更改

#定义分层<font color="#ff8000"> '''变量 Variables''' </font>并决定要创建的分层数量。确定分层变量的标准,包括年龄、社会经济地位、国籍、种族、教育程度等，并应与研究目标相一致。理想情况下，应该使用4-6个阶层，因为任何分层变量的增加将提高其中一些变量抵消其他变量的影响的概率。<ref name=":5" />

#定义分层<font color="#ff8000"> '''变量 Variables''' </font>并决定要创建的分层数量。确定分层变量的标准,包括年龄、社会经济地位、国籍、种族、教育程度等，并应与研究目标相一致。理想情况下，应该使用4-6个阶层，因为任何分层变量的增加将提高其中一些变量抵消其他变量的影响的概率。<ref name=":5" />

#使用<font color="#ff8000"> '''抽样框架 Sampling frame''' </font>评估目标总体中的所有元素。之后根据<font color="#ff8000"> '''覆盖率 Coverage''' </font> 和分组进行更改。

#使用<font color="#ff8000"> '''抽样框架 Sampling frame''' </font>评估目标总体中的所有元素。之后根据<font color="#ff8000"> '''覆盖率 Coverage''' </font> 和分组进行更改。

#列出所有的元素并考虑抽样结果。每个阶层应该相互排斥 Mutually exclusive，加起来涵盖总体的所有成员，而总体的每一个成员应该

#列出所有的元素并考虑抽样结果。每个阶层应该相互排斥 Mutually exclusive，加起来涵盖总体的所有成员，而总体的每一个成员应该属于唯一的阶层，和其他差异最小的成员一起。<ref name=":4" />

属于唯一的阶层，和其他差异最小的成员一起。<ref name=":4" />

#决定随机抽样的选择标准。这可以手动完成，也可以用设计好的计算机程序完成。

#决定随机抽样的选择标准。这可以手动完成，也可以用设计好的计算机程序完成。

#为所有元素分配一个随机且唯一的编号，然后根据分配的编号对这些元素进行排序。

#为所有元素分配一个随机且唯一的编号，然后根据分配的编号对这些元素进行排序。