，总体中1〜N的个体按照一定的规则排序，我 们决定所需的样本容量(n），然后用总体容量（N）除以样本容量（n）算出抽样间隔（A）, 从总体的随机列表中挑出每个N加的个体。例如，现在有6 000个总体，需要得到的样本 为200,我们算出的抽样间隔就是30 （ 6 000 - 200 ）,从1〜6 000这个列表上每隔30个 随机抽出一个个体，直到我们获得200个样本。这种方法之所以叫作系统随机抽样，是因 为在挑选样本时使用了系统，使用这个系统意味着抽样间隔和随机抽取的起点将会决定样 本中哪一个个体将会被抽到。例如，如果抽样起点是37, —个30的抽样间隔决定了下一 个抽取个体将会是67,之后将会是97、127等，直到200个抽样单位都被抽取完成，所 以下一个抽取对象取决于上一个对象——个选中的个体都独立于总体中的其他个体。

如果用于抽取系统样本的列表是随机排列的，那么系统抽样所得的结果将类似于简 单随机抽样的结果。然而,如果列表是以某种方式排列的——例如，姓名按照字母顺序排 列，职员按照工龄排序，或是学生按照考试成绩排序一样的话系统样本就会更好，因 为它的跨度横穿了整个列表。但是，当列表存在内在模式或是进一步细分为各类型的时 候，就会出现问题。例如，一项服务的用户和非用户单独位于列表上，或是一个偶数的抽样间隔将会遗失奇数项；或者，如果列表上的个体根据分组和抽样间隔的大小以某种方式 分组，那么某些组可能就会遗漏或是不能被代表。这样，系统抽样方法就不能产生一个很 好的样本。

由于一些操作性原因，使用简单随机抽样或系统抽样可能不能实现，在许多市场和社 会调研中，目标总体的列表可能难以获得。尽管计算机和数据库的出现让这个过去的问题 不再那么严重，尽管可以获得总体，但对所有个体进行编号也是很困难的。

分层随机抽样(stratified random sampling)是调研中运用最广泛的一种抽样方法。

对市场或社会的调研项目中，在对总体进行抽样时，很可能我们知道一些关于总体的特征, 它们可以提高样本的质量并提高所得结果的精确度。例如，总体是员工，我们可能知道每 位员工的工龄，我们就可以利用这个信息保证样本中每个工人级别都能被合适地呈现。为 了实现这个目的，我们必须把总体分成相关的小组或层次，例如，把它们分成级别1、级 别2、级别3等，在这里，员工的级别就是所谓的分层因子(stratification factor)_o选择什 么分层因子取决于你认为与调研目标最相关的因素是什么，从每一层我们分别来选择一定 容量的样本一■使用简单随机抽样方法或系统随机抽样方法。