Вероятностная выборка: определение, типы и этапы формирования

Как получить наиболее точные результаты при проведении общенационального опроса в стране с населением в 140 миллионов человек? Отправить опрос каждому человеку просто невозможно. Но в этом и нет необходимости. Получить качественные данные можно и от меньшей группы респондентов, используя вероятностную выборку.

Это метод формирования выборки, при котором случайным образом из общей совокупности отбирается небольшая группа людей (выборка), при этом рассчитывается вероятность того, что ответы этой небольшой группы будут соответствовать ответам общей совокупности. 

Для формирования вероятностной выборки необходимо соблюдать два требования.

Следуя этим двум правилам, вы сможете правильным (случайным) образом сформировать выборку, то есть список тех, кто будет участвовать в опросе. Респондентов следует отбирать именно случайным образом. Смысл вероятностной выборки заключается в том, чтобы предоставить каждому человеку равные шансы оказаться в выборке. Провести случайный отбор можно с помощью лотереи, методом жеребьевки или иным способом — главное, чтобы в результате у вас получилась репрезентативная выборка. 

Сформировав правильную выборку, вы можете получить столь же ценные результаты, что и при опросе всей совокупности. А значит, вы сможете сделать правильные выводы и принять взвешенные решения.

Существует несколько методов определения вероятностной выборки. Решение о том, какой именно метод использовать, будет зависеть от типа проводимого исследования, искомых данных, времени, выделяемого на проведение исследования, и доступных инструментов. Вот четыре основных подхода при формировании вероятностной выборки, используемые исследователями.

При простой случайной выборке у каждого представителя совокупности равные шансы случайным образом попасть в выборку. Чтобы этого добиться, для отбора участников исследователи используют такой инструмент, как генератор случайных чисел. Однако, как следует из названия подхода, самая простая стратегия, как правило, наиболее подвержена ошибкам. Например, чем меньше размер выборки по сравнению с общей совокупностью, тем менее надежной будет выборка, сформированная полностью случайным образом. 

С помощью SurveyMonkey Audience вы получите доступ к надежной репрезентативной выборке на основе распределения по демографическим признакам и гибкого отбора.

Большинство совокупностей можно разделить на небольшие отдельные группы на основе конкретных параметров, которые вместе будут отражать всю совокупность. Сформировать выборку из каждой из этих групп (или страт) отдельно можно методом стратифицированной случайной выборки. Так каждая подгруппа будет должным образом представлена, а значит, вы получите более точные результаты, чем при простой случайной выборке.

Как правило, деление на группы проводится на основе таких показателей, как пол, возраст, доход или национальность. Группы должны быть конкретными и взаимоисключающими, т. е. каждый респондент должен принадлежать только к одной группе. Разделив совокупность на группы, вы можете воспользоваться простой случайной выборкой для последующего отбора респондентов из каждой группы, пропорционально общей совокупности. Все отобранные вами респонденты попадут в выборку.

Как и в случае со стратифицированной выборкой, кластерная выборка предполагает разделение совокупности на подгруппы или кластеры. Однако это единственное сходство. Респонденты в каждом кластере должны иметь характеристики, похожие на те, что имеют респонденты в общей совокупности. Вместо того, чтобы отбирать респондентов из каждого кластера, вы случайным образом отбираете целые кластеры. В вашу окончательную выборку могут даже попасть все респонденты из каждого отобранного кластера. Если кластеры слишком большие, то можно осуществить отбор отдельных респондентов случайным образом. 

Исследователи, как правило, пользуются уже готовыми и доступными кластерами. Например, в качестве кластера можно использовать географические регионы, такие как города или области, а также учебные заведения или районы города. Кластерную выборку часто используют при опросе крупной общей совокупности, представители которой географически удалены друг от друга. Но при кластерной выборке повышается вероятность ошибок. Каждый кластер должен представлять всю совокупность, а убедиться в том, что это действительно так, не всегда возможно. 

Систематическая выборка в чем-то похожа на простую случайную выборку, но, как правило, ее проще сформировать. Каждому представителю совокупности присваивается номер. Отбор респондентов осуществляется через определенный интервал. (Ее также называют интервальной выборкой.) То есть из совокупности отбирается каждый n-ый респондент.

Например, ваша совокупность состоит из 1000 человек и вы решаете отобрать каждого 9-ого. Этот подход проще других, поскольку он более четкий и системный, чем, например, генератор случайных чисел. С другой стороны, выборка не настолько случайна, как была бы при использовании генератора. Здесь также важно убедиться в том, что в списке респондентов нет никаких закономерностей, которые могли бы повлиять на случайный отбор. Если существует риск манипулирования данными, выборка может оказаться искаженной, а значит, она будет непредставительной. 

Предположим, вы собираетесь опросить сотрудников в конкретной организации. У вас есть список всех сотрудников этой организации в алфавитном порядке. С помощью систематической выборки вы планируете отобрать каждого 4-го сотрудника. Если сотрудники в списке, помимо указания в алфавитном порядке, еще и разделены по отделам и должностям, в вашей выборке может оказаться слишком много или слишком мало сотрудников какого-то конкретного уровня.

Можно выделить несколько преимуществ вероятностной выборки. В целом такая выборка экономична, поскольку позволяет отобрать небольшую группу респондентов из всей целевой аудитории. Такой подход также выгодно использовать в случае, если представители вашей совокупности территориально рассредоточены. 

У каждого типа вероятностной выборки свои преимущества. Например, простая случайная выборка и систематическая выборка просты в осуществлении; стратифицированная выборка позволяет сократить количество систематических ошибок; кластерная выборка ограничивает вариативность в исследовании. Осуществление вероятностной выборки не требует специальных знаний, особенно при использовании гибкой платформы управления взаимодействием с клиентами. Стратифицированная и систематическая выборки позволяют максимально детализировать критерии отбора. В случае, когда поджимают сроки, лучше отдать предпочтение кластерной или простой случайной выборке. 

Но не бывает преимуществ без недостатков. Например, проведение максимально качественной выборки требует дополнительного изучения и затрат временных и других ресурсов. Кластеры в стратифицированной выборке могут одинаково представлять общую совокупность, но при этом не учитывать различий в ней. 

Кластерная выборка позволяет разделить группы на разные кластеры, но при этом некоторые характеристики в них могут совпадать. Простая случайная и вероятностная выборки помогут быстро получить результаты, в то время как кластерная и стратифицированная выборки могут оказаться менее таргетированными. 

Вероятностная выборка идеально подходит для количественных исследований, цель которых — использовать статистический анализ для формулирования выводов об общей совокупности. Исследователи пользуются этим методом для сбора репрезентативных данных в случае, если опрашивать всю совокупность дорого или затруднительно.

Вероятностная выборка часто используется в маркетинговых исследованиях для получения данных об общей совокупности. Например, с ее помощью можно провести следующие проекты:

Помимо отслеживания отраслей, изучения отношения покупателей и сбора информации о конкурентах, вероятностная выборка позволяет компаниям проверять новые идеи и расти с помощью данных, справедливых для всего их целевого рынка. 

Предположим, у одной американской сети кофеен 15 000 локаций по всей стране. Компания планирует расширить свою программу лояльности, добавив новые способы оплаты и возможность накопления баллов и получения вознаграждений для клиентов. Прежде чем вносить какие-либо масштабные изменения, компании необходимо узнать, как ее клиенты могут на них прореагировать. 

Провести опрос среди посетителей всех 15 000 кофеен физически невозможно. Логичнее для компании сформировать вероятностную выборку, которая будет представлять общую совокупность. Полученные ответы помогут понять, какого мнения клиенты сети о возможных обновлениях в программе лояльности. Кроме того, результаты опроса могут использовать не только сотрудники отдела маркетинга, но и представители службы поддержки для более эффективного обслуживания клиентов после обновления программы. Если же компания хочет убедиться в том, что выборка точно представляет подгруппы общей совокупности (например, пол, возраст и доход), она может воспользоваться определенными методами вероятностной выборки, например стратифицированной или кластерной выборкой. 

Пример выше отлично иллюстрирует, насколько вероятностную выборку удобно использовать при опросе довольно большой аудитории — в данном случае речь идет о посетителях тысяч кофеен. Чем больше размер вероятностной выборки, тем ниже вероятность ошибок, которые возникают в случае нерепрезентативной выборки. В целом случайная выборка помогает снизить вероятность ошибок благодаря системному, а не субъективному подходу.

Не стоит намеренно исключать респондентов из выборки. Также следует убедиться в том, что ни одна группа не оказалась случайно исключена из выборки.

Предположим, вы хотите изучить общественное мнение о новом расширенном иммиграционном законе. Собираетесь ли вы проводить опрос на нескольких языках? Логично было бы это сделать. Если вы проведете опрос только на одном языке, то не узнаете мнение тех, кто предпочитает в повседневной жизни говорить на другом языке, но чья позиция помогла бы в исследовании. Упустив мнение целой группы людей, вы получите искаженные результаты.

Если по какой-либо причине вы не даете шанса некоторым группам общей совокупности пройти опрос, ваша выборка автоматически становится нерепрезентативной, а значит, она не будет основана на методе вероятностного отбора.

Простая случайная выборка, стратифицированная выборка, кластерная выборка и систематическая выборка — все это примеры вероятностной выборки. С другой стороны, существует невероятностная выборка. Даже если вы решили использовать случайную выборку, вам будет полезно знать, что представляет собой невероятностная выборка и для чего ее используют. 

В случае невероятностной выборки у каждого представителя общей совокупности разные шансы попасть в выборку, и отбираются они неслучайным образом. У некоторых представителей вероятность попасть в выборку вообще равна нулю. Если цель вероятностной выборки — сделать выводы об общей совокупности, цель невероятностной выборки — провести поисковое или качественное исследование, для которого важно получить мнение людей с конкретным опытом. 

Предположим, вы изучаете использование людьми пандусов. Ваша целевая аудитория — люди, пользующиеся инвалидными колясками. У вас нет списка всех, кто пользуется инвалидной коляской, поэтому вы не сможете сформировать вероятностную выборку. Но вы познакомились с несколькими людьми, пользующимися инвалидными колясками, и они не только согласились принять участие в вашем исследовании, но и пообещали привлечь других. При таком методе невероятностной выборки, также называемом выборкой снежного кома, отбор респондентов производится неслучайно, но при этом у вас появляется шанс получить доступ к большему количеству респондентов.  

Как правило, формировать невероятностную выборку легче и дешевле, чем вероятностную, но при этом также увеличивается и риск ошибки. Причина в том, что отбор основывается на субъективном мнении исследователя, а не случайным образом. Кроме того, размер выборки и результаты опроса необязательно должны отражать всю совокупность. 

Из каких этапов состоит вероятностная выборка? На самом деле, все не так сложно. Главное — поставить четкие цели для опроса. При оценке разных методов отбора респондентов важно предварительно распланировать исследование и понять, какие результаты вам хотелось бы получить. 

Подумайте, каких респондентов вы хотели бы опросить, а каких — исключить из опроса.

В идеале аудитория опроса должна включать только тех респондентов, чье мнение вас интересует.

Вы хотите разделить аудиторию на кластеры или группы? Вы хотите, чтобы у каждого потенциального респондента были равные шансы попасть в выборку? Подумайте, какой метод подойдет именно в вашей ситуации с учетом типа проводимого исследования, участников вашей целевой аудитории и доступных ресурсов.

В зависимости от совокупности, выбранной вами для опроса, у вас могут возникнуть трудности с определением структуры выборки. Даже при наличии оптимальной структуры разработка идеальной стратегии может быть затруднена необходимостью выбора приоритетных параметров — стоимости, репрезентативности, качества и сроков осуществления.

Иногда возникает сложность и с получением ответов, если респондентов не интересует тема опроса или если они готовы пройти опрос только за вознаграждение за потраченное время. Формирование выборки также может занять много времени. Например, при самостоятельном проведении исследования рынка (без использования инструментов отбора респондентов случайным образом) формирование выборки крупного размера может отнять много времени и ресурсов. А это лишь один из этапов исследования. 

Большую часть этих проблем можно решить с помощью невероятностной выборки, которая, несмотря на название, также основывается на теории вероятностной выборки.

Если у вас неограниченные ресурсы или небольшая совокупность, вам необязательно использовать метод вероятностной выборки. Но в большинстве случаев вероятностная выборка позволит сэкономить время, деньги и избавит от ненужного беспокойства. Как правило, редко когда удается опросить всех целевых респондентов. Но вы всегда можете дать возможность каждому из них оказаться в выборке. Для этого и существует метод вероятностной выборки.

Отбирайте респондентов со всего мира с помощью SurveyMonkey Audience. Выберите подходящий для вас тарифный план.