前面讨论的简单随机抽样和分层抽样，我们所关心的参 数都是单指标的，给出的估计量也是线性形式。这一章我们 将要讨论比较复杂的情况，我们关心的参数不再是单指标的 而是两个或两个以上的指标。此时，遇到的统计量不再是线 性形式，往往呈现出非线性形式，比如两个变量之比，或呈 现变量之间的回归关系

上一节讨论的分配原则主要是在 n 给定的条件下对各 层中的抽样容量的合理分配。本节面临的问题是在分层抽样 下如何确定 n 。显然它与调查所要求的精度、调查的统计 量、如何分层、各层的样本容量如何分配以及各层单位抽样 花费等等因素有关

简单随机抽样是最基本的抽样手段，在一些小型的抽样 调查中被人们采纳。所谓小型是指总体容量N 较小，当总体 容量N 较大时，不便采用简单随机抽样方法。这时，分层抽 样将起到作用

所谓系统抽样，就是将总体中N个单元按照随机方式（ 有时也按某种特定的规则）编号为1，2，…，N，若想抽取 n 个样本，不妨假设N/n=k为整数，利用计算机可以立即将 这N个单元排成n 行k 列的矩阵，再从1～k之间随机地产生 一个随机数i ，则取第 i 列的全体单元作为样本

(1)无回答现象; (2)由工具或人为因素造成的调查误差,即所谓计量误差; (3)在登录数据或输入计算机时发生的差错等等. 抽样调查中存在各种各样的非抽样误差,主要表现在:

在介绍盒子模型时已经指出，对于总体中具有某种特性 的单元所占比例的抽样调查，可建立0－1盒子模型。即 个 具有某种特性的单元相应的票上全标上 1，其余全标上 0

简单随机抽样就是从装有 N 张票子的盒子里随机无放回地摸取 n 张票子，它可以有两种摸取方法： （1）从盒子中一次摸取 n 张票。这样摸取共有 种可能性，每种可能的概率为 。抽到的样本称为简单随机样本

到目前为止，我们所讨论的两种抽样方法—简单随机抽 样和分层抽样都有一个共同的特点：总体或层中每个个体被 抽中入样的概率都是相同的。对于各单元所处地位几乎 “ 平等” 的总体，这种抽样原则既公正又方便。但在许多社 会经济活动中并非所有单元地位相同，这时就需要采用不等 概率抽样方法

二重比估计与二重回归估计的思想与二重分层估计的思 想相类似。比估计与回归估计需要事先知道辅助变量 X的平 均数或总和。如果事先并不掌握辅助变量的平均数或者总和 的信息，但辅助变量的观察要比调查的指标 Y容易得多，那 么就可以使用二重比估计或者二重回归估计

我们知道在进行抽样设计时，往往要求先掌握关于总体 的一些知识。比如分层抽样时，必须知道各层的权重。又如 进行比估计和回归估计时，必须事先知道辅助变量的总体总 和或者均值。有时候，我们对这些知识一无所知，似乎不能 利用一些好的抽样方法。其实不然，只要获取那些知识的代 价并不算大，我们就可以先进行一次抽样，获得辅助信息的 知识，然后再进行第二次抽样。第二次抽样就可以使用分层 抽样或者比估计等方法了