科学的研究设计有4个原则：随机化、设对照、用盲法、可重复。
敲黑板，这是一道必考题！
但是基层的小伙伴们，限于机构层级和个人能力，自主开展些最基础的横断面调查研究就很不错了。
那么对照和盲法在此就可以忽略，又由于考虑到将来再可重复，所以样本量也都不care了。大有今年不成，明年再来一次，凑到样本量足够为止，颇有些“今朝有酒今朝醉”的意思。
只有“随机化”原则是怎么也躲不过去的，除非来的是普查。
一
要做到随机化，如何抽样很关键。
从上到下有很多分层分群后随机抽样的姿势，对于社区的同事来讲，能做到在限定的目标人群中，实现单纯随机抽样就是最佳的了。
方法也很简单，先把限定的目标人群的全体名单拿到手，也就是常说的“花名册”。如果并不知道具体人名，还可以用辖区内的门牌号码来替代。
过去会用扔骰子或者查随机数表的方式确定先后调查顺序，或者更简单的末尾门牌号码间隔法。
现如今名册都已经Excel表格化了，实现完全随机数辅助抽样十分的方便。
只要添加一列公式“=rand()”就能赋予随机数。
试过的小伙伴都觉得这个函数很淘气，特别善变，其实真得不要紧，随它变吧。
赋值后，再对随机数进行排序，从小到大或者从大到小均可。
不要担心TA变来变去影响抽样，实在强迫症上身，就在全选复制后，右键一下鼠标，跳出选择菜单，选定“选择性粘贴”，点击“数值”后确定粘贴，这小子就老实了。
回过头再问一声为什么，这函数返回的值，变来变去得会产生偏差吗？
是绝对不会的，因为它的每次变动，都是在生成毫无规律的随机数，所以确保了每条记录被抽中的概率是一致的。
排好序后，就可以从第1个开始调查，直到完成指定样本量即可。
二
现实世界中，却是很难实现Excel表中的随机理想。
比如无奈的拒绝调查，或者干脆就无人在家而调查不到，那就只能调查一位性别、年龄等特征相仿的对象，最好就住在隔壁。
调查员还得快速评估，除了看脸看身材，要对其年龄、文化程度、职业类型等予以掌握，因为替补最好与真身基本一致，如果偏差太远，还不如不调查。
而正因为调查对象可替补的事实，滋生出某些社区将“随机化”弃之如敝履。
不管随机数的排序，先把好做的熟人挑出来，再把抽样框里住在一块儿的人挑出来调查。
这样做的目的，并不是挑战权威，仅仅是为了偷懒。
其实也不能说是偷懒，还是活多钱少难度大给逼的。
三
但是这样做的后果，是会使人心里发虚的。
运气好的，可能不仅顺利完成了调查任务，连调查结果统计出来都非常漂亮。
但这些结果是真实的吗？
如果这样也行的话，更容易让人产生怀疑，不走随机抽样也照样能出“好”结果，那以后就TM不要走了。
这个时候，学统计的就要拦人去普及随机抽样的重要性。
问题又来了，调查的时候，没有人关心笔者的忠告，但当撰写论文时就无法避免谈及了。
有小伙伴曾拿着自己写的论文来问笔者的建议。
小伙伴是个实诚人，承认自己懒，调查时就严重违背了随机抽样的原则，但是跟毛主席保证，调查内容上都没有造假。
如今写出论文投稿，由于心虚，就不写调查对象是怎么抽样而来的。审稿专家就问一句：抽样调查的质量如何？于是TA的心就更虚了。
看在不造假的份上，本人也无奈的跟TA说：第一步还是要把“随机”“抽样”等字眼放上去，否则绝对过不了关。另一方面，我们首先就假装这些人住到一起来就是很“随机”的行为，俗称叫“缘分”。
那么说到这份上了，心里是不是就好受一点了呢？
然后的支招是最为关键的，要用数据分析的结果来证实调查对象有没有代表性。
没有随机抽样的也可能同样实现了随机化的目的了呢？
四
所谓的代表性，就是调查到的这一小撮人群的基本组成，和原来抽样框里的人群整体，甚至整个地区的人群状况相一致。这样的话，根据概率论原理，从这一小撮人群中得到的结果可以供全人群参考。
那么怎么样做好“事后诸葛亮”，证实有代表性呢？
最常见的是要达到性别构成和年龄相一致，一般使用单因素的分析方法，分别是卡方检验和t检验。
但是年龄作为连续性变量，通常会“统计过敏”，即对统计检验过度敏感，稍微差那么一丁点儿。
一般的解决方案，是尝试着把年龄划分为连续性的几个组，与整体人群的年龄分组相核对，普遍使用卡方检验判定，
P>0.05说明没显著性差异，就有代表性。
一般情况下，2个因素一比对相一致，那么审稿专家也就不会多说什么了。
接下来要不要比对其它影响因素呢？比如健身时长、吃不吃中饭、经济状况等。
记得还是先别增加，也不能扔掉。
接下来，别忘了系上红领巾，沉迷于学习，就越来越明白为什么说统计是个Game。
本文是春晓医生参与
肿瘤登记项目的心得体会，所有文字仅代表个人观点，用于分享交流。
欢迎参与和关注本项目的同行留言，您的想法和建议，将有助于工作的开展。
微信公众号：瘤生机