Стратифицированный отбор¶

Стратифицированный отбор (от лат. stratum — слой, настил) — это метод вероятностной (случайной) выборки, при котором генеральная совокупность предварительно разбивается на однородные непересекающиеся подгруппы (страты), после чего из каждой страты производится случайный отбор единиц в пропорции, соответствующей её доле в общей совокупности или с заданным объёмом. Основная цель метода — повышение точности оценок параметров генеральной совокупности за счёт уменьшения дисперсии выборки по сравнению с простым случайным отбором того же объёма.

¶История и происхождение

Идея стратификации восходит к работам по теории вероятностей и статистике XVIII—XIX веков. Одним из первых, кто формализовал принцип расслоения совокупности, был английский статистик Артур Боули (Arthur Bowley) в начале XX века. В 1930-х годах метод получил теоретическое обоснование в трудах Рональда Фишера (Ronald Fisher) и Джерзи Неймана (Jerzy Neyman), который разработал оптимальное размещение выборки по стратам (аллокация Неймана). В советской статистике стратифицированный отбор активно применялся с 1920-х годов при проведении сельскохозяйственных переписей и выборочных обследований бюджетов домохозяйств. В современной практике метод широко используется в социологии, маркетинге, демографии, эпидемиологии и государственной статистике.

¶Сущность метода

Стратифицированный отбор основан на принципе уменьшения вариации внутри страт. Если генеральная совокупность неоднородна (например, включает разные возрастные группы, регионы или доходные классы), то простой случайный отбор может дать смещённые оценки, особенно при малом объёме выборки. Разбиение на страты позволяет контролировать влияние мешающих факторов и гарантировать, что каждая подгруппа будет представлена в выборке пропорционально её реальной доле.

¶Основные этапы процедуры

1. Определение стратификационного признака — переменной, по которой совокупность делится на страты. Признак должен быть известен для всех единиц совокупности и коррелировать с изучаемым показателем (например, пол, возраст, регион проживания, тип поселения).
2. Разбиение на страты — создание непересекающихся подгрупп, которые внутри себя максимально однородны, а между собой — разнородны.
3. Определение объёма выборки из каждой страты — может быть пропорциональным (доля страты в выборке равна её доле в совокупности) или непропорциональным (оптимальным, когда объём страты зависит от вариации признака внутри неё).
4. Случайный отбор единиц внутри каждой страты — обычно с помощью простого случайного отбора или систематического отбора.
5. Расчёт общих оценок — средние по стратам взвешиваются по их долям в генеральной совокупности.

¶Классификация видов стратифицированного отбора

¶По способу размещения выборки по стратам

• Пропорциональный стратифицированный отбор — объём выборки из каждой страты пропорционален её доле в генеральной совокупности. Формула: \( n_h = n \cdot \frac{N_h}{N} \), где \( n_h \) — объём выборки из страты \( h \), \( n \) — общий объём выборки, \( N_h \) — численность страты, \( N \) — общая численность совокупности. Прост в реализации, но не учитывает разную вариацию внутри страт.
• Оптимальный (неймановский) стратифицированный отбор — объём выборки из страты пропорционален произведению её доли на стандартное отклонение признака внутри страты: \( n_h = n \cdot \frac{N_h \sigma_h}{\sum N_h \sigma_h} \), где \( \sigma_h \) — стандартное отклонение в страте \( h \). Позволяет минимизировать дисперсию оценки при заданном общем объёме выборки. Требует априорной информации о вариации внутри страт.
• Равномерный стратифицированный отбор — из каждой страты отбирается одинаковое количество единиц независимо от её размера. Используется редко, так как может приводить к смещению, если страты сильно различаются по численности.

¶По числу стратификационных признаков

• Одномерный — деление по одному признаку (например, только по полу).
• Многомерный — деление по двум и более признакам (например, пол × возраст × регион). Приводит к большому числу страт, что может усложнить расчёты и потребовать увеличения общего объёма выборки.

¶Преимущества и недостатки

¶Преимущества

• Повышение точности — при правильном выборе стратификационного признака дисперсия оценки среднего или доли в стратифицированной выборке меньше, чем при простом случайном отборе того же объёма.
• Гарантированная репрезентативность — каждая страта представлена в выборке, что особенно важно для изучения редких или малочисленных подгрупп (например, жители отдалённых регионов).
• Возможность анализа по подгруппам — отдельные оценки можно получить для каждой страты без дополнительного увеличения выборки.
• Снижение стоимости — при кластеризации страт по географическому признаку можно сократить расходы на сбор данных (например, опрашивать респондентов только в отобранных районах).

¶Недостатки

• Необходимость априорной информации — для разбиения на страты нужно знать распределение стратификационного признака во всей генеральной совокупности. Если эти данные неточны или устарели, стратификация может быть неэффективной.
• Сложность реализации — процедура требует больше организационных усилий, чем простой случайный отбор, особенно при многомерной стратификации.
• Риск избыточной стратификации — слишком большое число страт (более 10–20) может привести к тому, что некоторые из них будут содержать очень мало единиц, что снижает надёжность оценок.
• Необходимость взвешивания — при непропорциональном отборе для расчёта общих оценок требуется корректировка весов, что усложняет анализ.

¶Применение

¶В социологических и маркетинговых исследованиях

Стратифицированный отбор — стандартный метод при проведении опросов общественного мнения, особенно в России, где население неоднородно по региональным, возрастным и социально-экономическим признакам. Например, Всероссийский центр изучения общественного мнения (ВЦИОМ) использует стратифицированную выборку по типу поселения (город/село) и федеральным округам. В маркетинге метод применяется для изучения потребительских предпочтений в разных сегментах рынка (доход, возраст, география).

¶В государственной статистике

Росстат и другие статистические ведомства применяют стратифицированный отбор при проведении выборочных обследований населения (например, «Обследование рабочей силы», «Выборочное наблюдение доходов населения и участия в социальных программах»). Стратификация по региону, типу населённого пункта и полу позволяет получать надёжные оценки на уровне субъектов РФ.

¶В эпидемиологии и медицине

В клинических исследованиях и эпидемиологических опросах стратифицированный отбор используется для обеспечения представительности выборки по возрастным группам, полу, наличию сопутствующих заболеваний. Это позволяет уменьшить систематические ошибки при оценке распространённости заболеваний или эффективности лечения.

¶В образовании и психологии

При проведении стандартизированных тестов (например, ЕГЭ, PISA) стратифицированный отбор школ и учащихся по региону, типу школы (городская/сельская) и профилю обучения обеспечивает репрезентативность результатов.

¶Сравнение с другими методами отбора

¶Особенности применения в России

В российской практике стратифицированный отбор часто сочетается с многоступенчатым отбором (например, сначала отбор регионов, затем — населённых пунктов, затем — домохозяйств). Это связано с огромной территорией страны и сложностью доступа к отдалённым районам. При проведении опросов общественного мнения в РФ типичными стратификационными признаками являются: федеральный округ, тип поселения (город/село), пол, возрастная группа. Для повышения точности оценок на уровне регионов используется непропорциональное размещение с перевзвешиванием результатов.

¶Критика и ограничения

Основная критика метода связана с тем, что неправильный выбор стратификационного признака или его устаревшие данные могут не только не улучшить, но и ухудшить точность оценок. Кроме того, стратифицированный отбор не решает проблему систематических ошибок, связанных с отказом респондентов от участия в опросе (non-response bias). В таких случаях требуется дополнительная корректировка весов или использование методов импутации пропущенных данных. В некоторых исследованиях отмечается, что при очень большом числе страт (например, более 50) выигрыш в точности становится незначительным, а организационные затраты растут непропорционально.

¶Источники

• Кокрен У. Методы выборочного исследования. — М.: Статистика, 1976.
• Мандель И. Д. Кластерный анализ. — М.: Финансы и статистика, 1988.
• Лемешко Б. Ю., Постовалов С. Н. Статистические методы анализа данных. — Новосибирск: НГТУ, 2017.
• Федеральная служба государственной статистики (Росстат). Методологические положения по выборочным обследованиям населения. — М., 2020.
• Kish L. Survey Sampling. — New York: Wiley, 1965.