简单随机抽样-图解与实战R代码

临床研究说随机，默认指的是随机分组，但是随机也可指代随机抽样。二者区别很大，随机分组可以看做新来一个患者就分配一个随机号，至于患者什么时候来？他是谁？一切都不可预知。相反，随机抽样则好比在一个已知的池子里面捞鱼，一眼就能看清池子水深和鱼的多少，鱼池就是抽样框架。随机分组在RCT用的多，随机抽样则在流调中用的多。

一、 抽样类型

抽样分随机抽样和非随机抽样，即概率抽样和非概率抽样。前者选中机会平等，后者不平等；前置常见严谨的前瞻性设计，后者常见隐匿人群或效能较低设计。随机抽样过程分为6部分，本文着重介绍3抽样方法。

“

界定人群→抽样框架→ 抽样方法→ PSU大小 → 收集数据→评估样本。

”

以下为小编总结的抽样示意图，包括简单、系统、分层、整群、多阶、复杂抽样；以及bootstrap抽样。

二、 抽样R函数

本文主要论述简单随机抽样，高阶复杂抽样则留到后面文章论述。

1 sampling、TeachingSampling包简单抽样

本文介绍几种常用抽样方法在 R 软件中的实现，包括:简单随机抽样、分层抽样系统抽样、PPS 抽样、整群抽样和多阶段抽样。抽样主要使用的是 sampling与 TeachingSampling包。

用到的函数主要有 srswor, S.STSI， UPsystematic， UPmultinomial， UPbrewer, mstage, inclusionprobabilities, getdata。各函数及其主要用途见表1。

2 survey 包估计效应

对抽样结果进行估计主要使用的是 survey 包，首先需要下载并加载 survey 包，同时还需要加载一个R的基础包 grid。用到的函数主要有 svydesign，svymean，svytotal, svyratio，svyglm，predict。各函数及其主要用途见表2。

三、R实战

抽样的实例数据是 BigLucy 数据集包括 85 296 个观测值，11 个变量。变量 ID、Ubication、Level、Zone、Income、Employees、Taxes、SPAM、ISO、Years、Segments 。

具体含义如下ID:单一公司的唯一标志符。Ubication:地址信息。Level:小型中型大型公司；Zone: 100个县 countyl-county100。Income:年收益，Employees:雇员人数。Taxes:税。SPAM:广告 yes-no。ISO:ISO认证yes-no ；Years:经营年限。Segments:区。

小结

简单随机抽样方法过程均不同，svydesign用于抽样后分析。