1.处理无回答

当样本中的个体没有回答时就会产生无回答误差，在调研中这是个很重要的问题，它引起了对样本代表性和数据有效性的深入关注，如果回答者和无回答者有很大差异，那么 样本所测的数据就会有偏差。

无回答的主要原因是拒绝、“不在家”或“无法联系”。好的问卷设计和调研管理（包 括培训访问人员、提前通知、管理联系文本和介绍，特别是针对在线调査、后续跟踪，使 用适当的激励措施等）可以降低拒绝率。有两种主要方法来应对“不在家”这个问题：改 变联系的时间（周末和工作日、白天和晚上），回访电话或再次拜访。也可以通过替代无回 答者来解决无回答这个问题。对无回答者抽取一个样本（并且用结果去预测无回复者），可以帮助理解回答者和无回答者之间的不同，并且可以对最后的样本做出相应的调整。

2.抽样框的例子

对于选择家庭和公众成员的样本，在英国应用最广泛的抽样框是邮政地址档案（PAF） 和选民登记册，一些商业组织专门从事从PAF和选民登记册中设计样本。对于B2B调研. 抽样框的来源包括就业普查名单（英国）和工商行名录，如康帕斯（www.kompass.com）、邓 白氏（www.dnb.com）_v英国黄页（www.yell.co.uk）,以及 TLS 数据（www.tlsdata.co.uk）。

3.半随机抽样方法

在上述的所有抽样方法中，访问人员并没有参与为访问或观测选取主题，样本完成了 这个任务，访问者的工作就是把握住这个主题，这可能是个费用很高的过程，特别是面对 面的调查。产生样本，对每个访问者拜访的地址列出清单，然后完成实地调查，这个过程 是很耗时间的，并且成本很高。削减时间和成本的一个方法是使用半随机抽样，也就是熟 知的自由路径抽样或随机漫步（random walk）,这样也可以避免给予访问者更大的决策权 来选择地区、家庭或个人（这会引入选择误差），这个方法不包括用于从抽样框中抽取随机 样本所花费的时间和费用。使用多阶段分层随机样本会得到一个随机开始地址的列表，例 如，为了保证不同大小的城市、乡村或城镇都被很好地混合，每个访问者给定一个随机地 址进行第一个访问（并且会有选择家庭中哪个人的指导），随着起始地址的访问，访问人员 还会被给定一系列指令去挑选下一个访问地址。

正如随机抽样方法那样，被选择的对象没有替代对象，因此为了实施一次访问，可能 要进行多次回访，这可能意味着在实地调査成本方面，几乎是没有差别的。为了达到节约 成本的目的，回访可能适合基于配额的方法，我们接下来就会学习配额抽样。

4.非概率抽样方法

使用随机抽样方法并不总是可行的，时间和成本可能会有限制，样本框可能难以获 得，或者是调研的类型不需要进行随机抽样。在这部分我们会学习概率抽样的对立面—— 非概率抽样（probability sampling）方法。非概率抽样中，访问者或观测者对于样本个体的选取进行一些控制，我们不知道一个项目被选中的概率，也不能用概率理论来推断基于样 本的总体，也不能计算样本估值的精确度。