在代表性样本中，您需要多少百分比的总体？

从技术上讲，代表性样本只需要统计总体的任何百分比，以尽可能接近地复制所研究或分析的质量或特征。例如，在由 600 名男性和 400 名女性组成的 1,000 人中，用于按性别进行购买趋势分析的样本可以仅包含五名成员，三名男性和两名女性，或占总人数的 0.5%。人口。然而，虽然这个样本名义上代表了较大的总体，但在对较大的总体进行推断时，由于它太小，很可能会导致高度的抽样误差。

抽样误差是使用样本分析更大群体的不可避免的后果。从他们那里获取数据是一个有限且不完整的过程。但由于资源有限，这通常是必要的，经济分析师采用的方法可以将抽样误差降低到统计上可忽略的水平。虽然代表性抽样是用于减少误差的最有效方法之一，但仅靠其本身通常还不够。

与代表性抽样结合使用的一种策略是确保样本足够大以最佳地减少错误。虽然一般来说，子组越大，误差减少的可能性就越大，但在某一点上，减少变得如此之小，以至于无法证明增加样本所需的额外费用是合理的。

正如使用技术上有代表性但很小的样本本身并不足以减少抽样误差一样，简单地选择一个大的群体而不考虑代表性可能会导致比使用小的代表性样本更加有缺陷的结果。回到上面的例子，在分析购买趋势的性别差异时，一组 600 名男性本身在统计上是无用的。

令人惊讶的是，当使用随机抽样时，抽样分数与结果的误差几乎没有关系。误差的主要决定因素是绝对样本量，而不是相对于总体规模的样本量。