SPSS软件中常用统计分析方法：均值比较与检验方差分析（参数检验）非参数检验相关分析回归分析聚类分析与判别分析因子分析与对应分析时间序列分析生存分析尺度分析（心理学）多响应变量分析常用统计图形条形图、线图和面积图圆图高低图帕累托图控制图箱图和误差条图散点图直方图P-P和Q-Q图序列图时间序列图审计抽样所谓审计抽样，是指注册会计师在实施审计程序时，从审计对象总体中选取一定数量的样本进行测试，并根据测试结果，推断审计对象总体特征的一种方法。

目录审计抽样，是指注册会计师对某类交易或账户余额中低于百分之百的项目实施审计程序，使所有抽样单元都有被选取的机会。

审计抽样，是指内部审计人员在内部审计活动中，采用适当的抽样方法从被审查和评价的审计总体中抽取一定数量有代表性的样本进行测试，以样本审查结果推断总体特征并作出相应结论的过程。

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。

（1）统计抽样和非统计抽样。

审计抽样统计抽样和非统计抽样的相同点：A、都需合理运用专业判断；B、都可以提供审计所要求的充分、适当的证据；C、都存在某种程度的抽样风险和非抽样风险。

统计抽样和非统计抽样的根本区别：统计抽样时利用概率法则来量化控制抽样风险；非统计抽样中，注册会计师全凭主观标准和个人经验确定样本规模和评价样本结果。

只要设计得当，非统计抽样也可达到统计抽样一样的效果。

两种抽样的选用：统计抽样的产生并不意味着非统计抽样的消亡。

A、不影响运用于样本的审计程序的选择，因为抽样方法的选用主要涉及的是审计程序实施的范围问题。

B、不影响获取证据的适当性C、不影响注册会计师对发现样本的错误所作的适当反映（2）属性抽样与变量抽样。

统计抽样在审计工作中的具体运用方法，主要有属性抽样和变量抽样两种，同时还存在双重目的抽样等。

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。

（一）样本设计：审计抽样中样本设计阶段的工作主要包括以下几个步骤：1、确定测试目标；2、定义总体与抽样单元，注册会计师应当确保总体的适当性和完整性；3、定义误差构成条件。

（二）选取样本1、确定样本规模；2、选取样本；3、对样本实施审计程序。

（三）评价样本结果1、分析样本误差；2、推断总体误差；3、形成审计结论。

1、当控制的运行留下轨迹时，注册会计师可以考虑使用审计抽样实施控制测试；2、在实施细节测试时，注册会计师可以使用审计抽样获取审计证据。

第三节常用的抽样方法一、单纯随机抽样（simple random sampling）将调查总体全部观察单位编号，再用抽签法或随机数字表随机抽取部分观察单位组成样本。

优点：操作简单，均数、率及相应的标准误计算简单。

缺点：总体较大时，难以一一编号。

二、系统抽样（systematic sampling）又称机械抽样、等距抽样，即先将总体的观察单位按某一顺序号分成n个部分，再从第一部分随机抽取第k号观察单位，依次用相等间距，从每一部分各抽取一个观察单位组成样本。

优点：易于理解、简便易行。

缺点：总体有周期或增减趋势时，易产生偏性。

三、整群抽样(cluster sampling)总体分群，再随机抽取几个群组成样本，群内全部调查。

优点：便于组织、节省经费。

缺点：抽样误差大于单纯随机抽样。

四、分层抽样（stratified sampling）先按对观察指标影响较大的某种特征，将总体分为若干个类别，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。

有按比例分配和最优分配两种方案。

优点：样本代表性好，抽样误差减少。

以上四种基本抽样方法都属单阶段抽样，实际应用中常根据实际情况将整个抽样过程分为若干阶段来进行，称为多阶段抽样。

各种抽样方法的抽样误差一般是：整群抽样≥单纯随机抽样≥系统抽样≥分层抽样。

1. 非概率抽样（Non-probability sampling）又称非随机抽样，指根据一定主观标准抽取样本，令总体中每个个体的被抽取不是依据其本身的机会，而是完全决定于调研者的意愿。

其特点为不具有从样本推断总体的功能，但能反映某类群体的特征，是一种快速、简易且节省的数据收集方法。

当研究者对总体具有较好的了解时可以采用此方法，或是总体过于庞大、复杂，采用概率方法有困难时，可以采用非概率抽样来避免概率抽样中容易抽到实际无法实施或“差”的样本，从而避免影响对总体的代表度。

常用的非概率抽样方法有以下四类：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。

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。

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。

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。

2.概率抽样（Probability sampling）又称随机抽样，指在总体中排除人的主观因素，给予每一个体一定的抽取机会的抽样。

其特点为，抽取样本具有一定的代表性，可以从调查结果推断总体；操作比较复杂，需要更多的时间，而且往往需要更多的费用。

常用的有以下六种类型：简单抽样（Simple sampling）即简单随机抽样，指保证大小为n的每个可能的样本都有相同的被抽中的概率。

例如：按照“抽签法”、“随机表”法抽取访问对象，从单位人名目录中抽取对象。

优点：随机度高，在特质较均一的总体中，具有很高的总体代表度；是最简单的抽样技术，有标准而且简单的统计公式。

缺点：未使用可能有用的抽样框辅助信息抽取样本，可能导致统计效率低；有可能抽到一个“差”的样本，使抽出的样本分布不好，不能很好地代表总体。

系统抽样(Systematic random sampling)将总体中的各单元先按一定顺序排列，并编号，然后按照不一定的规则抽样。

其中最常采用的是等距离抽样，即根据总体单位数和样本单位计算出抽样距离（即相同的间隔），然后按相同的距离或间隔抽选样本单位。

例如：从1000个电话号码中抽取10个访问号码，间距为100，确定起点（起点<间距）后每100号码抽一访问号码。

优点：兼具操作的简便性和统计推断功能，是目前最为广泛运用的一种抽样方法。

如果起点是随机确定的，总体中单元排列是随机的，等距抽样的效果近似简单抽样；与简单抽样相比，在一定条件下，样本的分布较好。

缺点：抽样间隔可能遇到总体中某种未知的周期性，导致“差”的样本；未使用可能有用的抽样框辅助信息抽取样本，可能导致统计效率低。

分层抽样（Stratified random sampling）是把调查总体分为同质的、互不交叉的层（或类型），然后在各层（或类型）中独立抽取样本。

例如：调查零售店时，按照其规模大小或库存额大小分层，然后在每层中按简单随机方法抽取大型零售店若干、中型若干、小型若干；调查城市时，按城市总人口或工业生产额分出超大型城市、中型城市、小型城市等，再抽出具体的各类型城市若干。

优点：适用于层间有较大的异质性，而每层内的个体具有同质性的总体，能提高总体估计的精确度，在样本量相同的情况下，其精度高于简单抽样和系统抽样；能保证“层”的代表性，避免抽到“差”的样本；同时，不同层可以依据情况采用不同的抽样框和抽样方法。

缺点：要求有高质量的、能用于分层的辅助信息；由于需要辅助信息，抽样框的创建需要更多的费用，更为复杂；抽样误差估计比简单抽样和系统抽样更复杂。

整群抽样(Cluster sampling)是先将调查总体分为群，然后从中抽取群，对被抽中群的全部单元进行调查。