分层抽样是一种统计学上的抽样方法，其核心思想是将总体按照某些特定的特征或标志分成若干个同质且不重叠的层次（或称为子总体），然后从每个层次中独立地进行随机抽样，以组成最终的样本。这样做可以确保样本在结构上更接近总体，从而提高样本的代表性和估计的精确性。
分层变量：
用于分层的变量应当是调查中需要关注的变量或与关注变量高度相关的变量。
层内同质性：
每一层内的单位应当尽可能相似，层间则应当存在较大差异。
样本分配：
样本的分配可以按照各层在总体中的比例，也可以根据各层的特征赋予不同的权重。
适用情况：
分层抽样适用于总体内部差异较大、单位数量较多的情况，它能有效减少抽样误差，并提高抽样的效率。
计算样本规模：
在确定样本规模时，需要考虑各层的大小及其标准差，并据此分配到各层。
汇总推算：
通过检查各层抽取的样本，可以汇总推算出对总体的点估计和区间估计。
分层抽样的优势在于其能够结合科学分组法和抽样法，通过减小各层内部的变异性影响，确保所抽取的样本具有足够的代表性。这种方法在变量抽样、税务稽查、市场调查等领域中广泛应用