要研究天鹅的颜色，我们不可能去观察每一只天鹅（总体），我们只能投机取巧，通过观察其中的一部分（样本）来推断。这就带来一个巨大的风险，可能我们看到100000只天鹅都是白色的，但你怎么知道剩下的更多的天鹅中就没有黑色的？
因此，选择谁来观察，就成了一个技术活，这就是我们今天的主角——抽样（sampling）。
通常我们以为：样本越大就越好，大样本等于好样本；其实不然，样本最重要的是：
举个栗子：我想研究一下某所大学最受欢迎的电影，我有时间、有精力、有资金，我调查10000名同学，调查结论是《泰坦尼克》；而我的同事只调查了10名同学，他的结论却是《泰坦尼克》和《碟中谍》两个。我因为按照宿舍楼抽样，所以调查的恰好都是女生；我的同事则是在男女生中各调查了5个人。
看来样本容量固然重要（how many），但更重要的还是抽样方案（how）。一般来说，方案分为概率抽样（随机抽样）和非概率抽样两大类。两者的根本区别就是前者完全是经“上帝的手”在选择，比较公平、公正、公开；后者还有“凡人的手”在帮忙，当然有时是帮倒忙。
因为概率抽样中的每个个体都有一个确定的可能性（概率）被抽中，所以概率和统计技术就有了用武之地，我们可以计算出抽样带来的误差，对总体给出相当准确的推断。
01 非概率抽样（Non-probability sampling）
又称非随机抽样，指根据一定主观标准抽取样本，令总体中每个个体的被抽取不是依据其本身的机会，而是完全决定于调研者的意愿。
其特点为不具有从样本推断总体的功能，但能反映某类群体的特征，是一种快速、简易且节省的数据收集方法。当研究者对总体具有较好的了解时可以采用此方法，或是总体过于庞大、复杂，采用概率方法有困难时，可以采用非概率抽样来避免概率抽样中容易抽到实际无法实施或“差”的样本，从而避免影响对总体的代表度。
常用的非概率抽样方法有以下四类：
▷ 方便抽样（Convenience sampling）
指根据调查者的方便选取的样本，以无目标、随意的方式进行。例如：街头拦截访问（看到谁就访问谁）；个别入户项目谁开门就访问谁。
优点：适用于总体中每个个体都是“同质”的，最方便、最省钱；可以在探索性研究中使用，另外还可用于小组座谈会、预测问卷等方面的样本选取工作。
缺点：抽样偏差较大，不适用于要做总体推断的任何民意项目，对描述性或因果性研究最好不要采用方便抽样。
▷ 判断抽样（Judgment sampling）
指由专家判断而有目的地抽取他认为“有代表性的样本”。例如：社会学家研究某国家的一般家庭情况时，常以专家判断方法挑选“中型城镇”进行；也有家庭研究专家选取某类家庭进行研究，如选三口之家（子女正在上学的）；在探索性研究中，如抽取深度访问的样本时，可以使用这种方法。
优点：适用于总体的构成单位极不相同而样本数很小，同时设计调查者对总体的有关特征具有相当的了解（明白研究的具体指向）的情况下，适合特殊类型的研究（如产品口味测试等）；操作成本低，方便快捷，在商业性调研中较多用。
缺点：该类抽样结果受研究人员的倾向性影响大，一旦主观判断偏差，则根易引起抽样偏差；不能直接对研究总体进行推断。
▷ 配额抽样（Quota sampling）
指先将总体元素按某些控制的指标或特性分类，然后按方便抽样或判断抽样选取样本元素。
相当于包括两个阶段的加限制的判断抽样。在第一阶段需要确定总体中的特性分布（控制特征），通常，样本中具备这些控制特征的元素的比例与总体中有这些特征的元素的比例是相同的，通过第一步的配额，保证了在这些特征上样本的组成与总体的组成是一致的。在第二阶段，按照配额来控制样本的抽取工作，要求所选出的元素要适合所控制的特性。例如：定点街访中的配额抽样。
优点：适用于设计调查者对总体的有关特征具有一定的了解而样本数较多的情况下，实际上，配额抽样属于先“分层”（事先确定每层的样本量）再“判断”（在每层中以判断抽样的方法选取抽样个体）；费用不高，易于实施，能满足总体比例的要求。
缺点：容易掩盖不可忽略的偏差。
▷ 滚雪球抽样（Snowball sampling）
指先随机选择一些被访者并对其实施访问，再请他们提供另外一些属于所研究目标总体的调查对象，根据所形成的线索选择此后的调查对象。
第一批被访者是采用概率抽样得来的，之后的被访者都属于非概率抽样，此类被访者彼此之间较为相似。例如：如在目前中国的小轿车车主等。
优点：可以根据某些样本特征对样本进行控制，适用寻找一些在总体中十分稀少的人物。
缺点：有选择偏差，不能保证代表性。
02 概率抽样（Probability sampling）
又称随机抽样，指在总体中排除人的主观因素，给予每一个体一定的抽取机会的抽样。
其特点为，抽