在很多醫學及流行病學的研究中，多以建立大型的世代(cohort)來對個體進行研究。在分析感興趣的結果(outcome)時，常需要進立迴歸模式(regression model)，以控制干擾因子(confounding factors)，得到較爲正確結論。然而，由於並非所有個體的干擾因子皆可很容易的取得，尤其在研究世代樣本較大的情形下，此現象更爲明顯。正因如此，有學者提出了二階段的抽樣設計方法(two stage sampling)以解決這種問題；簡單的來說，即爲在第一階段先對研究世代中的個體收集結果變項(outcome variables)及較易取得的干擾變項，例如常見的性別，年齡等，接下來，再由第一階段中的個體，抽出部份對象，來收集不易得到的干擾因子(例如有無特定疾病史，有無抽煙習慣，通常大多以問卷調查來得到此類的資料)，再以整個第一，二階段收集到的資料來分析。
至於第二階段樣本的抽取方式，有許多不同的選擇，以常見的二元結果變項(binary outcome)爲例，假設研究問題爲探討學齡前兒童氣喘發生的主要因子。在第二階段的抽樣的常見方法爲：隨機抽樣(random sampling)，個案病例對照設計(case-control design)，平衡設計(balanced design)等。其中，以平衡設計對估計值(OR)而言，最爲有效率(efficient)。在進行統計分析步驟，須自行撰寫程式(SAS, R….)，以完成繁雜的運算。
Reference:
Neyman, J. (1938). Contribution to the theory of sampling from human populations. Journal of the American Statistical Association 33, 101-116.
留言列表
