WHO推荐的从家庭户随机抽选成员的方法——KISH Grid抽样。。。

wangming

原文链接：http://forum.epiman.cn/thread-3879-1-1.html

所谓学术pie：抽样方法博大精深，随着概率统计以及调研理论的发展，抽样方法也由从简单的SRS、系统抽样、分层随机抽样和整群抽样，发展到后来的多阶段抽样、多重抽样、比率估计、回归估计以及时下非常流行的不等概抽样（PPS,πPS）等。

对于以家庭为单位的调查,研究者通常能够得到家庭户数及其分布情况的可靠信息,一般的多阶段随机化抽样就可以满足需要。而对于以个人为单位的调查来说,由于家庭中人口的变动,研究者所能掌握的个体信息(如家庭中的人数、性别、年龄和职业等) 就不一定是完整和准确的了,这就造成难以采用完全随机化的方法从总体中直接抽取个体被调查对象,除非是对家庭中的每一个成员都进行调查(这需要满足两种情况之一,一是家庭中的合格被调查对象通常只有1 人,二是所测量变量在家庭成员间的内部相关性可以忽略,但是大多数社会调查都不符合这两种情况) 。研究人员还要在入户后从家庭成员中抽取1 名合格的被调查对象,这就需要一种抽样方法,既能够从家庭中抽取出具有代表性的个体样本,还要有可操作性 。

为了实现这一目的，需要一种简单的方法来随机从家庭户中抽取成员。工作后，刚好接触了一个新的、简便易懂的，十分适用于基层的抽样方法——KISH 表抽样法，能够满足这个要求。现在WHO的主要慢性病危险因素监测的最末一级抽样（从家庭户随机抽取一名成员）方法就是用的KISH表法，目前也极力推荐给各个国家。

作为抽样理论的第一贴，衷心希望有兴趣的各位坛友谈谈该方法在现场调研中的可行性，以及理论上存在的缺陷等。

相关的参考资料见下：

Kish Grid抽样在世界健康调查(中国调查)中的应用

Application of Kish Grid Sampling in World Health Survey(China Survey)

http://d.wanfangdata.com.cn/Periodical_shykdxxb200403025.aspx

作者： 曹阳 陈洁 曹建文 钱军程   

作者单位： 曹阳,陈洁,曹建文(复旦大学公共卫生学院医院管理学教研室,上海,200032)

钱军程(卫生部卫生统计信息中心调查与评价处,北京,100044)  

刊 名： 复旦学报(医学版)

目的解决居民健康调查中入户后的抽样问题,产生代表性较好的研究样本.方法采用Kish Grid抽样方法,将抽样家庭按家庭成人数进行分层,在层内进行等概率抽样.结果运用Kish Grid抽样方法所获得的样本,在性别和年龄分布等人口统计学指标上,与总体有较好的一致性.结论Kish Grid抽样方法是一种操作简单,易于核查的抽样方法,可以有效减少入户抽样中的不规范性所造成的偏倚。

chwb817：谢谢斑竹提供这么好的资料，文章里已经对该方法的优点和缺点都介绍的较清楚了。

没有现场操作过，对于现场的操作有点疑问：

1 如果抽到的调查对象不能参加调查，如何处理？ 失访？还是有其他的替代选择方法？

我国的人口流动这么频繁，户籍登记的人口和实际在家人口可能会有较大出入（尤其在农村），用户籍登记来预先确定，可能会有为数不少的对象都找不到。

2 入户调查抽样，还得看具体的目的，如果想了解的不是人群个体的特异性质，如个体健康情况，而是一些家庭的情况，用重要知情人来做为调查对象（信息提供者）也许可以提供呵呵，其实原本想让大家从理论方面来讨论一下该方法的。

所谓学术pie：关于CHW817坛友的两个问题，愚认为：

1.   如果是在一个人口流动相对固定的地方，可以直接应用KISH表。但是这样的情况在中国越来越少了，特别是在农村，现在外出务工人员越来越多，中青年男子非常少，造成整个农村的人口结构失衡。在这样的情况下，如果严格按照户籍制度所登记的家庭人员来确定调查人员，肯定会造成很多失访和置换。所以目前一般的调查都不太推荐使用户籍登记资料作为调查的抽样框架了。

有一个解决方法，也是目前得到公认的可行的方法就是，统一的规定我们的调查对象的纳入标准为“常住人口”，就是说只调查一个地方的常住居民，对于户口在本地，但是长时间不在本地居住的人不考虑作为调查对象。比如说，规定在过去12个月里，至少6个月在本地居住的才能算作常住居民（一般农民外出打工的一年在家居住时间不会达到6个月）才作为调查对象。这样在使用KISH表的时候，不符合纳入标准的就不作为家庭成员，所以就不会抽到这样的人了。

这样的好处是，会大大的降低失访率和置换率，使得调查进展顺利。

2.   关于第二个问题，可以这样处理：

首先，因为要使用KISH表法抽样，必须得知道家庭成员（或家庭常住人口）的详细清单，所以第一步必须要采访知道家庭基本情况的人（如户主），在问及家庭成员时，同时可以问及欲了解的关于整个家庭的一些信息，也就是CHW817坛友所说的家庭收支情况等。这样就需要将问卷做成两份，一是家庭调查表（用于采访了解家庭情况的成员，如户主），另一部分为个人调查表（用于采访KISH表所抽取的成员）。

在实施的时候，因为是两套问卷，则需要进行两次预约，第一次预约户主，第二次预约KISH表抽中成员。

PS: CHW817坛友所建议的采用“随机抽样与目的抽样相结合”是很好的。但是如果进行的是全国的，或大范围的调查，调查结果可能要做一些推断的，可能还是按照严格的随机抽样来做比较好，因为只有随机才能保证整体上的代表性，“随机不随意”是在调查抽样阶段最重要的思想（针对抽样调查，不包括非概率抽样）。大型调查，现在的抽样方法肯定是多阶段的，所以在抽户时就会进行随机抽样，然后再使用KISH表抽成员。

另外，针对第1个问题，可能有坛友会说，设置了纳入标准后，抽取的人口一样没有代表性，因为人口结构已经严重的失真了，农村调查后依旧是女多男少。这个问题可以这样考虑，农村流失的男性人口，我们假设能够在城市随机调查中得到弥补，就是假设在农村不符合纳入标准的，在城市就符合，这样针对总体来说，样本是具有代表性的（当然有很多破绽，但是已经是比较好的方法了。）更全面的信息。即随机抽样与目的抽样相结合，是否会更好。

chwb817：谢谢版主的详细高见，想必版主定有丰富的流调实践经验！

kish grid抽样方法是国外传进来的，可能还是需要根据我国的一些情况进行改进。如户人数大于5以上的，就无法抽到，国内的家庭组织形式可能会跟国外存在较大的差别，国外成年的子女与父母同住的比例较少，一般家庭常住人口可能较多都是5人以内，还有流行的dink家族；而我们国家是否仍以传统的大家庭结构为主（城市和农村是否有不同？目前的家庭结构是怎样的？我没有具体了解，不敢妄加判断）？若是或仍然存在一定部分的此类家庭组织形式，这种结果导致的偏倚就不可忽视了。

一点愚见，请大家指教！

所谓学术pie：KISH表针对于家庭成员为5个的时候，是不等概的抽样，针对与大于6个成员的家庭进行抽样的时候，女性小孩被抽中的概率为0，这些都是KISH抽样法的缺点。

但是KISH表在实际操作，主要是针对基层人员的实际操作来说是非常容易上手的，它就只有6个表，抽样不需要任何软件或者仪器辅助，仅仅需要抽样设计人员随机分配的KISH表代表即可。

层今有一个全国调查里面，全国31各省直辖市自治区161个区县里最基层的普通居委会大妈和村医都能够正确的使用KISH，虽然KISH表有一定理论缺陷，但是它的实用意义是巨大的。

另外，虽然我国户籍等级的家庭有很多非常庞大，超过6人的很多，但是从实际的调查来看，所抽样的5W多户家庭里面，目前还没有发现一个家庭常住6人以上的情况（这个东西比较有趣）。

呵呵，当然，KISH表能够改进是最理想的咯。

chwb817：

“普通居委会大妈和村医都能够正确的使用KISH...” 实际应用应该是很有优势。

让我想起一个事，05年的全国精神疾病流调（哪个地区就不说了），我去了一天现场调查帮忙协调，发现他们虽然是抽样到户然后到人（但是不知道他们是抽样方法是不是采用KISH），然而，发现没有那些以租住的形式住在小区内的人口（随便提一下，那个小区出租屋的比例占了一部分，而且居住时间也大都应该１年以上），我随便问了下，居委会的说没有那些人口的资料，没办法抽。不知道现实中要怎样解决呢？请版主指教！

5W多户居然一户都没有超过6人以上的...

值得考虑下，为什么？

这种家庭占的比例很少？or...... 呵呵

所谓学术pie：现在的调查不比十几年前的调查了，那时候人们的依从性非常好，很配合工作。

现在要入户没有村医和居委会帮助，基本是不可能的。越在经济发达的确越难。

一般情况下不推荐最后一级抽样采用完全随机或系统抽样，这样会使户非常的分散，不利于信息收集。所以现在很多调查都是选择在最后几个阶段使用整群抽样（比如倒数第二阶段抽样是抽到某一居民小组或村民小组，最后一阶段抽户就可完全随机抽样），这时可以用门牌号作为抽样框架进行抽取。

如果人口流动较大的地区，应该把失访置换的条件规定好，尽量找与所抽中单元情况一直的代替者。

呵呵，我们的那个调查，因为纳入条件比较苛刻，需要是在一块吃饭的15-69岁，且在本地居住时间过去12个月超过6个月的人。在我去看的现场和督导的地方，还没有发现有超过6个人一块吃饭的。呵呵。

tianfeng：不错的帖子，KISH表在中国现今直接使用必然会抽偏的，已经被证明N次了，尤其是老年人偏多的问题，难以解决。

giwawa84：曾经参加过大规模的调查 最后一级抽样 就是用的kish表法 ，抽样方法正如楼主所说，实际操作还是很便捷和简单的。

wangming

回复 veil 的帖子

谢谢老大