整群抽样被定义为一种 抽样方法 ，其中从人群中创建多个人群，这些人群具有同质特征，并且有相同的机会成为 样本的一部分。在这种抽样方法中，从总体中的不同集群中创建一个 简单 的 随机样本。这是一个 概率抽样 程序。

例子
区域抽样： 区域抽样是在没有完整参考框架可用时使用的一种抽样方法。被调查的总区域被划分为小的子区域，这些区域是随机抽样的或根据受限制的过程（抽样分层）。然后对每个选定的子区域进行全面检查和枚举，如果需要，可以作为进一步抽样的基础。
整群抽样的类型
有以下三种类型，

单阶段集群： 在此过程中，仅一次应用采样。例如，一个非ZF组织想要创建一个跨越五个邻近城镇的女孩样本来提供教育。NGO采用单阶段抽样，随机抽取城镇（群）形成样本，对城镇失学女童提供帮助。
两阶段聚类： 在此过程中，首先选择一个聚类，然后使用简单随机抽样或其他程序从该聚类中抽取样本。例如，企业主想要探索他/她分布在美国各地的工厂的性能。所有者创建工厂集群。然后他/她从这些集群中选择随机样本进行研究。

多阶段聚类： 在两阶段中添加少量步骤，称为多阶段聚类抽样。例如，某组织打算进行调查以分析德国智能手机的性能。他们可以将整个国家的人口划分为城市（集群）并选择人口最多的城市并过滤使用移动设备的城市。

优点
· 花费更少的时间和成本
· 出入方便
· 数据准确性损失最小
· 易于实施

编辑推荐
1、2022年300个以上最佳免费数据科学课程
2、大厂数据分析面试指南！来自亚马逊、谷歌、微软、头条、美团的面试问题！
3、机器学习模型方法总结
4、历史最全机器学习/深度学习/人工智能专业术语表中英对照表
5、机器学习如何应用于商业场景？三个真实的商业项目
6、数据工作者的自我修养 | 哪些技能是必不可少的？
7、《汗牛充栋：数据分析书籍分享》CDA网校新课上线
8、文本挖掘常用的107个语料库
9、一图读懂“东数西算”工程
10、零基础转行数据分析，看这篇文章就够了

DA内容精选