Основы формирования выборочной совокупности
После постановки цели, разработки плана исследования и определения методов сбора данных необходимо приступать к селекции тех элементов, которые должны обеспечить получение необходимой информации. Для этого можно: (1) собрать информацию от каждого члена интересующей исследователя совокупности с помощью проведения сплошного обследования или переписи (census); (2) получить информацию от части этой совокупности посредством изучения выборки элементов (sample) и последующего установления закономерностей поведения этой совокупности на основе данных, полученных от выборки. Процедура сплошного и выборочного обследования состоит из пяти последовательных этапов (рисунок 4.7).
1. Идентификация объектов генеральной совокупности.
Определение генеральной совокупности (target population) — первая стадия построения выборки. Генеральная совокупность — это множество элементов или объектов, которые обладают интересующей исследователя информацией и о которых требуется сделать выводы. Определить генеральную совокупность означает принять решение о том, какие элементы или объекты должны иметь шанс быть включенными в выборку, а какие — нет.
Генеральная совокупность определяется в терминах элементов (elements), единиц отбора (sampling units), пространственной протяженности (extent) и времени (time).
Элемент генеральной совокупности — это объект, о котором или от которого должна быть получена информация. При опросах это, как правило, потенциальный респондент.
Единицы отбора — это элементы или группы элементов, которые доступны для отбора в ходе построения выборки.
Говоря о пространственной протяженности, имеют в виду выбор географических границ, в которых будет проводиться исследование, а говоря о времени, — выбор временного диапазона, в течение которого будет производиться собственно опрос.
2. Выбор метода обследования.
В зависимости от объема генеральной совокупности и целей исследования могут быть использованы методы сплошного или выборочного обследования.
2.1. Метод сплошного обследования заключается в изучении всех единиц генеральной совокупности. Метод связан с высокими затратами на проведение исследования, его использование оправдано, например, в случае малого количества потребителей, представляющих сегмент, или в случае, когда объем покупок данного клиента составляет значительную долю от емкости рынка в целом.
Сплошное обследование целесообразно проводить в случаях, когда:
- число элементов исследуемой совокупности не слишком велико;
- относительно велика случайная ошибка выборки (см. 4.2.1.2). Например, из-за того, что одна часть объектов очень резко отличается от другой.
2.2. Метод выборочного обследования предоставляет информацию о генеральной совокупности на основании обследования только ее части, поэтому данные, полученные в ходе выборочного обследования, имеют вероятностный характер. На практике это означает, что в результате исследования определяется не конкретное значение, а интервал, в котором находится искомое значение. Вероятность, с которой можно утверждать, что ошибка выборки не превысит некоторую заданную величину, называется доверительной вероятностью.
Термин «выборка» имеет двоякое значение. Это и процедура отбора элементов исследуемого объекта, и совокупность элементов объекта, выбранных для непосредственного обследования.
Выборка — это группа объектов исследования, которая является носителем характеристик всех единиц генеральной совокупности, например группа потребителей, представляющих интересы и вкусы всего целевого рынка.
Метод и процедура выборки основы на следующих принципах:
- взаимосвязь и взаимообусловленность различных качественных характеристик объектов;
- правомерность выводов о целом на основании изучения его чести при условии, что она по своей структуре может выступать на момент исследования своеобразной моделью целого.
Причинами использования выборочного исследования являются:
А) дешевизна и быстрота проведения. Сплошное обследование требует больших затрат. К тому же зачастую получаемая информация устаревает уже в ходе проведения переписи и обработки ее результатов;
Б) существуют случаи, когда проведение переписи является просто невозможным. Например, в случае необходимости скрыть результаты исследования от конкурентов или слишком большого количества элементов, подлежащих сплошному обследованию;
В) выборка может обеспечить более точные результаты, чем всеобщая перепись. Это объясняется тем, что для проведения переписи необходимо подготовить большой штат переписчиков, что неминуемо вызывает увеличение ошибок, не имеющих отношение к обследуемым элементам популяции.
Метод выборочного обследования обеспечивает меньшую точность по сравнению с методом сплошного обследования, однако он менее трудоемок. Целесообразно использование данного метода при наличии большого числа однородных единиц генеральной совокупности.
Свойство выборки отражать характеристики генеральной совокупности называется репрезентативностью. Различие между характеристиками генеральной и выборочной совокупностей называется ошибкой выборки, которая зависит от выбранной процедуры составления (формирования) выборки.
Процесс собственно выборочного обследования включает следующие этапы.
2.2.1. Выбор основы для построения выборки.
Основу для построения выборки (sampling frame) составляют списки элементов генеральной совокупности или правила нахождения этих элементов.
Примерами списков могут служить телефонная и адресная книги, список предприятий отрасли, список рассылки, который можно приобрести в специализированных коммерческих организациях, и, наконец, географическая карта. Описание основы выборки не обязательно должно включать всех членов совокупности. Возможно, достаточно определить процедуру, при помощи которой можно будет найти любую единицу для включения в выборку.
В качестве примера правил нахождения элементов генеральной совокупности можно использовать таблицу семизначных чисел, сгенерированных случайным образом для использования при опросе в качестве телефонных номеров. Другой пример — правила отбора интервьюером домохозяйств, в которых будет проводиться опрос. При использовании этого способа интервьюеру задаются маршрут (например, определенная улица), правило отбора домов (например, посещать каждый второй по порядку дом с левой стороны улицы, начиная с первого) и правило отбора квартир в домах (например, в соответствии со списком трехзначных случайных чисел).
Часто эти два способа комбинируются: на одних ступенях построения выборки используют списки, а на других — правила нахождения.
Бывает так, что список элементов генеральной совокупности можно достать или составить, но он окажется неидеальным: некоторые элементы пропущены, а некоторые позиции лишние. В таких ситуациях возникают ошибки основы выборки, относящиеся к категории ошибок исследователя.
Иногда несоответствий в списках так мало, что ими можно пренебречь. Но чаще исследователь должен их скорректировать. Существуют три способа такой коррекции.
Первый — переопределение генеральной совокупности: ее называют так, чтобы она соответствовала основе выборки, имеющейся в наличии. Например, вместо генеральной совокупности: «семьи, проживающие в данном городе», берут другую: «семьи, чьи телефоны приведены в телефонной книге данного города». Такое переопределение делает исследование более «честным», но не исключает возможности получения ошибочных выводов относительно тех людей, чьи мнения нужно изучить.
Второй способ — отсев лишних элементов выборки на стадии проведения опроса. Потенциальным респондентам задаются «вопросы-фильтры». На основе полученных ответов принимается решение, проводить с ними интервью или не проводить. Например, выясняются их социально-демографические характеристики, степень знакомства с товаром и опыт его использования. Далее опрашивают только тех, кто ответил на вопросы-фильтры нужным для исследователя образом. Такая фильтрация позволяет избежать включения в выборку лишних элементов, но, естественно, не спасает, если элемент в списке отсутствует.
Третий способ — так называемое взвешивание, выравнивание данных путем задания весовых коэффициентов, позволяющих скорректировать ошибки основы выборки. Для исправления пропорций применяются весовые коэффициенты. В случае отсутствия статистической информации о детальной структуре генеральной совокупности, используются специальные программные продукты, позволяющие в определенном смысле минимизировать искажения в структуре выборки.
2.2.2. Устранение различий объектов выборки и генеральной совокупности.
Если основа выборки не совпадает с определением совокупности, возникают три типа проблем: проблема подмножества, проблема супермножества и проблема пересечения.
Проблема подмножества имеет место в том случае, когда основа выборки меньше совокупности. Другими словами, некоторые элементы совокупности не будут представлены в выборке. Например, если для выявления всех компаний с численностью персонала менее 1 тыс. сотрудников исследователь использует перечень малых предприятий, возникает проблема подмножества, поскольку численность сотрудников на малых предприятиях в различных отраслях неодинакова. Чтобы решить проблему подмножества, исследователю придется заново определить совокупность в терминах основы выборки либо найти другие источники данных.
Проблема супермножества имеет место, если основа выборки больше совокупности, однако при этом содержит все ее элементы. Например, исследователю может быть интересна совокупность покупателей губной помады «Revlon». Однако основа выборки представляет собой список покупателей всех косметических продуктов данной марки. Это — пример проблемы супермножества. Чтобы ее решить, исследователь может использовать фильтрующий вопрос «Покупаете ли вы губную помаду "Revlon"?» — и в случае положительного ответа включать респондента в выборку.
Проблема пересечения имеет место, если некоторые элементы совокупности отсутствуют в основе выборки, а сама основа выборки содержит больше элементов, нежели целевая совокупность. Предположим, что исследователя интересуют владельцы небольших компаний с объемом продаж не менее 4 млн. долл. Если исследователь будет использовать справочник «American Business», который содержит все компании (не обязательно небольшие) с продажами более 5 млн. долл., возникнет проблема пересечения. Для решения подобных проблем исследователю придется не только заново определить совокупность, но и лучше сформулировать вопрос.
2.2.3. Выбор процедуры формирования выборки.
Выборочные обследования можно условно разделить на два вида: описательные и аналитические. Цель описательного обследования состоит просто в том, чтобы получить сведения о некоторых больших группах: например, о числе мужчин, женщин и детей, смотрящих ту или иную телевизионную программу. При аналитическом обследовании сравниваются различные подгруппы совокупности для того, чтобы установить, существуют ли между ними такие различия, которые позволили бы нам построить или проверить гипотезы о природе сил, действующих в данной совокупности.
Способы построения выборки принято классифицировать по трем основаниям. Они делятся на:
А) фиксированные (традиционные) и последовательные (байесовские);
Б) повторные (с возвращением) и бесповторные (без возвращения);
В) индивидуальные, групповые и комбинированные;
Г) вероятностные (случайные) и детерминированные (неслучайные);
Д) одноступенчатые и многоступенчатые.
А) Фиксированные выборки, то есть выборки фиксированного объема, подразумевают априорное определение их размера и получение информации только от выбранных элементов. Выборки данного типа используются в маркетинговых исследованиях наиболее часто.
Последовательные выборки подразумевают возможность принятия дополнительных решений в ходе их формирования. Обычно эти выборки предназначаются для поиска ответов на вопросы исследования с учетом накопленных результатов. При этом подходе данные обрабатываются после опроса каждого респондента, так что выборочные статистики становятся точнее с каждым новым интервью. При этом фиксируются затраты на опрос и решается задача минимизации математического ожидания потерь, которые могут возникнуть, если решение, принятое по его результатам, окажется ошибочным. Минимум указанной величины достигается путем включения в выборку респондентов такого типа, информация о котором в наибольшей степени снижает вероятность принятия ошибочного решения.
Если при использовании небольшой выборки полученные результаты не позволяют сделать надежных выводов, то сбор информации продолжается. При этом на каждом этапе принимается решение о необходимости сбора дополнительной информации или о том, являются ли полученные свидетельства достаточными для получения надежных выводов. Последовательная выборка позволяет оценивать тенденции изменения данных в процессе их сбора и, таким образом, обеспечивает возможность сокращения затрат на продолжение исследований в тех случаях, когда дополнительные сведения становятся все менее эффективными. Теоретически этот подход очень привлекателен. Однако он сложен организационно и неприменим, когда цена ошибки неизвестна.
Б) В зависимости от способа отбора единиц различают:
При повторном отборе вероятность попадания каждой отдельной единицы в выборку остается постоянной, так как после отбора какой-то единицы, она снова возвращается в совокупность и снова может быть выбранной. В случае бесповторной выборки каждая отобранная единица не возвращается обратно, и вероятность попадания отдельных единиц в выборку все время изменяется (для оставшихся единиц она возрастает).
В зависимости от выбранного подхода выборочные статистики рассчитываются по-разному. Однако численно эти различия очень малы и становятся заметными, лишь, когда размер исследуемой совокупности сопоставим с размером выборки.
В) При индивидуальном отборе в выборку отбираются отдельные единицы. В случае группового отбора в выборку попадаются качественно однородные группы или серии изучаемых явлений. Комбинированный отбор представляет собой комбинацию индивидуального и группового отбора.
Г) Вероятностные выборки характеризуются тем, что каждый элемент исходной совокупности имеет известную ненулевую вероятность попадания в состав выборки. При этом необязательно, чтобы все вероятности были одинаковыми, необходимо лишь, чтобы существовала возможность определения вероятности возможного выбора каждого элемента.
Простая случайная выборка (simple random sampling или SRS)
При построении простой случайной выборки (SRS) каждый элемент исследуемой совокупности имеет известную, причем одинаковую, вероятность попасть в выборку. Более того, известна и одинакова вероятность того, что в результате отбора будет получен любой конкретный вариант выборки данного размера. Отсюда следует, что элементы извлекаются из основы выборки случайным образом, причем независимо друг от друга. Этот метод можно представить как лотерею, в которой имена всех возможных респондентов помещаются в барабан и перемешиваются, после чего без всяких смещений извлекаются имена «победителей».
Для выбора элементов исследуемой совокупности раньше применяли таблицы случайных чисел, а сейчас — компьютерные программы, генерирующие случайные последовательности чисел.
Метод SRS обладает рядом достоинств: он прост и легко объясним, выборочные оценки могут быть обобщены на всю исследуемую совокупность. Большинство статистических выводов базируются на предположении, что выборка получена именно с его помощью.
Но этот метод имеет и очень серьезные недостатки, ограничивающие его применение. Во-первых, часто бывает очень трудно сконструировать основу выборки так, чтобы можно было извлечь из нее простую случайную выборку. Например, не существует собранных воедино компьютеризированных списков всех жителей России. И даже если бы такие списки существовали, они ежесекундно бы устаревали. Во-вторых, выборка, полученная данным методом, часто оказывается настолько разбросанной географически, что исследование становится неприемлемым как по стоимости, так и по срокам. (Так, может «выпасть» по одному респонденту в сотнях дальних деревень, что потребует чрезвычайно высоких командировочных расходов). В-третьих, при небольшом размере выборки рассматриваемый метод может и не обеспечивать репрезентативности. Хотя в среднем такие выборки хорошо приближают население; каждая конкретная выборка может содержать сильные диспропорции.
Систематическая случайная или механическая выборка (systematic sampling)
При использовании этого метода случайным образом выбирается начальная точка, а затем извлекается каждый i-й элемент в последовательно пронумерованной основе выборки. Шаг отбора (sampling interval) i определяется путем деления размера исследуемой совокупности на размер выборки п. Например, если в исследуемой совокупности 100000 элементов и требуется извлечь выборку объемом 1000 элементов, то шаг отбора равен 100. В интервале от 1 до 100 выбирается случайное число. Пусть, например, выпало число 23. Тогда в выборку включают элементы с номерами 23, 123, 223, 323 и т.д.
Данный метод схож с методом построения простой случайной выборки в том, что все элементы исследуемой совокупности имеют одинаковую вероятность попасть в выборку. Различие же между ними состоит в том, что существует не CnN,, а лишь п различных возможных выборок размера п. Вероятности появления каждой из них одинаковы и равны 1/п; вероятности же появления остальных выборок равны нулю.
Как уже говорилось, для построения систематической случайной выборки нужно, чтобы элементы, образующие исследуемую совокупность, были упорядочены по какому-либо признаку. Иногда этот признак не имеет отношения к интересующим исследователя характеристикам (например, алфавитный порядок фамилий в телефонной книге). В таких случаях методы систематического отбора и простого случайного отбора дают очень близкие результаты.
Иногда же существует тесная связь между принципом упорядочения и исследуемыми характеристиками. Например, фирмы, относящиеся к определенной отрасли — по сумме годовых продаж. В таких случаях систематический случайный отбор повышает репрезентативность выборок. Что же касается простой случайной выборки, то при небольших ее размерах существует довольно большая вероятность, что будут отобраны, например, только малые фирмы.
Однако бывают и случаи, когда систематическую выборку строить опасно. Если, скажем, элементы упорядочены по признаку, имеющему циклический характер, выборка может быть менее репрезентативной, чем случайная.
Метод систематического отбора проще и дешевле, чем SRS, поскольку случайный выбор производится лишь однажды. Более того, при использовании этого метода вовсе не обязательно устанавливать взаимно однозначное соответствие между случайными числами и всеми элементами исследуемой совокупности. Это экономит много времени и, соответственно, средств, поскольку такие списки нередко содержат миллионы элементов. Вообще, метод систематического отбора можно применять даже тогда, когда мы совсем не знаем состав элементов, образующих исследуемую совокупность. Например, можно опрашивать каждого i-го человека, выходящего из магазина. Благодаря этому преимуществу систематическая случайная выборка часто используется в почтовых, телефонных опросах потребителей и в опросах в местах торговли.
Стратифицированная или типическая выборка (stratified sampling)
Построение стратифицированной выборки представляет собой двустадийный процесс, в ходе которого множество элементов, образующих исследуемую совокупность, разделяется на подмножества или страты так, что каждый ее элемент входит в одну и только одну страту. Затем в каждой страте отбирается нужное число элементов. Формально для отбора в стратах должна использоваться процедура простого случайного отбора (SRS). Практически же иногда применяют систематический отбор или другие вероятностные процедуры. Таким образом, в отличие от метода квот, здесь отбор осуществляется не по усмотрению или исходя из согласия респондентов, а вероятностными методами. Основная цель стратификации — повысить точность без увеличения цены.
Первое решение, которое принимает исследователь при использовании данного метода, касается параметров стратификации, то есть переменных, на основе которых исследуемая совокупность делится на страты.
При отборе этих параметров исходят из следующих соображений. Во-первых, элементы, составляющие каждую страту, должны быть как можно более сходными между собой. Во-вторых, элементы, входящие в разные страты, должны быть как можно более разными. В-третьих, параметры стратификации должны быть как можно теснее связаны с интересующими исследователя характеристиками: чем теснее эта связь, тем точнее получаемые оценки. Наконец, в-четвертых, переменные стратификации должны быть такими, чтобы процесс стратификации был простым и удобным в работе, и, следовательно — дешевым.
Обычно для стратификации, как и для квотирования, используют демографические характеристики, тип потребителя (например, владельцы кредитных пластиковых карт и пластиковых карт, не дающих права кредитования), размер фирмы или отрасль. Вообще, можно выбирать две и более переменных стратификации одновременно, но более двух — крайне редко, так как это сложно и дорого. Хотя число страт устанавливается по усмотрению исследователя, обычно их бывает не более шести. Если их больше, то выигрыш в точности оценок обычно оказывается меньше, чем рост затрат на стратификацию и построение выборки.
Вторым важным решением, которое надо принять при построении стратифицированной выборки — это выбор между пропорциональным и непропорциональным отбором. При пропорциональном отборе число элементов, извлекаемых из каждой страты, пропорционально ее размеру. При непропорциональном отборе из каждой страты извлекается число элементов, пропорциональное произведению относительного размера страты на стандартное отклонение распределения интересующей исследователя характеристики на всех элементах страты. Идея, лежащая в основе непропорционального выбора, проста. С одной стороны, чем больше относительный размер страты, тем сильнее она влияет на общее среднее значение интересующей исследователя характеристики и для отражения ее роли из нее надо извлечь больше элементов. С другой стороны, чтобы повысить точность, нужно извлечь больше элементов из тех страт, где сильнее колебания интересующей исследователя характеристики, и меньше — из страт, где эти колебания малы. Например, если значения исследуемой характеристики на всех элементах какой-либо страты в точности одинаковы, из нее достаточно включить в выборку лишь один элемент. Таким образом, пропорциональный отбор можно считать частным случаем непропорционального отбора для случая, когда стандартные отклонения во всех стратах априори считаются равными.
Как мы видим, непропорциональный отбор возможен, когда можно заранее хотя бы приблизительно оценить стандартные отклонения изучаемого параметра в каждой страте. Если такой информации нет, то при определении доли выборки, приходящейся на каждую страту, исследователь может полагаться на логику и интуицию.
При использовании стратифицированной выборки можно быть уверенным, что все важные подгруппы респондентов присутствуют в выборке. Это особенно важно, когда распределение измеряемой характеристики в существенной степени асимметрично. Таким образом, стратифицированная выборка соединяет в себе простоту построения, свойственную простой случайной выборке, и потенциальный выигрыш в точности. Этим и объясняется популярность данного метода.
Кластерная, гнездовая или серийная выборка (cluster sampling)
При использовании метода кластеризации, как и при использовании метода стратификации, множество элементов, образующих исследуемую совокупность, разделяется на определенное число непересекающихся подмножеств, называемых уже не стратами, а кластерами. При использовании метода стратификации в выборку обязательно попадают представители всех страт. Здесь же, наоборот, производится случайный (методом SRS) выбор кластеров, чьи элементы затем будут включаться в выборку. Если в выборку включаются все элементы отобранных кластеров, процедура называется одностадийной. Если из каждого кластера случайным образом извлекаются и включаются в выборку некоторые элементы, процедура называется двустадийной. Если перед отбором отдельных элементов внутри выбранных на первой стадии кластеров сначала выделяются более мелкие кластеры, определенное число которых вновь отбирается случайными методами, процедура называется трех- или более стадийной.
Кластеры можно отбирать либо с равной вероятностью с помощью простого случайного отбора (simple two-stage cluster sampling), либо с вероятностью, пропорциональной размеру кластеров (PPS — probability proportionate to size sampling).
Кластеризация направлена на экономию затрат без существенного снижения точности, а не на повышение точности без увеличения затрат.
В отношении же гомогенности и гетерогенности требования к кластерам диаметрально противоположны тем, которые предъявляются к стратам. Элементы внутри кластера должны быть как можно более разнообразными, гетерогенными, а сами кластеры — как можно более похожими между собой. В идеале каждый кластер — уменьшенная копия всей исследуемой совокупности.
Важным преимуществом метода является то, что строить основу выборки необходимо не для всей исследуемой совокупности, а только для отобранных путем случайной процедуры кластеров.
Кластеры чаще всего выделяются по территориальному признаку, то есть представляют собой районы, улицы, многоквартирные дома и т.д. Такой метод построения выборки естественно назвать территориальным (area sampling). Этот механизм отбора пригоден, если все кластеры примерно одинакового размера. Если это не так, могут возникать смещения оценок. Поэтому иногда размеры кластеров пытаются сделать приблизительно равными путем слияния или разделения некоторых из них. Если это невозможно, необходимо применять не простой случайный отбор (SRS), а отбор, пропорциональный размеру кластеров (PPS), причем размер кластера измеряется числом содержащихся в нем единиц отбора.
Итак, на первом шаге вероятность того, что кластер будет отобран, прямо пропорциональна его размеру. На втором шаге из каждого выбранного кластера извлекается примерно одинаковое число единиц отбора. Поэтому вероятность того, что на втором шаге будет выбрана единица отбора, входящая в один из отобранных ранее кластеров, обратно пропорциональна размеру последнего. Благодаря такой процедуре каждый элемент исследуемой совокупности может попасть в выборку с равной вероятностью.
Метод кластеризации имеет два важных преимущества: гибкость и невысокая стоимость. Часто единственная доступная основа выборки — это перечень кластеров, а не элементов целевой совокупности. Например, нельзя за разумное время и в пределах имеющихся средств составить список всех квартир в городе. Считая же кластерами избирательные участки города и зная численность их населения, можно случайным образом отобрать несколько участков и составить список находящихся там квартир. Метод кластеризации — самый дешевый и потому — самый эффективный из всех вероятностных методов построения выборки.
Есть у метода кластеризации и два серьезных недостатка. Во-первых, нередко выборка получается относительно неточной, поскольку на практике очень сложно сформировать гетерогенные кластеры. Например, люди, живущие в одном доме, скорее похожи, чем не похожи друг на друга. Во-вторых, при использовании метода кластеризации бывает затруднительным построение статистик для оценки точности результатов.
В случае использования детерминированных выборок не существует способа оценки вероятности того, что элемент исходной совокупности окажется включенным в состав выборки и, таким образом, не существует способа гарантировать репрезентативность выборки. Формирование всех невероятностных выборок основывается на личных суждениях, и, хотя такие субъективные выборки могут успешно отражать особенности исходной совокупности, они не позволяют проводить объективную оценку адекватности проведенного отбора элементов. Лишь когда элементы совокупности выбираются с заранее известной вероятностью, появляется возможность оценить точность результатов данного процесса.
Выборка согласных или удобная выборка(convenience sampling)
При использовании этого метода отбор и включение в выборку респондентов возлагается почти исключительно на интервьюеров. Часто респондент выбирается потому, что в нужное время он оказался в нужном месте. Примерами тут могут служить: 1) опрос студентов, религиозных групп, членов общественных организаций; 2) опрос в магазинах всех респондентов, согласившихся отвечать; 3) выборка магазинов, осуществляющих продажи в кредит; 4) опрос, получаемый путем публикации отрывных анкет в журнале; 5) опрос типа «люди на улице».
Это самый дешевый и быстрый способ построения выборки. Отобранные таким образом респонденты наиболее просто достижимы и готовы к сотрудничеству. Несмотря на такое преимущество, возможности применения этого способа ограничены из-за больших смещений. Исследуемую совокупность невозможно определить так, чтобы ее репрезентировала выборка, построенная таким способом, и, следовательно, полученные на выборке результаты нельзя обобщать. Поэтому данный способ неприменим для описательных и причинных маркетинговых исследований, предполагающих такие обобщения. Его допустимо применять в поисковых исследованиях: для генерации идей, догадок, гипотез. Его также можно использовать для подбора участников фокус-групп, для тестирования анкеты или на пилотных стадиях исследования. Но даже в этих случаях при интерпретации полученных результатов следует проявлять осторожность. Тем не менее, как видно из следующего примера, этот способ иногда применяют и в больших исследованиях.
Выборка по усмотрению или типовая выборка (judgmental sampling)
Этот способ можно считать разновидностью предыдущего с той лишь разницей, что исследователь просит об интервью не у всех, а лишь у тех, кого он считает нужным включить в выборку. При этом исследователь полагает, что эти респонденты лучше представляют исследуемую совокупность, или что они ему хорошо подходят по каким-либо другим причинам. Типичные примеры использования такого способа следующие: 1) тестовые продовольственные магазины, отобранные для опробования нового продукта; 2) инженеры по закупкам, выбранные в промышленном маркетинговом исследовании на том основании, что они репрезентируют компанию; 3) «лидеры мнений», опрашиваемые при изучении электорального поведения; 4) супермаркеты, отбираемые для тестирования новой системы наблюдения. Проиллюстрируем использование этого способа построения выборки примером из серии исследований для сети универмагов.
Квотная выборка (quota sampling)
Метод квот можно рассматривать как двустадийный выбор по усмотрению, но с ограничениями. На первой стадии разрабатываются контрольные ограничения или квоты, накладываемые на отбираемые элементы. Для разработки квот исследователь просматривает подходящие для контроля характеристики и выясняет, как они распределены в исследуемой совокупности. Вопрос о том, какие именно характеристики выборки должны совпадать с соответствующими характеристиками исследуемой совокупности, решается по усмотрению исследователя. Обычно это пол и возраст.
На второй стадии из числа согласных или по усмотрению интервьюера отбираются элементы исследуемой совокупности. Здесь имеет место значительная свобода. Единственное условие — чтобы соблюдались квоты, то есть, например, чтобы доля мужчин в возрасте от 18 до 30 лет в выборке совпадала с их долей в исследуемой совокупности. Таким образом, метод квот гарантирует, что выборка будет отражать пропорции исследуемой совокупности по интересующим нас характеристикам.
Иногда квоты намеренно выбираются так, чтобы пропорции выборки определенным образом отличались от пропорций исследуемой совокупности. Например, иногда бывает полезно увеличить по сравнению с населением долю «тяжелых пользователей» продукта, поскольку их потребительское поведение имеет существенную специфику. Такая выборка, конечно, нерепрезентативна, но временами оказывается весьма полезной.
Даже если пропорции выборки по интересующим исследователя параметрам совпадают с пропорциями исследуемой совокупности, нет уверенности, что выборка репрезентативна. Во-первых, выборка не будет репрезентативной, если остались не замеченными и не были квотированы параметры, важные для решения стоящих перед исследованием проблем. Во-вторых, если квот слишком много, интервьюерам иногда не удается их выдержать из-за практических сложностей. В-третьих, интервьюеры нередко пользуются предоставленной им свободой выбора таким образом, что выборка становится нерепрезентативной. Например, для соблюдения квот они отправляются в такой район, где выше вероятность встретить нужного респондента, или для облегчения работы избегают заговаривать с плохо одетым или внешне недружелюбным человеком. В результате метод квот, как и прочие неслучайные способы построения выборки, тоже не позволяет статистически оценивать точность результатов исследования.
Метод квот представляет собой попытку за относительно низкую цену получить выборку, сходную по своим параметрам с исследуемой совокупностью. При наличии точной инструкции и строгого контроля над работой интервьюеров этот метод дает результаты, близкие к тем, которые получаются при использовании вероятностных выборок.
Выборка методом снежного кома (snowball sampling)
При использовании этого метода первая порция респондентов, как правило, отыскивается случайным образом. После окончания каждого интервью респондента просят назвать других представителей исследуемой совокупности. Каждую следующую порцию респондентов составляют те, кого указали предыдущие респонденты. В результате возникновения «эффекта снежного кома» выборка быстро растет. Надо отметить, что, хотя первая порция респондентов отбирается случайным образом, полученные таким способом выборки не репрезентативны. Смещение происходит оттого, что лица, которых указывает респондент, по своим социально-демографическим характеристикам более схожи с ним, чем это было бы при случайном отборе. Поэтому данный метод используется лишь по необходимости: когда нужно опросить представителей редко встречающейся группы людей и когда есть основание полагать, что многие из представителей этой группы знакомы с другими ее представителями.
Сравнительная характеристика вероятностных и детерминированных выборок представлена в таблице 4.7.
Таблица 4.5. Сравнительные характеристики вероятностных и детерминированных методов построения выборки.
Методы Преимущества метода Недостатки метода
Вероятностные
Простая случайная выборка (simple random sampling или SRS) Легко объясняем, можно обобщать результаты Трудно сконструировать основу выборки, высокая стоимость, незначительная точность, при небольших выборках возможна нерепрезентативность
Систематическая случайная выборка (systematic sampling) Может повысить репрезентативность, проще применять, чем SRS, не требует построения основы выборки Может уменьшить репрезентативность в случае периодичности
Метод стратификации (stratified sampling) Высокая точность, в выборку включаются все важные категории объектов целевой совокупности Трудно подобрать соответствующие задаче параметры стратификации, трудно стратифицировать по многим переменным сразу, высокие затраты
Метод кластеризации (cluster sampling) Невысокая стоимость, простота Невысокая точность, трудно оценивать точность результатов
Детерминированные
Выборка согласных (convenience sampling) Требует наименьших затрат времени и средств, наиболее удобен в работе Смещение отбора, выборка не репрезентативна. Не рекомендуется использовать для описательных и причинных исследований
Выборка по усмотрению (judgmental sampling) Требует небольших затрат времени и средств, удобен в работе Не позволять обобщать полученные результаты
Метод квот (quota sampling) Позволяет проконтролировать определенные характеристики Смещение отбора, нет уверенности в репрезентативности
Метод снежного кома (snowball sampling) Позволяет оценивать характеристики редко встречающихся категорий лиц Требует больших затрат времени
Д) При одноступенчатой выборке каждая отобранная единица сразу же подвергается изучению по заданному признаку. Так обстоит дело при простой случайной и кластерной выборке.
В случае многоступенчатой выборки производят отбор из генеральной совокупности отдельный групп, а из групп выбираются отдельные единицы. Так производится стратифицированная выборка со систематическим случайным способом отбора единиц в выборочную совокупность. Выборка может быть многоступенчатой, если сначала производят отбор крупных групп, затем из крупных групп отбираются средние, потом мелкие и внутри последних отбираются отдельные единицы.
Взаимосвязь между различными способами построения выборки представлены в таблице 4.6.
Таблица 4.6. Варианты построения вероятностных и детерминированных выборок в зависимости от используемых способов отбора.
Название Повторный отбор Бесповторный отбор
Одноступенчатый отбор Индивидуальный отбор -простая случайная выборка
-выборка согласных
-выборка методом снежного кома -простая случайная выборка
-систематическая случайная выборка
-выборка согласных
-выборка по усмотрению
-выборка методом снежного кома
Групповой
отбор -выборка методом снежного кома -выборка по усмотрению
-выборка методом снежного кома
Многоступенчатый отбор -стратифицированная -стратифицированная
-кластерная
-квотная
Комбинированный
отбор -стратифицированная -стратифицированная
-кластерная
-квотная
2.2.4. Определение размера выборки.
Под размером выборки подразумевается число элементов, которые должны быть в нее включены. Методика расчета размера выборочной совокупности будет подробно рассмотрена в п. 4.2.1.2.
2.2.5. Формирование выборки.
На этом этапе необходимо идентифицировать элементы выборки, подлежащие обследованию. Процедура формирования выборки неразрывно связанна с дискуссией о методах формирования выборки и напрямую зависит от конкретного типа выборки.
3. Сбор информации.
Наконец, исследователь должен собрать информацию от выбранных им респондентов. Сбор информации реализуется с помощью различных методов и сопряжен с большими трудностями. Рассмотрению этих аспектов посвящены п.п.
Похожие рефераты:
