本文以兴安落叶松立木材积方程为例，设计均匀、正态、右偏和左偏4种不同抽样方法，研究不同抽样方法对立木材积方程预测精度的影响。根据不同数据类型，利用SAS软件中proc surveyselect模块的简单随机抽样(SRS)以及结合条件语句对数据进行分径阶抽样。为减小数据抽样的不确定性，每种分布抽样过程重复3次。分别对不同抽样方法下的胸径统计量进行正态性检验，具体采用Shapiro-Wilk进行正态性检验。以异速生长方程为基础材积模型，利用S-PLUS软件的广义非线性GNLS模块对各模型进行拟合。采用指数函数、幂函数和常数加幂函数对4种立木材积模型拟合过程中产生的异方差现象进行校正，方差函数变量考虑材积观察值（V）、预测值（V?）、胸径（D），二元模型时添加组合变量D2 H。采用确定系数（R2）、均方根误差（RMSE）、平均误差绝　　对值（MAB）和相对误差绝对值（MPB）对立木材积方程精度进行综合比较分析。为了降低小样本对模型预测的不确定性，在一元模型中采用随机方法生成均匀、正态、右偏、左偏分布的随机数据，利用预测值的置信区间进行比较分析。结果表明，指数函数、幂函数和常数加幂函数都能消除4种立木材积方程异方差的影响。拟合结果表明，正态、右偏及左偏模型的RMSE相对于均匀模型都有所下降，尤其左偏模型下降比例最大。随机模拟表明：在一元模型中，无论是哪一种分布，置信区间宽度都随着样本数的增大而减小。当样本数小于1000时，基于左偏材积模型的预测精度优于其它分布的材积模型。当样本数大于1000时，4种分布模型的预测精度非常接近。当样本数达到10000时，4种分布模型的预测精度基本相同。总体检验下，一元模型中左偏模型检验预测精度最高，二元模型中正态模型相对较优。