统计思维——1.3 全国家庭成长调查

美国疾病控制与预防中心（CDC）从1973 年开始推行全国家庭成长调查（NSFG），目的是收集（美国）“家庭的生活、婚姻状况、生育、避孕和男女健康信息。调查的结果用于制定健康服务和健康教育计划， 以及对家庭、生育和健康的统计研究”。1 我们会利用调查收集的数据来研究诸如“第一个小孩是否出生得较晚”之类的问题。为了有效使用这些数据，我们需要理解这个调查是怎么设计的。 NSFG 是一个横断面研究（cross-sectional study）， 意思就是它的数据是一群人在某个时间点的情况。另一种常见方法是纵贯研究（longitudinal study），就是在一段时间内反复观察同一群人。 NSFG 已经进行了7 次，每次称为一个周期（cycle）。我们会使用来自Cycle 6 的数据，这些数据是在2002 年1 月到2003 年3 月间收集的。 NSFG 的目的是得到关于人口情况的一些结论，调查对象是15 到44 岁的美国人。 参与调查的人称为被调查者（respondent），一组被调查者就称为队列（cohort）。通常，横断面研究意味着具有代表性，即目标人群中的每一个人都有同等的几率参与调查。当然，实际很难实现这种理想状况，但执行调查的人会尽可能地做到这一点。 NSFG 不具有代表性，而是有意进行了过采样（oversample）。设计者所调查的西班牙裔、非裔美国人和青少年的比例都高于他们在美国人口中的比例。过采样这些人群是为了确保其中的被调查者数量够大， 从而得到有效的统计推断。 当然，过采样增大了根据调查结果推断全体人口结论的难度。稍候我们会继续讨论这一点。 注1： 参见http://cdc.gov/nchs/nsfg.htm。程序员的统计思维 ｜ 5