以下转自人大经济论坛的某个帖子：

http://bbs.pinggu.org/thread-2153951-1-1.html

中国家庭金融调查的抽样问题

xiangt516

如下的第二阶段抽样是有问题的：
“第一，按照各市县的非农人口比例的分位数，将各市县分成5个组。分组的依据是各市县非农人口比重20%、40%、60%和80%的分位数。
第二，在非农人口比例最大的市县组中，居委会和村委会分配的样本比例是4:0。
第三，在非农人口比例次大的市县组中，居委会和村委会分配的样本比例是3:1。
第四，以此类推，在非农人口比例最低的市县组中，居委会和村委会分配的样本比例是0:4”
抽样比例和收入水平（在这里以非农人口比例代表）正相关，那么必然收入水平两端的抽样比例过大。即，在富有的地方抽取富有的，在贫穷的地方抽取贫穷的。
所以，这个调查出来的基尼系数如此高，就不足为奇了。

ciang

这个论断需要的前提太多了，你需要把他们一个个理出来。
1，各市县非农人口的比例是怎样分布的？前20%和后20%分别是多少？
2，村委会和居委会的城乡定义是怎样分布的？

如果按照居委会样本：村委会样本=0：4的比例来抽样时，抽出来的城乡人口比例刚好和后20%市县的城乡人口比例相等，这个抽样就是没问题的。

xiangt516

我的推断是这样的：

非农人口比例大一般意味着比较富裕，在这些富裕的县抽城市家庭，意味着在富裕群体中抽富裕部分，而不是平均的在富裕群体中抽样。这部分的富裕程度被过度代表了。
同样的在非农人口比例小的县，贫穷程度被过度代表了。
综合起来，收入分布的两个极被过度代表了，那么基尼系数肯定更大了。

不知道，我说明白没？ 

xiangt516

一个简单的例子，比如两个县，每个县有1个居委会和1个村委会。非农人口比例大的县则抽取居委会，非农人口比例小的县则抽取村委会。
一般来说，非农人口比例大的县更富有，而居委会一般比村委会富有。
那么，上述抽样就是将富有群体中的富人抽出，将贫穷群体中的穷人抽出，必然使得收入分配更不平均了。

ciang

你这个例子和他的抽样在假设和方法上都不同。
首先，非农比例大的市县，居委会也会更多。
其次，他不是让居委会和村委会的个数比例恒定，而是让从居委会抽取的人数和村委会抽取的人数的比例恒定。
所以，不搞清楚我第一个帖子提出的两个问题，是没办法做判断的。

xiangt516

我也不知道是你不清楚，还是我不清楚。
“按照各市县的非农人口比例的分位数，将各市县分成5个组。”这意味着将所有由第一阶段抽出的县市按照非农人口比例分组，非农人口比例大的一组，非农人口比例小的一组。例如，非农人口占80%的为1组，非农人口占20%的1组。
村委会和居委会一般就是按照城乡分开吧，而且我们似乎也可以假定，平均上说，居委会的收入高于村委会。
那么，在非农人口比例大的县多抽居委会，则必然意味着在富裕的县多抽富裕的人。这就是我说的过度代表问题。
我这里的逻辑应该是没错误的吧。这也和他们得出来的基尼系数过高的事实相一致。

ciang

你这里搞错了很多点。
第一，不是非农人口80%是一组，而是是非农人口在80%分位数的为一组，这一组的非农人口可能是90%也可能只有60%，不把3000多个县市区的非农人口分布搞清楚，这个问题你是不知道的。
第二，村委会和居委会并不一定是区分了城乡，这点你可以从（http://www.stats.gov.cn/tjbz/cxfldm/2010/index.html）里面看，看看多少居委会是乡村，多少村委会是城镇。当然这个问题不是最重要。
第三，在非农人口比例大的县，居委会也一定多，居委会里住的人也一定多，在这里多抽居委会的人，只是让抽出来的居委村委比例、城乡比例都和本县比例相似，除非他普遍地存在在一个居委村委半对半的地方抽了80%居委20%村委这种情况，否则就不存在任何过度代表。

小概率事件

这是一个抽样设计中oversampling的问题。其关键就在于多抽取处于收入分布两端的样本，这样可以避免完全随机抽样设计下极端值样本过少产生的推 断偏误。显然，这样的抽样方式不能直接用来代表总体，而必须经过抽样权重的调整。经过权重调整后，样本不仅对总体有代表性，而且由于数据中极端样本数据比 完全随机下抽样的多，对总体的代表性还可能更好。
CHFS数据中提供了抽样权重的变量（swgt）供使用者在计算中进行加权调整（目前国内其他公开调查都没有公布权重），所有官方公布的数据也都是基于抽样加权的结果。

余略