Стратегии формирования вероятностных выборок

Главное требование вероятностной выборки — наличие рамки выборки.

Рамка выборки представляет собой список всех единиц популяции, из которой производится отбор. В тех случаях, когда исследователю удается составить полный список членов популяции и затем использовать его при составлении выборки, мы имеем дело с исчерпывающей рамкой выборки.

Представить исчерпывающую рамку можно, например, в случаях, когда исследуется отдельный школьный класс, рабочий коллектив, организация и т. п. — в этих случаях действительно возможно составить список всех индивидов, которые потенциально могут быть включены в выборку. Чаще, однако, психологи имеют дело с ситуациями, когда представить исчерпывающую рамку выборки невозможно либо чрезвычайно трудно (например, невозможно составить исчерпывающий список всех молодых людей от 18 до 25 лет в исследовании особенностей ценностных ориентаций современной молодежи; и крайне затратным будет предприятие по составлению списка всех приемных семей России, усыновивших детей за последние три года, в исследовании социальной ситуации развития детей в приемных семьях). Строго говоря, вероятностные выборки можно получить лишь тогда, когда есть исчерпывающая рамка выборки. Наиболее известные и распространенные процедуры составления вероятностной выборки следующие: простая случайная выборка, стратифицированная случайная выборка, многофазная кластерная (или гнездовая) выборка.

Простая случайная выборка предполагает, что каждый человек обладает известной вероятностью быть включенным в выборку. Для этого необходимо:

• 1) наличие исчерпывающей рамки выборки (т.е. список всех индивидов в популяции);
• 2) независимость включения в выборку каждого члена популяции от включения в нее других членов; это значит, что для конструирования выборки должна использоваться стандартная процедура, например, вытаскивание имен из шапки или, что лучше, использование таблицы случайных чисел^[1].

Обычно каждому индивиду в рамке выборки присваивается номер и затем в случайном порядке (например, при помощи таблицы случайных чисел) из всего списка отбирается такое количество индивидов, которое необходимо.

Простая случайная выборка может использоваться только в том случае, когда изучаемая популяция достаточно гомогенна, по крайней мере по отношению к тем переменным, которые могут оказывать влияние на результаты исследования. Чаще же исследователю необходимо составлять выборку из негомогенной популяции (индивиды отличаются по полу, возрасту, образованию и другим параметрам, которые могут существенно повлиять на результаты). Для составления выборки, репрезентирующей гетерогенную популяцию, применяется метод стратифицированной случайной выборки. Для нее необходимо:

• 1) наличие исчерпывающей рамки выборки;
• 2) представление о тех группах (стратах), которые включены в популяцию;
• 3) случайный отбор индивидов из разных страт с сохранением в выборке тех же пропорций групп, которые характерны для популяции.

Для составления стратифицированной случайной выборки очень важно провести анализ популяции и принять взвешенное решение о том, на какие именно группы ее делить. Случайный отбор из каждой группы производится с использованием тех же приемов, что и в случае составления простой случайной выборки.

Многофазная кластерная (или гнездовая) выборка используется в тех случаях, когда исчерпывающая рамка недостижима. Метод многофазной кластерной выборки позволяет создавать репрезентативную выборку без исчерпывающего списка популяции при наличии возможности разделить ее на кластеры (гнезда) в соответствии с тем или иным принципом. Таким образом, для создания многофазной кластерной выборки необходимо:

• 1) возможность разделения популяции на некоторое число относительно больших единиц (кластеров) так, чтобы эти кластеры образовывали определенную иерархию, при которой кластеры более высокого уровня включают в себя нижестоящие уровни; кластерная выборка решает проблему отсутствия исчерпывающей рамки всех членов популяции за счет того, что в ней сконструирована исчерпывающая рамка выборки для всех кластеров;
• 2) создание случайной выборки из выделенных кластеров высокого уровня, разделение их на ряд меньших единиц, создание случайной выборки из кластеров следующего уровня и т. д., вплоть до уровня индивидуальных участников, которые составят конечную выборку.

Например, нам надо создать выборку студентов российских вузов для исследования их представлений о профессиональном пути после окончания вуза. Мы очерчиваем список самых крупных кластеров — это могут быть российские регионы в соответствии с территориально-административным делением. Уже на этом этапе для составления окончательной выборки мы можем использовать не все регионы, а часть из них, отобранную в случайном порядке. Далее мы составляем список вузов в каждом из отобранных регионов, из которых снова выбираем некоторые в случайном порядке (здесь можно использовать и процедуру стратометрического случайного отбора, разбив все вузы на несколько страт, например по профилю вуза). В выбранных вузах составляем список факультетов, делаем случайный простой или стратометрический отбор нескольких из них, затем составляем список групп студентов, случайную выборку групп, в них определяем список студентов, из которого уже составляем случайную выборку тех, кто будет непосредственно участвовать в исследовании. Как можно видеть, используя метод многофазной кластерной выборки, исследователь двигается последовательно от кластеров более высокого уровня к кластерам более низкого уровня (в приведенном примере — от регионов к конкретным вузам, а затем к факультетам, группам и отдельным студентам). На каждом из этапов исследователь решает задачу определения необходимого количества элементов: сколько нужно выбрать регионов на первом этапе, чтобы в конечном счете получить репрезентативную для данной популяции выборку индивидов; сколько затем выбрать вузов и т. д. Г. М. Бреслав рекомендует на ранних этапах составлять настолько большую выборку, насколько это возможно, чтобы к последнему этапу осталась некоторая избыточность, которая погасила бы возможные потери информации при опросе отдельных индивидов (Бреслав, 2010, с. 79).

Вероятностные выборки в наибольшей степени отвечают задаче достижения репрезентативности выборки, более того, дают возможность оценить, в какой степени она достигнута. Использовать стратегии вероятностных выборок и добиваться максимально возможной репрезентативности очень важно в тех случаях, когда исследователю необходимо дать прогноз относительно поведения тех или иных групп (классический пример: прогнозы результатов политических выборов), описать особенности представлений, ценностных предпочтений и т. п. у членов одних групп или сообществ и их отличия от других. Однако в психологии, по сравнению, например, с социологией, не так много задач подобного рода, и во многих случаях достижение строгой репрезентативности выборки не является критически важным. Немало в психологии и таких исследований, когда вполне высокий уровень репрезентативности можно достигнуть, применяя не-вероятностные выборки (например, при изучении движения глаз, которые не зависят от пола, возраста, образования и т. п., можно набрать доступных исследователю людей, и с учетом исследуемого предмета такая выборка будет вполне репрезентативна). Как справедливо замечает Г. М. Бреслав (там же, с. 82), психологам часто приходится иметь дело с большими популяциями неопределенного размера, с огромным количеством варьирующих переменных, например «люди вообще». Затраты сил на стратегии вероятностных выборок в этих случаях будут абсолютно излишни, в то время как стратегии не-вероятностных выборок, напротив, окажутся наиболее разумным решением.

• [1] Таблицу случайных чисел вместе с инструкцией по ее применению можно найтив приложении к книге Г. М. Бреслава (2010), а также в интернете; см., например, материалС. Баума. URL: http://wvv.six-sigma.ru/indcx.php?id=266. Помимо использования таблицыслучайных чисел, С. Баум описывает метод перемешивания генеральной совокупностис помощью программы Microsoft Excel — это еще один возможный способ получить простуюслучайную выборку.