率抽樣的思考，希望借此能夠?qū)τ诜且?guī)律的抽樣的發(fā)展引起一些共鳴.