7.1.1 市场调研中的抽样调查概述
1.市场调研中流行抽样调查的原因
抽样调查的目的是希望从样本中获得关于总体的信息。普查当然能获得总体的更全面的、精确的信息，但用普查的方法来获得所需要的信息常常会有困难，这样就只能用抽样调查所得到的信息来推测总体的信息。在市场调查中，这种困难主要是由费用、时间和信息的精确度等限制所造成的。
费用往往是市场调查中进行普查的一个限制。普查所涉及的面很广，花费很大。普查所需要的费用往往会超过所获得信息的价值。这时，抽样调查就成为获得信息的唯一合理的办法了。
市场信息的价值是与时间限制密切相关的。普查通常要花费相当长的时间，要用普查的方法来收集信息往往不得不推迟决策，导致机会成本的上升、信息价值的下降。抽样调查可以保证信息的及时性，从而充分利用信息的价值。
理论上讲，普查没有抽样误差，抽样调查就包含抽样误差。粗看起来，在其他条件相等的情况下，普查的结果比较精确。可是，普查中可能包含非抽样的误差。
普查涉及的面太广，就需要招聘一大批调查人员，对他们进行训练和指导。在大范围内进行市场调查时，对整个调查过程难以实施控制。很可能因为分配任务和安排不当，出现拒绝回答和记录错误等原因，产生的总误差仍然可能是相当大的。在时间和费用一定的条件下，抽样调查可能使结果中的抽样误差和非抽样误差之和大大低于普查中的非抽样误差。此时，抽样调查的结果反而可能比普查更精确。
2.市场调查对抽样的要求
然而，要保证抽样调查的结果精确可靠，抽取的样本必须满足下列要求：
（1）样本要有代表性，即要能代表适当定义的总体。抽样一方面要考虑到总体的特征，另一方面要考虑到抽样调查的目的。如果总体是由不同特征的群体所组成的，则为了反映总体的状况，样本中具有不同特征的群体的比例要与总体中相应的比例相一致。对于目的是掌握总体中平均或一般情况的抽样调查，与目的是掌握总体中某些极端情况的抽样相比，抽样方法可能是不同的。了解某一特定市场状况的抽样与了解总体市场情况的抽样，方法也会有所不同。
（2）样本要能足够精确地提供稳定的结果。如果从同一总体中，以同样的方法选取大小一样的两个样本，所得到的结果差距很大，这就意味着抽样不稳定，所得到的结果价值就不大。抽样的稳定性部分地依赖于抽样程序的正确性，部分地依赖于样本的大小。
（3）样本要尽可能精确地得到问题所需要的各类信息和细节。有时，常用的抽样方法并不能满足实际问题的要求，就应当根据问题的特定条件，设计一种能满足要求的抽样方法。
（4）样本所反映的资料要及时。只有反映当前状况的及时的资料才有价值。
因此，抽样调查所得到的资料不仅要精确可靠，而且，要在许可的时间限制内提交给有关人员，如果超过了一定的时间，资料的价值就会一落千丈。对于时间上要求严格的抽样问题，过大的样本和太复杂的抽样方法就不宜采用了。
3.市场调查中抽样环境的特点
市场调查中的抽样不仅要满足上述要求，而且，往往受到抽样环境条件的限制，因此，必须考虑到所研究问题的特点。理论上可行的抽样方法，对于所调研的对象而言，也许是不实际的。市场调查中，抽样所面临的环境条件具有如下的特点：
（1）总体的聚集性。一般地，抽样理论总是假设总体中的个体是高度独立和分散的，但是在市场调查中，总体中的个体大多是聚集成群的。不管是从居住或工作的地点看，还是从收入和社会阶层看，这种聚集性都是客观存在的。
（2）总体的相对有限性。抽样理论通常假定总体是无限的或者是非常大的，但是，市场调查中所关心的总体往往是有限的或者相对较小的。有时，为了调查的方便起见，往往直接把有限总体当做无限总体来对待。
（3）抽样对象的不确定性。在一般的抽样问题中，我们总是假定，总体和抽样方法决定以后，样本自然就确定了，从样本得到数据是简单而自然的。然而，在大多数市场调查中，由于个体的流动性，根本无法对抽样单位实施调查，有时也常常会遭到样本的拒绝，从而无法得到某些样本的观点和态度，或者不得不用其他个体来代替原来的样本。这就增加了抽样过程的复杂性，影响了样本的代表性。
（4）抽样时应当利用以前类似项目的经验。市场调查中，调研人员经常需要利用其他调研人员过去对类似问题的抽样经验和他们自己事先得到的有关知识来简化抽样程序，处理抽样问题。这在一般的抽样理论中常常是不允许的。
（5）需要综合权衡抽样误差与非抽样误差。例如，特定的现场调查可能需要熟练的面谈调查人员，但实际上往往又无法得到足够的合格人员来开展理论上要求的大规模调查，这时就不得不使用其他人员来负责实施调查。在复杂的现场调查中，要保证现场调查工作的质量，不得不把样本数量减少到很小，或者是去掉那些较远的样本，以便使调查成本保持在允许的预算限度之内。
市场调查中，抽样条件的特定性增加了抽样的困难性，要求市场调研人员在进行抽样调查以前，特别需要明确调查的目的和调查的环境条件，由此来决定抽样的具体办法。
7.1.2 抽样过程
市场调查中，抽样过程包括以下顺序组成的七个步骤。
1.定义抽样总体
精确地定义调查总体（targetpopulation）是市场调查的关键。如果对所调查总体概念的认识模糊，调查结果也就是模糊的。如果总体定义错误，调查结果也就会毫无价值。在市场调查中，抽样总体首先是由调查目标所决定的，适当地定义总体需要对所研究的问题有深入的了解。
然而，即使是在调研的目的确定以后，抽样总体一般也并不是唯一的。要研究消费者对某一品牌的态度时，既可以直接选择某一城市的消费者为调查总体，也可以选择同一个城市内的所有零售商为总体，还可以选择更大区域内的消费者为总体。调研人员应当从中选择一个最合适的对象集合作为调研的总体。
决定总体时，要决定总体的范围，划定总体的边界。边界包括地理位置的边界和其他各种特性的边界，如时间和属性的边界。要决定总体成员是包括某一时点之前的，还是某一时点之后的，或是某一时段内的对象。在容易产生界线不清的情况下，最好明确哪些对象是排除在总体之外的。
决定抽样总体时，对总体中个体的要求也不应当过于严格，要考虑到今后实施现场调查时的方便可行。对总体的限制越严格，以后实施现场调查时的费用肯定会越昂贵，因为要确定和找到这类调查对象，所花的时间和费用都会很高。
2.决定抽样框架
抽样框架（samplingframe）是表达总体中单位的一种工具。抽样框架可以是具有某一特征的居民或顾客的名单，可以是电话号码本，甚至也可以是地图或者是一组抽样时必须遵守的规则。一个完整的抽样框架应当是总体中每一个单位都出现一次，而且仅仅一次。实际上，要找到一个完整的抽样框架往往是困难的，有时所选的抽样框架往往大于或小于所定义的总体。尽管电话号码本常常作为对居民进行调查时的抽样框架，但是，由于某些人家里可能没有安装电话，即使安装了电话的人，有些也不愿意把自己的电话号码刊登在电话号码本上。同时，电话号码本出版以后，新迁入和迁出居民的电话号码也无法在电话号码本上反映出来。这些都造成了按电话号码本抽样时的误差。调研人员在决定抽样框架时，首先总是考虑是否有现成的资料可以作为抽样框架，以节约费用，然后，再考虑在有限费用的限制内，制定一个抽样框架。
3.确定抽样单位
抽样单位（samplingunit）是包括在被抽样总体中的个体的基本单位，如抽样单位可以是个人、家庭、商店、产品，甚至是交易。抽样单位可以是组成总体的个体本身，也可以是包括总体中个体的单位。例如，如果要对年满18周岁的男性进行调查，既可以是直接逐个地选择样本，也可以以家庭为抽样单位，对于所选择的家庭中符合要求的男性全部进行调查。对总体中的个体进行成批抽样调查时，通常称为成群抽样。如果抽样过程是多阶段的，则要分别规定每一阶段的抽样单位。抽样单位的选择，一方面依赖于抽样框架所提供信息的完整性，另一方面依赖于调查的目的和条件。
4.选择抽样方法
抽样方法就是选择抽样单位的方法。在决定抽样方法时，需要顺序决定以下几个最基本的决策：
（1）是随机抽样还是非随机抽样。
（2）是分层抽样还是不分层抽样。
（3）是按比例抽样还是不按比例抽样。
（4）是一次性抽样还是多阶段抽样。
此外，还可以考虑是顺序抽样还是非顺序抽样等。每一个具体的抽样方案总是上述一系列决策的结果。
5.决定样本的大小
决定样本大小的方法将在后面介绍。但是，调研人员在决定样本的实际大小时，往往需要把理论上决定样本大小的方法与利用样本提供信息的成本和价值之间的关系结合起来考虑，因为实际上，人们往往被迫从经济的角度来决定样本的大小。
6.决定抽样实施计划
抽样实施计划就是规定抽样是如何具体执行的方案。例如，如果决定家庭是样本的基本单位，那么具体地应当抽取哪些家庭？现场访谈人员是否需要区分一般的标准家庭、共用一套住房的两个家庭以及某些远房亲戚所组成的家族？要是在抽样时选中作为样本的家庭成员外出，现场访谈人员应当怎么办？
7.选择样本、实施调查及收集信息
这是抽样过程的最后阶段，需要事先在调查现场做大量的准备工作。在实际进行抽样时，对于抽样过程的每一步都必须进行评价，保证样本的质量达到预定的要求。
不合理的抽样常常误导民意调查的结果
许多国家在总统大选前常常用民意调查来预测选举的结果，但是有时那些兴师动众、花了九牛二虎之力得到的民意调查的结果，往往与事后选举的结果背道而驰。造成这种严重误导的主要原因就是抽样的不合理。
1993年12月俄罗斯议会选举中，自由民主党获得了近25%的选票，多于其他任何一个政党。这一结果使当时的俄罗斯总统叶利钦及其所委托的民意调查者大吃一惊。因为此前人们预计，自由民主党所获得的选票将少于5%。事后的进一步研究表明，民意调查中抽样过程和抽样对象的不科学是导致这种严重错误的主要原因。
民意调查者倾向于从主要的城市地区中抽样，但是，在农村地区相当多的居民支持自由民主党。
民意调查在某些地方使用了配额抽样。那些同意参加调查的人倾向于支持叶利钦，而在没有参加民意调查的人中，支持自由民主党的比例相当高。
一些调查是通过电话进行的。拥有电话的投票人比没有电话的投票人富有，而富有的人更倾向于支持叶利钦。因此，民意调查中支持叶利钦的人的比例被夸大了。
某些俄罗斯投票人喜欢在回答调查时表示与实际投票时不同的态度。因此，民意调查结果对叶利钦的支持被夸大了，而对自由民主党的支持被低估了。
7.1.3 抽样的类型
抽样通常根据抽样时所用的方法进行分类。一般地，抽样可以分成如下一些类型：
1.固定抽样和顺序抽样
固定抽样就是样本的大小事先决定，所有的抽样资料在结果分析前都收集好的抽样方法。顺序抽样（sequentialsampling）则是样本数目事先并不确定，而是根据决策规则来决定的抽样方法。顺序抽样每抽取一个样本以后，就需要进行决策，是继续进行抽样，还是已经可以得出结论，停止抽样。顺序抽样可以保证抽样结果的精确度较高，而成本较低，因为如果看起来结果已经达到了要求，就不再抽样了。
顺序抽样的困难在于抽样过程难以用数学式子来表达，需要经过多次的尝试，实施起来并不容易。为此，大多数抽样都是采用固定抽样的。我们下面着重讨论的也是固定抽样。
2.随机抽样和非随机抽样
总体中的每个个体都以某种已知的可能性，被随机地选取作为样本的抽样方法，就是随机抽样（probabilitysampling）。如果样本不是随机地决定的话，就是非随机抽样（nonprobabilitysampling）。
理论上讲，随机抽样能保障样本具有一定的代表性，因此，具有两个优点：一是由于总体中每个个体都有按事先知道的概率被抽中作为样本的可能性，因此，抽样误差的大小可以客观地计算出来。二是给定了所希望的精确度以后，所需要的样本大小也就能计算出来了。随机抽样的缺点是，与非随机抽样调查相比，所花的时间和费用，抽样的复杂性都增加了。同时，随机抽样也不能保证预计得到的抽样结果一定具有某一已知的精确度。
非随机抽样的相对优点是，在抽样允许的时间和费用一定的条件下，通常能得到比随机抽样更大的样本。有时，也许非随机抽样的样本反而比随机抽样所得到的较小的样本更有代表性。此外，应用非随机抽样时所节省的费用可以用来采取一些其他措施以减少非抽样误差。对于非随机抽样，我们无法肯定它是否具有代表性，因此，抽样的效果在很大程度上依赖于调研人员的技能和判断能力。
针对某一个具体的调研项目，究竟是选择随机抽样，还是非随机抽样，主要是权衡抽样方法的成本与价值，要考虑到想要了解总体的要求、允许的误差、总体中个体间的差异以及误差所引起的代价等因素。一般地说，越想要精确地了解总体的参数，越想要减少误差，总体中个体间的不均匀性越大，误差所引起的代价越大，就越应当采用随机抽样。
3.属性抽样和变量抽样
抽样也可以根据试图估计的总体参数来分类。这时，可以分为属性抽样和变量抽样两种类型。
属性抽样的目的是估计总体中具有某种属性的个体的比例。在这里，属性就表示总体中的个体具备或不具备的某种特征。例如，是否拥有某种特定品牌的电视机就是一种属性；在一定时期内，具有某种消费行为也可以看做是一种属性。当试图用样本中的比例来估计总体中相应的比例时，就要进行属性抽样。
变量抽样是试图估计总体的均值时进行的抽样。当试图用样本的均值来估计总体的均值时，就要进行变量抽样。有时，为了度量总体的某一个参数，往往既可以看做变量抽样，也可以看做属性抽样。
7.1.4 非随机抽样
如前所述，从统计学的角度看，非随机抽样并不是一种非常合理的抽样方法，通常只有因费用和时间方面的限制，无法进行随机抽样时才采用非随机抽样。非随机抽样包括如下几种类型：
1.方便抽样
如果调研人员以方便为原则来选取样本作抽样调查，就是方便抽样（conveniencesampling）。例如，在购买现场对某种产品的顾客进行的抽样调查，就是这类抽样。方便抽样在探测性调研中是相当有用的一种方法，因为这时的主要目标是产生思想和观点。然而，在描述性调研和因果性调研中，方便抽样就不很合理了。
2.目标抽样
目标抽样就是根据是否满足事先规定的某种重要标准来选择样本的抽样。由于目标抽样是根据某种预定的目标来抽样的，有时，调研人员反而会选取那些在总体中没有代表性的个体作为样本。例如，为了研究儿童玩具的安全性和可靠性，调研人员也许不是选取一般的儿童为样本，而是专门选取那些顽皮儿童，请他们玩玩具，以检验和评价某种玩具的可靠性及安全性。
3.配额抽样
配额抽样（quotasampling）是一种常用的方法，其目的是要保证样本与总体在构成上保持类似性。应用配额抽样时，先要把总体分成几个子类，然后，再确定每个子类中的抽样配额，最后按配额对每个子类进行抽样。配额的确定要使样本中各类个体的构成与总体中各类个体的组成比例保持一致。分类的方法既可以是一维的，如年龄；也可以是二维的，如年龄和性别；还可以是三维的，如年龄、性别和受教育程度。
按配额法决定每个子类中的样本数目时，应用的公式是：
某子类中的样本数=子类中的个体总额总体中的个体总额×样本总数
如果按上述公式计算得到的数目有小数，则可以通过四舍五入的办法来处理。
应用配额抽样时，选择误差对结果有较大的影响，如果现场调查不严格按照配额所规定的要求来挑选样本，结果自然会有较大的误差。此外，如果分类不正确也会使样本缺乏代表性，造成结果的偏差。
配额抽样法在需要对大量的社会公众开展某一方面观点的调查，又受到时间和费用方面的限制时是一种比较有用的方法。
4.判断抽样
判断抽样（judgmentsampling）是按照调研人员的判断来选取样本的一种抽样方法。由于样本是由判断所决定的，实际上不一定具有代表性。样本质量的好坏完全取决于选择样本的人的判断能力。当然，这并不是说判断抽样就一定没有代表性。相反，在某些特定情况下，专业人员的判断反而可能产生比随机抽样更有代表性的样本。当样本很小，而总体规模很大，分布又很广时，判断抽样往往是一种比较有效的方法。
判断抽样中有一种特殊的办法，称做滚雪球抽样（snowballsampling），应用得较广。应用这种方法时，调研人员每次在向被调查者调查的过程中，都同时请他们提供其他可能的被调查者的名单，然后逐一对这些名单上的被调查者进行调查，如此不断扩大被调查者的范围。如果所研究的总体本身很小，又是具有某一特色专长的人所组成的，则这种抽样方法是很有效的。这种抽样方法的缺点是，被调查者通常倾向于推荐与他关系亲密的朋友或同事，结果，所接触到的被调查者的思想、观点和行为可能也都有类似性，这样代表性就差了。
7.1.5 随机抽样
随机抽样也有多种形式，下面逐一介绍最主要的几种随机抽样方法。
1.简单随机抽样
简单随机抽样（simplerandomsampling）的最大特点是总体中的每个个体被抽中作为样本的概率是相等的。按简单随机抽样法进行抽样时，通常先对总体中的个体进行编号，然后，利用随机数表产生样本的编号，决定具体的样本究竟是哪些。
简单随机抽样尽管简单，但在应用时也会遇到一些问题。首先，应用简单随机抽样前，必须把总体中的全部个体排成一队，列出一张完整的表。对大多数总体而言，要列出这样一张表是很困难的。其次，决定样本和从中收集信息的费用很高。
特别是当样本中含有分布很分散的个体，又采用人员访谈时，交通费用是很昂贵的。最后，简单随机抽样对于很多总体而言的效果，从统计意义上说，还不如其他的抽样技术，如分层随机抽样那样有效。
尽管如此，当总体比较小，可以得到总体中个体的清单时，或者样本地理位置的分散对调查费用影响不大时，简单随机抽样还是不失为一种相当有用的方法。
2.系统抽样
系统抽样（systematicsampling）与简单随机抽样很相似，应用起来也很方便。
这种方法也要求总体中的所有个体都能用一张清单罗列出来，然后随机地选择一个起点，再从表中每隔K个个体选取一个样本。例如，如要求从6000个个体所组成的总体中选取100个样本时，则总体是样本的60倍，我们可以先在1～60之间选一个随机数，如18作为抽样的起点。从起点开始每隔60个就选取一个样本。由于起点是随机地选取的，保证了总体中每个个体被选取作为样本的机会是均等的。
如果要从电话号码本中选取一定数目的样本就可以应用系统抽样法。假如电话号码本总共有70页，要从中选取140个样本，则我们可以决定每页上选取2个样本。例如，我们可以随机地决定每页中选取第1列的第5个号码和第2列的第12个号码作为样本。这就是一种系统抽样的方法。
系统抽样法也可以帮助现场访谈人员决定调查的样本。例如，一个现场访谈人员在街道上作拦截式调查选择调查对象时，他可以决定每次都选择从他前面经过的第20个居民作为样本。这样，就可以避免调查人员在选择样本时受其他因素影响而产生选择误差。
用系统抽样法选取样本时，对于同一个总体所得到的样本与简单随机抽样所得到的样本相比，既可能更有代表性，也可能缺少代表性。如果总体成员是按照我们所感兴趣的某一个参数以某种次序来排列的话，则系统抽样的结果可能比简单随机抽样更有代表性。如果总体成员中有周期性变动，特别是变动的周期也恰好等于系统抽样中的间隔K时，则对于同一个总体来说，系统抽样的代表性就比简单随机抽样要差了。这种情况在特定条件下也是确实可能发生的，所以，在决定采用系统抽样法时应当事先就考虑到是否存在这种可能，并尽量避免这种情况的发生。
3.分层抽样
分层抽样（stratifiedsampling）的基本思想与配额抽样类似。分层抽样的关键是分层。分层抽样时，先把总体分成为一些互不交叉也不遗漏的一些类别，称做层。各层的个体与总体参数之间存在某种关系。对于我们所关心的变量而言，同一层中的个体之间应该非常接近，不同层的个体之间的差异应当比较大。分层抽样时，对每个层内的个体都采用随机抽样的方法挑选样本。一个层内既可以采用简单随机抽样法、系统抽样法，也可以采用其他随机抽样方法来选择样本。
一般地说，分层抽样可以为我们提供对于总体参数值的较好估计值，但是，结果是否真正优于简单随机抽样，取决于总体中个体之间的差异性和一致性。在实施分层抽样时，要是不同层的个体之间的差异性越大，同一层的个体之间的一致性越大，分层抽样的效果就越好。但是，分层抽样法实施起来相对地比较复杂，费用也比较高，同时要求抽样设计人员事先取得总体分层结构有关的信息。因此，分层抽样法的应用也受到条件的限制。
设计分层抽样法时，必须考虑下列问题：
（1）分层的依据。总体可以根据一个或多个参数来分层。例如，既可以按照地理位置、人口统计特征和经济等因素，也可以根据总体的其他有关参数进行分层。原则上，分层以后的结果要使得对于我们所感兴趣的变量而言，同一层内的个体之间尽可能地接近或一致，不同层的个体之间差异尽可能地大。在决定分层依据时，事先进行一个探测性调研，或查阅有关的二手资料等，可能比单独由调研人员凭主观判断来决定如何分层要有用得多。
（2）层数的决定。对于同一个总体，所分的层数越多，每一层内的一致性就越大，但所花的费用会迅速增加，对总体估计的精确性却不可能迅速提高。因此，在分层时，尽量不要分得太多，以至于不同层的个体之间的差异性并不大，这就失去了分层的意义。
（3）按比例与不按比例的分层抽样。分层抽样中，一般采用按比例的分层抽样，这种方法与配额抽样法一样，使样本中具有某一特征的个体的比例与总体中具有同一特征的个体的比例相一致。
然而，当分层抽样时，某些层内的个体间的差异性可能会比其他层的大得多或小得多，则不以同一个比例来决定每一层的样本数可能反而更合理些。这时的抽样方法称做不按比例的分层抽样法。此时，对于某些从总体的参数看非常接近的那些特定的层，样本数目只需要很少就可以了；而对于另一些差异性很大的层来说，样本数目就要大大增加了。
从调查结果的有效性角度看，在样本总数给定的条件下，要以最小的抽样误差去估计总体的均值时，不按比例的分层抽样法有一定的优势。然而，应用这种方法要求我们事先较多地了解所研究总体内各个层的特征，即不仅要了解各个层相对的均值大小，而且也要了解各个层中个体对于均值的相对变动程度，但要做到这点并不容易。
4.分群抽样
分群抽样（clustersampling）的基本思想是成批地或者按群体地，而不是逐个地选取样本。分群抽样时，第一步是把总体划分为互不交叉又不遗漏的一些群体。
第二步是在总体中，以群体为单位，按简单随机抽样的办法挑选样本群体。最后是对于所挑选作为样本的群体，按需要进行抽样调查或者是普查。
一个抽样设计方案
一家市场调研公司在某大城市为某品牌的清洁剂作产品测试时，由于无法获得当地城市居民的数据库，又考虑到简单随机抽样的效果不好，就采用了分群抽样的方法。他们在全市的每个城区各随机抽取两个街道，每个街道又随机抽取3个居委会，每个居委会又随机抽取3个居民小区，每个居民小区又随机抽取15户家庭进行调查。这一抽样方案不仅使调研实施非常方便，而且保证了样本的足够分散，从而有更好的代表性。
用分群抽样法所产生的随机样本在统计上并不比同样大小的简单随机抽样所产生的样本更有效，但是，在样本大小一定的条件下，分群抽样法通常所需要的成本比较小，因此，当费用一定时，用分群抽样的办法可以得到更大的样本。由此可见，在抽样的现场调查时，若与样本接触、收集资料的成本较高，则分群抽样是特别有用的。
5.分区抽样
分区抽样（areasampling）其实是分群抽样的一种，只是以地理区域作为决定总体分类的依据。地理区域既可以是国家、城市，也可以是邮区等。此时，我们把要抽样的整个地区划分为几个区域，然后，从这些区域中随机地选择样本区域，最后按分群抽样的办法实施调查。分区抽样中所碰到的最大问题是，具有同样的人口统计特征，如收入、职业与受教育程度的人，通常生活得比较接近。这就导致了由这种方法所得到的样本，从统计上看不如简单随机抽样得到的样本来得有效。可是与分群抽样一样，在分区抽样时，现场调查时间和费用都比较省，从而有可能增加样本数，以补偿精确性方面的损失。
6.多阶段抽样
抽样过程既可以是一阶段的，也可以是多阶段的。进行多阶段抽样时，每一阶段都用随机抽样法选择包括最终样本在内的某个个体集合，然后，在所得到的样本中，再次进行随机抽样。总体中的每个个体包含在最终样本中的概率是已知的。多阶段抽样法可以利用分群和分区抽样的优点，只要有一张地图或者表格，即使没有现成的、精确的总体清单，也可以通过逐次随机抽样确定其他方法所无法选取的样本。
