❶ 从总体抽取样本单位的具体方法
常用的抽样方法有:
一、随机抽样
在定量研究中，最简单的抽样方法是随机抽样。随机抽样假设样本遵循概率原则，每个抽样单元被抽中的概率相同，并且可以重现。一个简单的随机样本是一个群体的无偏代表。随机抽样常常用于总体个数较少时，它的主要特征是从总体中逐个抽取。随机抽样能保证目标群体的代表性和抽样偏差的消除。但其缺点是，在现实情况中极难实现，并且会导致成本和时间问题。为了克服简单随机取样的缺点，可以通过应用其他采样方法，比如分层抽样和整群抽样，在维持高水平精度的同时，显着减小时间和成本。
二、分层抽样
分层抽样是指在抽样时，将总体分成若干互不相交的层，然后按照一定的比例，从每一层独立地抽取一定数量的个体，将各层取出的个体合在一起作为样本的方法。分层抽样旨在减少抽样误差，分层方式与感兴趣的变量相关，每层的构成尽量均匀(相对于目标变量的方差较小)。样本从每个层内抽取若干单元或个体构成。因此要求各层之间的差异越大越好，层内个体或单元差异越小越好。
三、整群抽样
整群抽样又称聚类抽样，是将总体中各单位归并成若干个互不交叉、互不重复的集合，称之为群；然后以群为抽样单位抽取样本的一种抽样方式。要么整群抽取，要么整群不被抽取。应用整群抽样时，要求各群有较好的代表性，即群内个体或单元的差异要大，群与群之间差异要小。
❷ 在流行病学现场调查中，为组织方便和节约费用，选择哪一种抽样方法更合适
目前，在流行病学调查中使用的抽样方法包括单纯随机抽样、系统抽样、分层抽样和整群抽样。在现况调查中，以后两种方法较常用。
（1）单纯随机抽样
这是最基本的抽样方法。在个体差异较大的研究中，利用此法抽样，样本的数量要足够大，才能较好地代表研究人群。
（2）系统抽样
这种抽样方法在总体很大时较方便。样本在整个人群内的分布比较均匀，代表性较好。
（3）分层抽样
先将欲调查的总体按不同特征，例如年龄、性别或疾病严重程度分成不同的层，在各层再做随机抽样。分层抽样可以减少由各层特征不同而引起的抽样误差。
（4）整群抽样
从要调查的总体中抽出部分群体，如城市的某些街道、学校的某些班级，然后对这些群体中的每个个体进行调查。
当从总体中抽出一些群体并对这些群体中的所有对象进行调查时称整群一级抽样。有时还需要做整群二级抽样，即对整群一级抽样抽出的群体再进行随机抽样。分级抽样还可以是二级以上，称多级整群抽样。
❸ 概率抽样有哪些主要的抽样方式
简单随机抽样：若总体中每个个体被抽到的机会是均等的（即抽样的随机性），且在抽样取走一个个体之后总体内成分不变（即抽样的独立性），这种抽样方式称为简单随机抽样。
简单随机抽样一般用下述三种方法：
（1）抽签法：把总体中的每一个个体都编上号码，并做成签，充分混合后从中随机抽取一部分，这部分所对应的个体就组成一个样本。
（2）查表法：查随机数表，确定从总体中所抽取个体的号码，则号码所对应的个体就进入样本。随机数表可随意从任何一区、任何一个数目开始，依次向各个方向顺序进行。
（3）计算机造数法：用电子计算机编造随机数程序，把随机数作为总体中抽出个体进入样本的号码。
原则
概率抽样的基本原则是：样本量越大，抽样误差就越小，而样本量越大，则成本就越高。根据数理统计规律，样本量增加呈直线递增的情况下（样本量增加一倍，成本也增加一倍），而抽样误差只是样本量相对增长速度的平方根递减。因此，样本量的设计并不是越大越好，通常会受到经济条件的制约。
以上内容参考：网络-概率抽样
❹ 概率抽样和非概率抽样的特点 在什么情况下适用
概率抽样是在一个群体里面的，例如，是调查这间学校的学生身体状况 ，单位是这间学校的学生是一个群体。
非概率抽样是适合商场的 ，他们抽查东西是随机的抽样， 目的是能得到更高的商品质量的报告。
概率抽样又称随机抽样.概率抽样以概率理论和随机原则为依据来抽取样本的抽样,是使总体中的每一个单位都有一个事先已知的非零概率被抽中的抽样。总体单位被抽中的概率可以通过样本设计来规定，通过某种随机化操作来实现,.虽然随机样本一般不会与总体完全一致,但它所依据的是大数定律,而且能计算和控制抽样误差,因此可以正确地说明样本的统计值在多大程度上适合于总体,根据样本调查的结果可以从数量上推断总体,也可在一定程度上说明总体的性质,特征.概率抽样主要分为简单随机抽样,系统抽样,分类抽样,整群抽样,多阶段抽样等类型.现实生活中绝大多数抽样调查都采用概率抽样方法来抽取样本.
原则
概率抽样的基本原则是:样本量越大，抽样误差就越小，而样本量越大，则成本就越高。根据数理统计规律，样本量增加呈直线递增的情况下(样本量增加一倍，成本也增加一倍)，而抽样误差只是样本量相对增长速度的平方根递减。因此，样本量的设计并不是越大越好，通常会受到经济条件的制约。
原理
市场调查方法
A 案头调研 案例研究法 B 不重复抽样 C 抽样调查 重置抽样 抽签法 产品留置测试 D 多维尺度法 定量研究方法 定性研究方法 典型调查法 电话调查 多阶段抽样 等距抽样 独立控制配额抽样 等距量表 等比量表 E 二手资料调研 二路焦点小组 F 非概率抽样 分层抽样 分层比例抽样 分层最佳抽样 G 观察法概率抽样拐点调研 滚雪球抽样 H 会议调查 J 焦点访谈法 经验判断法 随机抽样 家庭日记法 经销商访谈 K 可行性研究 L 联合分析法 留置调查 垃圾调研法 类别量表 M 面谈访问法 盲测 描述性调研 P PPS 判断抽样 配额抽样 平衡量表法 评价量表 配对比较量表 Q Q分类法 R 任意抽样 S 容量测定法 SEM模型 深层访谈法 双重抽样 实验调查法 实地调研 数值分配量表 随机号码表法 顺序量表 T 投影技法 推销估计法 投射研究 探索性调研 W 文献调查法 问卷调查法 网络调研 文案调查法 无准备访问 网上调查 X 询问法 辛迪加调研 行踪分析 相互控制配额抽样 Y 邮寄调查 因果性调研 Z 主观概率法 整群抽样 重点调查 逐户寻找法
概率抽样之所以能够保证样本对总体的代表性，其原理就在于它能够很好的按总体内在结构中所蕴含的各种随机事件的概率来构成样本，使样本成为总体的缩影。
优点
⑴ 概率抽样包括以下几个方面的优点:
调查者可获得被抽取的不同年龄、不同层次的人们的信息; 能估算出抽样误差; 调查结果可以用来推断总体。 例如，在一项使用概率抽样法的调查中，如果有 5 %的被访者给出了某种特定回答，那么，调查者就可以以此百分比再结合抽样误差，推及总体情况。
⑵ 另一方面，概率抽样也有一些弊病:
-在大多数案例中，同样规模的概率抽样的费用要比非概率抽样高;
-概率抽样比非概率抽样需要更多时间策划和实施;
-必须遵守的抽样计划执行程序会大量增加收集资料的时间。
方法
概率抽样包括有简单随机抽样、系统抽样(等距抽样)、分层抽样(类型抽样)、整群抽样、多段抽样、PPS抽样和户内抽样。
等距抽样
在定量抽样调查中，等距抽样常常代替简单随机抽样。由于该抽样方法简单实用，所以应用普遍。等距抽样得到的样本几乎与简单随机抽样得到的样本是相同的。等距抽样的基本做法是，将总体中的各单元先按一定的顺序排列、编号，然后决定一个间隔，并在此间隔基础上选择被调查的单位个体。样本距离可通过下面公式确定:样本距离 =总体单位数∕样本单位数
例如，假设你使用本地电话本并确定样本距离为 100 ，那么 100 个中取 1 个组成样本。这个公式保证了整个列表的完整性。
等距抽样方式随意用一个起点，例如，如果你把一本电话本作为抽样框，必须随意取出一个号码决定从该页开始翻阅。假设从第 5 页开始，在该页上再另选一个数决定从该行开始。假定选择从第 3 行开始，这就决定了实际开始的位置。
等距抽样方式相对于简单随机抽样方式最主要的优势就是经济性。等距抽样方式比简单随机抽样更为简单，花的时间更少，并且花费也少。使用等距抽样方式最大的缺陷在于总体单位的排列上。一些总体单位数可能包含隐蔽的形态或者是"不合格样本"，调查者可能疏忽，把它们抽选为样本。
分层抽样
定量调查中的分层抽样是一种卓越的概率抽样方式，在友邦公司以往的调查中经常被使用。
分层抽样的具体程序是:把总体各单位分成两个或两个以上的相互独立的完全的组(如男性和女性)，从两个或两个以上的组中进行简单随机抽样，样本相互独立。
总体各单位按主要标志加以分组，分组的标志与我们关心的总体特征相关。例如，我们正在进行有关啤酒品牌知名度方面的调查，初步判别，在啤酒方面男性的知识与和女性不相同，那么性别应是划分层次的适当标志。如果不以这种方式进行分层抽样，分层抽样就得不到什么效果，花再多时间、精力和物资也是白费。
分层抽样与简单随机抽样相比，我们往往选择分层抽样，因为它有显着的潜在统计效果。也就是说，如果我们从相同的总体中抽取两个样本，一个是分层样本，另一个是简单随机抽样样本，那么相对来说，分层样本的误差更小些。另一方面，如果目标是获得一个确定的抽样误差水平，那么更小的分层样本将达到这一目标。
在调查实践中，为提高分层样本的精确度实际上要付出一些代价。通常，我们现实正确的分层抽样一般有三个步骤:
首先，辩明突出的(重要的)人口统计特征和分类特征，这些特征与所研究的行为相关。例如，研究某种产品的消费率时，按常理认为男性和女性有不同的平均消费比率。为了把性别作为有意义的分层标志，调查者肯定能够拿出资料证明男性与女性的消费水平明显不同。用这种方式可识别出各种不同的显着特征。调查表明，一般来说，识别出 6 个重要的显着特征后，再增加显着特征的辨别对于提高样本代表性就没有多大帮助了。
第二，确定在每个层次上总体的比例(如性别已被确定为一个显着的特征，那么总体中男性占多少比例，女性占多少比例呢?)。利用这个比例，可计算出样本中每组(层)应调查的人数。
最后，调查者必须从每层中抽取独立简单随机样本。
整群抽样
以上各种抽样类型全部是按单位抽取的，即按样本单位数，分别一个单位一个单位地抽取。在整群抽样中，样本是一组单位一组单位地抽取。
整群抽样有两个关键步骤:
-同质总体被分为相互独立的完全的较小子集。
-随机抽选子集构成样本。
如果调查者在抽中的子集中观察全部单位，我们就有了一级整群样本。如果在抽中的子集中再以概率方式抽取部分单位观察，我们就有了二级整群样本。分层和整群抽样都要将总体分为相互独立的完全子集。它们的区别是，分层抽样的样本是从每个子集中抽取，而整群抽样则是抽取部分子集。
地理区域抽样是整群抽样的典型方式。挨门挨户去调查一个特定城市的调查者也许会随机抽选一些区域，较集中地访查一些群体，大量减少访问时间和经费。整群抽样被认为是概率抽样技术，因为它随机抽出群和随机抽出单位。值得注意的是，在整群抽样下，我们假定群中单位与总体一样存在异质性。如果一群中单位的特征非常相似，如果由于共同环境使群内差异小而群与群之间差异大。一般来说，要解决这个问题可以扩大群数，然后从各群中抽取少量单位数，以保证样本的代表性。
❺ 审计抽样包括几种方法
①属性抽样
指在精确度界限和可靠程度一定的条件下，为了测定总体特征的发生频率而采用的一种方法。根据控制测试的目的和特点所采用的审计抽样通常称为属性抽样。
目标：估计总体既定控制的偏差率（次数）
②变量抽样
指用来估计总体金额而采用的一种方法。根据实质性测试的目的和特点所采用的审计抽样称为变量抽样。
目标：估计总体金额或者总体中的错误金额。
③双重目的抽样
在审计实务中，经常存在同时进行控制测试和实质性测试的情况，在此情况下采用的审计抽样称为双重目的抽样。
(5)不增加成本是哪个抽样方法扩展阅读
审计抽样的特点：
1、抽样审计不同于详细审计。详细审计是指百分百地审计对象总体中的全部项目，并根据审计结果形成审计意见。
而抽样审计是从审计对象总体根据统计原理选取部分样本进行审计，并根据样本推断总体并发表审计意见。
2、审计抽样不能等同于抽查。抽查作为一种技术，可以用于审前调查、确定审计重点、取得审计证据，在使用中无严格要求。而审计抽样作为一种审计方法，需运用统计原理，并严格按规定的程序和抽样方法的要求实施。
3、抽样审计一般可用于逆查、顺查、函证等审计程序，也可用于符合性测试和实质性测试；但审计师在进行询问、观察、分析性复核时则不宜运用审计抽样。
❻ 分层最低成本抽样法解释一下
细节测试中总体的变异性和样本规模呈同向变动，如果不对总体进行分层而直接进行抽样，所需样本数量将会大大增加。分层抽样法，也叫类型抽样法。就是将总体单位按其属性特征分成若干类型或层，然后在类型或层中随机抽取样本单位。分层抽样的特点是：由于通过划类分层，增大了各类型中单位间的共同性，容易抽出具有代表性的调查样本。
❼ 概率抽样最基本的组织方式有哪四种
概率抽样方法 (Probability Sampling)
概率抽样包括有
简单随机抽样(又称：单纯随机抽样)
系统抽样（等距抽样）
分层随机抽样（类型抽样）
分群随机抽样
等方法。概率抽样又称几率抽样、可能率抽样，在实践中受到人们的普遍重视和广泛应用。概率抽样是以概率论与数理统计为基础，首先按照随机的原则选取调查样本，使调查母体中每一个子体均有被选中的可能性，即具有同等被选为样本的可能率，机遇均等。定量市场调查中的概率抽样是指在调查总体样本中的每个单位都具有同等可能性被抽中的机会。
概率抽样的基本原则是：样本量越大，抽样误差就越小，而样本量越大，则成本就越高。根据数理统计规律，样本量增加呈直线递增的情况下（样本量增加一倍，成本也增加一倍），而抽样误差只是样本量相对增长速度的平方根递减。因此，样本量的设计并不是越大越好，通常会受到经济条件的制约。
❽ 简单的随机抽样、系统抽样、分层抽样各自优缺点
简单随机抽样（ Simple random sampling）
简单随机抽样，也叫纯随机抽样。就是从总体中不加任何分组、划类、排队等，完全随机地抽取调查单位。特点是：每个样本单位被抽中的概率相等，样本的每个单位完全独立，彼此间无一定的关联性和排斥性。简单随机抽样是其它各种抽样形式的基础。通常只是在总体单位之间差异程度较小和数目较少时，才采用这种方法。
by far the most common one used
特点：
简单随机抽样的特点是：每个样本单位被抽中的概率相等，样本的每个单位完全独立，彼此间无一定的关联性和排斥性。
抽样方法：
简单随机抽样最基本的抽样方法。分为重复抽样和不重复抽样。在重复抽样中，每次抽中的单位仍放回总体，样本中的单位可能不止一次被抽中。不重复抽样中，抽中的单位不再放回总体，样本中的单位只能抽中一次。社会调查采用不重复抽样。
简单随机抽样的具体作法有：
①抽签法。将总体的全部单位逐一作签，搅拌均匀后进行抽取。
②随机数字表法。将总体所有单位编号，然后从随机数字表中一个随机起点(任一排或一列)，开始从左向右或从右向左、向上或向下抽取，直到达到所需的样本容量为止。
注意
简单随机抽样的必须有一个完整的抽样框，即总体各单位的清单。总体太大时，制作这样的抽样框工作量巨大，加之有许多情况，使总体名单根本无法得到。故在大规模社会调查中很少采用纯随机抽样。
系统随机采样（Systematic random sampling）
系统抽样是将总体的观察单位，按一定顺序号平均分成n个部分，每一部分抽取第k号观察单位组成样本，这里的k是随机确定的，其体现了系统抽样中的随机性。
优点
1)易于理解，简便易行；
2)容易得到一个按比例分配的样本；
3)一般情况下样本的观察单位在总体中分布均匀，其抽样误差小于单纯随机抽样
缺点
如果总体中观察单位按顺序有周期趋势或单调递增（减）趋势时，采用系统抽样可能产生明显的系统误差。
场景
系统抽样方法多用于观察单位具有现成且与试验无关的自然编号，同时观察单位在总体中分布均匀。
分层随机采样（Stratified random sampling）
分层抽样是先按对主要研究指标影响较大的某种特征，将总体分为若干类别（统计上称之为“层”），再从每一层内随机抽取一定数量的观察单位，合起来组成样本。其随机性体现在层内的抽样过程。
优点
1) 由于分层后增加了层内的同质性，观察指标变异减小，各层的抽样误差减小；
2) 分层抽样便于对不同层采用不同的抽样方法；
3) 分层抽样便于对各层独立进行分析。
缺点
层间变异较大，抽样误差较小；如果分层特征选择不当，层内变异较大，层间变异较小，抽样误差仍然较大，分层抽样就失去了意义。
整群随机采样 （Cluster sampling）
整群抽样是先将总体按照某种与主要研究指标无关的特征划分为K个“群”，每个群包含若干观察单位，然后再随机抽取k个“群”，由抽取的各个群的全部观察单位组成样本。其随机性主要体现在“群”的抽取过程。
优点
便于组织调查、易于质量控制和节省调查成本。
缺点
当样本含量一定时，因为样本观察单位并非广泛散布于总体中，整群抽样的抽样误差一般大于单纯随机抽样。
❾ 非概率抽样一般包括哪些具体的抽样方法
常用的非概率抽样方法有以下四类：
1、方便抽样（Convenience sampling）
指根据调查者的方便选取的样本，以无目标、随意的方式进行。例如：街头拦截访问（看到谁就访问谁）；个别入户项目谁开门就访问谁。
优点：适用于总体中每个个体都是“同质”的，最方便、最省钱；可以在探索性研究中使用，另外还可用于小组座谈会、预测问卷等方面的样本选取工作。
缺点：抽样偏差较大，不适用于要做总体推断的任何民意项目，对描述性或因果性研究最好不要采用方便抽样。
2、判断抽样（Judgment sampling）
指由专家判断而有目的地抽取他认为“有代表性的样本”。例如：社会学家研究某国家的一般家庭情况时，常以专家判断方法挑选“中型城镇”进行。
也有家庭研究专家选取某类家庭进行研究，如选三口之家（子女正在上学的）；在探索性研究中，如抽取深度访问的样本时，可以使用这种方法。
优点：适用于总体的构成单位极不相同而样本数很小，同时设计调查者对总体的有关特征具有相当的了解（明白研究的具体指向）的情况下，适合特殊类型的研究（如产品口味测试等）；操作成本低，方便快捷，在商业性调研中较多用。
缺点：该类抽样结果受研究人员的倾向性影响大，一旦主观判断偏差，则根易引起抽样偏差；不能直接对研究总体进行推断。
3、配额抽样（Quota sampling）
指先将总体元素按某些控制的指标或特性分类，然后按方便抽样或判断抽样选取样本元素。
相当于包括两个阶段的加限制的判断抽样。在第一阶段需要确定总体中的特性分布（控制特征），通常，样本中具备这些控制特征的元素的比例与总体中有这些特征的元素的比例是相同的，通过第一步的配额，保证了在这些特征上样本的组成与总体的组成是一致的。
在第二阶段，按照配额来控制样本的抽取工作，要求所选出的元素要适合所控制的特性。例如：定点街访中的配额抽样。
优点：适用于设计调查者对总体的有关特征具有一定的了解而样本数较多的情况下，实际上，配额抽样属于先“分层”（事先确定每层的样本量）再“判断”（在每层中以判断抽样的方法选取抽样个体）；费用不高，易于实施，能满足总体比例的要求。
缺点：容易掩盖不可忽略的偏差。
4、滚雪球抽样（Snowball sampling）
指先随机选择一些被访者并对其实施访问，再请他们提供另外一些属于所研究目标总体的调查对象，根据所形成的线索选择此后的调查对象。
第一批被访者是采用概率抽样得来的，之后的被访者都属于非概率抽样，此类被访者彼此之间较为相似。例如：如在目前中国的小轿车车主等。
优点：可以根据某些样本特征对样本进行控制，适用寻找一些在总体中十分稀少的人物。
缺点：有选择偏差，不能保证代表性。
(9)不增加成本是哪个抽样方法扩展阅读
抽样是有一定规则的，抽样的基本要求是：
1、总体范围的确定
抽样首先要明确规定抽样的总体范围，一般来说，研究课题和研究目的决定了总体的范围。如，“上海市区初中学生身体素质的调查”这个课题的总体就是上海市区全体初一至初三的中学生，不包括郊县的初中生。如果总体范围不很清楚，在抽样前应对总体做出明确的规定。
否则，会对抽取样本和研究结果的推断造成麻烦。通常研究课题的确立就已基本框定了总体范围，研究者要考虑的是为什么要确定该总体的理由，以及研究的预期效果和可行性问题。
2、抽样的随机化
抽样要尽可能做到随机化（random）。随机化是指总体中的每个个体被选入样本的概率（probability）不为零。也就是说，总体中的每一个个体入选的机会均等。
随机是科学研究的基本原则。抽样的随机化是一种精确而科学的过程，是科学研究结果可靠性的保证，可以避免研究者自觉或不自觉的偏见。抽签、摇奖就是根据抽样的随机化原理设计的。严格的抽样必须是随机的，这样可避免研究者的主观倾向或人为因素造成的抽样偏差（sampling bias）
3、样本的代表性
样本的代表性指样本应具备总体的性质或特征，样本能在较大程度上代表总体。样本研究的关键在于抽样和推论，抽样是推论的先决条件，样本的代表性会影响研究结论的可靠性和研究结论的推断程度。代表性越高的样本，其研究结果的普遍性就越大。
反之，如果样本没有代表性往往会导致研究的失败。常为人引用的一个例子是：1936年美国的总统大选，当时美国的《文学文摘》杂志曾做了一次关于总统大选的民意调查，调查结果预测兰登将在总统选举中获胜，罗斯福落选。但事实正好相反，选举结果是罗斯福当选总统。
虽然《文学文摘》杂志的民意调查样本数很大，但调查者的样本是从电话号簿和汽车登记册中抽取的。1936年正是美国经济大萧条过后，有汽车有电话的人仅代表了美国选民中的某个特定阶层，对于选民总体来说不具备代表性。
这次民意调查的失败主要在于抽样偏差，样本没有代表性，抽取的样本在质上与总体特征不相吻合。与此同时，盖洛普民意调查所也作了总统大选的调查，只发了2000份问卷，结果预测成功，罗斯福当选总统。
4、合理的样本容量
样本容量又称样本大小，是指抽取样本的具体数量。样本数量的多少是研究无法回避的问题，是研究设计中重要的一环，也是比较困难的一件事。它既要符合研究目的、内容，满足教育统计的要求，又要考虑抽样的可能性，并使误差减少到最低限度。
一般来说，样本数越多，代表性越好，但是增大样本，势必增加研究的人力、物力、财力，增加研究的难度，造成不必要的浪费。如果样本数太小，则抽样误差较大，样本不能代表总体，不利于统计分析，影响研究效果。
样本数量究竟多少为宜，这是一个复杂的问题。我们很难说出一个确定的数字，样本数量要从多个方面综合起来考虑。
抽样是以概率论为理论基础。抽样的作用是为了合理地减少研究对象，既可以节约人力、物力、时间，又可使研究力量相对集中，使研究工作深入、细致，从而提高研究的准确性和可靠性。
一般来说，定性研究中抽取的样本很小，样本有时仅仅是一个案例或一个个体，研究目的是为了对所研究对象进行更深入的了解。而定量研究的样本数较大，样本可以是一群个体，并要考虑样本能否准确代表总体，能否对总体作出推断。
❿ 审计方法中的抽查法有哪些
抽样方法有统计抽样和非统计抽样、属性抽样和变量抽样。
一、统计抽样
统计抽样是指同时具备下列特征的抽样方法：
1.随机选取样本项目；
2.运用概率论评价样本结果，包括计量抽样风险。
统计抽样能够客观地计量抽样风险，并通过调整样本规模精确地控制风险，这是与非统计抽样最重要的区别。但统计抽样又可能发生额外的成本。统计抽样要求单个样本项目符合统计要求，这些也可能需要支出额外的费用。
二、非统计抽样
不同时具备统计抽样两个基本特征的抽样方法为非统计抽样。
使用非统计抽样时，也必须考虑抽样风险并将其降至可接受的水平，但无法精确地测定(控制)抽样风险。不管统计抽样还是非统计抽样，两种方法都要求注册会计师在设计、选取和评价样本时运用职业判断。
如果设计适当，非统计抽样也能提供与统计抽样方法同样有效的结果。
注册会计师在统计抽样与非统计抽样方法之间进行选择时主要考虑成本效益。
三、属性抽样
属性抽样在审计中最常见的用途是测试某一设定控制的偏差率，以支持注册会计师评估的控制风险水平。
在属性抽样中，设定控制的每一次发生或偏离都被赋予同样的权重，而不管交易的金额大小。
四、变量抽样
变量抽样是一种用来对总体金额得出结论的抽样方法。变量抽样在审计中的主要用途是进行细节测试，以确定记录金额是否合理。