抽样框架

为了抽样，我们需要某种把个体置于总体中的抽样框架。例如，如果我们采用随机抽样，我们就需要以某种方式来安排总体以便应用随机抽样方法。典型的抽样框架有选择人或纳税人的登记清、航空像片集、总体中个体的一览表，而从地理学观点来看，最重要的还是地图。不可低估抽样框架的重要性，因为“抽样调查的整个结构在极大程度上是由框架决定的”（亚特斯，1960，60）。亚特斯和莫塞尔（1958）考察了提供抽样框架的问题，他们指出，框架可能是有缺陷的，因为它还不准确、不完备，易于重复，不适合，或已过时。

在地理学的很多情况中，提供一个抽样框架极其困难。对人流总体（车辆、人群等）抽样面临相当的困难，同时在时间和空间方面抽样（在数据立方体而不是矩阵中抽样）也同样是相当复杂的。然而更为重要的是研究中得不到全部总的情况（或是因为我们正谈论的是某种假设的而不是实际存在的总体，或是因为在把很多个体安置人总体时有困难）。对此，克隆本和格雷庇尔（1965，149—53）采用了一种很有用的划分，来区别目标总体（我们需要有关它们的信息，但其成员并非全都可进行抽样）和样本总体（目标总体的一个子集，可加以抽样）。严格说来，概率推断只能从样本到样本总体， 但是这些结论以具体的判断为基础，而且仅仅以此为基础推广到目标总体。这种情况在地理学里很普遍。我们可以使用学生样本（因为它们能取得而且敏感）来构筑地区的智力分布图，以实际城镇间隔（因为它们确实存在）的度量作为可能度量的样本，利用气象站（因为它们恰好已建立），如此等等。这经常意味着接受一个不完备（而且可能还是不准确和不适合）的抽样框架来作为抽样的基础。

在地理学的抽样中，地图频繁地起着基本框架的作用。一旦我们获得一套座标，就可能在其中随机地抽样（例如利用随机数值表）或构筑某种更复杂的抽样设计（图 19.2）。这些方法的成功不应该使我们看不见这一事实， 即把地图用作一种抽样框架，意味着在抽样设计中接受地图的全部特征。在把造出来表示物理距离的地图，用作分析社会交互作用的抽样框架时是有一些危险的，这样一种抽样框架之不适当和不充分，只是因为它把对非欧几里得现象的抽样，包括在欧几里得框架中。因此，从技术意义上说，物理地图的适合性，取决于整个地图表面上的自相关函数是否保持为常数或是否系统

地变化。当自相关函数的形式是已知时，有可能在欧几里得框架上发展抽样设计来抵消其作用。在抽样以前提供某种从欧几里得到非欧几里得表面的地图变换可能更为恰当。在哈里斯的美国零售销售额统计图（图 14.7）上作随机抽样网格预测，比在美国物理地图上作简单随机抽样能产生更多有关零售贸易的有用信息。但是，在物理地图上用变量分式（例如对整个总体的比例） 作分层（按区域）随机抽样，则可能正好在效果上得到同样的信息。