当我们控制选择不同潜在可选样本的概率时

[roseline371274]

就像公共统计中的做法一样，从抽样框架中抽取样本，可以在尊重先前选择的抽取概率的同时选择样本。这提供了两个基本属性：一方面，可以在没有抽样偏差的情况下形成估计值，另一方面，可以减少抽样方差。特别地，我们可以保证领域中每个个体被采样的概率都是非零的，否则得到的估计是有偏差的。

这些是获得给定样本量最高质量的核心和主要论点。，我们能够通过调动抽样框架中可用的信息来实施更有效的抽样技术。其中，一种强大而现代的方法是平衡抽样，它在保证个体“随机”选择的同时，可以确保准确估计某些数量，而不会出 赌博数据 现抽样误差。因此，在就业调查中，我们尝试选择某个区域（称为某个部门）内的住所，使得所选样本的人口按性别和年龄划分的百分比或居民的平均收入与从抽样框架中得知的该地区人口的百分比相等。

抽样框架的不完善导致了估计误差。最令人担心的风险是覆盖失败，即一部分人口虽然参与了感兴趣参数的定义，但却没有出现在抽样框架中。这部分缺失人群中的个体被选入样本的概率为零，正如我们所见，这会造成偏见。例如，在就业调查中，如果无家可归者被纳入调查范围，就会出现这种情况。事实上，由于这是一个本质上很难找到的亚群体，因此没有能够定期高质量地获取无家可归者样本的抽样框架。对于所谓普通家庭中的个人来说，公共统计数据所采用的调查基础似乎质量非常好。