Ⅰ 小樣本自身前後對比的統計方法選擇
6.或是樣本真的很稀少, 那就該考慮不要分輕/中/重了, 都視為殘疾, 只要實驗過程中能隨基分派即可(是指2組里輕/中/重的人數比例相似, 確保2組程度一致即可), 然後專注於研究那種干預法較佳~
Ⅱ 統計預測中 小樣本用什麼方法預測
我覺得因為統計當中很多的分布等都是漸近的結論，需要用到比如中心極限等定理。需要大樣本的支持吧。 所以要盡量避免小樣本。但是基於小樣本的統計也是有的。
Ⅲ 小樣本研究範式
是向少數幾個或者單個被試呈現處理的試驗方式，斯金納在《有機體的行為》中提出。 根據小樣本研究範式，研究應該包括三個階段： 確定所研究對象的行為基線或反應方式；操縱自變數，觀察和記錄因變數的變化；撤除自變數，繼續監測因變數的情況。
優勢：更嚴密地監測了對象的行為，更系統地測量了自變數的效應，並得以更細致地進行「被試內」比較和分析。
缺陷：外部效度不易達到要求，並容易受被試系統誤差的影響，因此應作更多的驗證性研究。
Ⅳ 什麼是小樣本實驗設計有哪些類型
什麼是小樣本實驗設計有哪些類型
：可能就是實驗組和對照組,一般小樣本實驗樣本數每組不要少於5隻,以免抽樣誤差,每組動物之間的個體差異要小,同窩更好.要雙盲分組(不受研究人員主觀意圖的影響)
如果只是大概的分析，無不可。但主要問題是樣本分組相對於樣本數太多，結果准確性不好評價。另外樣本要考慮控制變數。如果數據詳細，考慮用計量模型好些吧。表格中能得到是否有顯著影響以及哪一類對立特徵影響大，但是是正向影響還是負向影響，不能判斷。
Ⅵ 適用於那些特徵稀少、小規模特殊總體的非概率抽樣方法
常用的非概率抽樣方法有以下四類：
1、方便抽樣（Convenience sampling）
指根據調查者的方便選取的樣本，以無目標、隨意的方式進行。例如：街頭攔截訪問（看到誰就訪問誰）；個別入戶項目誰開門就訪問誰。
優點：適用於總體中每個個體都是「同質」的，最方便、最省錢；可以在探索性研究中使用，另外還可用於小組座談會、預測問卷等方面的樣本選取工作。
缺點：抽樣偏差較大，不適用於要做總體推斷的任何民意項目，對描述性或因果性研究最好不要採用方便抽樣。
2、判斷抽樣（Judgment sampling）
指由專家判斷而有目的地抽取他認為「有代表性的樣本」。例如：社會學家研究某國家的一般家庭情況時，常以專家判斷方法挑選「中型城鎮」進行。
也有家庭研究專家選取某類家庭進行研究，如選三口之家（子女正在上學的）；在探索性研究中，如抽取深度訪問的樣本時，可以使用這種方法。
優點：適用於總體的構成單位極不相同而樣本數很小，同時設計調查者對總體的有關特徵具有相當的了解（明白研究的具體指向）的情況下，適合特殊類型的研究（如產品口味測試等）；操作成本低，方便快捷，在商業性調研中較多用。
缺點：該類抽樣結果受研究人員的傾向性影響大，一旦主觀判斷偏差，則根易引起抽樣偏差；不能直接對研究總體進行推斷。
3、配額抽樣（Quota sampling）
指先將總體元素按某些控制的指標或特性分類，然後按方便抽樣或判斷抽樣選取樣本元素。
相當於包括兩個階段的加限制的判斷抽樣。在第一階段需要確定總體中的特性分布（控制特徵），通常，樣本中具備這些控制特徵的元素的比例與總體中有這些特徵的元素的比例是相同的，通過第一步的配額，保證了在這些特徵上樣本的組成與總體的組成是一致的。
在第二階段，按照配額來控制樣本的抽取工作，要求所選出的元素要適合所控制的特性。例如：定點街訪中的配額抽樣。
優點：適用於設計調查者對總體的有關特徵具有一定的了解而樣本數較多的情況下，實際上，配額抽樣屬於先「分層」（事先確定每層的樣本量）再「判斷」（在每層中以判斷抽樣的方法選取抽樣個體）；費用不高，易於實施，能滿足總體比例的要求。
缺點：容易掩蓋不可忽略的偏差。
4、滾雪球抽樣（Snowball sampling）
指先隨機選擇一些被訪者並對其實施訪問，再請他們提供另外一些屬於所研究目標總體的調查對象，根據所形成的線索選擇此後的調查對象。
第一批被訪者是採用概率抽樣得來的，之後的被訪者都屬於非概率抽樣，此類被訪者彼此之間較為相似。例如：如在目前中國的小轎車車主等。
優點：可以根據某些樣本特徵對樣本進行控制，適用尋找一些在總體中十分稀少的人物。
缺點：有選擇偏差，不能保證代表性。
(6)適合小樣本的研究方法擴展閱讀
抽樣是有一定規則的，抽樣的基本要求是：
1、總體范圍的確定
抽樣首先要明確規定抽樣的總體范圍，一般來說，研究課題和研究目的決定了總體的范圍。如，「上海市區初中學生身體素質的調查」這個課題的總體就是上海市區全體初一至初三的中學生，不包括郊縣的初中生。如果總體范圍不很清楚，在抽樣前應對總體做出明確的規定。
否則，會對抽取樣本和研究結果的推斷造成麻煩。通常研究課題的確立就已基本框定了總體范圍，研究者要考慮的是為什麼要確定該總體的理由，以及研究的預期效果和可行性問題。
2、抽樣的隨機化
抽樣要盡可能做到隨機化（random）。隨機化是指總體中的每個個體被選入樣本的概率（probability）不為零。也就是說，總體中的每一個個體入選的機會均等。
隨機是科學研究的基本原則。抽樣的隨機化是一種精確而科學的過程，是科學研究結果可靠性的保證，可以避免研究者自覺或不自覺的偏見。抽簽、搖獎就是根據抽樣的隨機化原理設計的。嚴格的抽樣必須是隨機的，這樣可避免研究者的主觀傾向或人為因素造成的抽樣偏差（sampling bias）
3、樣本的代表性
樣本的代表性指樣本應具備總體的性質或特徵，樣本能在較大程度上代表總體。樣本研究的關鍵在於抽樣和推論，抽樣是推論的先決條件，樣本的代表性會影響研究結論的可靠性和研究結論的推斷程度。代表性越高的樣本，其研究結果的普遍性就越大。
反之，如果樣本沒有代表性往往會導致研究的失敗。常為人引用的一個例子是：1936年美國的總統大選，當時美國的《文學文摘》雜志曾做了一次關於總統大選的民意調查，調查結果預測蘭登將在總統選舉中獲勝，羅斯福落選。但事實正好相反，選舉結果是羅斯福當選總統。
雖然《文學文摘》雜志的民意調查樣本數很大，但調查者的樣本是從電話號簿和汽車登記冊中抽取的。1936年正是美國經濟大蕭條過後，有汽車有電話的人僅代表了美國選民中的某個特定階層，對於選民總體來說不具備代表性。
這次民意調查的失敗主要在於抽樣偏差，樣本沒有代表性，抽取的樣本在質上與總體特徵不相吻合。與此同時，蓋洛普民意調查所也作了總統大選的調查，只發了2000份問卷，結果預測成功，羅斯福當選總統。
4、合理的樣本容量
樣本容量又稱樣本大小，是指抽取樣本的具體數量。樣本數量的多少是研究無法迴避的問題，是研究設計中重要的一環，也是比較困難的一件事。它既要符合研究目的、內容，滿足教育統計的要求，又要考慮抽樣的可能性，並使誤差減少到最低限度。
一般來說，樣本數越多，代表性越好，但是增大樣本，勢必增加研究的人力、物力、財力，增加研究的難度，造成不必要的浪費。如果樣本數太小，則抽樣誤差較大，樣本不能代表總體，不利於統計分析，影響研究效果。
樣本數量究竟多少為宜，這是一個復雜的問題。我們很難說出一個確定的數字，樣本數量要從多個方面綜合起來考慮。
抽樣是以概率論為理論基礎。抽樣的作用是為了合理地減少研究對象，既可以節約人力、物力、時間，又可使研究力量相對集中，使研究工作深入、細致，從而提高研究的准確性和可靠性。
一般來說，定性研究中抽取的樣本很小，樣本有時僅僅是一個案例或一個個體，研究目的是為了對所研究對象進行更深入的了解。而定量研究的樣本數較大，樣本可以是一群個體，並要考慮樣本能否准確代表總體，能否對總體作出推斷。
Ⅶ 用戶研究方法有哪些如何進行定性和定量的研究
基於問題的性質、變數的類型以及其他因素選擇一定的研究方法，來收集與問題有關的主客觀數據，進而為了解某些未知的東西或者驗證某種想法提供依據。
用戶研究有很多方法，基於對已有知識的總結可知，影響研究方法選擇的因素主要以下因素：研究的對象、產品的設計階段、產品所處周期、成本、時間等。通常情況下：
（1）根據收集的數據類型，可以將研究方法劃分為定性和定量兩種，見圖1。
定性研究方法，通常適用於對小數量規模的樣本進行分析，主要用於發現新事物的過程，揭露為什麼會發生這樣的事情，樣本數量通常為10~20個，不追求精確的結論，而只是了解問題之所在，摸清情況，得出感性認識，比如用戶訪談、卡片分類法、焦點小組、頭腦風暴、可用性測試等，見圖2。
定量研究方法，則是對大規模的樣本進行分析，適用於揭露正在發生的事情，一般是為了對特定研究對象的總體得出統計結果而進行的，比如在線大規模調查問卷、網站日誌分析以及A/B測試、自動化可用性測試等。
Ⅷ 小樣本研究一般是多少
一般是50個以下，有時也可以30個以下。
拓展：小樣本理論是由統計學家威廉.西利.戈塞特（William Sealy Gosset，1876-1937）於20世紀初葉創立的 ，其中小樣本是指樣本容量小於50（有些規定為小於等於30）。小樣本分布在統計假設檢驗和區間估計等方面的應用，可以省人、省錢、省時間，因而，引起了工業、農業和科學研究等實際工作者的重視和歡迎；同時，也吸引更多的統計學家開拓這方面新的領域。
Ⅸ 小樣本回歸演算法，哪種效果比較好
區別在於總體回歸模型比樣本回歸模型更能精確地反映事物的本質特徵,樣本回歸的誤差大。
總體回歸模型和樣本回歸模型都是對隨機社會現象的描述，但是總體回歸模型是基於研究對象總體數據而進行的回歸描述，他對經濟現象的解釋和說明比較准確，當研究總體太大時，就選取總體部分當做樣本來回歸分析現象，是對總體回歸模型的估計，准確度較低，但是比較常用。
回歸分析(regression analysis)是研究一個變數（被解釋變數）關於另一個（些）變數（解釋變數）的具體依賴關系的計算方法和理論。 從一組樣本數據出發，確定變數之間的數學關系式對這些關系式的可信程度進行各種統計檢驗，並從影響某一特定變數的諸多變數中找出哪些變數的影響顯著，哪些不顯著。利用所求的關系式，根據一個或幾個變數的取值來預測或控制另一個特定變數的取值，並給出這種預測或控制的精確程度。
Ⅹ 對於隨機小樣本數據而言（15個以下數據），變化尺度也比較大的數據，哪種預測方法比較靠譜。
主要方法有灰度預測（包括GM 等），還有AR,ARMA。我做模擬的時候，這幾種方法都對比分析過，結果好像是AR較好，我建議你自己都試一下。因為數據類型不同，他的變換趨勢也不同，不能一概而論。另外，做預處理是必要的。