统计学教学案例汇总
统计学专业课程思政教学案例分享
统计学专业课程思政教学案例分享1. 引言本文分享了一些统计学专业课程中的思政教学案例，旨在提供给教师们一些教学思路和方法，帮助学生更好地理解和应用统计学知识，并在研究过程中培养积极的思想道德品质。
2. 案例一：数据分析与社会问题2.1 教学目标通过教授统计学专业课程，引导学生掌握数据分析的基本方法和技巧，并运用所学知识分析社会问题，培养学生的思辨能力和社会责任感。
2.2 案例描述教师在课堂上选择了一个具有社会影响力的实际问题，如分析某地区的贫困率与教育水平之间的关系。
通过引导学生从数据收集、整理、分析到结论推断的全过程，培养了学生的数据分析能力和独立思考能力。
2.3 教学效果通过这个案例的教学，学生对统计学知识的理解更加深入，同时也意识到统计学在解决社会问题方面的重要性。
学生们获得了一种将专业知识应用于实际问题的思维方式，培养了他们的创新精神和社会参与意识。
3. 案例二：伦理道德与数据分析3.1 教学目标通过教授统计学专业课程，引导学生了解数据分析过程中的伦理道德问题，并培养学生正确处理数据和信息的价值观和行为规范。
3.2 案例描述在教学过程中，教师引导学生探讨数据分析过程中可能出现的伦理道德问题，如隐私保护、数据传输的安全性等。
通过案例分析和小组讨论，学生们学会了如何在数据分析过程中保护他人的隐私权，并遵守伦理道德的原则。
3.3 教学效果通过这个案例的教学，学生们对数据分析的伦理道德问题有了更深入的认识，并在实际操作中能够遵守相关规范和原则。
他们意识到数据分析不仅仅是技术工具的应用，更重要的是具备正确的价值观和行为规范。
4. 结论通过分享以上两个案例，我们可以看到，在统计学专业课程中融入思政教育元素，既可以提高学生对统计学知识的研究兴趣，又可以培养学生的思辨能力、创新精神和社会责任感。
这种以思政教育为特色的统计学教学模式有助于培养具有综合素质的人才，适应社会发展的需要。
注：本文案例仅为教学参考，具体教学过程和内容可根据实际情况进行灵活调整和设计。
统计学教育数据案例(2篇)
第1篇一、背景随着大数据时代的到来，统计学在各个领域中的应用越来越广泛。
统计学教育作为培养数据分析能力的重要途径，其教学质量直接关系到学生的就业竞争力。
为了提高统计学课程的教学效果，本文以某高校统计学专业为例，通过大数据技术对统计学课程教学效果进行评估，为统计学教育改革提供参考。
二、数据来源与处理1. 数据来源本研究数据来源于某高校统计学专业2018级至2020级共三年学生的课程成绩、作业、实验报告、期末考试等教学过程数据，以及学生评教、教师评价等教学效果评价数据。
2. 数据处理（1）数据清洗：对原始数据进行清洗，去除重复、错误和缺失数据。
（2）数据整合：将不同来源的数据进行整合，形成统一的数据集。
（3）数据预处理：对数据进行标准化、归一化等预处理操作，以便后续分析。
三、教学效果评估指标体系1. 学生成绩指标（1）平均成绩：反映学生对课程知识的掌握程度。
（2）及格率：反映课程教学的基本要求。
（3）优秀率：反映课程教学的高水平要求。
2. 教学过程指标（1）作业完成率：反映学生对课程内容的关注程度。
（2）实验报告完成率：反映学生对实践能力的培养。
（3）课堂参与度：反映学生对课程教学的兴趣和积极性。
3. 教学效果评价指标（1）学生评教：反映学生对教师教学水平的满意度。
（2）教师评价：反映教师对课程教学效果的自我评价。
四、数据分析与结果1. 学生成绩分析通过对2018级至2020级学生的课程成绩进行分析，发现平均成绩逐年提高，及格率和优秀率也呈现上升趋势。
这表明统计学课程的教学质量在不断提高。
2. 教学过程分析通过对作业完成率、实验报告完成率和课堂参与度的分析，发现学生对于课程内容的关注程度和实践能力的培养有所提高。
其中，作业完成率和实验报告完成率逐年提高，说明学生在课程学习中投入的时间和精力越来越多；课堂参与度也有所提升，表明学生对课程教学的兴趣和积极性不断提高。
3. 教学效果评价分析通过对学生评教和教师评价的分析，发现学生对教师教学水平的满意度较高，教师对课程教学效果的评价也较为积极。
统计学教学案例
项目十二方差分析案例1.计算机辅助教学方法是否会使完成课程的时间差异缩小一种空军电子学引导性教程利用一种个人化教学系统，每位学生观看讲座录像带，然后给以程式化的教材。
每位学生独立地钻研教材直至其完成训练并通过考试。
我们关心的问题是每位学生完成其训练计划的这一部分的不同速度。
有些学生能够相对较快地完成程式化教材，而另一些学生花在教材上的时间较长并且需要另外的时间来完成课程。
在整个集体共同进行其他方面的训练之前，进行得较快的学生要等待较慢的学生完成引导性教程。
一种建议的替代系统涉及到使用计算机辅助教学。
在这种方法中，所有的学生观看相同的讲座录像带，然后每位学生被指派到一个计算机终端以接受进一步训练。
在教程自我训练部分的整个过程中，由计算机指导学生独立工作。
为对建议的和当前的教学方法进行比较，一个由122名学生组成的班级被随机地指派采用这两种方法之一。
一组61名学生使用当前程式化教材，另一组61名学生使用建议的计算机辅助方法。
每位学生用在学习上的时间（小时）被记录在下表：当前训练方法完成教程的时间（小时）76 76 77 74 76 74 74 77 72 78 73 78 75 80 79 72 69 79 72 70 70 81 76 78 72 82 72 73 71 70 77 78 73 79 82 65 77 79 73 76 81 69 75 75 77 79 76 78 76 76 73 77 84 74 74 69 79 66 70 74 72建议的计算机辅助方法完成教程的时间（小时）74 75 77 78 74 80 73 73 78 76 76 74 77 69 76 75 72 75 72 76 72 77 73 77 69 77 75 76 74 77 75 78 72 77 78 78 76 75 76 76 75 76 80 77 76 75 73 77 77 77 79 75 75 72 82 76 76 74 72 78 71（1）利用适当的描述性统计，将每种方法的训练时间资料汇总。
统计学教学案例(精选)
用于研究不同组别间均值差异的显著性，判断因素对结果的影响是 否显著。
回归分析
用于研究变量之间的关系，通过建立回归方程预测因变量的取值。
应用实例
在农业生产中，通过方差分析比较不同施肥方案对作物产量的影响 ，利用回归分析预测未来产量趋势。
04 非参数统计案例
非参数检验方法简介
非参数检验的定义与特点
先验概率
根据以往经验和分析得到的概率。
似然函数
表示在给定参数下，观测数据出现的概率。
后验概率
在得到新的观测数据后，对先验概率进行更新得到的概率。
贝叶斯网络模型构建与评估
贝叶斯网络
一种概率图模型，用于表示变 量间的依赖关系。
网络结构学习
通过数据学习贝叶斯网络的结 构，即变量间的依赖关系。
参数学习
在已知网络结构的情况下，通 过数据学习变量的条件概率分 布。
提高统计软件应用能力
通过实践操作，学生应熟练掌握至少一种统计软 件（如SPSS、R、Python等），提高数据处理 和分析效率。
统计学发展趋势探讨
大数据与人工智能融合
随着大数据和人工智能技术的不 断发展，统计学将更加注重与这 些技术的融合，提高数据处理和 分析的智能化水平。
跨领域应用拓展
统计学将在更多领域发挥重要作 用，如生物医学、环境科学、社 会科学等，为跨学科研究提供有 力支持。
频数分布表
通过分组整理数据，展示 各组数据的频数，直观反 映数据的分布情况。
直方图与条形图
利用图形展示数据的分布 情况，便于观察数据的分 布规律。
概率密度函数
描述连续型随机变量的分 布情况，反映数据在不同 取值范围内的概率大小。
数据集中趋势度量
《统计》教案(精选13篇)
《统计》教案（精选13篇）《统计》教案篇1教学目标1、使同学初步体验数据的收集、整理、描述和分析的过程，会用简洁的方法收集、整理数据。
2、使同学初步熟悉条形统计图和简洁的统计表，能依据统计图表中的数据提出并回答问题，体会统计的意义和作用。
3、培育同学初步的统计力量、实践力量和创新精神。
培育同学的合作意识和解决问题的力量。
4、在统计过程中，对同学进行良好思想品德教育。
教学内容教科书第93～94页。
教具、学具预备多媒体课件、动物图片，水彩笔、水果图片、统计表等。
教学设计一、导入师：在春暖花开的季节里，漂亮的大森林里可喧闹了，小动物们正在进行春季投篮竞赛，我们一起去看看吧！（课件播放竞赛过程）创设情境，激发同学的学习爱好，让同学初步体会统计的意义。
师：竞赛结束了，谁投进的球最多呢？生：看不清晰。
师：大家来想一想，有什么方法可以知道谁投进的球最多？让同学自由发言，老师对于同学想的方法赐予充分确定。
师：就是要把小动物投进的球记录下来。
师在黑板上贴出竞赛的三种小动动物的图片。
师生合作，当谁投进一球时，就在谁的上面贴一个篮球图。
（边播放课件边贴篮球，强调篮球最好对齐，这样便于比较）师生之间创设了一种民主、和谐的伙伴关系，通过课件演示，让同学在收集、记录数据的过程中真心体会到统计的意义和价值。
师生共同统计出：师：从图中你可以知道什么？生1：可以知道小熊投进2个球，小猴投进3个球，小象投进4个球。
生2：可以知道小象投进的球最多，小熊投进的球最少。
生3：可以知道小象是投篮冠军。
……课件演示竞赛结果。
以同学为本，让同学充分发表自己的见解，真正体现人人学有价值的数学，不同的人在数学上得到不同的进展这一新的教学理念。
师小结：从图上可以看出每种小动物进球的数量及胜败状况，像刚才这样的记录过程就叫做“统计”。
（板书：统计）师：这节课我们就来比一比，看谁是最优秀的“小小统计员”。
二、教学例1师：小伴侣们请看，老师给你们带来了什么？（鲜花）师：为了把我们的校内装扮得更加漂亮，同学们从家里带来了各种颜色的鲜花。
教育统计学实践案例(2篇)
第1篇一、背景介绍在我国，教育统计作为教育科学的一个重要分支，对于教育决策、教学质量监控和学生学业成绩分析等方面具有重要意义。
本案例以某中学学生学业成绩为研究对象，运用教育统计学的原理和方法，对学生学业成绩进行深入分析，旨在为学校教育教学改革提供数据支持。
二、研究方法1. 数据收集：收集某中学2019年度九年级全体学生的学业成绩数据，包括语文、数学、英语、物理、化学、生物、政治、历史、地理九门学科的期末考试成绩。
2. 数据处理：利用SPSS软件对收集到的数据进行整理、清洗和预处理。
3. 统计分析：运用描述性统计、推论统计和相关性分析等方法，对学生的学业成绩进行深入分析。
三、案例分析1. 描述性统计分析（1）总体成绩分布通过计算各学科的平均分、标准差、最小值、最大值等指标，分析各学科成绩的分布情况。
例如，语文科目平均分为85分，标准差为10分，最小值为60分，最大值为100分。
（2）学生成绩分布根据学生成绩，将学生分为优秀、良好、中等、及格和不及格五个等级，统计各等级的人数和占比。
例如，优秀等级的学生占比为20%，良好等级的学生占比为30%，中等等级的学生占比为40%，及格等级的学生占比为8%，不及格的学生占比为2%。
2. 推论统计分析（1）假设检验对各学科成绩进行假设检验，分析是否存在显著性差异。
例如，检验语文和数学成绩是否存在显著差异，假设检验结果显示，语文和数学成绩存在显著差异（p<0.05）。
（2）方差分析对不同年级、不同班级的学生成绩进行方差分析，探究是否存在显著差异。
例如，分析不同年级学生在语文成绩上是否存在显著差异，方差分析结果显示，不同年级学生在语文成绩上存在显著差异（F=3.45，p<0.05）。
3. 相关性分析（1）皮尔逊相关系数计算各学科成绩之间的皮尔逊相关系数，分析各学科成绩之间的相关性。
例如，语文和数学成绩的相关系数为0.58，表明语文和数学成绩之间存在中等程度的正相关。
统计教学案例
统计教学案例（经典版）编制人：__________________审核人：__________________审批人：__________________编制单位：__________________编制时间：____年____月____日序言下载提示：该文档是本店铺精心编制而成的，希望大家下载后，能够帮助大家解决实际问题。
文档下载后可定制修改，请根据实际需要进行调整和使用，谢谢!并且，本店铺为大家提供各种类型的经典范文，如工作报告、合同协议、演讲致辞、条据文书、策划方案、规章制度、心得体会、教学资料、作文大全、其他范文等等，想了解不同范文格式和写法，敬请关注!Download tips: This document is carefully compiled by this editor. I hope that after you download it, it can help you solve practical problems. The document can be customized and modified after downloading, please adjust and use it according to actual needs, thank you!Moreover, our store provides various types of classic sample essays, such as work reports, contract agreements, speeches, policy documents, planning plans, rules and regulations, insights, teaching materials, complete essays, and other sample essays. If you want to learn about different sample formats and writing methods, please stay tuned!统计教学案例统计教学案例统计教学案例1作为义务教育阶段学习的继续，初中阶段的数学学习将巩固，加深学生已形成的对数裾分析方法的理解，扩展学生已经获得的对不确定性和概率的经验。
【统计学】统计学案例
统计学案例案例一我国高等教育国际竞争力的分析研究一、教学目的1、明确对高等教育国际竞争力进行研究的意义及方法；2、学会根据研究的问题，正确、科学地设置对该问题进行评价的统计指标；3、掌握统计数据的收集与整理的方法，认识到统计数据在统计分析中的重要性；4、在综合掌握各种统计分析方法的基础上，根据所提问题的性质，能选择合适的统计分析方法；5、明确指标无量纲化的意义，掌握无量纲化的一般方法；6、掌握统计分析中权数的确定方法，明确模糊综合评价法在统计分析中应用；7、学会根据统计资料，对所研究的问题进行分析研究，并提供有情况、有分析、有对策的分析研究报告。
二、背景材料我国高等教育国际竞争力的分析研究经济全球化趋势及知识经济浪潮使包括人才在内的资源竞争更加激烈，信息共享程度更高，我国高等教育面临严峻的考验和挑战，对现代大学教育提出了新的要求和使命。
研究我国高等教育国际竞争力，科学发展我国的高等教育，应站在全球化高度，优化资源配置，增强创新能力，提高高等教育的竞争力，把握机遇，谋划未来，深化改革，提高教学质量，增强其国际竞争力。
因此，进行高等教育国际竞争力的研究，保持我国高等教育的可持续发展，具有非常重要的理论意义和现实意义。
一、高等教育国际竞争力的基本理论1、竞争、竞争力及高等教育国际竞争力的基本涵义“竞争系个人(或集团)间的角逐；凡两方或多方力图取得并非各方均能获得的某些东西时，就会有竞争，竞争与人类历史同样悠久。
”竞争是市场经济的基本法则，它不仅是经济学家和生物学家研究的对象，也是教育学家常常思考的问题。
从理论上讲，竞争力具有相对与绝对两种含义：绝对竞争力指个人、单位或国家在竞争日趋激烈的条件下其持续发展的能力，它很难用一个准确的计量单位来衡量。
而相对竞争力指个人、单位或国家其持续发展的能力在相互比较中所处的位置，一般可通过比较排名来相对体现。
从统计学的角度来说，绝对竞争力采用的是定距尺度，而相对竞争力采用的是定序尺度。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
统计学教学案例集统计学精品课建设小组2004年11月【案例一】全国电视观众抽样调查抽样方案一、调查目的、范围和对象1.1 调查目的准确猎取全国电视观众群体规模、构成以及分布情况；猎取这些观众的收视适应，对电视频道和栏目的选择倾向、收视人数、收视率与喜爱程度，为改进电视频道和栏目、开展电视观众行为研究提供新的依据。
1.2 调查范围全国31个省、自治区、直辖市(港澳台除外)中所有电视信号覆盖区域。
1.3 调查对象全国城乡家庭户中的13岁以上可视居民以及4-12岁的儿童。
包括有户籍的正式住户也包括所有临时的或其他的住户，只要已在本居（村）委会内居住满6个月或可能居住6个月以上，都包括在内。
不包括住在军营内的现役军人、集体户及无固定住宅的人口。
二、抽样方案设计的原则与特点2.1 设计原则抽样设计按照科学、效率、便利的原则。
首先，作为一项全国性抽样调查，整体方案必须是严格的概率抽样，要求样本对全国及某些指定的都市或地区有代表性。
其次,抽样方案必须保证有较高的效率，即在相同样本量的条件下，方案设计应使调查精度尽可能高，也即目标量可能的抽样误差尽可能小。
第三，方案必须有较强的可操作性，不仅便于具体抽样的实施，也要求便于后期的数据处理。
2.2 需要考虑的具体问题、专门要求及相应的处理方法2.2.1 城乡区分都市与农村的电视观众的收视适应与爱好有专门大的区不。
理所因此地应分不研究，以便于对比。
最方便的处理是将他们作为两个研究域进行独立抽样，但代价是，如此做的样本点数量较大，调查的地域较为分散，相应的费用也就较高。
另一种处理方式是在第一阶抽样中不考虑区分城乡，统一抽取抽样单元（例如区、县），在其后的抽样中再区分城、乡。
如此做的优点是样本点相对集中，但数据处理较为复杂。
综合考虑各种因素，本方案采纳第二种处理方式。
在样本区、县中，以居委会的数据代表都市；以村委会的数据代表农村。
2.2.2 抽样方案的类型与抽样单元的确定全国性抽样必须采纳多阶抽样，而多阶抽样中设计的关键是各阶抽样单元的选择，其中尤以第一阶抽样单元最为重要。
本项调查除个不直辖市及都市外，不要求对省、自治区进行推断，从而可不考虑样本对省的代表性。
在这种情况下，选择区、县作为初级抽样单元最为适宜。
因为全国区、县的总数量专门大，区、县样本量也会比较大，因而第一阶的抽样误差比较小。
另外对区、县的分层也可分得更为精细。
本抽样方案采纳分层五阶抽样。
各阶抽样单元确定为：第一阶抽样：区（地级市以上都市的市辖区）、县（包括县级市等）；第二阶抽样：街道、乡、镇；第三阶抽样：居委会、村委会；第四阶抽样：家庭户；第五阶抽样：个人。
为提高抽样效率，减少抽样误差, 在第一阶抽样中对区、县采纳按地域及类不分层。
在每一层内前三阶抽样均采纳按与人口成正比的不等概率系统抽样（PPS系统抽样），而第四阶抽样采纳等概率系统抽样，即等距抽样，第五阶抽样采纳简单随机抽样。
2.2.3 自我代表层的设立依照要求，本次调查需要对北京、上海两个直辖市以及广州、成都、长沙与西安四个省会都市进行独立分析，因而在处理上将这些都市（包括下辖的所有区、县）每个都作为单独的一层处理。
为方便起见，以下把如此的层称为自我代表层。
考虑到在如此处理后，全国其他区县在分层中的一些具体问题以及各地的专门情况，将天津市也作为自我代表层处理。
另外，鉴于西藏情况专门，所属区县与其它省（自治区）的差不专门大，因此也将它作为自我代表层处理。
如此自我代表层共有8个，包括以下都市与地区：北京市、天津市、上海市；广州市、成都市、长沙市、西安市；西藏自治区。
三、样本区、县的抽选方法3.1 全国区、县的调查总体依照2001年的全国行政区划资料，全国（港澳台除外）共有787个市辖区，此外有5个地级市（湖州、东莞、中山、三亚、嘉峪关）不设市辖区，若将它们每个都视同一个市辖区，则共有792个区；全国共有1674个县（包括自治县及旗、自治旗、特区与林区等）、400个县级市,县级行政单位的总数为2074个，这中间包括福建省的金门县，不能进行调查，因此除金门县以外的所有2865个区、县(792个区及2073个县)构成此次调查的调查总体。
3.2区、县分层为便于调查后的资料分类汇总及提高精度，应将全国区、县进行分层。
分层能够按多种标识进行，从理论而言，分层标识应选取与调查指标相关程度较高的那些变量。
在本次调查中也确实是应选取与观众收视行为、适应与爱好等紧密相关的变量。
关于这方面已有一些相应的研究结果,例如观众的年龄、性不、文化程度、职业、居住地的生活适应与气候等。
只是注意到我们不可能按观众的个体来分类，只能按观众居住的区、县来分类。
而关于区、县，许多表示人口特征（除人口总数）及经济文化进展指标（除所在省的人文进展指数及县的人均GPT）的资料都无法得到，通过多方研究，我们对区县的分层按以下两种标识进行。
(1)地域我国幅员宽敞，各地经济、社会、文化与气候的地域差异极大，而所有这些因素都与电视观众的收视行为紧密相关。
我们首先将所有县按所在省（自治区、直辖市）的地理位置分成3大层13个子层，[各省括号内的数字为它们的人文进展指数(Human Development Index，简称HDI)，在全国的排位，参见附表]。
地域分层如表1：表1 全国区、县的地域分层需要讲明的是以上划分的层，还考虑了其他一些因素，各省按联合国制定的标准计算的人文进展指数仅是考虑因素之一。
例如，按人文进展指数，广西（第19位）实际上可划在第二大层（中部地区），但考虑到国家西部大开发的范围将广西划入西部地区，我们的划分与它一致，如此便于资料的汇总公布。
又如海南，依照人文进展指数（第13位）放在第一大层稍为牵强，然而依照它的地理位置以及它以旅游为主业，就观众行为而言，与广东、福建划在一子层内是合理的。
(2)区、县类不同一大层的各市辖区与所隶属的都市的规模、在都市中的地理位置（市区或郊区）和居民成分构成（非农业人口占总人口的比例）有较大差异，各县也因经济文化发达程度有较大差异。
我们将各大层中所有的区、县除已划为自我代表层的以外，（如下称抽样总体）分成以下5类，每类组成1个小层：一类区，二类区，县级市，一类县，二类县。
全国抽样总体中所有区县共分成11×5=55个小层。
其中区的划分标准为区中非农业人口占总人口的比例，比例高于标准的为一类区，比例低于标准的为二类区；县的划分标准为人均国内生产总值，高的为一类县，低的为二类县。
区县划分类不的标准在三大层中各不相同，具体标准如下：区类不的划分标准：东部地区与中部地区：非农人口在总人口中的比例大于或等于80%为一类区，小于80%为二类区；西部地区：非农人口在总人口中的比例大于或等于70%为一类区，小于70%为二类区。
县类不的划分标准：东部地区：人均GDP在5000元以上为一类县；5000元以下为二类县。
中部地区：人均GDP在4000元以上为一类县；4000元以下为二类县。
西部地区：人均GDP在3000元以上为一类县；3000元以下为二类县。
3.3自我代表层的区、县情况依照最新行政区划，自我代表层中的7个都市所辖的区、县构成情况如表1。
表2 自我代表都市的辖区、县构成西藏自治区包括1个地级市（拉萨市，下辖一个城关区）、一个县级市（日喀则市）及71个县。
3.4 抽样总体区县情况按 3.2划分标准，全国除自我代表层以外的抽样总体各小层的区、县数及人口在（抽样总体）总人口中的比例如表3与表4所示。
表3 抽样总体中各小层的区县数表 4 抽样总体各小层人口占总人口的比例（%）3.5 区、县的抽样方法及样本量抽样总体中各层（指小层,下同）内对区、县的抽样采纳按人口的PPS系统抽样，样本量一般为2；少数人口较多的小层样本量定为3。
样本量的具体分配见表5。
样本区、县总量为121个。
表5 各小层的区县样本量的分配四、抽样总体中样本区、县内的抽样方法4.1 样本区内的抽样每个一类样本区内采纳街道（镇）、居委会、家庭户及个人的4阶抽样；每个二类样本区内采纳街道（乡、镇）、居（村）委会、家庭户及个人的4阶抽样,样本量皆为90。
具体方法如下。
4.1.1 对街道（乡、镇）的抽样样本区内对街道（乡、镇）抽样采纳按人口的PPS系统抽样，每个样本区抽3个街道（乡、镇），其中一类区不抽乡。
4.1.2 对居委会的抽样样本街道、镇（乡）内对居（村）委会的抽样采纳按人口的PPS 系统抽样，每个样本街道、镇、乡各抽2个居（村）委会（其中一类区不抽村委会）。
为操作方便，那个地点的人口数也可用户数。
4.1.3 对家庭户的抽样样本居（村）委会内对家庭户的抽样采纳随机起点的等概率系统抽样，即等距抽样。
每个居（村）委会固定抽取15户。
在抽样时，必须首先清点居（村）委会管辖范围内的实际家庭户数,且规定排列的顺序。
4.1.4 样本户内具体调查对象的确定对每个被抽中的样本户，在13岁以上（含13岁）的成员中，完全随机地确定一名为具体调查对象。
为确保家庭成员中的每一个如此的成员都有相等的概率被抽中，采纳二维随机表来确定。
表 6 确定户内调查对象的二维随机表4.2 样本县（县级市）内的抽样每个样本县内采纳乡（镇）、村（居）委会、家庭户及个人的4阶抽样，样本量为60。
具体方法如下。
4.2.1 对乡、镇的抽样确定县城所在的镇（城关镇）为必调查镇，对其余乡（镇）采纳按人口的PPS系统抽样，再抽2个乡（镇），每个样本县共调查3个乡（镇）。
4.2.2 对村（居）委会的抽样在每个城关镇中用按人口PPS抽样抽取2个样本居（村）委会。
对其它两个样本乡、镇内，也用同样的方法抽2个村委会。
为操作方便,那个地点的人口数也可用户数。
4.2.3 对家庭户的抽样样本村（居）内对家庭户的抽样与样本居委会内对家庭户的抽样完全相同，仍采纳随机起点的等概率系统抽样，即等距抽样。
每个村（居）固定抽取10户。
4.2.4 具体调查对象的确定在样本户中确定具体对象的方法与4.1.4中情形完全相同，即用二维随机表来确定。
4.3 儿童样本的确定在城乡每个样本户中，除抽取一位13岁以上的观众作为调查对象外，假如还有4－12岁的儿童，则需要抽取1位进行儿童观众的调查。
假如符合年龄的条件多于1位，则仍按二维随机表的方法确定。
关于自我代表的7个都市中，为保证儿童的样本量，对每个样本户，调查所有满足年龄的儿童。
五、自我代表层中的抽样方法5.1 自我代表都市的抽样方法每个需要进行推断的都市皆作为自我代表层，在层内也进行分层抽样，层的划分标准与其它子层中的区、县标准差不多相同。
只只是不再对县分类，且将县级市（仅长沙市有一个）也作为一般县处理。
如此每个都市皆分为一类区、二类区及县三层。
考虑到上海市浦东新区的专门性(既包括完全都市化的市区,也包含相当广泛的农村)，将该区作为自我代表层处理。