Одноступенчатая случайная выборка

Вероятностный подход

Выборка: типы и процедуры отбора

Лекция 4.

В эмпирической социологии развиваются два основных подхода, определяющих тип выборки: вероятностный и целенаправленный (направленный)*.

Прежде чем рассмотреть принципиальные особенности каждого из типов, следует заметить, что обычно в социологическом исследовании редко используется одноступенчатая выборка, при которой единицы наблюдения отбираются непосредственно из генеральной совокупности. Одноступенчатые выборки, как уже отмечалось, обычно строятся при локальных исследованиях в тех случаях, когда объем генеральной совокупности невелик, генеральная совокупность достаточно компактно локализована и существует возможность составить общий список всех ее единиц, содержащий основные характеристики и адреса. В практике социологических исследований обычно прибегают к многоступенчатым выборкам, конкретизируя и локализуя на каждой ступени единицу отбора, постепенно «добираясь» до единиц наблюдения — потенциальных респондентов. На каждой из ступеней используются различные процедуры. Но в основе построения каждой из ступеней лежит один из двух основных принципов: вероятностный или целенаправленный (направленный). Какой принцип следует выбирать — решает автор исследования, исходя из преимуществ и недостатков каждого из них. В самом общем виде можно сказать, что вероятностный принцип обладает теоретическими преимуществами, а целенаправленный — практическими. Кроме того, вероятностный отбор лучше осуществлять в тех случаях, когда исследователь имеет возможность составить полный список единиц отбора (и не имеет возможности получить сведения о распределениях по основным характеристикам), а направленный отбор лучше осуществлять, когда исследователь располагает сведениями о характеристиках (например, по данным государственной или ведомственной статистики), а составление (получение) перечня единиц отбора крайне затруднено.

Вероятностный подход нередко называется также случайным или стохастическим, поскольку подразумевает случайный отбор единиц наблюдения из общего перечня (списка) единиц генеральной совокупности. Основное правило при случайном отборе — равная вероятность каждой единицы генеральной совокупности попасть в выборку. При педантичном соблюдении этого условия реализуется основное преимущество случайной выборки: элементы генеральной совокупности оказываются представленными в выборке с вероятностями, которые приближаются к их распределению в генеральной совокупности. При этом, чем меньше признак рассеян в генеральной совокупности и чем больше объем выборочной, тем меньше ошибка репрезентативности. Такой результат является проявлением закона больших чисел, что позволяет при знании дисперсии по фиксируемым характеристикам, заранее определив допустимую ошибку репрезентативности, рассчитать нужный объем выборочной совокупности.

Отработаны различные технические процедуры случайного отбора: механический отбор, использование таблицы случайных чисел, расчет шага отбора и др.

Механический отбор подразумевает составление карточек с номерами, каждый из которых соответствует номеру единиц отбора в общем перечне. Все карточки перемешиваются в барабане и вытаскиваются из него в случайном порядке. В современной практике эта процедура практически не используется, так как требует определенных дополнительных организационных затрат (подготовка карточек (или шариков), обязательно идентичных по своим физическим параметрам, механическое устройство для их равномерного перемешивания и т.д.). Однако именно такая процедура обеспечивает случайную повторную выборку. Повторной называется такая выборка, когда выбранный элемент (карточка) вновь возвращается в барабан, и есть определенная вероятность, что она будет выбрана еще раз. Строго говоря, теоретически только такая выборка позволяет рассчитывать при анализе данных статистические коэффициенты связей и значимости. Но на практике, понятно, никто не будет опрашивать одного и того же респондента дважды, даже если его номер дважды попадет в выборку.

Таблицы случайных чисел позволяют с помощью компьютерных программ автоматизировать случайный отбор единиц наблюдения на основе таблицы случайных чисел.

Наиболее часто для осуществления случайного отбора используют расчет шага отбора. Это делается следующим образом. Единицы отбора из списка генеральной совокупности обозначаются с помощью сплошной нумерации. Исследователь должен обратить внимание на то, чтобы в очередности не было никакой закономерности. Общее число единиц генеральной совокупности (допустим, 10 000 единиц) делится на число единиц выборочной совокупности (допустим, 2000 человек); шаг отбора равен 5. Из списка генеральной совокупности отбирается каждый пятый номер. Обычно отбор начинают не с первого номера. Величина шага отбора делится пополам; если эта величина не является целым числом, ее округляют до большего значения. В данном случае следует пять разделить на два, получается 2.5; следовательно, начинать выбор надо с третьего номера; следующий номер отбора будет восьмой (3+5=8), следующий — тринадцатый (8+5=13) и т.д.

Процедуры случайного отбора достаточно отработаны и с технической точки зрения не представляют для социологов особой трудности. Основные проблемы осуществления одноступенчатого случайного отбора вызваны практическими препятствиями на пути выполнения теоретических требований.

Основная проблема заключается в составлении общего списка генеральной совокупности, в основном, — в получении необходимых сведений для подготовки такого списка.

Второй круг проблем осуществления случайной выборки связан с достижимостью респондентов. Эти проблемы вызваны противоречием между требованием опрашивать именно тех людей, которые попали в случайный отбор (на основе равной возможности каждого попасть в выборку), с одной стороны, и практической невозможностью опросить определенную часть полученной выборочной совокупности — с другой. Обычно недостижимость части выборочной совокупности (до 10-15%) вызвана следующими причинами: отсутствие респондентов (временное или постоянное) по указанным адресам, отказы от участия в опросе и т.д.

Третья проблема одноступенчатой случайной выборки определяется слишком рассеянным (в пространстве) полем респондентов. Если в случайном порядке отобрать 1000 человек, проживающих на территории страны, то полученные адреса будут находится достаточно далеко друг от друга, и организаторам трудно найти интервьюеров, которые согласились бы опрашивать людей, расположенных таким образом (в лучшем случае эта проблема может решаться за счет повышения оплаты работы интервьюеров и транспортных расходов, что, естественно, приводит к существенному повышению общей стоимости исследования).

Таким образом, требование равной вероятности каждой единицы генеральной совокупности попасть в выборку является самым большим достоинством вероятностного подхода с теоретической точки зрения (поскольку позволяет свести к минимуму случайные и систематические ошибки и определить общую ошибку репрезентативности) и самым большим недостатком — с практической точки зрения (так как в практике массовых опросов это требование часто невыполнимо или настолько трудоемко, что организационные затраты становятся несоразмерными ожидаемым результатам).

Разрешение этого противоречия возможно при осуществлении процедуры многоступенчатого случайного отбора.

При многоступенчатом случайном отборе, в результате предварительного анализа объекта исследования, генеральная совокупность разбивается на подсовокупности — единицы отбора; из их числа на первой ступени в случайном порядке отбирается часть подсовокупностей, и из отобранных подсовокупностей отбираются единицы наблюдения. При необходимости число ступеней может быть увеличено.

Осуществление многоступенчатого случайного отбора отличается двумя особенностями.

1. Ошибка репрезентативности на каждой ступени возрастает; но, главное, что эта ошибка может быть учтена исследователем; неучтенные ошибки сводятся к минимуму.

2. Многоступенчатый подход требует предварительного анализа и систематизации объекта исследования. Под систематизацией подразумевается группировка единиц отбора. Другими словами, все единицы генеральной совокупности требуется предварительно разбить на группы. Следующие параграфы посвящены основным способам предварительной классификации (группировки) объекта исследования, получившим наибольшее распространение в современной практике массовых опросов.

Принцип районирования (стратификации)

Существуют два основных вида классификации (группировки) генеральной совокупности: районирование (стратификация) и кластеризация (метод гнезд, серийная выборка).

Районированная (стратификационная) выборка предполагает предварительную группировку единиц генеральной совокупности по различающимся между собой типам.

В основу классификации закладывается признак (или совокупность признаков), по которому респонденты существенно отличаются друг от друга, и при этом именно данный признак, по мнению исследователя, может существенно влиять на изучаемое явление. Таким образом, при выборе критерия стратификации (районирования) исследователь руководствуется двумя особенностями:

1) данная характеристика должна влиять на изучаемое явление;

2) по данной характеристике единицы совокупности должны различаться.

Например, при изучении отношения к приватизации можно предположить, что тип предприятия, на котором работают респонденты (государственное или частное), будет существенно сказываться на их отношении к приватизации. Исследователь также знает, что доля людей, работающих на частных предприятиях, незначительна, и при механическом случайном отборе вероятность их попадания в выборку достаточно низкая. В таком случае все предприятия разделяются на группы в зависимости от формы собственности, а потом из каждого типа отбираются респонденты пропорционально численности данного контингента в генеральной совокупности. В большинстве крупномасштабных опросов общественного мнения по национальным выборкам первичная стратификация осуществляется по географической локализации респондентов (отсюда и синонимичное название этого принципа — районирование).

В статистическом смысле районирование соответствует выделению такого числа и таких статистически однородных групп, чтобы дисперсия заданных параметров внутри полученных групп была меньше, чем между ними.

Принцип кластеризации («гнезд»)

Кластерный («гнездовой») способ предварительной классификации объекта в определенном смысле противоположен районированному. Если при районировании исследователь выделяет разнотипные подсовокупности, то при гнездовой выборке генеральная совокупность разбивается на однотипные группы («гнезда»), внутри которых содержатся разнородные единицы наблюдения. В качестве таких «гнезд» могут выступать школы, предприятия, семьи, коллективы, почтовые отделения, избирательные участки и т.п. организации, интегрирующие тем или иным образом группы людей, если исследователь считает, что эти кластеры достаточно однотипны.

Используя принцип кластеризации, исследователь должен руководствоваться двумя основными положениями:

1) все единицы генеральной совокупности должны быть распределены между «гнездами»;

2) основные характеристики «гнезд» должны быть максимально идентичными по заданным параметрам.

При использовании гнездовой выборки, в рамках «гнезда» можно осуществлять сплошной опрос, а можно выборочный; это зависит от численности и однородности совокупностей «гнезд».

Дата добавления: 2014-12-27