分层抽样的方差公式详解：从理论推导到实战应用
在统计学研究中，分层抽样（Stratified Sampling）作为一种概率抽样技术，因其能有效降低估计误差、提高样本代表性而被广泛应用。无论是市场调研、社会科学研究，还是工业质量控制，理解分层抽样的方差公式都是确保数据精确性的关键。本文将深入剖析该公式的数学原理、计算步骤及其在实际场景中的优化策略，帮助您彻底掌握这一核心统计工具。
⚡ 为什么需要分层？
当总体内部存在显著异质性时，简单随机抽样可能导致样本分布不均。分层抽样通过先分组再抽样，确保每个子群体（层）都有代表，从而减小抽样误差。
⚙️ 方差的核心作用
分层抽样的方差直接反映了估计量的精度。方差越小，说明样本均值对总体均值的估计越可靠。它是构建置信区间和进行假设检验的基础。
📊 精准控制误差
通过优化各层的样本分配（如奈曼分配），可以在固定成本下最小化总体方差，或在固定方差下最小化调查成本。
分层抽样方差公式的深度解析
要准确理解分层抽样的方差公式，首先需明确其基本假设：各层之间相互独立，层内抽样为简单随机抽样。总体均值 ȳ_st 的估计量是各层样本均值的加权平均，其方差由层内方差加权求和得出。
1. 总体均值估计量的方差公式
对于有限总体，分层抽样估计总体均值 ȳ_st 的方差公式为：
其中：
- W_h = N_h / N ：第 h 层的权重（层单位数占总体的比例）。
- N_h ：第 h 层的总体单位数。
- N ：总体总单位数。
- n_h ：第 h 层的样本量。
- S_h² ：第 h 层的总体方差（通常用样本方差 s_h² 估计）。
- f_h = n_h / N_h ：第 h 层的抽样比。
- (1 - f_h) ：有限总体校正系数（FPC）。
2. 总体总量估计量的方差公式
若目标是估计总体总量 Y，而非均值，其方差公式为：
注意，总量估计的方差是均值估计方差的 N² 倍，这是因为总量是均值的 N 倍。
3. 方差估计量的无偏性
在实际应用中，总体方差 S_h² 未知，需使用样本方差 s_h² 进行无偏估计。此时，方差估计量 v(ȳ_st) 为：
此公式是构建置信区间的基础。例如，95% 置信区间为：ȳ_st ± 1.96 √v(ȳ_st)。
如何优化样本分配以最小化方差？
在总样本量 n 固定的前提下，如何分配各层样本量 n_h 才能使 分层抽样的方差 最小？这是抽样设计中的核心优化问题。主要有两种分配策略：
比例分配（Proportional Allocation）
各层样本量与其层大小成正比，即 n_h = n W_h。这种方法操作简便，且在层内方差 Homogeneous 时效果良好。然而，若某层方差极大，比例分配可能无法有效降低总体方差。
优点： 实施简单，无需预先知道层内方差。
缺点： 未考虑层内变异程度，可能在某些高变异层样本不足。
奈曼分配（Neyman Allocation）
奈曼分配是使总体方差最小的最优分配方式。各层样本量与层大小和层标准差的乘积成正比：
优点： 在固定总样本量下，方差最小。
缺点： 需要预先知道各层的标准差 S_h，这在实际调查中往往难以获取，需依赖预调查或历史数据。
成本约束分配
当各层调查成本差异显著时（如农村调查成本高于城市），需引入成本系数 C_h。最优分配公式为：
这种方法在控制总成本的同时最小化方差，是实际大规模调查中常用的策略。
实战案例：某市居民收入分层抽样调查
假设某市共有 10,000 户家庭（N=10,000），按收入水平分为高、中、低三层。欲估计全市户均月收入，计划抽取 n=200 户。数据如下：
| 层 (h) | 层大小 N_h | 权重 W_h | 层标准差 S_h (元) | 样本量 n_h (比例) | 样本量 n_h (奈曼) |
|---|---|---|---|---|---|
| 低收入层 | 5,000 | 0.5 | 1,000 | 100 | 80 |
| 中等收入层 | 3,000 | 0.3 | 2,000 | 60 | 90 |
| 高收入层 | 2,000 | 0.2 | 5,000 | 40 | 30 |
案例计算步骤
- 计算层权重： W_1=0.5, W_2=0.3, W_3=0.2。
- 确定样本量： 若采用奈曼分配，n_h 分别为 80, 90, 30。
- 计算各层方差贡献：
V_h = W_h² (1 - n_h/N_h) S_h² / n_h
例如，高收入层：V_3 = 0.2² (1 - 30/2000) 5000² / 30 ≈ 333.33 - 汇总总体方差： V(ȳ_st) = V_1 + V_2 + V_3。假设 V_1=250, V_2=600, V_3=333.33，则 V(ȳ_st) ≈ 1183.33。
- 计算标准误： SE = √1183.33 ≈ 34.40 元。
此案例显示，尽管高收入层权重最小，但由于其标准差极大，对总体方差的贡献不可忽视。奈曼分配通过向高变异层倾斜样本，有效控制了总体误差。
分层抽样方差理论的发展脉络
耶曼分配理论的提出
统计学家耶曼（Neyman）首次提出在固定样本量下使方差最小化的分配方法，奠定了分层抽样方差优化的理论基础。
有限总体校正的完善
随着大规模社会调查的兴起，有限总体校正系数（FPC）被广泛纳入方差公式，提高了小抽样比下的估计精度。
复杂调查设计中的扩展
分层抽样与整群抽样结合，形成多阶段分层整群抽样。方差估计方法从解析解扩展到Bootstrap、Jackknife等重抽样技术，以处理更复杂的依赖结构。
网友们还关心：关于分层抽样方差的常见疑问
在深入理解公式后，许多用户在实际操作中仍会遇到困惑。以下是基于搜索引擎数据和社区反馈整理的高频问题：
简单随机抽样（SRS）的方差仅取决于总体方差和总样本量，公式为 V(ȳ_srs) = (1-f) S² / n。而分层抽样的方差是各层方差的加权和，且权重为 W_h²。关键在于，分层抽样利用了层内同质性，通常 V(ȳ_st) < V(ȳ_srs)，除非层间差异极大且层内差异也大。分层抽样通过“先分层”消除了层间变异对估计误差的贡献，从而提高了精度。
最优分配通常采用奈曼分配（Neyman Allocation），即在总样本量固定的情况下，使各层样本量与该层标准差和层大小的乘积成正比。公式为 n_h = n (N_h S_h) / Σ(N_h S_h)。若忽略层大小差异，仅考虑标准差，则为比例分配。若考虑成本，则需使用成本约束分配。
有限总体校正系数（FPC）为 (1 - f_h)，其中 f_h = n_h / N_h 是抽样比。当抽样比超过5%时，FPC显著影响方差计算，必须纳入公式以准确评估估计精度。若抽样比极小（如<1%），FPC接近1，可近似忽略，此时公式简化为 Σ(W_h² S_h² / n_h)。
当某层样本量 n_h = 1 时，无法计算该层的样本方差 s_h²（因为需要至少2个观测值）。此时，通常有两种处理方法：1）将该层与其他方差相近的层合并；2）使用其他层或总体的平均方差作为该层的估计值 S_h² ≈ S²。这会导致方差估计存在偏差，需谨慎处理。