textarchive.ru

Главная > Методическое пособие


3.2Корректировка выборочных показателей.

Как было сказано выше, корректировка выборочных показателей является одним из способов повышения эффективности выборки.

В данном параграфе кратко проиллюстрируем принцип корректировки выборочных показателей. Корректировка применяется для повышения точности выборки при существующей методике отбора в выборочную совокупность. Это возможно только за счет привлечения дополнительной информации о генеральной совокупности за предыдущие периоды времени6.

Необходимо отметить, что исследователю важно не столько, чтобы средняя всех выборочных показателей была равна генеральному показателю (т.е. была несмещенной), сколько, чтобы стандартная ошибка (дисперсия) всех возможных выборок была наименьшей, т.е., чтобы риск ошибиться в отдельной выборке был как можно меньше [6, 35].

Следующий пример продемонстрирует возможность применения корректировки результатов выборки7.

Пример [6, 36-39]: Допустим, что нам необходимо выяснить средний доход на этот год. В качестве генеральной совокупности выступают 12 человек, представленные в таблице 3.

Таблица 3.

Распределение дохода гипотетических респондентов [6, стр.13].

Респондент.

Доход.

A.

1300

B.

6300

C.

3100

D.

2000

E.

3600

F.

2200

G.

1800

H.

2700

I

1500

J.

900

K.

4800

L.

1900

Общий доход.

32100

Средний доход.

2675

Пусть выборочная совокупность составляет 3 человека. Задача, таким образом, сводится к тому, чтобы по этим 3 людям оценить средний доход всей генеральной совокупности.

Допустим, что в нашу выборку, проведенную случайным методом, попали респонденты B,C,J. Средний доход в этом случае (равный 3433) оказывается намного выше аналогичного показателя в генеральной совокупности (2675). Это говорит о том, что в нашу выборку попали в основном богатые люди.

Применяя упомянутый принцип корректировки выборочных показателей, можно скорректировать результат расчета средней по случайной выборке. Для этого необходимо иметь информацию об уровне доходов за прошлый период (например, за прошлый год). Если предположить, что уровни доходов данного и предыдущего периодов коррелированы, то можно скорректировать выборочный показатель на показатель прошлого периода8.

Для этого нам необходимо знать средний доход всей генеральной совокупности за прошлый год и доходы респондентов B,C и J за прошлый год. Допустим, что эти доходы оказались соответственно 5500, 3500, 1200 (средняя соответственно = 3400), а генеральная средняя = 2883.

Корректировка, следовательно, будет выглядеть следующим образом:

2883*3433/3400 = 2911.

2911 и будет скорректированным средним доходом всей генеральной совокупности в этом году согласно рассматриваемому принципу корректировки выборочных показателей. Как видно, он гораздо более «похож» на истинное значение средней.

Данную операцию можно провести для всех возможных выборок из 3 человек и получить среднюю и ошибку выборки. Эти данные представлены в следующей таблице.

Таблица 4.

Показатели случайной выборки и скорректированные показатели.

Показатель.

Случайная выборка.

Скорректированные показатели.

Средняя.

2675

2658

Стандартная ошибка.

786

240

Как видно из таблицы, средняя скорректированных средних является смещенной (не совпадает с генеральной средней), но зато ошибка выборки намного меньше. Это значит, что шанс получить «хорошую» выборочную оценку повышается.

Однако необходимо отметить, что в данном случае корректировку можно применять только в случае сохранения структуры доходов за данный и предыдущий годы. В противном случае данный метод может дать искаженные результаты.

И здесь опять происходит знакомый парадокс. Дело в том, что для того, чтобы узнать, пропорционально или непропорционально изменилась эта структура, нам нужно иметь данные о генеральной совокупности за этот год. А это как раз то (и даже больше), что мы хотим выяснить нашим исследованием. Иными словами, мы не можем достоверно узнать, насколько связаны структуры доходов за данный и прошлый год. Мы можем только предполагать (на основании статистических данных за много лет и тому подобным показателям), что структура доходов не претерпела значительных изменений за год.

4.Выборочные методы с внедрением элемента неслучайности.

Итак, рассмотрев вкратце один из методов корректировки, можно перейти непосредственно к рассмотрению типов (модификаций) собственно случайного отбора.

Использование различных типов случайного отбора позволяет несколько сгладить некоторые из вышеупомянутых трудностей, возникающих при проведении собственно случайного отбора. Например, некоторые типы случайного отбора позволяют упростить организацию опроса, но главное – это то, что они увеличивают эффективность выборки.

Так при случайном отборе ошибка выборки контролируется только за счет изменения объема выборки. В рассматриваемых же нами типах случайного отбора эффективность выборки можно повысить за счет моделирования выборки без увеличения ее объема.

Под моделированием выборки понимается проведение случайного опроса с учетом информации о генеральной совокупности. Это означает, что по некоторым параметрам составляется модель генеральной совокупности для того, чтобы уже на стадии, предшествующей стадии случайного отбора, повысить соответствие этих параметров в выборке и генеральной совокупности9.

Однако модификации случайного отбора не могут преодолеть всех трудностей, связанных со случайной выборкой. Это связано с тем, что все они являются разновидностями именно случайного отбора и в них используется принцип случайности.

Из этого следует, что проводить любой случайный отбор невозможно без списка элементов генеральной совокупности. Более того, большинство типов случайного отбора приводят к тем же трудностям при организации опроса, что и при собственно случайной выборке. Главное, чего достигают эти модификации случайного отбора, так это увеличения точности выборки.

Однако при формальном сходстве с собственно случайной выборкой, любая ее вариация есть все же некоторое отклонение от принципа случайности. Эти отклонения могут приводить к систематическим ошибкам, которые невозможны при собственно случайной выборке. Теперь непосредственно перейдем к рассмотрению типов случайного отбора.

4.1Механическая выборка.

Наиболее близкой к собственно случайной выборке является механическая выборка. Однако даже она может приводить к систематическим ошибкам.

4.1.1Практическая реализация.

Проведение механической выборки требует список характеристик респондентов (фамилии, адреса, телефоны и т.д.). Из этого списка через равные промежутки люди отбираются в выборку. Этот промежуток называется шагом выборки.

[3, 19], где

N – объем генеральной совокупности

n – объем выборочной совокупности.

Начало отбора выбирается случайным образом в пределах шага выборки. Например, если шаг выборки равен 20, то начинать отбор надо с любого числа от 1 до 20.

4.1.2Вычисление ошибки выборки.

При определении ошибки репрезентативности используются те же формулы, что и при случайной выборке.

4.1.3Определение объема выборки.

Как следствие, при определении объема выборки так же используются те же формулы, что и при случайной выборке.

4.1.4Плюсы и минусы механического отбора.

Процедура проведения механической выборки менее громоздка, чем проведение случайной выборки. Хотя применение компьютеров практически нивелирует это преимущество.

Механическая выборка может быть как более точной, так и менее точной по сравнению со случайной выборкой. Это продемонстрирует следующий пример.

Пример: [6, 51-52].Воспользуемся данными таблицы 1. Из всех респондентов проведем механическую выборку путем отбора каждого четвертого респондента, начиная с первого. В таблице 5 представлены четыре возможные выборки.

Таблица 5.

Возможные выборки при механическом отборе.

группы.

Респонденты, попавшие в группу.

1.

A,E,I.

2.

B,F,J.

3.

C,G,K.

4.

D,H,L.

Если посчитать стандартное отклонение для этих четырех выборок и для всех возможных выборок при случайном отборе, то механическая выборка окажется точнее (510 против 786)10.

Если же отбирать каждого третьего человека, то число возможных выборок окажется равным трем. Они представлены в следующей таблице.

Таблица 6.

Возможные выборки при механическом отборе.

группы.

Респонденты, попавшие в группу.

1.

A,D,G,J.

2.

B,E,H,K.

3.

C,F,I,L.

Здесь механическая выборка оказывается менее точной, чем случайная (1216 против 642).

Механическая выборка может обнаружить систему, что может привести к систематическим ошибкам. Возможности допущения систематической ошибки проиллюстрированы следующими примерами.

Пример: Если неправильно выбрать шаг выборки, то можно получить серьезные искажения полученных результатов. Например, если мы имеем список жителей г. Москвы в алфавитном порядке, то маленький шаг выборки приведет к перебору людей с фамилиями, начинающимися на букву «А» если мы начинаем отбор с начала списка. А если принять во внимание, что среди армян часто встречаются фамилии, начинающиеся на букву «А», то налицо смещение выборки (т.е. число армян в выборке будет завышенным).

Отсюда следует, что шаг выборки нельзя брать произвольно, а надо рассчитывать по указанной выше формуле. В нашем случае это обеспечит пропорциональное попадание в выборку людей с фамилиями, начинающимися на любую букву. Однако даже при правильно рассчитанном шаге выборки нельзя гарантировать невозможность систематической ошибки, т.к. уже в одной процедуре механического отбора заложена система. Это проиллюстрирует следующий пример.

Пример: Например, у нас есть списки всех жителей какого-то города по избирательным участкам. Тогда, делая механическую выборку из каждого списка, мы опять набираем слишком много людей с фамилией на букву «А», т.к. по обыкновению начинаем отбор с начала списка. [2, 169].

Чтобы исправить это обстоятельство, необходимо четко определить начало отбора на каждом избирательном участке. Начало отбора, например, может быть рассчитано по формуле: (к+6)/7, где к-номер избирательного участка (в данном примере от 1 до 700).

Таким образом, по мере роста номера избирательного участка, начало отбора будет сдвигаться «вглубь» списка.

Пример: Допустим, мы имеем город, состоящий из микрорайонов, и у нас есть адреса жителей микрорайонов, причем в списках адреса упорядочены по микрорайонам. Вроде бы ничто не мешает нам сделать механическую выборку.

Однако если предположить, что микрорайоны неоднородны (состоят из центра с элитными квартирами и окраин), объем выборки не очень большой и микрорайоны невелики, то механический отбор может привести к систематической ошибке.

При таких допущениях шаг выборки может «перескакивать» из центрального адреса одного микрорайона в центральный адрес другого, что приведет к тому, что в выборку попадут лишь состоятельные люди (возможен и противоположный вариант).

Из этого следует основной вывод о том, что при отклонении от принципа случайности необходимо четко отслеживать любую возможность возникновения систематической ошибки.

4.2Стратифицированная (районированная) выборка.

4.2.1Практическая реализация.

При проведении стратифицированного отбора, генеральная совокупность сначала разбивается на группы (страты) по какому-либо признаку. Далее уже в этих выделенных группах проводится случайная или механическая выборка.

Стратифицированная выборка может быть пропорциональной объему группы (в этом случае каждая страта имеет одинаковую долю в выборке) или непропорциональной (в этом случае доля страты в выборке зависит от доли этой страты в генеральной совокупности); также она может проводиться пропорционально колебанию признака в группах11.

Например, всех представителей генеральной совокупности можно разделить по полу, и затем провести случайный отбор среди мужчин и женщин.

Если мы отберем 50% мужчин и 50% женщин, то это будет пропорциональный отбор. В данном случае мы исходим из того, что мужчин и женщин в генеральной совокупности примерно поровну, а большей точности для нашего исследования не требуется.

Если же мы отберем такой же процент мужчин и женщин, как в генеральной совокупности (например, 49% мужчин и 51% женщин), то это будет непропорциональный отбор.

А если мы знаем, что рассматриваемый нами признак (например, количество выкуриваемых за день сигарет), среди мужчин колеблется несильно, т.е. среди мужчин достаточно мало совсем не курящих и злостных курильщиков, в то время как у женщин наблюдается обратная ситуация, то, чтобы добиться необходимой точности оценки количества выкуриваемых за день сигарет при тех же затратах на проведение опроса, можно опросить меньше мужчин, и за счет этого увеличить число опрашиваемых женщин. Это делается потому, что в данном случае получить оценку количества выкуриваемых за день сигарет у женщин с необходимой точностью является более трудной задачей (из-за сильного колебания признака), чем для мужчин. Этот пример - иллюстрация отбора пропорционально колебанию признака в группах.

4.2.2Вычисление ошибки выборки.

Формулы для расчета ошибки репрезентативности при пропорциональном стратифицированном отборе даны в таблице 7.

Таблица 7.

Формулы ошибки репрезентативности для стратифицированной выборки (пропорциональный отбор). [3, 22]

Предмет изучения.

Повторный отбор.

Бесповторный отбор.

Среднее значение признака.

Доля признака.

Где:

- средняя из внутригрупповых дисперсий, где - дисперсия в группе i, а - численность группы i.

- средняя величина доли признака,

- доля признака в группе i,

Ясно, что доверительный интервал при стратифицированной выборке будет меньше (выборка точней), чем при случайной выборке, т.к. средняя из внутригрупповых дисперсий меньше общей дисперсии12.

Строгое математическое доказательство того, почему при стратифицированной выборке мы имеем право вместо общей дисперсии ставить среднюю внутригрупповых дисперсий и тем самым уменьшать величину доверительного интервала при сохранении той же надежности, можно найти в [5, 104-107].

На «качественном» же уровне можно сказать следующее. Если представить доверительный интервал как дисперсию средней или как ошибку оценки этой средней (), то при стратифицированном отборе эта ошибка оценки может быть выражена как «взвешенное среднее ошибок, сделанных при оценивании по отдельным слоям» [5, 106], что и будет средней из внутригрупповых дисперсий.

То есть нам достаточно обеспечить несмещенную оценку всех групповых средних, чтобы обеспечить несмещенную оценку общей средней. А точность оценки групповых средних зависит только от дисперсии внутри наших групп и количества опрошенных.

Другая составляющая общей дисперсии (межгрупповая дисперсия) не играет здесь никакой роли, т.к. если мы обеспечим попадание групповых средних в свои доверительные интервалы (которые зависят от внутригрупповых дисперсий), то мы автоматически добиваемся попадания общей средней в свой доверительный интервал.

Иными словами, за счет моделирования выборки мы «покрываем» межгрупповую дисперсию (исключаем возможность случайной ошибки в оценке межгрупповой дисперсии). Если же наше конструирование не будет соответствовать реальности, либо группы в самой генеральной совокупности окажутся размытыми13, то величина межгрупповой дисперсии будет минимальной, что сводит на нет преимущества стратифицированной выборки.

Таким образом, получаем, что дисперсия средней и, значит, величина доверительного интервала зависит лишь от внутригрупповых дисперсий.

При пропорциональном отборе вместо общей дисперсии берется средняя внутригрупповых дисперсий, а при непропорциональном отборе – сумма взвешенных по объему всей генеральной совокупности внутригрупповых дисперсий.

Теперь перейдем к непропорциональной выборке, т.е. выборке с неодинаковой удельной долей страт. В следующей таблице даны формулы ошибки репрезентативности для такой выборки.

Таблица 8.

Формулы ошибки репрезентативности для стратифицированной выборки (непропорциональный отбор). [3, 24]

Предмет изучения.

Повторный отбор.

Бесповторный отбор.

Среднее значение признака.

Доля признака.

Где:

- объем страты в генеральной совокупности.

- объем страты в выборке.

Как видно из формул, при непропорциональном отборе вместо средней внутригрупповых дисперсий берется сумма взвешенных по объему генеральной совокупности внутригрупповых дисперсий.

Стратифицированная выборка может проводиться пропорционально дисперсии признака в группах. Формулы ошибки репрезентативности для этого случая представлены в таблице 9.

Таблица 9.

Формулы ошибки репрезентативности для стратифицированной выборки (пропорционально колеблемости признака в группах). [3, 26]

Предмет изучения.

Повторный отбор.

Бесповторный отбор.

Среднее значение признака.

Доля признака.

Эти формулы являются просто преобразованными формулами ошибки репрезентативности для непропорционального отбора. Преобразование производится путем подстановки вместо выражения, которое будет представлено немного ниже.



Скачать документ

Похожие документы:

  1. Выборка Выборочный метод в социологии

    Документ
    Выборка. Выборочныйметод в социологии. Генеральная и выборочная совокупности. Генеральная совокупность – множество всех ... это уже большинство) Методы отбора в выборочном исследовании Случайный метод отбора Простой случайный отбор ...
  2. Социология том 1 методология и история социологии

    Учебники и учебные пособия
    ... математических методов в социологии. Контролирование репрезентативности - сравнение средних генеральной и выборочной совокупностей, ... 1968. Королев Ю.Т. Выборочныйметод в социологии. М., 1975. Кравченко А.И. Прикладная социология и менеджмент: Учеб. ...
  3. социология учебник

    Список учебников
    ... : Наукова думка, 1968. Королев Ю.Т. Выборочныйметод в социологии. — М., 1975. Кравченко А.И. Прикладная социология и менеджмент: Учеб. пособие ...
  4. Методы сбора и анализа маркетинговых данных

    Программа дисциплины
    ... . Глубинное интервью 20 Тема 14. Выборочныйметод в социологии 20 Тема 15. Математико-статистические ... . Sage, 1988. Тема 14. Выборочныйметод в социологии Генеральная и выборочная совокупности. Основные виды выборки. Ошибки ...
  5. СОЦИОЛОГИЯ Учебно-методическое пособие по самостоятельной работе для студентов всех специальностей

    Учебно-методическое пособие
    ... . Социологическое наблюдение. Эксперимент в социологическом исследовании. Выборочныйметод в социологии. Анализ документов. Контент-анализ. Обработка ...

Другие похожие документы..