抽样的"两步定义法"。第一步：定义目标总体（Target Population）——你希望把结论推广到哪个群体？（如"中国公立小学的在职教师"）。第二步：定义可接触总体（Accessible Population）——你实际能接触到哪个群体？（如"北京市海淀区的公立小学教师"）。这两者之间的差距，就是你的"外部效度边界"——你的结论最多能推广到"可接触总体"，不能夸大推广到"目标总体"。

概率抽样的四种基本方法。①简单随机抽样（Simple Random Sampling）：每个个体被抽中的概率相等。最理想但最难实施（需要完整的抽样框）。②系统抽样（Systematic Sampling）：按固定间隔抽取（如每10个人抽1个）。比简单随机稍容易操作。③分层抽样（Stratified Sampling）：先把总体按某个特征分层（如性别、年级、地区），然后在每层内随机抽样。确保每层的代表性。④整群抽样（Cluster Sampling）：先随机抽取"群"（如学校、班级），然后调查群内所有个体。成本低但精度稍差。

非概率抽样的适用场景。不是所有研究都能做概率抽样。非概率抽样在以下场景是合理的：①探索性研究：目的是"发现"而非"推断"，样本不需要代表总体。②质性研究：深度访谈/案例研究，追求"信息丰富"而非"统计代表"。③罕见群体研究：如研究"AI伦理研究者"，这个群体太小且分散，概率抽样不现实。常见非概率抽样：便利抽样（Convenience）、目的性抽样（Purposive）、滚雪球抽样（Snowball）、配额抽样（Quota）。

样本量的确定方法。不要用"我觉得200个够了"这种拍脑袋方法。科学方法：①功效分析（Power Analysis）：确定效应量（Effect Size）、α水平（通常0.05）、统计功效（通常0.80），用G*Power等工具计算所需样本量。②经验法则：多元回归分析，每个自变量至少需要10–20个样本（N:q ratio）。③饱和原则（质性研究）：持续抽样直到"不再产生新信息"（理论饱和），通常15–25个深度访谈。④预算约束：在统计要求和实际预算之间取平衡。如果预算只允许100个样本但你需要200个，要么增加预算，要么调整研究设计。

抽样偏差的识别与补救。常见偏差：①无响应偏差（Non-response Bias）：被抽到但不回应的人，和回应的人有系统性差异。检验方法：比较早期响应者和晚期响应者（晚期≈不情愿者）的特征差异。②自选择偏差（Self-selection Bias）：自愿参与的人和不自愿的人有差异（如在线问卷只有"有空闲+有兴趣"的人填）。③幸存者偏差（Survivor Bias）：只看到"活下来"的样本，看不到"死掉"的。补救方法：①提高响应率（多次跟进、小激励）；②加权调整（Post-stratification Weighting）；③报告偏差方向和可能的后果（在局限性中诚实说明）。

抽样的"两步定义法"。第一步：定义目标总体（Target Population）——你希望把结论推广到哪个群体？（如"中国公立小学的在职教师"）。第二步：定义可接触总体（Accessible Population）——你实际能接触到哪个群体？（如"北京市海淀区的公立小学教师"）。这两者之间的差距，就是你的"外部效度边界"——你的结论最多能推广到"可接触总体"，不能夸大推广到"目标总体"。

概率抽样的四种基本方法。①简单随机抽样（Simple Random Sampling）：每个个体被抽中的概率相等。最理想但最难实施（需要完整的抽样框）。②系统抽样（Systematic Sampling）：按固定间隔抽取（如每10个人抽1个）。比简单随机稍容易操作。③分层抽样（Stratified Sampling）：先把总体按某个特征分层（如性别、年级、地区），然后在每层内随机抽样。确保每层的代表性。④整群抽样（Cluster Sampling）：先随机抽取"群"（如学校、班级），然后调查群内所有个体。成本低但精度稍差。

非概率抽样的适用场景。不是所有研究都能做概率抽样。非概率抽样在以下场景是合理的：①探索性研究：目的是"发现"而非"推断"，样本不需要代表总体。②质性研究：深度访谈/案例研究，追求"信息丰富"而非"统计代表"。③罕见群体研究：如研究"AI伦理研究者"，这个群体太小且分散，概率抽样不现实。常见非概率抽样：便利抽样（Convenience）、目的性抽样（Purposive）、滚雪球抽样（Snowball）、配额抽样（Quota）。

样本量的确定方法。不要用"我觉得200个够了"这种拍脑袋方法。科学方法：①功效分析（Power Analysis）：确定效应量（Effect Size）、α水平（通常0.05）、统计功效（通常0.80），用G*Power等工具计算所需样本量。②经验法则：多元回归分析，每个自变量至少需要10–20个样本（N:q ratio）。③饱和原则（质性研究）：持续抽样直到"不再产生新信息"（理论饱和），通常15–25个深度访谈。④预算约束：在统计要求和实际预算之间取平衡。如果预算只允许100个样本但你需要200个，要么增加预算，要么调整研究设计。

抽样偏差的识别与补救。常见偏差：①无响应偏差（Non-response Bias）：被抽到但不回应的人，和回应的人有系统性差异。检验方法：比较早期响应者和晚期响应者（晚期≈不情愿者）的特征差异。②自选择偏差（Self-selection Bias）：自愿参与的人和不自愿的人有差异（如在线问卷只有"有空闲+有兴趣"的人填）。③幸存者偏差（Survivor Bias）：只看到"活下来"的样本，看不到"死掉"的。补救方法：①提高响应率（多次跟进、小激励）；②加权调整（Post-stratification Weighting）；③报告偏差方向和可能的后果（在局限性中诚实说明）。