Выборка

Выборка — это подмножество элементов генеральной совокупности, отобранное для изучения с целью получения информации обо всей совокупности в целом. Выборка является основным инструментом статистического исследования, когда полное обследование всех элементов генеральной совокупности (сплошное наблюдение) невозможно, нецелесообразно или слишком затратно. Ключевое свойство качественной выборки — репрезентативность, то есть способность адекватно отражать структуру и свойства генеральной совокупности.

Понятие и основные термины

В теории статистического наблюдения используются следующие ключевые понятия:

• Генеральная совокупность — множество всех объектов (единиц), обладающих изучаемым признаком, относительно которых делаются выводы. Может быть конечной (например, все жители города) или бесконечной (например, все возможные результаты измерения физической величины).
• Выборочная совокупность (выборка) — часть генеральной совокупности, отобранная по определённым правилам и непосредственно подвергаемая исследованию.
• Единица отбора — элемент генеральной совокупности, который может быть отобран на каждом этапе формирования выборки.
• Единица наблюдения — элемент, с которого непосредственно снимаются данные. В простых выборках единица отбора и единица наблюдения совпадают.
• Объём выборки (n) — количество единиц, включённых в выборочную совокупность.
• Репрезентативность — свойство выборки, при котором её основные статистические характеристики (среднее, дисперсия, распределение) с заданной точностью соответствуют аналогичным характеристикам генеральной совокупности.

История развития

Идея выборочного метода восходит к древности. Первые известные примеры связаны с оценкой урожая или численности населения. В XVII—XVIII веках, с развитием теории вероятностей, появились математические основы для оценки точности выборки. Джон Граунт в 1662 году использовал выборочные данные для анализа смертности в Лондоне.

В XIX веке Пьер-Симон Лаплас предложил метод выборки для оценки численности населения Франции. Однако систематическое применение выборочного метода в статистике началось лишь в начале XX века. Ключевую роль сыграли работы:

• Александр Чупров и Анри Пуанкаре заложили теоретические основы.
• Джерзи Нейман в 1930-х годах разработал теорию доверительных интервалов и стратифицированной выборки.
• Рональд Фишер внёс фундаментальный вклад в планирование эксперимента и методы малых выборок.

В СССР и России выборочный метод активно применялся с 1920-х годов для государственной статистики, в частности, для обследований бюджетов домохозяйств и сельского хозяйства. После Второй мировой войны выборочные методы стали стандартом в социологии, маркетинге, медицине и других областях.

Классификация выборок

Выборки делятся на два основных класса: вероятностные (случайные) и невероятностные.

Вероятностные (случайные) выборки

Вероятностные выборки основаны на принципе случайности: каждый элемент генеральной совокупности имеет известную, ненулевую вероятность попасть в выборку. Это обеспечивает возможность математической оценки ошибки выборки и распространения выводов на всю совокупность.

1. Простая случайная выборка — каждый элемент отбирается независимо и с равной вероятностью. Реализуется с помощью таблиц или генераторов случайных чисел.
2. Систематическая (механическая) выборка — элементы отбираются с постоянным шагом (интервалом) из упорядоченного списка генеральной совокупности. Например, каждый 10-й элемент.
3. Стратифицированная (районированная) выборка — генеральная совокупность делится на непересекающиеся группы (страты) по какому-либо признаку (пол, возраст, регион), а затем из каждой страты производится случайная выборка. Повышает точность при неоднородной совокупности.
4. Кластерная (гнездовая) выборка — генеральная совокупность делится на естественные группы (кластеры — школы, избирательные участки, кварталы), из которых случайным образом отбираются несколько кластеров, а затем обследуются все или часть элементов внутри отобранных кластеров. Эффективна при географической разбросанности.
5. Многоступенчатая выборка — отбор производится в несколько этапов, на каждом из которых используются разные методы. Например, сначала отбираются регионы, затем в них — города, затем — улицы, затем — дома.

Невероятностные выборки

Невероятностные выборки не основаны на случайном отборе, поэтому их репрезентативность не гарантируется и не может быть оценена математически. Используются в разведочных исследованиях, при отсутствии полного списка генеральной совокупности или в качественных исследованиях.

1. Квотная выборка — исследователь формирует выборку, соблюдая пропорции по заданным квотам (пол, возраст, образование), но отбор внутри квот произволен. Распространена в опросах общественного мнения.
2. Стихийная выборка — доступные респонденты, которые соглашаются участвовать. Примеры: опросы на улице, интернет-опросы без контроля.
3. Выборка «снежного кома» — каждый респондент рекомендует следующего. Используется для изучения труднодоступных групп (наркоманы, бездомные, представители редких профессий).
4. Целевая (экспертная) выборка — отбор наиболее типичных или информативных единиц на основе суждения исследователя.

Методы отбора и ошибки выборки

Методы отбора

• Повторный отбор — каждый отобранный элемент после регистрации возвращается в генеральную совокупность и может быть отобран снова.
• Бесповторный отбор — отобранный элемент не возвращается в совокупность. В большинстве реальных исследований используется бесповторный отбор.

Ошибки выборки

Различают два типа ошибок:

1. Систематические ошибки — смещение, возникающее из-за нарушения принципов отбора, неполноты списка генеральной совокупности, отказа от участия, неверного инструментария. Не уменьшаются с ростом объёма выборки.
2. Случайные ошибки — статистические колебания, вызванные тем, что исследуется не вся совокупность, а её часть. Случайная ошибка уменьшается с увеличением объёма выборки и может быть оценена математически.

Средняя ошибка выборки (стандартная ошибка) — мера разброса выборочных оценок. Для средней арифметической при повторном отборе вычисляется по формуле: \( \mu = \frac{\sigma}{\sqrt{n}} \), где \( \sigma \) — стандартное отклонение в генеральной совокупности, \( n \) — объём выборки. На практике \( \sigma \) часто заменяется выборочным стандартным отклонением.

Предельная ошибка выборки — максимальное возможное отклонение выборочной характеристики от генеральной с заданной вероятностью (уровнем доверия). Вычисляется как \( \Delta = t \cdot \mu \), где \( t \) — коэффициент доверия (для вероятности 0,95 \( t \approx 1,96 \); для 0,99 \( t \approx 2,58 \)).

Определение объёма выборки

Объём выборки зависит от:

• заданной точности (предельной ошибки);
• требуемого уровня доверия;
• вариации признака в генеральной совокупности;
• метода отбора (повторный/бесповторный);
• объёма самой генеральной совокупности (при малых совокупностях).

Для простой случайной выборки при повторном отборе объём рассчитывается по формуле: \( n = \frac{t^2 \cdot \sigma^2}{\Delta^2} \). На практике часто используют таблицы или программные калькуляторы. Для большинства социологических опросов в России объём выборки составляет от 600 до 2000 респондентов, что обеспечивает погрешность в 2–4 % при 95%-м уровне доверия.

Применение в различных областях

Выборочный метод применяется повсеместно:

• Социология и маркетинг — опросы общественного мнения, изучение потребительских предпочтений, рейтинги.
• Медицина — клинические испытания лекарств, эпидемиологические исследования, оценка эффективности лечения.
• Государственная статистика — выборочные обследования населения (доходы, занятость, расходы), переписи (с использованием выборочного контроля), сельскохозяйственные переписи.
• Производство и контроль качества — выборочный контроль партий продукции, статистическое управление процессами.
• Экология — оценка загрязнения, численности популяций, биоразнообразия.
• Психология и педагогика — тестирование, экспериментальные исследования.

Критика и ограничения

Основные ограничения выборочного метода:

• Необходимость репрезентативности — любое смещение (неполный охват, отказ от участия, неверная квота) делает выводы необоснованными.
• Зависимость от объёма — малые выборки дают ненадёжные результаты, особенно при высокой вариации признака.
• Сложность оценки — для невероятностных выборок математическая оценка ошибки невозможна.
• Эффект «отказников» — систематическое смещение из-за нежелания части респондентов участвовать (например, в телефонных опросах).
• Проблема «скрытых» совокупностей — труднодоступные группы (бездомные, нелегальные мигранты) сложно представить в выборке.

В России и других странах существуют государственные стандарты и методики, регламентирующие проведение выборочных обследований (например, Росстат использует многоступенчатые стратифицированные выборки для обследований населения). При этом любое исследование, претендующее на научную обоснованность, должно явно указывать метод формирования выборки, её объём и оценку погрешности.

Источники

1. Кокрен У. Методы выборочного исследования. — М.: Статистика, 1976.
2. Громыко Г.Л. Теория статистики. — М.: ИНФРА-М, 2010.
3. Ядов В.А. Стратегия социологического исследования. — М.: Омега-Л, 2007.
4. Лемешко Б.Ю. Статистический анализ данных. — Новосибирск: НГТУ, 2013.
5. Федеральная служба государственной статистики (Росстат). Методологические положения по статистике. — М., 2008–2024.