所谓抽样，就是从我们需要研究的所有目标群体中，按照某种原则，挑选出一定量的样本，用他们的研究结果，代表目标群体整体结果。既然，抽样的目的是通过对一部分被选择的样本来推断总体，就要求我们抽取的样本具有能够代表总体质量特征的性质，也就是抽样的代表性。举个例子，如果我们要研究一个城市男性的平均身高，我们在抽样的时候，可以去抽取这个城市所有男性篮球队员来代表吗？显然是不可以的，因为篮球队员的身高普遍较高，不具有随机代表性。

为此，我们就要采用合适、合理的，能够使样本更具有代表性特征的抽样方法来抽取样本。

抽样方法从理论上看，有以下这样的分类方式：

随机抽样： 在随机抽样中，总体中的每个个体都有相等的被选中的机会，给了我们最好的机会去创造一个真正代表总体的样本。

非随机抽样：在非随机抽样中，所有元素被选中的机会都不相等。因此，有一个显著的风险，即最终得到一个不具代表性的样本，它不会产生可推广的结果。

在之前的文章《定量研究中的抽样问题（1）- 随机抽样介绍》中，我们已经给大家介绍过了随机抽样的几种常见方式。该篇文章里，我们重点来说非随机抽样的几种方式：

1、任意抽样：也可以叫做便利抽样、方便抽样或者偶遇抽样。顾名思义，这个抽样方法是以便利为原则的，所以带有很大的偶然性和随意性。任意抽样是所有抽样技术中花费最小的（包括经费和时间），常见的街头随访或拦截式访问、邮寄式调查、杂志内问卷调查等都属于便利抽样的方式。这种方法能及时获得信息数据，省时省力，能为非正式的探索性研究提供很好的数据源。但是，任意抽样容易产生显著的偏见，因为抽样可能不能代表诸如宗教或人口的性别等具体特征。同时，许多可能的选择偏差都会存在，如被调查者的自我选择、抽样的主观性偏差等。这种抽样不能直接代表总体和推断总体。

比如下图，假设编号为4、7、12、15和20的个体想要成为样本的一部分，因此，我们将把它们包含在样本中。

2、配额抽样：配额抽样是非随机抽样中最为普遍运用的一种方式。在这种抽样中，我们根据预先确定的总体特征来选择样本。跟随机抽样里的分层抽样类似，它也需要先将总体按照一定的特性分成不同类别，然后在每个类别里选取样本。例如根据人口的性别、年龄构成来给调查员规定不同性别、年龄的调查人数（即配额）。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。一旦配额分配好了，选择样本元素的自由度就很大了，唯一的要求就是所选的元素要适合所控制的特性。

这种抽样方法的目的是使样本对总体具有更好的代表性，但仍不一定能保证样本就是有代表性的。如果与问题相关联的某个特征未被考虑进配额，配额样本可能就不具有代表性，但在实施中包括太多的控制特征是十分困难的。

比如，考虑到我们必须为我们的样本选择一个倍数为4的个体，因此，编号为4、8、12、16和20的个人已经为我们的样本保留。

3、判断抽样：判断抽样是指基于调查人员的主观意愿、经验知识，依据对总体相关特征的了解，从目标总体中抽取有代表性的典型样本的做法，也称为选择性抽样。比如，从全体企业中选择若干先进的、居中的、落后的企业作为样本，来考察全体企业经营状况。如果判断准确，这个方法可能取得代表性较好的样本，但这种方法受到主观因素的影响较大。适用于总体规模不大，样本量小，以及样本不易分门别类挑选的情况，较多用于探索性研究。

假设，我们的专家认为，应该将编号为1、7、10、15和19的人作为我们的样本，因为它们可以帮助我们更好地推断人口。你可以想象，配额抽样同样也容易受到专家的偏见，不一定具有代表性。

4、滚雪球抽样：这种方式，指的是以“滚雪球”似的方法，通过接触少量样本，再逐步通过这些少量样本获取大量样本。它要求总体的样本之间有一定的关联性，才会产生这样滚雪球的可能。比如要做宝妈样本，调查人员先找到自己认识的几个宝妈，然后通过这些宝妈，继续寻找他们认识的宝妈。当抽样框架难以识别时，这种采样方法是有效的。

比如，我们随机选择了1个人作为样本，然后他推荐了6个人，6个人推荐了11个人，依此类推：

滚雪球抽样也有比较大的选择偏见风险，因为被引用的个体将与推荐他们的个体具有比较共同的特征。

到这里为止，所有和抽样有关的常见方法，就介绍完毕了。我们会在其它文章中，进一步介绍有关样本量设计的话题。