სასწავლო მიზნები

1. ნათელია განასხვავებენ აღწერის (კვალიფიკაციის) და შერჩევის ცნებებს.
   
2. იცოდეთ მკვლევარების მიერ განხორციელებული ექვსი ეტაპის არსი და თანმიმდევრობა ნიმუშის პოპულაციის მისაღებად.
   
3. განვსაზღვროთ ცნება „შერჩევის ჩარჩო“.
   
4. ახსენით განსხვავება ალბათურ და დეტერმინისტულ შერჩევას შორის.
   
5. განასხვავებენ ფიქსირებული ზომის შერჩევისა და მრავალსაფეხურიანი (თანმიმდევრული) შერჩევას.
   
6. ახსენით რა არის მიზანმიმართული შერჩევა და აღწერეთ მისი ძლიერი და სუსტი მხარეები.
   
7. განსაზღვრეთ კვოტის შერჩევის ცნება.
   
8. ახსენით რა არის პარამეტრი შერჩევის პროცედურაში.
   
9. ახსენით რა არის წარმოებული სიმრავლე.
   
10. ახსენით, რატომ არის შერჩევის განაწილების კონცეფცია სტატისტიკის ყველაზე მნიშვნელოვანი კონცეფცია.

ამრიგად, მკვლევარმა ზუსტად განსაზღვრა პრობლემა და უზრუნველყო შესაბამისი კვლევის დიზაინი და მონაცემთა შეგროვების ინსტრუმენტები მის გადასაჭრელად. კვლევის პროცესში შემდეგი ნაბიჯი უნდა იყოს შესასწავლი ელემენტების შერჩევა. შესაძლებელია მოცემული მოსახლეობის თითოეული ელემენტის გამოკვლევა ამ მოსახლეობის სრული აღწერით. მოსახლეობის სრულ გამოკითხვას აღწერა (კვალიფიკაცია) ეწოდება. არის კიდევ ერთი შესაძლებლობა. მოსახლეობის გარკვეული ნაწილი, დიდი ჯგუფის ელემენტების ნიმუში, ექვემდებარება სტატისტიკურ გამოკვლევას და ამ ქვეჯგუფზე მიღებული მონაცემების მიხედვით, გარკვეული დასკვნები კეთდება მთელ ჯგუფთან დაკავშირებით. ნიმუშის მონაცემებიდან მიღებული შედეგების დიდ ჯგუფზე განზოგადების უნარი დამოკიდებულია იმაზე, თუ რა მეთოდით იქნა აღებული ნიმუში. ამ თავის დიდი ნაწილი დაეთმობა იმას, თუ როგორ და რატომ უნდა იყოს შედგენილი ნიმუში.

აღწერა (კვალიფიკაცია)
მოსახლეობის (მოსახლეობის) სრული აღწერა.
ნიმუში
ობიექტების უფრო დიდი ჯგუფის ქვეჯგუფის ელემენტების კოლექცია.

ცნება „მოსახლეობა“ ან „კოლექცია“ შეიძლება ეხებოდეს არა მხოლოდ ადამიანებს, არამედ ფირმებს, რომლებიც მუშაობენ წარმოების ინდუსტრიაში, საცალო ან საბითუმო მოვაჭრეებზე, ან თუნდაც სრულიად უსულო საგნებზე, როგორიცაა საწარმოს მიერ წარმოებული ნაწილები; ეს კონცეფცია განისაზღვრება, როგორც ელემენტების მთელი ნაკრები, რომელიც აკმაყოფილებს გარკვეულ მოცემულ პირობებს. ეს პირობები ცალსახად განსაზღვრავს როგორც ელემენტებს, რომლებიც მიეკუთვნება სამიზნე ჯგუფს, ასევე იმ ელემენტებს, რომლებიც უნდა გამოირიცხოს განხილვისგან.

კვლევა, რომელიც მიზნად ისახავს გაყინული პიცის მომხმარებელთა დემოგრაფიული პროფილის დადგენას, უნდა დაიწყოს იმით, თუ ვინ უნდა იყოს კლასიფიცირებული და არა, როგორც ასეთი. ამ კატეგორიას განეკუთვნებიან ადამიანები, ვინც ერთხელ მაინც სცადა ასეთი პიცა? პირები, რომლებიც ყიდულობენ თვეში მინიმუმ ერთ პიცას? კვირაში? პირები, რომლებიც მიირთმევენ პიცას გარკვეულ მინიმალურ რაოდენობაზე მეტს თვეში? მკვლევარი ძალიან ზუსტი უნდა იყოს სამიზნე ჯგუფის განსაზღვრისას. ასევე ყურადღება უნდა მიექცეს იმას, რომ ნიმუში შედგენილი იყოს სამიზნე პოპულაციისგან და არა „ზოგიერთი“ პოპულაციისგან, რაც ხდება მაშინ, როდესაც შერჩევის ჩარჩო არაადეკვატური ან არასრულია. ეს უკანასკნელი არის ელემენტების ჩამონათვალი, საიდანაც ჩამოყალიბდება რეალური ნიმუში.

მკვლევარს შეუძლია მთელი პოპულაციის გამოკითხვას შერჩევის მიდგომა ამჯობინოს რამდენიმე მიზეზის გამო. პირველი, მოსახლეობის სრული გამოკვლევა, თუნდაც შედარებით მცირე ზომის, მოითხოვს ძალიან დიდ მატერიალურ და დროს ხარჯებს. ხშირად, როდესაც აღწერის დასრულება და მონაცემების დამუშავება ხდება, ინფორმაცია უკვე მოძველებულია. ზოგიერთ შემთხვევაში კვალიფიკაცია უბრალოდ შეუძლებელია. დავუშვათ, მკვლევარებმა დაიწყეს შეამოწმონ ელექტრო ინკანდესენტური ნათურების ფაქტობრივი მომსახურების ვადის შესაბამისობა გამოთვლილთან, რისთვისაც მათ უნდა გააჩერონ ისინი მანამ, სანამ არ გამოდგება. თუ ამ გზით შეისწავლით ნათურების მთელ მარაგს, მიიღებთ საიმედო მონაცემებს, მაგრამ ვაჭრობა არაფერი იქნება.

დაბოლოს, დამწყებთათვის გასაოცრად, მკვლევარმა შეიძლება ამჯობინოს შერჩევის აღება აღწერის, შედეგების სიზუსტისთვის. აღწერები მოითხოვს დიდ პერსონალს, რაც ზრდის მიკერძოებული (არაშერჩევითი) შეცდომების ალბათობას. ეს გარემოება არის ერთ-ერთი მიზეზი, რის გამოც აშშ-ს აღწერის ბიურო იყენებს ნიმუშების გამოკითხვებს სხვადასხვა სახის აღწერების სიზუსტის შესამოწმებლად. სწორად წაიკითხეთ: საკვალიფიკაციო მონაცემების სიზუსტის შესამოწმებლად შეიძლება ჩატარდეს ნიმუშის გამოკითხვები.

დიზაინის ნაბიჯების ნიმუში

ნახ. სურათი 15.1 გვიჩვენებს ექვსსაფეხურიან თანმიმდევრობას, რომელიც მკვლევარს შეუძლია დაიცვას ნიმუშის დიზაინის დროს. უპირველეს ყოვლისა, აუცილებელია განისაზღვროს სამიზნე პოპულაცია ან ელემენტების ნაკრები, რომლის შესახებაც მკვლევარს სურს რაღაცის ცოდნა.

მაგალითად, ბავშვების პრეფერენციების შესწავლისას მკვლევარებმა უნდა გადაწყვიტონ, სამიზნე პოპულაცია შედგება მხოლოდ ბავშვებისგან, მხოლოდ მშობლებისგან თუ ორივესგან.

აგრეგატი (მოსახლეობა)
ელემენტების ნაკრები, რომლებიც აკმაყოფილებენ გარკვეულ პირობებს.
ნიმუშის ჩარჩო (ბაზა)
ელემენტების სია, საიდანაც მოხდება შერჩევა; შეიძლება შედგებოდეს ტერიტორიული ერთეულებისგან, ორგანიზაციებისგან, პირებისგან და სხვა ელემენტებისაგან.

გარკვეულმა კომპანიამ თავისი ელექტრო „რბოლები“ ​​მხოლოდ ბავშვებზე გამოსცადა. ბავშვები სრულიად აღფრთოვანებულები იყვნენ. მშობლები განსხვავებულად რეაგირებდნენ სიახლეზე. დედებს არ მოსწონდათ ის ფაქტი, რომ მგზავრობა არ ასწავლიდა ბავშვებს მანქანის მეგობრობას, ხოლო მამებს არ მოსწონდათ ის ფაქტი, რომ პროდუქტი სათამაშოსავით იყო დამზადებული.
საპირისპირო სიტუაციაც შესაძლებელია. ფირმამ გამოუშვა ახალი საკვები პროდუქტი და წამოიწყო სარეკლამო კამპანია მთელი ქვეყნის მასშტაბით, რომელიც ფოკუსირებული იყო ნაადრევ ბავშვზე, ფირმამ რეკლამების ეფექტურობა მხოლოდ აღფრთოვანებულ დედებზე გამოსცადა. ბავშვებს კი ეს „აჩქარება“ და მასთან ერთად თავად რეკლამირებული პროდუქტი ამაზრზენად მიაჩნიათ. პროდუქტი დასრულდა 1 .

მკვლევარმა უნდა გადაწყვიტოს, თუ ვისი ან რისგან შედგება შესაბამისი პოპულაცია: ინდივიდები, ოჯახები, ფირმები, სხვა ორგანიზაციები, საკრედიტო ბარათით გარიგებები და ა.შ. ასეთი გადაწყვეტილების მიღებისას აუცილებელია განისაზღვროს ის ელემენტები, რომლებიც უნდა გამოირიცხოს პოპულაციებიდან. უნდა მოხდეს ელემენტების როგორც დროითი, ასევე გეოგრაფიული მითითება, რაც ზოგიერთ შემთხვევაში შეიძლება დაექვემდებაროს დამატებით პირობებს ან შეზღუდვებს. მაგალითად, თუ ვსაუბრობთ ინდივიდებზე, სასურველი პოპულაცია შეიძლება შედგებოდეს მხოლოდ 18 წელზე უფროსი ასაკის პირებისგან, ან მხოლოდ ქალებისაგან, ან მხოლოდ საშუალო განათლების მქონე პირებისგან.

საერთაშორისო მარკეტინგულ კვლევაში სამიზნე პოპულაციისთვის გეოგრაფიული საზღვრების განსაზღვრის ამოცანა შეიძლება იყოს განსაკუთრებული პრობლემა, ვინაიდან ეს ზრდის განსახილველი სისტემის ჰეტეროგენულობას. მაგალითად, ურბანული და სოფლის ფარდობითი თანაფარდობა შეიძლება მნიშვნელოვნად განსხვავდებოდეს ქვეყნიდან ქვეყანაში. ტერიტორიული ასპექტი სერიოზულ გავლენას ახდენს მოსახლეობის შემადგენლობაზე და იმავე ქვეყნის შიგნით. მაგალითად, ჩილეს ჩრდილოეთით, ძირითადად ინდოელი მოსახლეობა კომპაქტურად ცხოვრობს, ხოლო ქვეყნის სამხრეთ რეგიონებში ძირითადად ევროპელების შთამომავლები ცხოვრობენ.

გაშუქება (ინციდენტი)
პოპულაციის ან ჯგუფის წევრთა პროცენტი, რომლებიც აკმაყოფილებენ ნიმუშში ჩართვის პირობებს.

ზოგადად, რაც უფრო მარტივია სამიზნე პოპულაციის განსაზღვრა, მით უფრო მაღალია მისი დაფარვა (სიხშირე) და უფრო ადვილი და იაფია შერჩევის პროცედურა. გაშუქება (ინციდენტი)შეესაბამება პოპულაციის ან ჯგუფის ელემენტების პროპორციას, გამოხატული პროცენტულად, რომელიც აკმაყოფილებს ნიმუშში ჩართვის პირობებს. დაფარვა პირდაპირ გავლენას ახდენს გამოკითხვის ჩასატარებლად საჭირო დროსა და მატერიალურ ხარჯებზე. თუ დაფარვა დიდია (ანუ, მოსახლეობის ელემენტების უმეტესობა აკმაყოფილებს ერთ ან რამდენიმე მარტივ კრიტერიუმს, რომელიც გამოიყენება პოტენციური რესპონდენტების იდენტიფიცირებისთვის), მონაცემთა შეგროვებისთვის საჭირო დრო და ღირებულება მინიმუმამდეა დაყვანილი. პირიქით, იმ კრიტერიუმების რაოდენობის ზრდასთან ერთად, რომლებიც პოტენციურმა რესპონდენტებმა უნდა დააკმაყოფილონ, იზრდება როგორც მატერიალური, ასევე დროის ხარჯები.

ნახ. 15.2 გვიჩვენებს ზრდასრული მოსახლეობის პროპორციას, რომელიც ჩართულია სპორტის გარკვეულ სახეობებში. ფიგურაში მოცემული მონაცემები მიუთითებს იმაზე, რომ ბევრად უფრო რთული და ძვირია იმ ადამიანების გამოკვლევა, რომლებიც მოტოციკლით დადიან (სრულწლოვანთა მთლიანი რაოდენობის მხოლოდ 3,6%), ვიდრე იმ ადამიანების გამოკვლევა, რომლებიც რეკრეაციულად დადიან (მთლიანი რაოდენობის 27,4%). მოზარდები). მთავარია, მკვლევარი იყოს ზუსტი იმის განსაზღვრაში, თუ რომელი ელემენტები უნდა იყოს შეტანილი საკვლევ პოპულაციაში და რომელი ელემენტები უნდა გამოირიცხოს მისგან. კვლევის მიზნის მკაფიო განცხადება მნიშვნელოვნად უწყობს ხელს ამ პრობლემის გადაჭრას. შერჩევის პროცესში მეორე საფეხური არის ნიმუშის ჩარჩოს განსაზღვრა, რომელიც, როგორც უკვე იცით, წარმოადგენს იმ ელემენტების ჩამონათვალს, საიდანაც იქნება ნიმუშის აღება. მოდით, გარკვეული კვლევის სამიზნე პოპულაცია იყოს დალასის რაიონში მცხოვრები ყველა ოჯახი. ერთი შეხედვით, დალასის სატელეფონო დირექტორია შეიძლება იყოს კარგი და ადვილად ხელმისაწვდომი ნიმუშის ჩარჩო. მიუხედავად ამისა, დაწვრილებითი შემოწმების შემდეგ ცხადი ხდება, რომ დირექტორიაში შემავალი ოჯახების სია არ არის მთლად სწორი, რადგან მასში გამოტოვებულია ზოგიერთი ოჯახის ნომერი (რა თქმა უნდა, არ მოიცავს ოჯახებს, რომლებსაც ტელეფონები არ აქვთ). ზოგიერთ ოჯახს აქვს რამდენიმე ტელეფონის ნომერი. ცნობარში ასევე არ იმყოფებიან პირები, რომლებმაც ცოტა ხნის წინ შეცვალეს საცხოვრებელი ადგილი და, შესაბამისად, ტელეფონის ნომერი.

გამოცდილი მკვლევარები მივიდნენ დასკვნამდე, რომ შერჩევის ჩარჩოსა და ინტერესის სამიზნე პოპულაციას შორის ზუსტი თანხვედრა ძალზე იშვიათია. ნიმუშის შემუშავების ერთ-ერთი ყველაზე კრეატიული ნაბიჯი არის შერჩევის შესაბამისი ჩარჩოს განსაზღვრა იმ შემთხვევებში, როდესაც პოპულაციის წევრების ჩამონათვალი რთულია. ამან შეიძლება მოითხოვოს სამუშაო ბლოკებიდან და პრეფიქსებიდან ნიმუშის აღება, როდესაც, მაგალითად, შემთხვევითი აკრეფა გამოიყენება სატელეფონო დირექტორიების ხარვეზების გამო. თუმცა, ბოლო 10 წლის განმავლობაში სამუშაო ერთეულების მნიშვნელოვანმა ზრდამ ეს ამოცანა უფრო გაართულა. მსგავსი სიტუაციები შეიძლება წარმოიშვას ტერიტორიულ ზონებზე ან ორგანიზაციებზე შერჩევითი დაკვირვების შემთხვევაშიც, რასაც მოჰყვება ქვენიმუშების აღება, როდესაც, ვთქვათ, სამიზნე პოპულაცია ინდივიდუალურია, მაგრამ მათი ზუსტი განახლებული სია არ არსებობს.

წყარო: SSI-ში მოცემულ მონაცემებზე დაყრდნობით- ლაით TM: ლ ow შემთხვევა თმიზანმიმართული სამპლინგი“ (Fairfield, Conn.: Survey Sampling, Inc., 1994).

სინჯის აღების პროცედურის მესამე საფეხური მჭიდრო კავშირშია შერჩევის ჩარჩოს განსაზღვრასთან. შერჩევის მეთოდის ან პროცედურის არჩევანი დიდწილად დამოკიდებულია მკვლევარის მიერ მიღებულ შერჩევის ჩარჩოზე. სხვადასხვა ტიპის ნიმუშები მოითხოვს სხვადასხვა ტიპის შერჩევის ჩარჩოებს. ამ და მომდევნო თავში იქნება მიმოხილული მარკეტინგული კვლევისას გამოყენებული ნიმუშების ძირითადი ტიპები. მათი აღწერისას აშკარა უნდა გახდეს კავშირი სინჯის ჩარჩოსა და მისი ფორმირების მეთოდს შორის.

შერჩევის პროცედურის მეოთხე ნაბიჯი არის ნიმუშის ზომის განსაზღვრა. ეს პრობლემა განხილულია თავში. 17. მეხუთე ეტაპზე მკვლევარმა რეალურად უნდა შეარჩიოს ის ელემენტები, რომლებიც დაექვემდებარება გამოკითხვას. ამისთვის გამოყენებული მეთოდი განისაზღვრება არჩეული ნიმუშის ტიპის მიხედვით; შერჩევის მეთოდების განხილვისას ვისაუბრებთ მისი ელემენტების შერჩევაზეც. და ბოლოს, მკვლევარმა რეალურად უნდა გამოიკვლიოს იდენტიფიცირებული რესპონდენტები. ამ ეტაპზე დიდია შეცდომის დაშვების დიდი ალბათობა.
ეს პრობლემები და მათი გადაჭრის ზოგიერთი მეთოდი განხილულია თავში. თვრამეტი.

შერჩევის გეგმის სახეები (სიმინგი)

შერჩევის ყველა მეთოდი შეიძლება დაიყოს ორ კატეგორიად: ალბათობის ნიმუშებზე დაკვირვება და დეტერმინისტული ნიმუშების დაკვირვება. ალბათურ ნიმუშში, პოპულაციის თითოეული წევრი შეიძლება შევიდეს გარკვეული განსაზღვრული არანულოვანი ალბათობით. პოპულაციის გარკვეული წევრების ნიმუშში შეყვანის ალბათობა შეიძლება განსხვავებული იყოს, მაგრამ მასში თითოეული ელემენტის ჩართვის ალბათობა ცნობილია. ეს ალბათობა განისაზღვრება სპეციალური მექანიკური პროცედურის საშუალებით, რომელიც გამოიყენება ნიმუშის წევრების შესარჩევად.

დეტერმინისტული ნიმუშებისთვის შეუძლებელი ხდება ნიმუშში რომელიმე ელემენტის ჩართვის ალბათობის შეფასება. ასეთი ნიმუშის წარმომადგენლობითობის გარანტია შეუძლებელია. Მაგალითად, Allstate Corporationავითარებდა სისტემას 14 მილიონი ოჯახის (მისი კლიენტების) პრეტენზიების მონაცემების დასამუშავებლად. კომპანია გეგმავს გამოიყენოს ეს მონაცემები მის სერვისებზე მოთხოვნის შაბლონების დასადგენად, როგორიცაა იმის ალბათობა, რომ ოჯახი, რომელიც ფლობს Mercedes Benz-ს, ასევე ექნება დასასვენებელი სახლი (რაც მოითხოვს დაზღვევას). მიუხედავად იმისა, რომ მონაცემთა ბაზა ძალიან დიდია, კომპანიას არ აქვს საშუალება შეაფასოს რაიმე კონკრეტული მომხმარებლის პრეტენზია. ამრიგად, კომპანია არ შეიძლება იყოს დარწმუნებული, რომ მომხმარებლის მონაცემები, რომლებიც აცხადებენ პრეტენზიას, არის კომპანიის ყველა მომხმარებლის წარმომადგენელი; და კიდევ უფრო ნაკლებად - პოტენციურ კლიენტებთან მიმართებაში.

ყველა დეტერმინისტული ნიმუში ეფუძნება მკვლევარის პირად პოზიციას, განსჯას ან უპირატესობას და არა შერჩევის წევრების მექანიკურ შერჩევის პროცედურას. ასეთმა პრეფერენციებმა შეიძლება ზოგჯერ კარგი შეფასება მისცეს პოპულაციის მახასიათებლებს, მაგრამ არ არსებობს საშუალება ობიექტურად განვსაზღვროთ ნიმუშის ვარგისიანობა ამოცანისთვის. ნიმუშის შედეგების სიზუსტის შეფასება შესაძლებელია მხოლოდ იმ შემთხვევაში, თუ ცნობილი იყო გარკვეული ელემენტების შერჩევის ალბათობა. ამ მიზეზით, ალბათობით შერჩევით მუშაობა ზოგადად განიხილება, როგორც უკეთესი მეთოდი შერჩევის შეცდომის სიდიდის შესაფასებლად. ნიმუშები ასევე შეიძლება დაიყოს ფიქსირებული ზომის ნიმუშებად და თანმიმდევრულ ნიმუშებად. ფიქსირებული ზომის ნიმუშებთან მუშაობისას შერჩევის ზომა დგინდება კვლევის დაწყებამდე და შედეგების ანალიზს წინ უძღვის ყველა საჭირო მონაცემის შეგროვება. ჩვენ ძირითადად დავინტერესდებით ფიქსირებული ზომის ნიმუშებით, რადგან ეს ტიპი ჩვეულებრივ გამოიყენება მარკეტინგულ კვლევებში.

ალბათობის შერჩევა
ნიმუში, რომელშიც პოპულაციის თითოეული ელემენტი შეიძლება იყოს შეტანილი ზოგიერთი ცნობილი არანულოვანი ალბათობით.
დეტერმინისტული შერჩევა
შერჩევის აღება ზოგიერთი კონკრეტული პრეფერენციების ან განსჯის საფუძველზე, რომელიც განსაზღვრავს გარკვეული ელემენტების შერჩევას; ამავდროულად, შეუძლებელი ხდება ნიმუშში პოპულაციის თვითნებური ელემენტის ჩართვის ალბათობის შეფასება.

თუმცა, არ უნდა დაგვავიწყდეს, რომ ასევე არსებობს თანმიმდევრული ნიმუშები, რომლებიც შეიძლება გამოყენებულ იქნას ქვემოთ განხილული თითოეული ძირითადი ნიმუშის დიზაინით.

თანმიმდევრულ ნიმუშში შერჩეული ელემენტების რაოდენობა წინასწარ არ არის ცნობილი, ის განისაზღვრება რიგითი გადაწყვეტილებების საფუძველზე. თუ მცირე ნიმუშის გამოკითხვა არ მიგვიყვანს საიმედო შედეგამდე, შესამოწმებელი ელემენტების დიაპაზონი ფართოვდება. თუ ამის შემდეგ შედეგი დაუზუსტებელი რჩება, ნიმუშის ზომა კვლავ იზრდება. თითოეულ ეტაპზე მიიღება გადაწყვეტილება მიღებული შედეგი საკმარისად დამაჯერებლად ჩაითვალოს თუ გაგრძელდეს მონაცემების შეგროვება. თანმიმდევრული შერჩევით მუშაობა შესაძლებელს ხდის მონაცემთა შეგროვების ტენდენციის (ტენდენციის) შეფასებას, რაც ამცირებს დამატებით დაკვირვებებთან დაკავშირებულ ხარჯებს იმ შემთხვევებში, როდესაც მათი მიზანშეწონილობა ქრება.

როგორც ალბათური, ასევე დეტერმინისტული შერჩევის გეგმები იყოფა რამდენიმე ტიპად. მაგალითად, დეტერმინისტული ნიმუშები შეიძლება იყოს არაწარმომადგენლობითი (მოხერხებული), განზრახ ან კვოტით; სავარაუდო ნიმუშები იყოფა მარტივ შემთხვევით, სტრატიფიცირებულ ან ჯგუფურად (კლასტერად), ისინი, თავის მხრივ, შეიძლება დაიყოს ქვეტიპებად. ნახ. სურათი 15.3 გვიჩვენებს ნიმუშების ტიპებს, რომლებიც განხილული იქნება ამ და შემდეგ თავში.

ფიქსირებული ნიმუში (ფიქსირებული ნიმუში)
ნიმუში, რომლის ზომა განისაზღვრება აპრიორულად; საჭირო ინფორმაცია განისაზღვრება შერჩეული ელემენტებით.
თანმიმდევრული შერჩევა
ნიმუში ჩამოყალიბდა რიგი გადაწყვეტილებების სერიის საფუძველზე. თუ მცირე ნიმუშის განხილვის შემდეგ შედეგი არაადეკვატურია, განიხილება უფრო დიდი ნიმუში; თუ ამ საფეხურს შედეგი არ მოჰყვება, შერჩევის ზომა კვლავ იზრდება და ა.შ. ამრიგად, ყოველ ეტაპზე მიიღება გადაწყვეტილება იმის შესახებ, შეიძლება თუ არა მიღებული შედეგი ჩაითვალოს საკმარისად დამაჯერებლად.

უნდა გვახსოვდეს, რომ ნიმუშების ძირითადი ტიპები შეიძლება გაერთიანდეს უფრო რთული შერჩევის გეგმების შესაქმნელად. თუ ისწავლით მათ ძირითად საწყის ტიპებს, გაგიადვილდებათ უფრო რთულ კომბინაციებთან გამკლავება.

დეტერმინისტული არჩევანი

როგორც უკვე აღვნიშნეთ, დეტერმინისტული ნიმუშის ელემენტების შერჩევისას გადამწყვეტ როლს თამაშობს კერძო შეფასებები ან გადაწყვეტილებები. ზოგჯერ ეს შეფასებები მოდის მკვლევარისგან, ხოლო სხვა შემთხვევებში პოპულაციის ელემენტების შერჩევა ეძლევა საველე პერსონალს. ვინაიდან ელემენტები არ არის შერჩეული მექანიკურად, შეუძლებელი ხდება ნიმუშში თვითნებური ელემენტის ჩართვის ალბათობის და, შესაბამისად, შერჩევის შეცდომის დადგენა. შერჩევის არჩეული პროცედურის გამო შეცდომის იგნორირება ხელს უშლის მკვლევარებს შეაფასონ თავიანთი შეფასებების სიზუსტე.

არაწარმომადგენლობითი (მოხერხებულობის) ნიმუშები

არაწარმომადგენლობითი (მოხერხებულობის) ნიმუშებიზოგჯერ მოიხსენიება როგორც შემთხვევითი, ვინაიდან ნიმუშის ელემენტების შერჩევა ხდება „შემთხვევითი“ გზით - შეირჩევა ის ელემენტები, რომლებიც ყველაზე ხელმისაწვდომია ან ჩანს, რომ ყველაზე ხელმისაწვდომია შერჩევის პერიოდში.

ჩვენი ყოველდღიური ცხოვრება სავსეა ასეთი შერჩევის მაგალითებით. ვესაუბრებით მეგობრებს და მათი რეაქციებიდან და პოზიციებიდან გამომდინარე, ვაკეთებთ დასკვნებს საზოგადოებაში გაბატონებული პოლიტიკური მიდრეკილებების შესახებ; ადგილობრივი რადიოსადგური მოუწოდებს ხალხს გამოთქვან თავიანთი აზრი რაიმე საკამათო საკითხზე, მათი აზრი განიმარტება, როგორც გაბატონებული; მოვუწოდებთ მოხალისეებს თანამშრომლობისკენ და ვიმუშაოთ მათთან, ვინც მოხალისედ გვეხმარება. მოსახერხებელი ნიმუშების პრობლემა აშკარაა - ჩვენ არ შეგვიძლია დარწმუნებული ვიყოთ, რომ ამ ტიპის ნიმუშები რეალურად წარმოადგენს სამიზნე პოპულაციას. ჩვენ ჯერ კიდევ შეგვიძლია ეჭვი, რომ ჩვენი მეგობრების მოსაზრებები სწორად ასახავს საზოგადოებაში გაბატონებულ პოლიტიკურ შეხედულებებს, მაგრამ ხშირად ძალიან გვსურს დავიჯეროთ, რომ ამ გზით შერჩეული უფრო დიდი ნიმუშები წარმომადგენლობითია. მაგალითით ვაჩვენოთ ასეთი ვარაუდის სიცრუე.
რამდენიმე წლის წინ, ქალაქის ერთ-ერთმა ადგილობრივმა ტელევიზიამ, სადაც ამ წიგნის ავტორი ცხოვრობს, ყოველდღიურად ატარებდა საზოგადოებრივი აზრის გამოკითხვას ადგილობრივი საზოგადოებისთვის საინტერესო თემებზე. გამოკითხვები, სახელწოდებით "The Madison Pulse", შემდეგნაირად ჩატარდა. ყოველ საღამოს ექვსი საათის საინფორმაციო გამოშვების დროს ტელეკომპანია მაყურებელს კითხვას უსვამდა კონკრეტულ საკამათო საკითხთან დაკავშირებით, რაზეც საჭირო იყო დადებითი ან უარყოფითი პასუხის გაცემა.

დადებითი პასუხის შემთხვევაში საჭირო იყო ერთზე დარეკვა, უარყოფითი პასუხის შემთხვევაში - სხვა ტელეფონის ნომერზე. "მომხრე" და "წინააღმდეგ" ხმების რაოდენობა ავტომატურად დაითვლებოდა. სატელეფონო გამოკითხვის შედეგები ათი საათის საინფორმაციო გამოშვებამ გაავრცელა. ყოველ საღამოს 500-დან 1000-მდე ადამიანი ურეკავდა სტუდიას, რათა გამოეხატათ საკუთარი პოზიცია ამა თუ იმ საკითხთან დაკავშირებით; ტელეკომენტატორმა გამოკითხვის შედეგები საზოგადოებაში გაბატონებულ აზრად განმარტა.

არაწარმომადგენლობითი (მოხერხებული) ნიმუში
ზოგჯერ უწოდებენ შემთხვევითობას, რადგან ნიმუშის ელემენტების შერჩევა ხდება "შემთხვევითი" გზით - შეირჩევა ის ელემენტები, რომლებიც ყველაზე ხელმისაწვდომია ან ჩანს, რომ ყველაზე ხელმისაწვდომია შერჩევის პერიოდში.

ექვსსაათიანი ეპიზოდებიდან ერთ-ერთში მაყურებელს დაუსვეს შემდეგი შეკითხვა: "არ ფიქრობთ, რომ მედისონში სასმელის ასაკი 18 წლამდე უნდა ჩამოიყვანოთ?" არსებული იურიდიული კვალიფიკაცია შეესაბამებოდა 21 წელს. ამ კითხვაზე მაყურებელი არაჩვეულებრივი აქტიურობით გამოეხმაურა - იმ საღამოს სტუდიაში თითქმის 4000-მა ადამიანმა დარეკა, საიდანაც 78% ასაკობრივი ზღვრის შემცირების მომხრე იყო. როგორც ჩანს, ცხადია, რომ 4000-იანი ნიმუში 180000-იანი საზოგადოების "წარმომადგენელი უნდა იყოს". არაფერი მსგავსი. როგორც თქვენ მიხვდით, გარკვეული ასაკობრივი ჯგუფი უფრო მეტად იყო დაინტერესებული ცნობილი შედეგით, ვიდრე სხვები. შესაბამისად, გასაკვირი არ იყო, რომ ამ საკითხის განხილვისას, რომელიც რამდენიმე კვირის შემდეგ გაიმართა, აღმოჩნდა, რომ გამოკითხვისთვის გამოყოფილი დროის განმავლობაში სტუდენტები მოქმედებდნენ კონცერტულად. რიგრიგობით დარეკეს ტელევიზორში, თითოეულს რამდენჯერმე. ამდენად, არც შერჩევის ზომა და არც კანონის ლიბერალიზაციის დამცველთა პროცენტული მაჩვენებელი გასაკვირი არ ყოფილა. ნიმუში არ იყო წარმომადგენლობითი.

ნიმუშის ზომის უბრალოდ გაზრდა არ იძლევა მას წარმომადგენლობას. ნიმუშის წარმომადგენლობას უზრუნველყოფს არა ზომით, არამედ ელემენტების შერჩევის სათანადო პროცედურა. როდესაც კვლევის მონაწილეები შეირჩევიან ნებაყოფლობით ან შერჩეული ერთეულები შეირჩევა მათი ხელმისაწვდომობის საფუძველზე, შერჩევის გეგმა არ იძლევა გარანტიას შერჩევის წარმომადგენლობით. ემპირიული მტკიცებულება ვარაუდობს, რომ მოხერხებულობისთვის არჩეული ნიმუშები იშვიათად არის წარმომადგენლობითი (მიუხედავად მათი ზომისა). სატელეფონო გამოკითხვა, რომელიც ითვალისწინებს 800-900 ხმას, ყველაზე გავრცელებული ფორმაა დიდი, მაგრამ არაწარმომადგენლობითი ნიმუშებისა.

განზრახ შერჩევა
დეტერმინისტული (მიზანმიმართული) შერჩევა, რომლის ელემენტები შერჩეულია ხელით; შეირჩევა ის ელემენტები, რომლებიც, მკვლევარის აზრით, აკმაყოფილებს კვლევის მიზნებს.
მიზანმიმართული შერჩევა, დამოკიდებულია მკვლევარის შესაძლებლობებზე, დააყენოს რესპონდენტთა საწყისი ნაკრები სასურველი მახასიათებლებით; მაშინ ეს რესპონდენტები გამოიყენება როგორც ინფორმატორები, რომლებიც განსაზღვრავენ ინდივიდების შემდგომ შერჩევას.

სამწუხაროდ, ბევრი ადამიანი თავდაჯერებულად ეპყრობა ასეთი გამოკითხვების შედეგებს. საერთაშორისო მარკეტინგულ კვლევაში არაწარმომადგენლობითი ნიმუშების გამოყენების ერთ-ერთი ყველაზე ტიპიური მაგალითია გარკვეული ქვეყნების გამოკითხვა, რომელიც დაფუძნებულია იმ ქვეყნის ტერიტორიაზე მცხოვრები უცხოელებისგან შემდგარ ნიმუშზე, რომელმაც დაიწყო კვლევა (მაგალითად, სკანდინავიელები, რომლებიც ცხოვრობენ ქ. ა.შ. შ). მიუხედავად იმისა, რომ ასეთმა ნიმუშებმა შეიძლება გარკვეული შუქი მოჰფინოს განსახილველ პოპულაციის გარკვეულ ასპექტებს, უნდა გვახსოვდეს, რომ ეს პირები, როგორც წესი, წარმოადგენენ „ამერიკანიზებულ“ ელიტას, რომლის კავშირი საკუთარ ქვეყანასთან შეიძლება საკმაოდ თვითნებური იყოს. არარეპრეზენტატიული ნიმუშების გამოყენება არ არის რეკომენდებული აღწერილობითი ან მიზეზობრივი კვლევებისთვის. ისინი მისაღებია მხოლოდ საძიებო კვლევაში, რომელიც მიმართულია გარკვეული იდეების ან იდეების შესამოწმებლად, მაგრამ ამ შემთხვევაშიც კი სასურველია მიზანმიმართული ნიმუშების გამოყენება.

მიზანმიმართული შერჩევა

მიზანმიმართულ ნიმუშებს ზოგჯერ უწოდებენ არაკონცენტრირებული; მათი ელემენტები, რომლებიც, მკვლევარის აზრით, აკმაყოფილებს კვლევის მიზნებს, შეირჩევა ხელით. Procter & Gambleგამოიყენა ეს მეთოდი ცინცინატის შტაბ-ბინასთან მახლობლად მცხოვრები 13-დან 17 წლამდე ასაკის ადამიანებისთვის რეკლამების ჩვენებისას. კომპანიის სურსათისა და სასმელის განყოფილებამ დაიქირავა მოზარდების ეს ჯგუფი, რათა ერთგვარი სამომხმარებლო ნიმუში ყოფილიყო. ისინი მუშაობდნენ კვირაში 10 საათს 1000 დოლარის სანაცვლოდ და მიდიოდნენ კონცერტზე, უყურებდნენ სატელევიზიო რეკლამებს, სტუმრობდნენ სუპერმარკეტებს კომპანიის მენეჯერებთან ერთად პროდუქტის ჩვენების სანახავად, შეამოწმეს ახალი პროდუქტები და განიხილეს ყიდვის ქცევა. შერჩევის წარმომადგენლების შერჩევით „დაქირავების“ პროცესით და არა შემთხვევითი გზით, კომპანიას შეუძლია ფოკუსირება მოახდინოს ისეთ თვისებებზე, რომლებიც მას სასარგებლოდ მიიჩნევს, როგორიცაა მოზარდის უნარი გამოხატოს საკუთარი თავი მკაფიოდ, რისკის ქვეშ, რომ მათი შეხედულებები არ იყოს მათი ასაკობრივი ჯგუფის წარმომადგენელი. .

როგორც უკვე აღვნიშნეთ, განზრახ შერჩევის განმასხვავებელი მახასიათებელია მისი ელემენტების მიმართულების შერჩევა. ზოგიერთ შემთხვევაში, ნიმუშის ელემენტები შეირჩევა არა იმიტომ, რომ ისინი წარმომადგენლობითია, არამედ იმიტომ, რომ მათ შეუძლიათ მკვლევარებს მიაწოდონ მათთვის საინტერესო ინფორმაცია. როდესაც სასამართლო ხელმძღვანელობს ექსპერტის ჩვენებით, იგი, გარკვეული თვალსაზრისით, მიმართავს მიზანმიმართულ შერჩევის გამოყენებას. ანალოგიური პოზიცია შეიძლება იყოს კვლევითი პროექტების შემუშავებისას. საკითხის თავდაპირველი შესწავლისას მკვლევარი პირველ რიგში დაინტერესებულია კვლევის პერსპექტივის განსაზღვრით, რაც განსაზღვრავს ნიმუშის ელემენტების შერჩევას.

თოვლის ბურთის ნიმუშის აღებაარის მიზანმიმართული შერჩევის სახეობა, რომელიც გამოიყენება კონკრეტული ტიპის პოპულაციების დროს. ეს ნიმუში დამოკიდებულია მკვლევარის უნარზე, დააკონკრეტოს რესპონდენტთა საწყისი ნაკრები სასურველი მახასიათებლებით. შემდეგ ეს რესპონდენტები გამოიყენება როგორც ინფორმატორები ინდივიდების შემდგომი შერჩევის დასადგენად.

წარმოიდგინეთ, მაგალითად, რომ კომპანიას სურს შეაფასოს პროდუქტის საჭიროება, რომელიც ყრუ ადამიანებს ტელეფონზე კომუნიკაციის საშუალებას მისცემს. მკვლევარებს შეუძლიათ დაიწყონ ამ პრობლემის შემუშავება ყრუ საზოგადოების ძირითადი ფიგურების იდენტიფიცირებით; ამ უკანასკნელს შეეძლო ჯგუფის სხვა წევრების დასახელება, რომლებიც დათანხმდებოდნენ გამოკითხვაში მონაწილეობას. ამ ტაქტიკით ნიმუში თოვლის ბურთივით იზრდება.

სანამ მკვლევარი პრობლემის გადაჭრის საწყის ეტაპებზეა, როდესაც დგინდება დაგეგმილი კვლევის პერსპექტივები და შესაძლო შეზღუდვები, მიზანმიმართული შერჩევის გამოყენება შეიძლება იყოს ძალიან ეფექტური. მაგრამ არავითარ შემთხვევაში არ უნდა დავივიწყოთ ამ ტიპის ნიმუშის სისუსტეები, რადგან ის ასევე შეიძლება გამოიყენოს მკვლევარმა აღწერილობით ან მიზეზობრივ კვლევებში, რაც არ დააყოვნებს გავლენას მათი შედეგების ხარისხზე. ამ დავიწყების კლასიკური მაგალითია სამომხმარებლო ფასების ინდექსი ("CPI"). როგორც სუდმანი აღნიშნავს ( სუდმანი): „CPI განისაზღვრება მხოლოდ 56 ქალაქსა და მეტროპოლიტზე, რომელთა შერჩევაზე ასევე გავლენას ახდენს პოლიტიკური ფაქტორი. სინამდვილეში, ამ ქალაქებს შეუძლიათ მხოლოდ საკუთარი თავის წარმოდგენა, ხოლო ინდექსი ე.წ სამომხმარებლო ფასების ინდექსი ქალაქის მაცხოვრებლებისთვის, რომლებიც იღებენ საათობრივ ხელფასს*, და თანამშრომლებიდა ადამიანების უმეტესობას ეჩვენება, როგორც ინდექსს, რომელიც ასახავს ფასების დონეს შეერთებული შტატების ნებისმიერ მხარეში. საცალო ვაჭრობის ობიექტების არჩევა ასევე ხდება არა შემთხვევით, რის შედეგადაც შერჩევის შესაძლო შეცდომის შეფასება შეუძლებელი ხდება» (ჩვენი დახრილი) 2 .

* ანუ მუშები. - Შენიშვნა. თითო

კვოტის ნიმუშები

დეტერმინისტული შერჩევის მესამე ტიპი − კვოტის ნიმუშები; მისი ცნობილი წარმომადგენლობა მიიღწევა მასში ელემენტების იგივე პროპორციით, რომლებსაც აქვთ გარკვეული მახასიათებლები, როგორც გამოკითხულ პოპულაციაში (იხ. „კვლევის ფანჯარა 15.1“). მაგალითად, განიხილეთ კამპუსში მცხოვრები სტუდენტების წარმომადგენლობითი ნიმუშის შექმნის მცდელობა. თუ 500 ინდივიდის გარკვეულ ნიმუშში არ არის არც ერთი უფროსი სტუდენტი, ჩვენ გვექნება უფლება ეჭვი შევიტანოთ მის წარმომადგენლობასა და ამ ნიმუშზე მიღებული შედეგების საკვლევ პოპულაციაზე გამოყენების მართებულობაში. პროპორციული შერჩევით მუშაობისას მკვლევარს შეუძლია უზრუნველყოს, რომ ნიმუშში ბაკალავრიატის პროპორცია შეესაბამება მათ პროპორციას სტუდენტთა საერთო რაოდენობაში.

დავუშვათ, რომ მკვლევარი ატარებს უნივერსიტეტის სტუდენტების შერჩევით კვლევას, ხოლო მას აინტერესებს ის ფაქტი, რომ ნიმუში ასახავს არა მხოლოდ მათ კუთვნილებას ამა თუ იმ სქესისადმი, არამედ მათ განაწილებას კურსების მიხედვით. სულ სტუდენტების რაოდენობა იყოს 10000: 3200 პირველკურსელი, 2600 მეორე კურსის სტუდენტი, 2200 მესამე კურსის სტუდენტი და 2000 მეოთხე კურსის სტუდენტი; აქედან 7000 ბიჭი და 3000 გოგო. 1000 შერჩევის ზომისთვის, პროპორციული შერჩევის გეგმა მოითხოვს 320 პირველკურსელს, 260 მეორეკურსელს, 220 მესამე კურსელს და 200 კურსდამთავრებულს, 700 ბიჭს და 300 გოგონას. მკვლევარს შეუძლია ამ გეგმის განხორციელება თითოეულ ინტერვიუერს გარკვეული კვოტის მინიჭებით, რომელიც განსაზღვრავს რომელ სტუდენტებს უნდა დაუკავშირდეს.

კვოტის შერჩევადეტერმინისტული ნიმუში, შერჩეული ისე, რომ შერჩევის ელემენტების წილი გარკვეული მახასიათებლებით დაახლოებით შეესაბამებოდეს იმავე ელემენტების პროპორციას შესწავლილ პოპულაციაში; თითოეულ საველე მუშაკს ენიჭება კვოტა, რომელიც განსაზღვრავს მოსახლეობის მახასიათებლებს, რომელთანაც მას უნდა დაუკავშირდეს.

ინტერვიუერს, რომელმაც უნდა ჩაატაროს 20 ინტერვიუ, შეიძლება დაევალოს იკითხოს:

• ექვსი პირველი კურსის სტუდენტი - ხუთი ბიჭი და ერთი გოგონა;
• ექვსი მეორე კურსი - ოთხი ბიჭი და ორი გოგონა;
• ოთხი მესამე კურსის სტუდენტი - სამი ბიჭი და ერთი გოგონა;
• ოთხი მეოთხე კურსის სტუდენტი - ორი ბიჭი და ორი გოგონა.

გაითვალისწინეთ, რომ კონკრეტული ნიმუშის ელემენტების შერჩევა არ განისაზღვრება კვლევის გეგმით, არამედ ინტერვიუერის არჩევით, რომელიც მოწოდებულია შეასრულოს მხოლოდ კვოტით დაწესებული პირობები: გასაუბრება ხუთი პირველკურსელი, ერთი პირველკურსელი და ა.შ.

ასევე გაითვალისწინეთ, რომ ეს კვოტა ზუსტად ასახავს სტუდენტური პოპულაციის გენდერულ განაწილებას, მაგრამ გარკვეულწილად ამახინჯებს სტუდენტების განაწილებას კურსებზე; 70% (20-დან 14) გასაუბრება ტარდება ბიჭებთან, მაგრამ მხოლოდ 30% (20-დან 6) პირველკურსელებთან, მაშინ როცა ისინი შეადგენენ სტუდენტების საერთო რაოდენობის 32%-ს. თითოეული ინდივიდუალური ინტერვიუერისთვის გამოყოფილი კვოტა შეიძლება არ ასახავდეს და ჩვეულებრივ არ ასახავს კონტროლის მახასიათებლების განაწილებას პოპულაციაში - მხოლოდ საბოლოო ნიმუში უნდა იყოს პროპორციული.

უნდა გვახსოვდეს, რომ პროპორციული შერჩევა უფრო მეტად დამოკიდებულია პირად, სუბიექტურ დამოკიდებულებებზე ან განსჯებზე, ვიდრე შერჩევის ობიექტურ პროცედურაზე. უფრო მეტიც, განზრახ შერჩევისგან განსხვავებით, აქ პირადი განსჯა ეკუთვნის არა პროექტის შემქმნელს, არამედ ინტერვიუერს. ჩნდება კითხვა, შეიძლება თუ არა პროპორციული ნიმუშები ჩაითვალოს წარმომადგენლობითი, თუნდაც ისინი ასახავდნენ პოპულაციაში თანდაყოლილი კომპონენტების თანაფარდობას, რომლებსაც აქვთ გარკვეული კონტროლის მახასიათებლები. ამასთან დაკავშირებით სამი შენიშვნაა საჭირო.

პირველი, ნიმუში შეიძლება საოცრად განსხვავდებოდეს პოპულაციისგან ზოგიერთი სხვა მნიშვნელოვანი მახასიათებლით, რამაც შეიძლება სერიოზული გავლენა მოახდინოს შედეგზე. მაგალითად, თუ კვლევა ეძღვნება სტუდენტებს შორის რასობრივი ცრურწმენის პრობლემას, შეიძლება არ იყოს გულგრილი ის გარემოება, თუ საიდან მოვიდნენ რესპონდენტები: ქალაქიდან თუ სოფლიდან. ვინაიდან მახასიათებლის კვოტა „ქალაქიდან/სოფლიდან“ არ არის განსაზღვრული, ამ მახასიათებლის ზუსტი წარმოდგენა ნაკლებად სავარაუდო ხდება. რა თქმა უნდა, არსებობს ასეთი ალტერნატივა: განისაზღვროს კვოტები ყველა პოტენციურად მნიშვნელოვანი მახასიათებლისთვის. თუმცა, კონტროლის მახასიათებლების რაოდენობის ზრდა იწვევს სპეციფიკაციის გართულებას. ეს, თავის მხრივ, ართულებს - ზოგჯერ კი შეუძლებელს ხდის - ნიმუშის ელემენტების შერჩევას და, ნებისმიერ შემთხვევაში, იწვევს მის გაძვირებას. თუ, მაგალითად, ურბანული ან სოფლის კუთვნილება და სოციალურ-ეკონომიკური მდგომარეობა ასევე მნიშვნელოვანია კვლევისთვის, მაშინ ინტერვიუერს შეიძლება მოუწიოს მოძებნოს პირველი კურსის სტუდენტი, რომელიც არის ქალაქური და მაღალი ან საშუალო კლასის. ვეთანხმები, რომ პირველკურსელი მამაკაცის პოვნა ბევრად უფრო ადვილია.

მეორეც, ძალიან რთულია დარწმუნდე, რომ ეს ნიმუში ნამდვილად წარმომადგენლობითია. რა თქმა უნდა, თქვენ შეგიძლიათ შეამოწმოთ ნიმუში, რათა ნახოთ, არის თუ არა იმ მახასიათებლების განაწილება, რომლებიც არ შედის კონტროლში, მათი განაწილება პოპულაციაში. თუმცა, ასეთმა ტესტმა შეიძლება გამოიწვიოს მხოლოდ უარყოფითი დასკვნები. შესაძლებელია მხოლოდ განაწილებათა განსხვავებების გამოვლენა. თუ ნიმუშისა და პოპულაციის განაწილება თითოეული ამ მახასიათებლისთვის მეორდება ერთმანეთს, არსებობს შესაძლებლობა, რომ ნიმუში განსხვავდებოდეს პოპულაციისგან სხვა, ცალსახად არ არის მითითებული, მახასიათებლით.

და ბოლოს, მესამე. ინტერვიუერები, რომლებიც საკუთარ თავზე რჩებიან, მიდრეკილნი არიან გარკვეული ქმედებებისკენ. ისინი ძალიან ხშირად მიმართავენ მეგობრების დაკითხვას. ვინაიდან ისინი ხშირად თავად ინტერვიუერებს ჰგვანან, არსებობს შეცდომის საშიშროება. ინგლისიდან მიღებული მტკიცებულებები ვარაუდობენ, რომ კვოტის ნიმუშები:

1. ყველაზე ხელმისაწვდომი ელემენტების როლის გაზვიადება;
2. მცირე ოჯახების როლის დაკნინება;
3. ბავშვებთან ერთად ოჯახების როლის გაზვიადება;
4. ინდუსტრიის მუშაკების როლის დაკნინება;
5. ყველაზე მაღალი და დაბალი შემოსავლის მქონე პირთა როლის შემცირება;
6. ცუდად განათლებული მოქალაქეების როლის დაკნინება;
7. დაბალი სოციალური პოზიციის მქონე პირთა როლის დაკნინება.

ინტერვიუერები, რომლებიც ირჩევენ წინასწარ განსაზღვრულ კვოტას შემთხვევითი გამვლელების შეჩერებით, სავარაუდოდ, ყურადღებას გაამახვილებენ პოტენციური რესპონდენტთა დიდი რაოდენობის მქონე ადგილებში, როგორიცაა სავაჭრო ცენტრები, რკინიგზის სადგურები და აეროპორტები, დიდი სუპერმარკეტების შესასვლელები და სხვა. ეს პრაქტიკა იწვევს ადამიანთა იმ ჯგუფების გადაჭარბებულ წარმოდგენას, რომლებიც ყველაზე ხშირად სტუმრობენ ასეთ ადგილებს. როცა სახლში ვიზიტებია საჭირო, ინტერვიუერებს ხშირად კომფორტი უბიძგებს.
მაგალითად, მათ შეუძლიათ ჩაატარონ გამოკითხვები მხოლოდ დღის განმავლობაში, რაც იწვევს მუშების აზრის არასაკმარის შეფასებას. სხვათა შორის, ისინი არ შედიან დანგრეულ შენობებში და, როგორც წესი, არ ადიან იმ შენობების ზედა სართულებზე, რომლებსაც ლიფტი არ აქვთ.

შესწავლილი პრობლემის სპეციფიკიდან გამომდინარე, ამ ტენდენციებმა შეიძლება გამოიწვიოს სხვადასხვა სახის შეცდომები, ხოლო მონაცემთა ანალიზის ეტაპზე მათი გამოსწორება ძალიან, ძალიან რთული ჩანს. მეორეს მხრივ, ნიმუშის ელემენტების ობიექტური შერჩევით, მკვლევარებს აქვთ გარკვეული ინსტრუმენტები, რომლებიც შესაძლებელს ხდის გამარტივდეს მოცემული ნიმუშის წარმომადგენლობითობის შეფასების პროცედურა. ასეთი ნიმუშების წარმომადგენლობითობის პრობლემის გაანალიზებისას მკვლევარი ითვალისწინებს არა იმდენად ნიმუშის შემადგენლობას, რამდენადაც მისი ელემენტების შერჩევის პროცედურას.

კვლევის ფანჯარა: ბრწყინვალე! მაგრამ ვინ წაიკითხავს?

ყოველწლიურად, რეკლამის განმთავსებლები მილიონობით დოლარს ხარჯავენ რეკლამებზე, რომლებიც ჩნდება უთვალავი პუბლიკაციების გვერდებზე რეკლამის ხანიდან იანკებამდე. ტექსტისა და სურათის გარკვეული შეფასება შესაძლებელია მის გამოქვეყნებამდე, როგორც ამბობენ, სახლში, სარეკლამო სააგენტოში; ის ნამდვილად არ არის გამოცდილი და შეფასებული მანამ, სანამ რეკლამა არ გამოქვეყნდება, გარშემორტყმული ათობით თანაბრად ფრთხილად შემუშავებული რეკლამით, რომლებიც იბრძვიან მკითხველის ყურადღებისთვის.

კომპანია Roper Starch მსოფლიოშიაფასებს სამომხმარებლო, ბიზნეს, სავაჭრო და პროფესიულ ჟურნალ-გაზეთებში განთავსებული რეკლამების კითხვადობას. კვლევის შედეგები რეკლამის განმთავსებლებისა და სააგენტოების ყურადღების ცენტრშია - რა თქმა უნდა, შესაბამისი საფასურით. იმის გამო, რომ რეკლამის განმთავსებლები ყოველდღიურად შრომობენ იმისათვის, რომ თავიანთი რეკლამა მიაწოდონ მომხმარებელს, კომპანიას სახამებელიგადაწყვიტა შეექმნა ნიმუში, რომელიც აბონენტებს მისცემს დროულ და ზუსტ ინფორმაციას რეკლამის ეფექტურობის შესახებ. ყოველწლიურად კომპანია სახამებელიგამოიკითხა 50000-ზე მეტი ადამიანი, 20000-მდე რეკლამის გათვალისწინებით. ყოველწლიურად 500-მდე ინდივიდუალური პუბლიკაცია შეისწავლებოდა.

სახამებელი იყენებდა პროპორციულ შერჩევას, ერთი სქესის მინიმუმ 100 მკითხველი და მეორე სქესის 100 მკითხველი. სახამებელი დაასკვნა, რომ ამ ნიმუშის ზომით, წაკითხვის დონის ძირითადი გადახრები დასტაბილურდა. 18 წელზე უფროსი მკითხველი პირადად გამოიკითხა და განიხილებოდა ყველა პუბლიკაცია, გარდა განსაკუთრებული პოპულაციისთვის განკუთვნილი პუბლიკაციებისა (ვთქვათ, შესაბამისი ასაკის გოგონები გამოიკითხნენ ჟურნალ Seventeen-ის პუბლიკაციების შესაფასებლად).

გამოკითხვების ჩატარებისას მხედველობაში მიიღეს კონკრეტული პუბლიკაციის გავრცელების არეალი. ვთქვათ, ლოს-ანჯელესის ჟურნალის კვლევა სამხრეთ კალიფორნიაში მცხოვრებ მკითხველებს ეხებოდა. „დრო“ მთელი ქვეყნის მასშტაბით შეისწავლეს. გამოკითხვა დაეთმო ჟურნალის ცალკეულ ნომრებს და ერთდროულად 20-30 ქალაქში ჩატარდა.

თითოეულ ინტერვიუერს მიეცა ინტერვიუების მცირე კვოტა, რაც ემსახურებოდა კვლევის შედეგების დისპერსიის მინიმუმამდე შემცირებას. კითხვარები დაურიგდა სხვადასხვა პროფესიისა და ასაკის ადამიანებს სხვადასხვა შემოსავლის მქონე ადამიანებს შორის. ყოველი ასეთი კვლევა იძლეოდა პოზიციების წარმოჩენას საკმაოდ ფართო მკითხველისთვის. არაერთი პროფესიული, საქმიანი და ინდუსტრიული პუბლიკაციების განხილვისას გათვალისწინებული იყო მათი გამოწერისა და გავრცელების სპეციფიკაც. საკმაოდ ვიწრო ტირაჟის მქონე პუბლიკაციებისადმი მიძღვნილ სააბონენტო სიებმა შესაძლებელი გახადა მისაღები რესპონდენტების შერჩევა.

თითოეულ გამოკითხვაში ინტერვიუერებმა რესპონდენტებს სთხოვეს დაათვალიერონ პუბლიკაცია და ჰკითხეს, შენიშნეს თუ არა რაიმე რეკლამა. თუ პასუხი დადებითი იყო, რეგისტრატორმა დაუსვა კითხვების სერია რეკლამის მიღების ხარისხის შესაფასებლად.

ეს შეფასება შეიძლება იყოს სამი:

• ყურადღება მიაქციეთ: მათ, ვინც უკვე მიაქციეს ყურადღება ასეთი განცხადების გაჩენის ფაქტს.
• ნაცნობები: ვისაც ახსოვდა რეკლამის რომელიმე ნაწილი, რომელიც ეხებოდა რეკლამირებულ სავაჭრო ნიშანს ან რეკლამის განმთავსებელს.
• წაიკითხეთ: ადამიანები, რომლებიც კითხულობენ რეკლამის ნახევარს მაინც.

ყველა რეკლამის შესწავლის შემდეგ, ინტერვიუერებმა ჩაწერეს ძირითადი კლასიფიკაციის ინფორმაცია: სქესი, ასაკი, პროფესია, ოჯახური მდგომარეობა, ეროვნება, შემოსავალი, ოჯახის ზომა და ოჯახის შემადგენლობა, რამაც შესაძლებელი გახადა მკითხველის ინტერესის ხარისხის ჯვარედინი შეჯამება.

როდესაც სწორად გამოიყენება, კომპანიის მონაცემები სახამებელირეკლამის განმთავსებლებსა და სააგენტოებს მიეცით საშუალება, გამოავლინონ როგორც წარუმატებელი, ასევე წარმატებული ტიპის სარეკლამო სქემები, რომლებიც იზიდავს და იპყრობს მკითხველის ყურადღებას. ამ ტიპის ინფორმაცია ძალიან ღირებულია რეკლამის განმთავსებლებისთვის, რომლებიც პირველ რიგში დაინტერესებულნი არიან თავიანთი სარეკლამო კამპანიის ეფექტურობით.

წყარო: Roper Starch Worldwide, Mamaronek, NY 10543.

ალბათობის ნიმუშები

მკვლევარს შეუძლია განსაზღვროს პოპულაციის რომელიმე ელემენტის ალბათობის ნიმუშში ჩართვის ალბათობა, რადგან მისი ელემენტების შერჩევა ხდება რაიმე ობიექტური პროცესის საფუძველზე და არ არის დამოკიდებული მკვლევარის ან საველე მუშაკის ახირებებსა და მისწრაფებებზე. ვინაიდან ელემენტის შერჩევის პროცედურა ობიექტურია, მკვლევარს შეუძლია შეაფასოს მიღებული შედეგების სანდოობა, რაც შეუძლებელი იყო დეტერმინისტული ნიმუშების შემთხვევაში, რაც არ უნდა ფრთხილად იყო ამ უკანასკნელის ელემენტების შერჩევა.

არ უნდა ვიფიქროთ, რომ ალბათური ნიმუშები ყოველთვის უფრო წარმომადგენლობითია, ვიდრე დეტერმინისტული. სინამდვილეში, დეტერმინისტული ნიმუში ასევე შეიძლება იყოს უფრო წარმომადგენლობითი. ალბათობის ნიმუშების უპირატესობა იმაში მდგომარეობს, რომ ისინი იძლევა პოტენციური შერჩევის შეცდომის შეფასებას. თუ მკვლევარი მუშაობს დეტერმინისტულ ნიმუშთან, მას არ გააჩნია კვლევის მიზნებთან მისი ადეკვატურობის შეფასების ობიექტური მეთოდი.

მარტივი შემთხვევითი შერჩევა

ადამიანების უმეტესობა ამა თუ იმ გზით ხვდება უბრალო შემთხვევით ნიმუშებს, ან ინსტიტუტში სტატისტიკის კურსის ფარგლებში, ან გაზეთებსა თუ ჟურნალებში შესაბამისი კვლევების შედეგების წაკითხვით. მარტივი შემთხვევითი ნიმუშისას, ნიმუშში შეტანილ თითოეულ ელემენტს აქვს იგივე ალბათობა, რომ იყოს შესწავლილ ელემენტებს შორის და თავდაპირველი პოპულაციის ელემენტების ნებისმიერი კომბინაცია შეიძლება პოტენციურად გახდეს ნიმუში. მაგალითად, თუ ჩვენ გვინდა შევქმნათ უბრალო შემთხვევითი ნიმუში კონკრეტულ კოლეჯში ჩარიცხული ყველა სტუდენტისგან, ჩვენ უბრალოდ უნდა შევადგინოთ ყველა სტუდენტის სია, მივუთითოთ რიცხვი თითოეულ სახელზე და გამოვიყენოთ კომპიუტერი, რომ შემთხვევით შევარჩიოთ მოცემული. ელემენტების რაოდენობა.

მოსახლეობა

მოსახლეობა
ელემენტების ერთობლიობა, რომელიც აკმაყოფილებს გარკვეულ პირობებს; ასევე უწოდებენ საკვლევ (სამიზნე) პოპულაციას.
Პარამეტრი
ზოგადი ან შესწავლილი მოსახლეობის გარკვეული მახასიათებელი ან მაჩვენებელი.

ზოგადი, ან შესწავლილი, კომპლექტიარის კოლექცია, საიდანაც ხდება შერჩევა. ეს პოპულაცია (მოსახლეობა) შეიძლება აღიწეროს რიგი სპეციფიკური პარამეტრით, რომლებიც წარმოადგენს ზოგადი პოპულაციის მახასიათებლებს, რომელთაგან თითოეული არის გარკვეული რაოდენობრივი მაჩვენებელი, რომელიც განასხვავებს ერთ პოპულაციას მეორისგან.

წარმოიდგინეთ, რომ შესწავლილი მოსახლეობა ცინცინატის მთლიანი ზრდასრული მოსახლეობაა. ამ პოპულაციის აღსაწერად შეიძლება გამოვიყენოთ რამდენიმე პარამეტრი: მედიანური ასაკი, უმაღლესი განათლების მქონე მოსახლეობის წილი, შემოსავლის დონე და ა.შ. გაითვალისწინეთ, რომ ყველა ამ ინდიკატორს აქვს გარკვეული ფიქსირებული მნიშვნელობა. რა თქმა უნდა, მათი გამოთვლა შეგვიძლია შესწავლილი მოსახლეობის სრული აღწერის ჩატარებით. ჩვეულებრივ, ჩვენ ვეყრდნობით არა კვალიფიკაციას, არამედ ნიმუშს, რომელსაც ვირჩევთ და ვიყენებთ შერჩევითი დაკვირვების დროს მიღებულ მნიშვნელობებს პოპულაციის სასურველი პარამეტრების დასადგენად.

ჩვენ ვაჩვენებთ ცხრილში მოცემულს ნათქვამს. 15.1 20 კაციანი ჰიპოთეტური მოსახლეობის მაგალითი. ასეთ მცირე ჰიპოთეტურ პოპულაციასთან მუშაობას რამდენიმე უპირატესობა აქვს. პირველი, ნიმუშის მცირე ზომა აადვილებს პოპულაციის პარამეტრების გამოთვლას, რომლებიც შეიძლება გამოყენებულ იქნას მის აღსაწერად. მეორეც, ეს ტომი საშუალებას გაძლევთ გაიგოთ, რა შეიძლება მოხდეს კონკრეტული შერჩევის გეგმის მიღებისას. ორივე ეს მახასიათებელი აადვილებს ნიმუშის შედეგების შედარებას „ნამდვილ“ და ამ შემთხვევაში ცნობილ პოპულაციის მნიშვნელობასთან, რაც არ არის ტიპიური სიტუაციისთვის, რომელშიც უცნობია მოსახლეობის რეალური მნიშვნელობა. შეფასების შედარება „ნამდვილ“ მნიშვნელობასთან ამ შემთხვევაში განსაკუთრებულ სიცხადეს იძენს.

დავუშვათ, რომ ჩვენ გვინდა შევაფასოთ, შემთხვევით შერჩეული ორი ელემენტიდან, პირვანდელ პოპულაციაში ინდივიდების საშუალო შემოსავალი. საშუალო შემოსავალი იქნება მისი პარამეტრი. ამ საშუალო მნიშვნელობის შესაფასებლად, რომელსაც ჩვენ აღვნიშნავთ, როგორც μ, უნდა გავყოთ ყველა მნიშვნელობის ჯამი მათ რიცხვზე:

პოპულაციის საშუალო μ = პოპულაციის ელემენტების ჯამი / ელემენტების რაოდენობა.

ჩვენს შემთხვევაში, გამოთვლები იძლევა:

მიღებული მოსახლეობა

მიღებული მოსახლეობაშედგება ყველა შესაძლო ნიმუშისგან, რომელიც შეიძლება შეირჩეს ზოგადი პოპულაციიდან მოცემული შერჩევის გეგმის მიხედვით (შერჩევის გეგმა). სტატისტიკაარის ნიმუშის მახასიათებელი ან მაჩვენებელი. ნიმუშის სტატისტიკური მნიშვნელობა გამოიყენება პოპულაციის კონკრეტული პარამეტრის შესაფასებლად. სხვადასხვა ნიმუშები იძლევა განსხვავებულ სტატისტიკას ან შეფასებას ერთი და იგივე პოპულაციის პარამეტრისთვის.

მიღებული მოსახლეობა
ყველა შესაძლო განმასხვავებელი ნიმუშის ნაკრები, რომელიც შეიძლება შეირჩეს ზოგადი პოპულაციისგან მოცემული შერჩევის გეგმის მიხედვით. სტატისტიკა ნიმუშის მახასიათებელი ან საზომი.

განვიხილოთ ყველა შესაძლო ნიმუშის მიღებული ნაკრები, რომელიც შეიძლება შეირჩეს ჩვენი ჰიპოთეტური პოპულაციის 20 ინდივიდიდან შერჩევის გეგმის მიხედვით, რომელიც ვარაუდობს, რომ შერჩევის ზომა არის n=2შეიძლება მიღებულ იქნას შემთხვევითი არაგანმეორებადი შერჩევით.

ერთი წუთით დავუშვათ, რომ მოსახლეობის თითოეული ერთეულის მონაცემები - ჩვენს შემთხვევაში, ინდივიდის სახელი და შემოსავალი - ეწერება წრეებზე, რის შემდეგაც ისინი ქვევრში ჩაყრიან და ურევენ. მკვლევარი დოქიდან ერთ წრეს აშორებს, მისგან ინფორმაციას ჩამოწერს და განზე დებს. იგივეს აკეთებს ქვევრიდან ამოღებულ მეორე კათხაზეც. შემდეგ მკვლევარი აბრუნებს ორივე კათხას ქილაში, ურევს მის შიგთავსს და იმეორებს მოქმედებების იგივე თანმიმდევრობას. მაგიდაზე. 15.2 გვიჩვენებს დასახელებული პროცედურის შესაძლო შედეგებს. 20 წრეზე შესაძლებელია 190 ასეთი წყვილის კომბინაცია.

თითოეული კომბინაციისთვის შეგიძლიათ გამოთვალოთ საშუალო შემოსავალი. ვთქვათ ნიმუშის აღებისთვის AB (k= 1)

კ-e ნიმუშის საშუალო = ნიმუშების ჯამი / ნიმუშების რაოდენობა =

ნახ. 15.4 გვიჩვენებს საშუალო შემოსავლის შეფასებას მთელი პოპულაციისთვის და შეცდომის ოდენობას ნიმუშების თითოეული შეფასებისთვის k = 25, 62,108,147და 189 .

სანამ შერჩევის საშუალო შემოსავალს (სტატისტიკას) და პოპულაციის საშუალო შემოსავალს (პარამეტრი, რომელიც უნდა შეფასდეს) ურთიერთკავშირის განხილვას განვიხილავთ, მოდით ვთქვათ რამდენიმე სიტყვა მიღებული პოპულაციის შესახებ. ჯერ ერთი, პრაქტიკაში ჩვენ არ ვაგროვებთ ამ ტიპის აგრეგატებს. ამას ძალიან დიდი დრო და ძალისხმევა დასჭირდება. პრაქტიკოსი შეზღუდულია საჭირო ზომის მხოლოდ ერთი ნიმუშის შედგენით. მკვლევარი იყენებს შინაარსიმიღებული პოპულაცია და შერჩევის განაწილების ასოცირებული კონცეფცია საბოლოო დასკვნების ჩამოყალიბებისას.

როგორ იქნება ნაჩვენები ქვემოთ. მეორეც, უნდა გვახსოვდეს, რომ მიღებული პოპულაცია განისაზღვრება, როგორც ყველა შესაძლო განსხვავებული ნიმუშის მთლიანობა, რომელიც შეიძლება შეირჩეს ზოგადი პოპულაციისგან მოცემული შერჩევის გეგმის მიხედვით. როდესაც შერჩევის გეგმის რომელიმე ნაწილი იცვლება, იცვლება მიღებული პოპულაციაც. ასე რომ, თუ წრეების არჩევისას მკვლევარი ამოღებულ დისკებიდან პირველს დააბრუნებს დოქში მეორის ამოღებამდე, მიღებული ნაკრები მოიცავს.

ნიმუშები AA, BB და ა.შ. თუ განმეორებითი ნიმუშების რაოდენობა 2-ის ნაცვლად არის 3, იქნება ABC ტიპის ნიმუშები და იქნება 1140 და არა 190, როგორც ეს იყო წინა შემთხვევაში. როდესაც მარტივი შემთხვევითი შერჩევა იცვლება ნიმუშის ელემენტების განსაზღვრის სხვა მეთოდზე, იცვლება მიღებული პოპულაციაც.

ასევე უნდა გვახსოვდეს, რომ ზოგადი პოპულაციისგან მოცემული ზომის ნიმუშის შერჩევა უდრის მიღებული პოპულაციისგან ერთი ელემენტის არჩევას (190-დან). ეს ფაქტი მრავალი სტატისტიკური დასკვნის გაკეთების საშუალებას გვაძლევს.

ნიმუშის საშუალო და ზოგადი საშუალო

შეგვიძლია გავაიგივოთ შერჩევის საშუალო ჭეშმარიტი პოპულაციის საშუალო? ნებისმიერ შემთხვევაში, ჩვენ გამოვდივართ იქიდან, რომ ისინი ურთიერთდაკავშირებულია. თუმცა, ჩვენ ასევე გვჯერა, რომ შეცდომა იქნება. მაგალითად, შეიძლება ვივარაუდოთ, რომ ინტერნეტის მომხმარებლებისგან მიღებული ინფორმაცია მნიშვნელოვნად განსხვავდება „ჩვეულებრივი“ მოსახლეობის გამოკითხვის შედეგებისგან. სხვა შემთხვევაში, ჩვენ შეგვიძლია ვივარაუდოთ საკმაოდ ზუსტი შესატყვისი, წინააღმდეგ შემთხვევაში ჩვენ ვერ გამოვიყენებდით ნიმუშის მნიშვნელობას ზოგადის მნიშვნელობის შესაფასებლად. მაგრამ რამდენად დიდი შეიძლება იყოს შეცდომა, რომელსაც ვუშვებთ ამით?

მოდით დავამატოთ ცხრილში მოცემული ყველა ნიმუშის მნიშვნელობა. 15.2 და მიღებული ჯამი გავყოთ ნიმუშების რაოდენობაზე, ე.ი. გამოვყოთ საშუალო მაჩვენებლები.
ჩვენ მივიღებთ შემდეგ შედეგს:

იგი ემთხვევა საერთო მოსახლეობის საშუალო ღირებულებას. ამბობენ, რომ ამ შემთხვევაში საქმე გვაქვს მიუკერძოებელი სტატისტიკა.

სტატისტიკას უწოდებენ მიუკერძოებელს, თუ მისი საშუალო ყველა შესაძლო ნიმუშზე უდრის სავარაუდო პოპულაციის პარამეტრს. გაითვალისწინეთ, რომ აქ არ არის საუბარი კონკრეტულ ღირებულებაზე.ნაწილობრივი შეფასება შეიძლება ძალიან შორს იყოს ჭეშმარიტი მნიშვნელობიდან - აიღეთ, მაგალითად, AB ან ST ნიმუშები. ზოგიერთ შემთხვევაში, პოპულაციის ჭეშმარიტი ღირებულება შეიძლება არ იყოს მიღწეული ნებისმიერი შესაძლო ნიმუშის განხილვისას, თუნდაც სტატისტიკა მიუკერძოებელი იყოს. ჩვენს შემთხვევაში, ეს ასე არ არის: რამდენიმე შესაძლო ნიმუში - მაგალითად, AT - იძლევა შერჩევის საშუალოს ტოლფასი რეალური პოპულაციის საშუალოს.

აზრი აქვს განიხილოს ამ ნიმუშის შეფასებების განაწილება და, კერძოდ, კავშირი შეფასებების ამ დისპერსიასა და პოპულაციაში შემოსავლის დონის ცვალებადობას შორის. ვარიაციის საზომად გამოიყენება ზოგადი პოპულაციის ვარიაცია. ზოგადი პოპულაციის დისპერსიის დასადგენად, ჩვენ უნდა გამოვთვალოთ თითოეული მნიშვნელობის გადახრა საშუალოდან, დავამატოთ ყველა გადახრის კვადრატები და მიღებული ჯამი გავყოთ ტერმინების რაოდენობაზე. აღნიშნეთ a^ საერთო პოპულაციის ვარიანსით. შემდეგ:

პოპულაციის ვარიაცია σ 2 = თითოეული ელემენტის კვადრატული განსხვავებების ჯამი
მოსახლეობა და მოსახლეობის საშუალო / პოპულაციის ელემენტების რაოდენობა =

დისპერსია საშუალო ღირებულებაშემოსავლის დონე შეიძლება განისაზღვროს იმავე გზით. ანუ, ჩვენ შეგვიძლია ვიპოვოთ თითოეული საშუალოს გადახრების დადგენით მათი ჯამური საშუალოდან, გადახრების კვადრატების შეჯამებით და მიღებული ჯამის გაყოფით წევრთა რაოდენობაზე.

ჩვენ ასევე შეგვიძლია განვსაზღვროთ საშუალო შემოსავლის დონის ვარიაცია სხვა გზით, ზოგად პოპულაციაში შემოსავლის დონის ვარიაციის გამოყენებით, რადგან ამ ორს შორის არის პირდაპირი კავშირი. უფრო ზუსტად, იმ შემთხვევებში, როდესაც ნიმუში წარმოადგენს პოპულაციის მხოლოდ მცირე ნაწილს, შერჩევის საშუალო ვარიაცია უდრის პოპულაციის დისპერსიას დაყოფილი შერჩევის ზომაზე:

სადაც σ x 2 არის შემოსავლის დონის საშუალო ნიმუშის ღირებულების ვარიაცია, σ 2 არის შემოსავლის დონის ვარიაცია ზოგად პოპულაციაში, ნ- ნიმუშის ზომა.

ახლა შევადაროთ შედეგების განაწილება რაოდენობრივი ნიშნის განაწილებას ზოგად პოპულაციაში. სურათი 15.5 გვიჩვენებს, რომ A უჯრაში ნაჩვენები პოპულაციის ნიშან-თვისებების განაწილება არის მრავალწვერა (20 მნიშვნელობიდან თითოეული ჩნდება მხოლოდ ერთხელ) და სიმეტრიულია 9400 პოპულაციის ჭეშმარიტი საშუალოს მიმართ.

სინჯების განაწილება
გარკვეული სტატისტიკის მნიშვნელობების განაწილება გამოითვლება ყველა შესაძლო განმასხვავებელ ნიმუშზე, რომელიც შეიძლება ამოღებული იქნას პოპულაციისგან მოცემული შერჩევის გეგმის მიხედვით.

B ველში ნაჩვენები ქულების განაწილება ეფუძნება ცხრილის მონაცემებს. 15.3, რომელიც, თავის მხრივ, შედგენილია ცხრილიდან მნიშვნელობების მინიჭებით. 15.2 ამა თუ იმ ჯგუფს, მათი ზომის მიხედვით, ჯგუფში მათი რაოდენობის შემდგომი გაანგარიშებით. ველი B არის ტრადიციული ჰისტოგრამა, რომელიც განიხილება სტატისტიკის შესწავლის დასაწყისშივე, რომელიც წარმოადგენს შერჩევის განაწილებასტატისტიკა. მოკლედ აღვნიშნავთ შემდეგს: შერჩევის განაწილების კონცეფცია არის სტატისტიკის ყველაზე მნიშვნელოვანი კონცეფცია, ის არის სტატისტიკური დასკვნების აგების ქვაკუთხედი. შესწავლილი სტატისტიკის ცნობილი ნიმუშების განაწილების მიხედვით შეგვიძლია დავასკვნათ საერთო პოპულაციის შესაბამისი პარამეტრის შესახებ. თუ მხოლოდ ცნობილია, რომ ნიმუშის შეფასება იცვლება ნიმუშიდან ნიმუშამდე, მაგრამ ამ ცვლილების ბუნება უცნობია, შეუძლებელი ხდება ამ შეფასებასთან დაკავშირებული შერჩევის შეცდომის დადგენა. ვინაიდან შეფასების შერჩევის განაწილება აღწერს, თუ როგორ იცვლება ის ნიმუშიდან ნიმუშზე, ის იძლევა საფუძველს ნიმუშის შეფასების მართებულობის დასადგენად. სწორედ ამ მიზეზის გამოა, რომ ალბათობის შერჩევის დიზაინი იმდენად მნიშვნელოვანია სტატისტიკური დასკვნისთვის.

პოპულაციის თითოეული წევრის ნიმუშში ჩართვის ცნობილი ალბათობის გათვალისწინებით, ინტერვიუერებს შეუძლიათ იპოვონ სხვადასხვა სტატისტიკის ნიმუშების განაწილება. სწორედ ამ განაწილებებს ეყრდნობიან მკვლევარები - იქნება ეს შერჩევის საშუალო, სანიმუშო ფრაქცია, ნიმუშის ვარიაცია თუ სხვა სტატისტიკა - როდესაც ავრცელებენ ნიმუშის დაკვირვების შედეგებს ზოგად პოპულაციაზე. ასევე გაითვალისწინეთ, რომ 2 ზომის ნიმუშებისთვის, ნიმუშის საშუალებების განაწილება არის ცალმოდალური და სიმეტრიული ჭეშმარიტი საშუალოს მიმართ.

ასე რომ, ჩვენ ვაჩვენეთ, რომ:

1. ყველა შესაძლო ნიმუშის საშუალების საშუალო ტოლია ზოგადი საშუალო.
2. ნიმუშის საშუალებების ვარიაცია გარკვეულწილად დაკავშირებულია ზოგად დისპერსიასთან.
3. ნიმუშის საშუალებების განაწილება არის უნიმოდალური, ხოლო რაოდენობრივი ატრიბუტის მნიშვნელობების განაწილება ზოგად პოპულაციაში მრავალმოდალურია.

ცენტრალური ლიმიტის თეორემა

თეორემა, რომელიც ამბობს, რომ ზომის მარტივი შემთხვევითი ნიმუშებისთვის ნ, იზოლირებულია ზოგადი პოპულაციისგან საერთო საშუალო μ და დისპერსიული σ 2, ზოგადად ნნიმუშის საშუალო x-ის განაწილება ნორმას უახლოვდება μ-ის ტოლი ცენტრით და σ 2 დისპერსიით. ამ მიახლოების სიზუსტე იზრდება მატებასთან ერთად ნ.

ცენტრალური ლიმიტის თეორემა. შეფასებების უნიმოდალური განაწილება შეიძლება ჩაითვალოს ცენტრალური ლიმიტის თეორემის გამოვლინებად, რომელიც აცხადებს, რომ მოცულობის მარტივი შემთხვევითი ნიმუშებისთვის ნ, შერჩეული ზოგადი პოპულაციიდან ჭეშმარიტი საშუალო μ და დისპერსიით σ 2, დიდისთვის ნშერჩევის საშუალებების განაწილება ნორმას უახლოვდება, ცენტრით ტოლია ჭეშმარიტი საშუალო და დისპერსიით, რომელიც უდრის პოპულაციის დისპერსიის შეფარდებას შერჩევის ზომასთან, ე.ი.:

ეს მიახლოება უფრო და უფრო ზუსტი ხდება როგორც ნ. დაიმახსოვრე ეს. მოსახლეობის ტიპის მიუხედავად, სანიმუშო საშუალებების განაწილება ნორმალური იქნება საკმარისად დიდი ზომის ნიმუშებისთვის. რა იგულისხმება საკმარისად დიდ მოცულობაში? თუ საერთო პოპულაციის რაოდენობრივი ატრიბუტის მნიშვნელობების განაწილება ნორმალურია, მაშინ სანიმუშო საშუალებების განაწილება ნიმუშებისთვის მოცულობით ნ=1. თუ ცვლადის (რაოდენობრივი ატრიბუტის) განაწილება პოპულაციაში არის სიმეტრიული, მაგრამ არა ნორმალური, ძალიან მცირე ზომის ნიმუშები მისცემს სანიმუშო საშუალებების ნორმალურ განაწილებას. თუ ზოგადი პოპულაციის რაოდენობრივი ატრიბუტის განაწილებას აქვს გამოხატული ასიმეტრია, საჭიროა უფრო დიდი ნიმუშები. და მაინც, ნიმუშის საშუალო განაწილება შეიძლება მხოლოდ ნორმალურად იქნას მიღებული, თუ საქმე გვაქვს საკმარისი ზომის ნიმუშთან.

ნორმალური მრუდის გამოყენებით დასკვნების შესაქმნელად, საერთოდ არ არის საჭირო ზოგადი პოპულაციის რაოდენობრივი ატრიბუტის მნიშვნელობების განაწილების ნორმალურობის პირობა. უფრო სწორად, ჩვენ ვეყრდნობით ცენტრალური ლიმიტის თეორემას და, მოსახლეობის განაწილებიდან გამომდინარე, განვსაზღვრავთ ნიმუშის ისეთ ზომას, რომელიც მოგვცემს საშუალებას ვიმუშაოთ ნორმალურ მრუდთან. საბედნიეროდ, სტატისტიკის ნორმალური განაწილება მოცემულია შედარებით მცირე ზომის ნიმუშებით - ნახ. 15.6 ნათლად აჩვენებს ამ გარემოებას. ნდობის ინტერვალის შეფასებები. შეიძლება თუ არა ზემოთ ჩამოთვლილი დაგვეხმაროს ზოგადი საშუალოზე გარკვეული დასკვნების გაკეთებაში? მართლაც, პრაქტიკაში ვირჩევთ მოცემული ზომის მხოლოდ ერთ და არა ყველა შესაძლო ნიმუშს და მიღებული მონაცემების საფუძველზე ვაკეთებთ გარკვეულ დასკვნებს სამიზნე ჯგუფთან დაკავშირებით.

როგორ ხდება ეს? მოგეხსენებათ, ნორმალური განაწილებით, ყველა დაკვირვების გარკვეულ პროცენტს აქვს გარკვეული სტანდარტული გადახრა; ვთქვათ, დაკვირვებების 95% შეესაბამება საშუალოს ±1.96 სტანდარტულ გადახრებს. სანიმუშო საშუალებების ნორმალური განაწილება, რომელზედაც შეიძლება გამოვიყენოთ ცენტრალური ლიმიტის თეორემა, გამონაკლისი არ არის ამ თვალსაზრისით. ასეთი ნიმუშის განაწილების საშუალო უდრის μ საერთო საშუალოს, ხოლო მის სტანდარტულ გადახრას ეწოდება საშუალო სტანდარტული შეცდომა:

გამოდის, რომ:

• შერჩევის საშუალებების 68,26% გადახრის საერთო საშუალოდან არაუმეტეს ± σ x ;
• შერჩევის საშუალებების 95,45% გადახრის საერთო საშუალოდან არაუმეტეს ±σ x ;
• შერჩევის საშუალებების 99.73% გადახრის ზოგადი საშუალოდან არაუმეტეს ± σ x,

ანუ ნიმუშის საშუალებების გარკვეული პროპორცია არჩეული მნიშვნელობიდან გამომდინარე ზიქნება ჩასმული მნიშვნელობით განსაზღვრულ ინტერვალში ზ. ეს გამოთქმა შეიძლება გადაიწეროს როგორც უტოლობა:

ზოგადი საშუალო - ზ < Среднее по выборке < Генеральное среднее + ზ(საშუალოების სტანდარტული შეცდომა)

ამდენად, ნიმუშის საშუალო გარკვეული ალბათობით არის ინტერვალში, რომლის საზღვრებია განაწილების საშუალო მნიშვნელობის ჯამი და განსხვავება და სტანდარტული გადახრების გარკვეული რაოდენობა. ეს უტოლობა შეიძლება გარდაიქმნას ფორმაში:

ნიმუშის საშუალო - ზ(საშუალოების სტანდარტული შეცდომა)< Генеральное среднее < Среднее по выборке + ზ(საშუალოების სტანდარტული შეცდომა)

თუ თანაფარდობა 15.1 შეინიშნება, მაგალითად, 95% შემთხვევაში ( ზ= 1,96), მაშინ 95% შემთხვევაში ასევე შეინიშნება თანაფარდობა 15,2. იმ შემთხვევებში, როდესაც დასკვნა ეფუძნება ერთი ნიმუშის საშუალოს, ჩვენ ვიყენებთ გამოხატვას 15.2.

მნიშვნელოვანია გვახსოვდეს, რომ გამოთქმა 15.2 არ ნიშნავს, რომ მოცემული ნიმუშის შესაბამისი ინტერვალი აუცილებლად უნდა შეიცავდეს ზოგად საშუალოს. ინტერვალი უფრო მეტად ეხება შერჩევის პროცედურას.ამ საშუალოზე აგებული ინტერვალი შეიძლება შეიცავდეს ან არ შეიცავდეს პოპულაციის ნამდვილ საშუალოს. ჩვენი ნდობა გაკეთებული დასკვნების სისწორეში ემყარება იმ ფაქტს, რომ შერჩეული შერჩევის გეგმის მიხედვით აგებული ყველა ინტერვალის 95% შეიცავს ნამდვილ საშუალოს. მიგვაჩნია, რომ ჩვენი ნიმუში სწორედ ამ 95%-ს ეკუთვნის.

ამ მნიშვნელოვანი პუნქტის საილუსტრაციოდ, ერთი წუთით წარმოიდგინეთ, რომ ნიმუშის განაწილება ნიშნავს ზომის ნიმუშებს ნ= 2 ჩვენს ჰიპოთეტურ მაგალითში ნორმალურია. ცხრილი 15.4 გრაფიკულად ასახავს შედეგს 190 შესაძლო ნიმუშიდან პირველი 10-ისთვის, რომლებიც შეიძლება შეირჩეს მოცემული დიზაინის მიხედვით. გაითვალისწინეთ, რომ 10 ინტერვალიდან მხოლოდ 7 შეიცავს ზოგად ან ნამდვილ საშუალოს. დასკვნის სისწორეში ნდობა განპირობებულია არა რაიმე კერძო შეფასებით, არამედ ზუსტად პროცედურაშეფასებები. ეს პროცედურა ისეთია, რომ 100 ნიმუშისთვის, რომლებისთვისაც გამოითვლება ნიმუშის საშუალო და ნდობის ინტერვალი, 95 შემთხვევაში ეს ინტერვალი მოიცავს ნამდვილ ზოგად მნიშვნელობას. ამ ნიმუშის სიზუსტე განისაზღვრება იმ პროცედურის მიხედვით, რომლითაც ნიმუში ჩამოყალიბდა. შერჩევის წარმომადგენლობითი დიზაინი არ იძლევა გარანტიას ყველა ნიმუშის წარმომადგენლობას. სტატისტიკური დასკვნის პროცედურები ეფუძნება შერჩევის გეგმის წარმომადგენლობას, რის გამოც ეს პროცედურა ასე კრიტიკულია ალბათობის ნიმუშებისთვის.

ალბათური შერჩევის საშუალებას გვაძლევს შევაფასოთ შედეგების სიზუსტე, როგორც წარმოებული შეფასებების სიახლოვე ნამდვილ მნიშვნელობასთან. რაც უფრო დიდია სტატისტიკის სტანდარტული შეცდომა, მით უფრო მაღალია შეფასებების გაფანტვის ხარისხი და მით უფრო დაბალია პროცედურის სიზუსტე.

ზოგიერთი შეიძლება დაბნეული იყოს იმით, რომ ნდობის დონე დაკავშირებულია პროცედურასთან და არა კონკრეტულ ნიმუშის მნიშვნელობასთან, მაგრამ უნდა გვახსოვდეს, რომ ზოგადი მნიშვნელობის შეფასების ნდობის დონის მნიშვნელობა შეიძლება დარეგულირდეს მკვლევრის მიერ. თუ არ გსურთ რისკების აღება და გეშინიათ, რომ შეიძლება შეგხვდეთ შერჩეული ხუთიდან ერთ-ერთ ინტერვალს, რომელიც არ მოიცავს პოპულაციის საშუალო რაოდენობას, შეგიძლიათ აირჩიოთ 99% ნდობის ინტერვალი, სადაც ასი ნიმუშის ინტერვალიდან მხოლოდ ერთი არ არის. მოიცავს მოსახლეობის საშუალო რაოდენობას. გარდა ამისა, თუ შეძლებთ შერჩევის ზომის გაზრდას, გაზრდით შედეგისადმი ნდობის ხარისხს, რაც უზრუნველყოფს პოპულაციის ღირებულების შეფასების სასურველ სიზუსტეს. ამის შესახებ უფრო დეტალურად თავში ვისაუბრებთ. 17.

ჩვენს მიერ აღწერილ პროცედურას აქვს კიდევ ერთი კომპონენტი, რამაც შეიძლება გამოიწვიოს გარკვეული უხერხულობა. ნდობის ინტერვალის შეფასებისას გამოიყენება სამი რაოდენობა: x, ზდა ს x . ნიმუშის საშუალო x გამოითვლება ნიმუშის მონაცემებიდან, ზარჩეულია სასურველი ნდობის დონის მიხედვით. რაც შეეხება σ x საშუალო კვადრატის ცდომილებას? ის უდრის:

და ამიტომ, მის დასადგენად, უნდა ვიკითხოთ ზოგადი პოპულაციის რაოდენობრივი ატრიბუტის სტანდარტული გადახრა, ანუ 5. რა უნდა გავაკეთოთ იმ შემთხვევებში, როდესაც სტანდარტული გადახრა სუცნობი? ეს პრობლემა არ წარმოიქმნება ორი მიზეზის გამო. პირველ რიგში, მარკეტინგულ კვლევაში გამოყენებული რაოდენობრივი მახასიათებლების უმეტესობისთვის, ცვალებადობა ჩვეულებრივ იცვლება ბევრად უფრო ნელა, ვიდრე მარკეტერისთვის საინტერესო ცვლადების უმეტესობის დონე. შესაბამისად, თუ კვლევა განმეორდება, გამოთვლებში შეგვიძლია გამოვიყენოთ s-ის წინა, ადრე მიღებული მნიშვნელობა. მეორე, მას შემდეგ რაც შეირჩევა ნიმუში და მიიღება მონაცემები, ჩვენ შეგვიძლია შევაფასოთ პოპულაციის დისპერსია შერჩევის დისპერსიის განსაზღვრით. მიკერძოებული ნიმუშის ვარიაცია განისაზღვრება როგორც:

ნიმუშის განსხვავება ŝ 2 = კვადრატული გადახრების ჯამი შერჩევის საშუალოდან / (შერჩეული ერთეულების რაოდენობა -1). ნიმუშის დისპერსიის დასადგენად, ჯერ უნდა ვიპოვოთ ნიმუშის საშუალო. შემდეგ აღმოჩენილია განსხვავება თითოეული ნიმუშის მნიშვნელობასა და ნიმუშის საშუალოს შორის; ეს განსხვავებები კვადრატში, ჯამდება და იყოფა რიცხვზე, რომელიც უდრის ნიმუშის დაკვირვების რაოდენობას მინუს ერთი. ნიმუშის ვარიაცია არა მხოლოდ იძლევა მთლიანი დისპერსიის შეფასებას, არამედ შეიძლება გამოყენებულ იქნას საშუალო სტანდარტული შეცდომის შესაფასებლად. როდესაც ცნობილია σ 2 ზოგადი ვარიაცია, ასევე ცნობილია ფესვის საშუალო კვადრატის შეცდომა σ x, რადგან:

როდესაც ზოგადი დისპერსია უცნობია, საშუალო სტანდარტული შეცდომის შეფასება შესაძლებელია მხოლოდ. ეს შეფასება მოცემულია ŝ x, რომელიც უდრის ნიმუშის სტანდარტულ გადახრას გაყოფილი ნიმუშის ზომის კვადრატულ ფესვზე, ე.ი. შეფასება განისაზღვრება ისევე, როგორც განისაზღვრა ჭეშმარიტი მნიშვნელობის შეფასება, მაგრამ ზოგადი სტანდარტული გადახრის ნაცვლად, ნიმუშის სტანდარტული გადახრა ჩანაცვლებულია გამოთვლის ფორმულაში. მაშ ასე, ვთქვათ AB ნიმუშისთვის 5800 სანიმუშო საშუალოთ:

შესაბამისად, ŝ = 283 და

და 95% ინტერვალი არის ახლა

რაც წინა მნიშვნელობაზე ნაკლებია.

მაგიდაზე. 15.5 აჯამებს გამოთვლის ფორმულებს სხვადასხვა საშუალო და დისპერსიებისთვის, რომლებიც განხილული იყო ამ თავში. მარტივი შემთხვევითი ნიმუშის ფორმირება. ჩვენს მაგალითში ნიმუშის ელემენტების შერჩევა განხორციელდა დოქის გამოყენებით, რომელიც შეიცავდა თავდაპირველი პოპულაციის ყველა ელემენტს. ამან საშუალება მოგვცა წარმოგვედგინა მიღებული პოპულაციისა და შერჩევის განაწილების ცნებები. ჩვენ არ გირჩევთ მსგავსი მეთოდის გამოყენებას პრაქტიკაში, რადგან ეს ზრდის შეცდომის ალბათობას. ჭიქები შეიძლება განსხვავდებოდეს როგორც ზომით, ასევე ტექსტურით, რამაც ზოგიერთ შემთხვევაში შეიძლება გამოიწვიოს უპირატესობა ერთის მიმართ. ლატარიის საშუალებით განხორციელებული ვიეტნამური კამპანიის მონაწილეთა შერჩევა შეიძლება ამ ტიპის შეცდომის მაგალითი იყოს.

შერჩევა განხორციელდა დიდი დოლიდან დაბადების თარიღების მქონე დისკების ამოღებით. ტელევიზია ამ პროცედურას მთელი ქვეყნის მასშტაბით ავრცელებს. სამწუხაროდ, დისკები სისტემატიურად იტვირთებოდა დრამში, პირველი იანვრის თარიღები და ბოლო დეკემბრის თარიღები. მიუხედავად იმისა, რომ ბარაბანი ექვემდებარებოდა ინტენსიურ ტრიალს, დეკემბრის თარიღები იანვარზე ბევრად უფრო ხშირად დაეცა. შემდგომში ეს პროცედურა ისე გადაიხედა, რომ ასეთი სისტემატური შეცდომების ალბათობა საგრძნობლად შემცირდა. მარტივი შემთხვევითი ნიმუშის გენერირების სასურველი მეთოდი ეფუძნება შემთხვევითი რიცხვების ცხრილის გამოყენებას.

ასეთი ცხრილის გამოყენება მოიცავს ნაბიჯების შემდეგ თანმიმდევრობას. პირველ რიგში, პოპულაციის ელემენტებს უნდა მიენიჭოთ თანმიმდევრული რიცხვები 1-დან ნ; ჩვენს ჰიპოთეტურ პოპულაციაში ელემენტს მაგრამნომერი 1 მიენიჭება ელემენტს ბ- ნომერი 2 და ა.შ. მეორეც, შემთხვევითი რიცხვების ცხრილის ციფრების რაოდენობა იგივე უნდა იყოს, რაც რიცხვისა. ნ. ამისთვის ნ= გამოყენებული იქნება 20 ორნიშნა რიცხვი; ამისთვის ნ 100-დან 999-მდე - სამნიშნა რიცხვები და ა.შ. მესამე, საწყისი პოზიცია უნდა განისაზღვროს შემთხვევით. ჩვენ შეგვიძლია გავხსნათ შემთხვევითი რიცხვების შესაბამისი ცხრილი და, როგორც იტყვიან, თვალის დახუჭვით, თითი მოვკიდოთ მას. იმის გამო, რომ შემთხვევითი რიცხვების ცხრილის რიცხვები შემთხვევითი თანმიმდევრობითაა, სასტარტო პოზიციას ნამდვილად არ აქვს მნიშვნელობა.

და ბოლოს, ჩვენ შეგვიძლია გადავიდეთ ნებისმიერი თვითნებურად არჩეული მიმართულებით - ზევით, ქვევით ან გადაღმა, ავირჩიოთ ის ელემენტები, რომელთა რიცხვი შეესაბამებოდეს შემთხვევით რიცხვებს ცხრილიდან. ნათქვამის საილუსტრაციოდ, განიხილეთ შემთხვევითი რიცხვების შემოკლებული ცხრილი (ცხრილი 15.6). Იმდენად, რამდენადაც ნ= 20, ჩვენ უნდა ვიმუშაოთ მხოლოდ ორნიშნა რიცხვებით. ამ თვალსაზრისით, ტაბ. 15.6 მშვენივრად გვერგება. დავუშვათ, რომ წინასწარ გადავწყვიტეთ სვეტის ქვემოთ გადაადგილება, საწყისი პოზიცია არის მეთერთმეტე მწკრივისა და მეოთხე სვეტის კვეთაზე, სადაც არის ნომერი 77. ეს რიცხვი ძალიან დიდია და ამიტომ უნდა განადგურდეს. შემდეგი ორი რიცხვი ასევე გაუქმდება, ხოლო მეოთხე მნიშვნელობა 02 გამოყენებული იქნება, რადგან 2 არის ელემენტის ნომერი AT.

შემდეგი ხუთი ციფრი ასევე გაუქმდება, როგორც ძალიან დიდი, ხოლო რიცხვი 05 მიუთითებს ელემენტს ე. ასე რომ, ელემენტები ATდა ეგახდება ჩვენი ორ ელემენტიანი ნიმუში, რომლითაც ვიმსჯელებთ ამ მოსახლეობის შემოსავლის დონეს. ასევე შესაძლებელია ალტერნატიული სტრატეგია, რომელშიც შერჩევის საფუძველი იქნება შემთხვევითი რიცხვების გენერირებული კომპიუტერული პროგრამა. ბოლო პუბლიკაციებში მითითებულია, რომ ასეთი პროგრამების მიერ გენერირებული რიცხვები არ არის სრულიად შემთხვევითი, რაც გარკვეულწილად შეიძლება გამოვლინდეს რთული მათემატიკური მოდელების აგებისას, მაგრამ მათი გამოყენება შესაძლებელია მარკეტინგული კვლევის უმეტესობისთვის. კიდევ ერთხელ გაითვალისწინეთ, რომ მარტივი შემთხვევითი ნიმუში მოითხოვს ზოგადი პოპულაციის ელემენტების თანმიმდევრული დანომრილი სიის შედგენას.

სხვა სიტყვებით რომ ვთქვათ, თავდაპირველი პოპულაციის თითოეული წევრი უნდა იყოს იდენტიფიცირებული. ზოგიერთი მოსახლეობისთვის ამის გაკეთება რთული არ არის, მაგალითად, 500 უმსხვილესი ამერიკული კორპორაციის კვლევაში, რომელთა სია მოცემულია ჟურნალ Fortune-ში. ეს სია უკვე შედგენილია, ამიტომ მარტივი შემთხვევითი ნიმუშის ფორმირება ამ შემთხვევაში არ იქნება რთული. სხვა საწყისი პოპულაციებისთვის (მაგალითად, კონკრეტულ ქალაქში მცხოვრები ყველა ოჯახისთვის), ზოგადი სიის შედგენა უკიდურესად რთულია, რაც მკვლევარებს აიძულებს მიმართონ სხვა შერჩევის კვლევის სქემებს.

Შემაჯამებელი

სასწავლო მიზანი 1
მკაფიოდ განასხვავებენ აღწერის (კვალიფიკაციის) და შერჩევის ცნებებს

მოსახლეობის (მოსახლეობის) სრული აღწერა ე.წ კვალიფიციური. ნიმუშინაკრები, ჩამოყალიბებული შერჩეული ელემენტებიდან.

სასწავლო მიზანი 2
იცოდეთ მკვლევარების მიერ განხორციელებული ექვსი ეტაპის არსი და თანმიმდევრობა ნიმუშის პოპულაციის მისაღებად

შერჩევის პროცესი დაყოფილია ექვს ეტაპად:

1. მოსახლეობის დავალება;
2. სინჯის ჩარჩოს განსაზღვრა;
3. შერჩევის პროცედურის არჩევა;
4. ნიმუშის ზომის განსაზღვრა;
5. ნიმუშის ელემენტების შერჩევა;
6. შერჩეული ელემენტების შემოწმება.

სასწავლო მიზანი 3
განვსაზღვროთ "ნიმუშების ჩარჩოს" კონცეფცია

შერჩევის ჩარჩო არის იმ ნივთების სია, საიდანაც მოხდება ნიმუშის აღება.

სასწავლო მიზანი 4
ახსენით განსხვავება ალბათურ და დეტერმინისტულ შერჩევას შორის

ალბათურ ნიმუშში, პოპულაციის თითოეული წევრი შეიძლება იყოს გარკვეული მოცემული არა ნულოვანიალბათობა. ნიმუშში პოპულაციის გარკვეული წევრების შეყვანის ალბათობა შეიძლება განსხვავდებოდეს ერთმანეთისგან, მაგრამ მასში თითოეული ელემენტის ჩართვის ალბათობა ცნობილია. დეტერმინისტული ნიმუშებისთვის შეუძლებელი ხდება ნიმუშში რომელიმე ელემენტის ჩართვის ალბათობის შეფასება. ასეთი ნიმუშის წარმომადგენლობითობის გარანტია შეუძლებელია. ყველა დეტერმინისტული არჩევანი ეფუძნება, უფრო სწორად, პირად პოზიციას, განსჯას ან უპირატესობას. ასეთმა პრეფერენციებმა შეიძლება ზოგჯერ კარგი შეფასება მისცეს პოპულაციის მახასიათებლებს, მაგრამ არ არსებობს საშუალება ობიექტურად განვსაზღვროთ ნიმუშის ვარგისიანობა ამოცანისთვის.

სასწავლო მიზანი 5
განასხვავებენ ფიქსირებული ზომის შერჩევასა და მრავალსაფეხურიან (თანმიმდევრულ) შერჩევას

ფიქსირებული ზომის ნიმუშებთან მუშაობისას შერჩევის ზომა დგინდება კვლევის დაწყებამდე და შედეგების ანალიზს წინ უძღვის ყველა საჭირო მონაცემის შეგროვება. თანმიმდევრულ ნიმუშში შერჩეული ელემენტების რაოდენობა წინასწარ არ არის ცნობილი, ის განისაზღვრება რიგითი გადაწყვეტილებების საფუძველზე.

სასწავლო მიზანი 6
ახსენით რა არის მიზანმიმართული შერჩევა და აღწერეთ მისი ძლიერი და სუსტი მხარეები

მიზანმიმართული შერჩევის ელემენტები შერჩეულია ხელით და წარედგინება მკვლევარს კვლევის მიზნებისთვის სათანადოდ. ვარაუდობენ, რომ შერჩეულ ელემენტებს შეუძლიათ შესწავლილი პოპულაციის სრული სურათის მიცემა. სანამ მკვლევარი პრობლემის გადაჭრის ადრეულ სტადიაზეა, როდესაც დგინდება დაგეგმილი კვლევის პერსპექტივები და შესაძლო შეზღუდვები, მიზანმიმართული შერჩევის გამოყენება შეიძლება იყოს ძალიან ეფექტური. მაგრამ არავითარ შემთხვევაში არ უნდა დავივიწყოთ ამ ტიპის ნიმუშის სისუსტეები, რადგან ის ასევე შეიძლება გამოიყენოს მკვლევარმა აღწერილობით ან მიზეზობრივ კვლევებში, რაც არ დააყოვნებს გავლენას მათი შედეგების ხარისხზე.

სასწავლო მიზანი 7
განსაზღვრეთ კვოტის შერჩევის ცნება

პროპორციული შერჩევის შერჩევა ხდება ისე, რომ შერჩევის ელემენტების წილი გარკვეული მახასიათებლებით დაახლოებით შეესაბამებოდეს იმავე ელემენტების პროპორციას შესწავლილ პოპულაციაში; ამისათვის თითოეულ მრიცხველს ენიჭება კვოტა, რომელიც განსაზღვრავს მოსახლეობის მახასიათებლებს, რომელთანაც მას უნდა დაუკავშირდეს.

სასწავლო მიზანი 8
ახსენით რა არის პარამეტრი შერჩევის პროცედურაში

პარამეტრი - ზოგადი ან შესწავლილი მოსახლეობის გარკვეული მახასიათებელი ან მაჩვენებელი; გარკვეული რაოდენობრივი მაჩვენებელი, რომელიც განასხვავებს ერთ კომპლექტს მეორისგან.

სასწავლო მიზანი 9
ახსენით რა არის წარმოებული სიმრავლე

მიღებული პოპულაცია შედგება ყველა შესაძლო ნიმუშისგან, რომელიც შეიძლება შეირჩეს ზოგადი პოპულაციისგან მოცემული შერჩევის გეგმის მიხედვით.

სასწავლო მიზანი 10
ახსენით, რატომ არის შერჩევის განაწილების კონცეფცია სტატისტიკის ყველაზე მნიშვნელოვანი კონცეფცია.

შერჩევის განაწილების კონცეფცია არის სტატისტიკური დასკვნის ქვაკუთხედი. შესწავლილი სტატისტიკის ცნობილი ნიმუშების განაწილების მიხედვით შეგვიძლია დავასკვნათ საერთო პოპულაციის შესაბამისი პარამეტრის შესახებ. თუ მხოლოდ ცნობილია, რომ ნიმუშის შეფასება იცვლება ნიმუშიდან ნიმუშამდე, მაგრამ ამ ცვლილების ბუნება უცნობია, შეუძლებელი ხდება ამ შეფასებასთან დაკავშირებული შერჩევის შეცდომის დადგენა. ვინაიდან შეფასების შერჩევის განაწილება აღწერს, თუ როგორ იცვლება ის ნიმუშიდან ნიმუშზე, ის იძლევა საფუძველს ნიმუშის შეფასების მართებულობის დასადგენად.

ემპირიული ითვლება სოციალური ურთიერთობებისა და პროცესების შესწავლის ერთ-ერთ მთავარ საშუალებად. ისინი უზრუნველყოფენ სანდო, სრულ და წარმომადგენლობით ინფორმაციას.

ტექნიკის სპეციფიკა

ემპირიული უზრუნველყოფს ფაქტების დაფიქსირების ცოდნის მიღებას. ისინი ხელს უწყობენ გარემოებების ჩამოყალიბებასა და განზოგადებას შესწავლილი ურთიერთობების, ობიექტების, ფენომენების თანდაყოლილი მოვლენების ირიბი ან პირდაპირი აღრიცხვის გზით. ემპირიული მეთოდები განსხვავდება თეორიულისგან იმით, რომ ანალიზის საგანია:

1. ინდივიდებისა და მათი ჯგუფების ქცევა.
2. ადამიანის საქმიანობის პროდუქტები.
3. პიროვნების სიტყვიერი მოქმედებები, მათი განსჯა, შეხედულებები, მოსაზრებები.

ნიმუშების კვლევები

ემპირიული კვლევა ყოველთვის ორიენტირებულია ობიექტური და ზუსტი ინფორმაციის, რაოდენობრივი მონაცემების მოპოვებაზე. ამასთან დაკავშირებით, როდესაც ის ხორციელდება, აუცილებელია ინფორმაციის წარმომადგენლობითობის უზრუნველყოფა. შესაბამისად, სწორი შერჩევის ნაკრები. Ეს არისეს ნიშნავს, რომ შერჩევა უნდა განხორციელდეს ისე, რომ ვიწრო ჯგუფიდან მიღებული მონაცემები ასახავდეს ტენდენციებს, რომლებიც ადგილი აქვს რესპონდენტთა საერთო მასას. მაგალითად, 200-300 ადამიანის გამოკითხვისას, მიღებული მონაცემების ექსტრაპოლაცია შესაძლებელია მთელ ქალაქურ მოსახლეობაზე. ნიმუშების ნაკრების ინდიკატორები იძლევა განსხვავებულ მიდგომას რეგიონში, მთლიანად ქვეყანაში სოციალურ-ეკონომიკური პროცესების შესწავლისადმი.

ტერმინოლოგია

იმისათვის, რომ უკეთ გავიგოთ სანიმუშო გამოკითხვებთან დაკავშირებული საკითხები, საჭიროა გარკვეული განმარტებების დაზუსტება. დაკვირვების ერთეული არის ინფორმაციის პირდაპირი წყარო. ეს შეიძლება იყოს ინდივიდი, ჯგუფი, დოკუმენტი, ორგანიზაცია და ა.შ. საერთო მოსახლეობა არისსადამკვირვებლო ერთეულების ნაკრები. ყველა მათგანი შესაბამისი უნდა იყოს შესწავლილ პრობლემასთან. ექვემდებარება უშუალო ანალიზს. კვლევა ტარდება ინფორმაციის შეგროვების შემუშავებული მეთოდების შესაბამისად. რესპონდენტთა მთელი მასივის ამ პროპორციის დასადგენად გამოიყენეთ "ნიმუშის" კონცეფცია. მის თვისებას, ასახოს ხალხის მთლიანი მასის ძირითადი პარამეტრები, ეწოდება წარმომადგენლობა. ზოგიერთ შემთხვევაში მატჩები არ არის. შემდეგ საუბარია წარმომადგენლობით შეცდომაზე.

წარმომადგენლობითობის უზრუნველყოფა

მასთან დაკავშირებული საკითხები დეტალურად განიხილება სტატისტიკის ფარგლებში. პრობლემები კომპლექსურია, რადგან, ერთი მხრივ, ჩვენ ვსაუბრობთ რაოდენობრივ წარმოდგენაზე, რომელიც იძლევა საერთო მოსახლეობა. Ეს არისკერძოდ, ნიშნავს, რომ რესპონდენტთა ჯგუფები უნდა იყოს წარმოდგენილი ოპტიმალური რაოდენობით. რაოდენობა საკმარისი უნდა იყოს ნორმალური წარმოდგენისთვის. მეორე მხრივ, ეს ასევე ნიშნავს ხარისხობრივ წარმომადგენლობას. იგი გულისხმობს გარკვეულ საგნობრივ კომპოზიციას, რომელიც აყალიბებს შერჩევის ნაკრები. Ეს არისნიშნავს, რომ, მაგალითად, წარმომადგენლობაზე საუბარი არ შეიძლება, თუ გამოკითხულნი არიან მხოლოდ მამაკაცები ან მხოლოდ ქალები, მოხუცები ან ახალგაზრდები. კვლევა უნდა ჩატარდეს ყველა წარმოდგენილ ჯგუფში.

ნიმუშის მახასიათებელი

ეს ტერმინი განიხილება ორ ასპექტში. უპირველეს ყოვლისა, ის განისაზღვრება, როგორც ელემენტების კომპლექსი ადამიანთა საერთო მასივიდან, რომელთა მოსაზრებაც შესწავლილია - ეს არის შერჩევის ნაკრები. Ეს არისასევე რესპონდენტთა გარკვეული კატეგორიის საჭირო წარმომადგენლობით შექმნის პროცესი. პრაქტიკაში, არსებობს რამდენიმე სახის და ტიპის შერჩევა. განვიხილოთ ისინი.

ტიპები

სამი მათგანია:

1. სპონტანური შერჩევის ნაკრები. Ეს არისნებაყოფლობით საფუძველზე შერჩეული რესპონდენტთა ნაკრები. ამავდროულად, უზრუნველყოფილია ერთეულების შესვლის ხელმისაწვდომობა ადამიანთა მთლიანი მასიდან კონკრეტულ სასწავლო ჯგუფში. პრაქტიკაში სპონტანური შერჩევა საკმაოდ ხშირად გამოიყენება. მაგალითად, პრესაში გამოკითხვებში, ფოსტით. თუმცა, ამ მიდგომას აქვს მნიშვნელოვანი ნაკლი. ზოგადი ნიმუშის მთლიანი მოცულობის ხარისხობრივად წარმოდგენა შეუძლებელია. ეს ტექნიკა გამოიყენება ეკონომიურობის თვალსაზრისით. ზოგიერთ გამოკითხვაში ეს ვარიანტი ერთადერთია შესაძლებელი.
2. სპონტანური შერჩევის ნაკრები. Ეს არისკვლევისას გამოყენებული ერთ-ერთი მთავარი მეთოდი. ასეთი შერჩევის მთავარი პრინციპი არის დაკვირვების თითოეული ერთეულის შესაძლებლობა, რომ ინდივიდების საერთო მასიდან ვიწრო ჯგუფში გადავიდეს. ამისათვის გამოიყენება სხვადასხვა მეთოდი. მაგალითად, ეს შეიძლება იყოს ლატარია, მექანიკური შერჩევა, შემთხვევითი რიცხვების ცხრილი.
3. სტრატიფიცირებული (კვოტა) შერჩევა. იგი ეფუძნება რესპონდენტთა მთლიანი მასის თვისებრივი მოდელის ფორმირებას. ამის შემდეგ ხდება ერთეულების შერჩევა შერჩევის პოპულაციაში. მაგალითად, სრულდება ასაკის ან სქესის მიხედვით, მოსახლეობის ჯგუფების მიხედვით და ა.შ.

სახეები

არსებობს შემდეგი არჩევანი:

დამატებით

ნიმუშები ასევე შეიძლება იყოს დამოკიდებული და დამოუკიდებელი. პირველ შემთხვევაში, ექსპერიმენტის პროცედურა და შედეგები, რომლებიც მიიღება რესპონდენტთა ერთი ჯგუფისთვის, გარკვეულ გავლენას ახდენს მეორეზე. შესაბამისად, დამოუკიდებელი ნიმუშები არ გულისხმობს ასეთ ზემოქმედებას. თუმცა აქ ერთი მნიშვნელოვანი მომენტი უნდა აღინიშნოს. დამოკიდებულად ჩაითვლება საგნების ერთი ჯგუფი, რომლის მიმართაც ფსიქოლოგიური გამოკვლევა ჩატარდა ორჯერ (თუნდაც ეს იყო მიმართული სხვადასხვა თვისებების, ნიშნების, ნიშნების შესწავლაზე).

სავარაუდო არჩევანი

განვიხილოთ რამდენიმე ტიპის ნიმუში:

1. შემთხვევითი. იგი ითვალისწინებს მთლიანი პოპულაციის ერთგვაროვნებას, ყველა კომპონენტის ხელმისაწვდომობის ერთ ალბათობას, ასევე ელემენტების სრული სიის არსებობას. როგორც წესი, შერჩევის პროცესში გამოიყენება ცხრილი შემთხვევითი რიცხვებით.
2. მექანიკური. ამ სახის შემთხვევითი შერჩევა გულისხმობს შეკვეთას გარკვეული ატრიბუტის მიხედვით. მაგალითად, ტელეფონის ნომრით, ანბანის მიხედვით, დაბადების თარიღით და ა.შ. პირველი კომპონენტი არჩეულია შემთხვევით. შემდეგი, თითოეული k ელემენტი შეირჩევა ნაბიჯით n. მთლიანი მოსახლეობის ღირებულება იქნება N=k*n.
3. სტრატიფიცირებული. ეს ნიმუში გამოიყენება მაშინ, როდესაც მთლიანი პოპულაცია ჰეტეროგენულია. ეს უკანასკნელი იყოფა ფენებად (ჯგუფებად). თითოეულ მათგანში შერჩევა ხდება მექანიკურად ან შემთხვევით.
4. სერიალი. ჯგუფები შეირჩევა შემთხვევით. მათ შიგნით ობიექტებს მთელი გზა სწავლობენ.

წარმოუდგენელი არჩევანი

ისინი მოიცავს შერჩევას არა შემთხვევითობის პრინციპით, არამედ სუბიექტური საფუძვლებით: ტიპიურობა, ხელმისაწვდომობა, თანაბარი წარმომადგენლობა და ა.შ. არჩევანი ამ კატეგორიაში მოიცავს:

ნიუანსი

წარმომადგენლობითობის უზრუნველსაყოფად საჭიროა მოსახლეობის ერთეულების ზუსტი და სრული სია. დაკვირვების ობიექტები, როგორც წესი, ერთი ადამიანია. სიიდან შერჩევა საუკეთესოდ ხდება ერთეულების ნუმერაციისა და შემთხვევითი რიცხვების ცხრილის გამოყენებით. მაგრამ ხშირად გამოიყენება კვაზი შემთხვევითი მეთოდიც. იგი ითვალისწინებს შერჩევას თითოეული n ელემენტის სიიდან.

გავლენის ფაქტორები

მოსახლეობის მოცულობა არის მისი ერთეულების რაოდენობა. ექსპერტების აზრით, ის არ უნდა იყოს დიდი. ეჭვგარეშეა, რაც უფრო დიდია რესპონდენტთა რაოდენობა, მით უფრო ზუსტი იქნება შედეგი. თუმცა, ამავდროულად, დიდი მოცულობა ყოველთვის არ იძლევა წარმატების გარანტიას. მაგალითად, ეს ხდება მაშინ, როდესაც რესპონდენტთა მთლიანი მასივი ჰეტეროგენულია. ჰომოგენურად ჩაითვლება ისეთი ნაკრები, სადაც კონტროლირებადი პარამეტრი, მაგალითად, წიგნიერების დონე, თანაბრად ნაწილდება, ანუ არ არის სიცარიელე ან კონდენსაცია. ამ შემთხვევაში საკმარისი იქნება რამდენიმე ადამიანის გასაუბრება. გამოკითხვის შედეგების მიხედვით, შესაძლებელი იქნება დავასკვნათ, რომ ადამიანთა უმრავლესობას წიგნიერების ნორმალური დონე აქვს. აქედან გამომდინარეობს, რომ ინფორმაციის წარმომადგენლობაზე გავლენას ახდენს არა რაოდენობრივი მახასიათებლები, არამედ მოსახლეობის თვისობრივი მახასიათებლები - კერძოდ, მისი ჰომოგენურობის დონე.

შეცდომები

ისინი წარმოადგენენ შერჩევის პოპულაციის საშუალო პარამეტრების გადახრას რესპონდენტთა მთლიანი მასის მნიშვნელობებისგან. პრაქტიკაში, შეცდომებს ადგენენ შესატყვისობით. მოზრდილების გამოკითხვისას ჩვეულებრივ გამოიყენება აღწერის მონაცემები, სტატისტიკური ჩანაწერები და წარსული კვლევების შედეგები. საკონტროლო პარამეტრები, როგორც წესი, არის პოპულაციების საშუალო მნიშვნელობების შედარება (ზოგადი და ნიმუში), შეცდომის დადგენა ამის შესაბამისად და ამ გადახრის შემცირებას ეწოდება წარმომადგენლობითობის კონტროლი.

დასკვნები

ნიმუშის კვლევა არის ადამიანთა დამოკიდებულებებისა და ქცევის შესახებ მონაცემების შეგროვების საშუალება რესპონდენტთა სპეციალურად შერჩეული ჯგუფების გამოკითხვის გზით. ეს ტექნიკა ითვლება საიმედო და ეკონომიურად, თუმცა ის მოითხოვს გარკვეულ ტექნიკას. ნიმუში არის საფუძველი. ის მოქმედებს როგორც ხალხის მთლიანი მასის გარკვეული ნაწილი. შერჩევა ხდება სპეციალური ტექნიკის გამოყენებით და მიზნად ისახავს ინფორმაციის მიღებას მთელი მოსახლეობის შესახებ. ეს უკანასკნელი, თავის მხრივ, წარმოდგენილია ყველა შესაძლო სოციალური ობიექტით ან იმ ჯგუფით, რომელიც შეისწავლება. ხშირად, მოსახლეობა იმდენად დიდია, რომ საკმაოდ ძვირი და შრომატევადი იქნება მისი თითოეული წევრის გამოკითხვის ჩატარება. ამიტომ გამოიყენება შემცირებული მოდელი. ნიმუშში შედის ყველა ის, ვინც იღებს კითხვარებს, რომლებსაც რესპონდენტებად უწოდებენ, რომლებიც, ფაქტობრივად, მოქმედებენ როგორც კვლევის ობიექტი. მარტივად რომ ვთქვათ, ის შედგება მრავალი ადამიანისგან, რომლებიც გამოკითხულნი არიან.

დასკვნა

კვლევის მიზნები განისაზღვრება პოპულაციაში შემავალი კონკრეტული კატეგორიების მიხედვით. რაც შეეხება ადამიანთა მთლიანი მასის კონკრეტულ წილს, ის შედგება მათემატიკური გამოთვლების გამოყენებით ჯგუფებში შემავალი საგნებისგან. ერთეულების შერჩევისთვის აუცილებელია საწყისი პოპულაციის ობიექტის აღწერა. საგნების რაოდენობის დადგენის შემდეგ დგინდება მიღება ან ჯგუფების ფორმირების მეთოდი. გამოკითხვის შედეგები საშუალებას მოგვცემს აღვწეროთ შესასწავლი თვისება ხალხის საერთო მასის ყველა წარმომადგენელთან მიმართებაში. როგორც პრაქტიკა გვიჩვენებს, ძირითადად ტარდება შერჩევითი და არა უწყვეტი კვლევები.

სტატისტიკური კვლევა ძალიან შრომატევადი და ძვირია, ამიტომ გაჩნდა იდეა, რომ შეცვლილიყო უწყვეტი დაკვირვება შერჩევითით.

არაუწყვეტი დაკვირვების ძირითადი მიზანია შესწავლილი სტატისტიკური პოპულაციის მახასიათებლების მიღება მისი გამოკვლეული ნაწილისთვის.

შერჩევითი დაკვირვება- ეს არის სტატისტიკური კვლევის მეთოდი, რომელშიც მოსახლეობის განზოგადების მაჩვენებლები დგინდება მხოლოდ ერთი ნაწილისთვის, შემთხვევითი შერჩევის დებულებების საფუძველზე.

შერჩევის მეთოდით შესწავლილი პოპულაციის მხოლოდ გარკვეული ნაწილია შესწავლილი, ხოლო შესასწავლ სტატისტიკურ პოპულაციას ზოგადი პოპულაცია ეწოდება.

ნიმუში ან უბრალოდ ნიმუში შეიძლება ეწოდოს ზოგადი პოპულაციისგან შერჩეული ერთეულების ნაწილს, რომელიც დაექვემდებარება სტატისტიკურ კვლევას.

შერჩევის მეთოდის ღირებულება: შესწავლილი ერთეულების მინიმალური რაოდენობის შემთხვევაში, სტატისტიკური კვლევა ჩატარდება დროის მოკლე მონაკვეთებში და სახსრებისა და შრომის ყველაზე დაბალი დანახარჯებით.

საერთო პოპულაციაში, ერთეულების პროპორციას, რომლებსაც აქვთ შესასწავლი მახასიათებელი, ეწოდება ზოგადი პროპორცია (აღნიშნული რ),ხოლო შესწავლილი ცვლადის ნიშან-თვისების საშუალო მნიშვნელობა არის ზოგადი საშუალო (აღნიშნული X).

შერჩევის პოპულაციაში შესწავლილი ნიშან-თვისების წილს უწოდებენ ნიმუშის წილს, ან ნაწილს (მითითებულია w-ით), ნიმუშში საშუალო მნიშვნელობა არის ნიმუში ნიშნავს.

თუ კვლევის პერიოდში დაცულია მისი სამეცნიერო ორგანიზაციის ყველა წესი, მაშინ შერჩევის მეთოდი საკმაოდ ზუსტ შედეგებს მოგვცემს და ამიტომ მიზანშეწონილია ამ მეთოდის გამოყენება უწყვეტი დაკვირვების მონაცემების გადასამოწმებლად.

ეს მეთოდი ფართოდ გავრცელდა სახელმწიფო და არაუწყებათა სტატისტიკაში, რადგან შესასწავლი ერთეულების მინიმალური რაოდენობის შესწავლისას საფუძვლიანი და ზუსტი შესწავლის საშუალებას იძლევა.

შესწავლილი სტატისტიკური პოპულაცია შედგება სხვადასხვა მახასიათებლების მქონე ერთეულებისგან. ნიმუშის შემადგენლობა შეიძლება განსხვავდებოდეს ზოგადი პოპულაციის შემადგენლობიდან, ეს შეუსაბამობა ნიმუშისა და საერთო პოპულაციის მახასიათებლებს შორის წარმოადგენს შერჩევის შეცდომას.

შერჩევის დაკვირვების თანდაყოლილი შეცდომები ახასიათებს შეუსაბამობის ზომას ნიმუშის დაკვირვების მონაცემებსა და მთელ პოპულაციას შორის. შეცდომებს, რომლებიც წარმოიქმნება ნიმუშის დაკვირვებისას, წარმომადგენლობით შეცდომებს უწოდებენ და იყოფა შემთხვევით და სისტემატურად.

თუ შერჩევის პოპულაცია ზუსტად არ ამრავლებს მთელ პოპულაციას დაკვირვების არაუწყვეტი ბუნების გამო, მაშინ ამას ეწოდება შემთხვევითი შეცდომები და მათი ზომები განისაზღვრება საკმარისი სიზუსტით დიდი რიცხვების კანონისა და ალბათობის თეორიის საფუძველზე.

სისტემატური შეცდომები ჩნდება დაკვირვებისთვის პოპულაციის ერთეულების შემთხვევითი შერჩევის პრინციპის დარღვევის შედეგად.

2. შერჩევის სახეები და სქემები

შერჩევის შეცდომის ზომა და მისი განსაზღვრის მეთოდები დამოკიდებულია შერჩევის ტიპსა და სქემაზე.

დაკვირვების ერთეულების ნაკრების შერჩევის ოთხი ტიპი არსებობს:

1) შემთხვევითი;

2) მექანიკური;

3) ტიპიური;

4) სერიული (ბუდეს).

შემთხვევითი შერჩევა- შემთხვევითი შერჩევის ყველაზე გავრცელებულ მეთოდს, მას ასევე უწოდებენ ლატარიის მეთოდს, რომლის დროსაც ამზადებენ ბილეთს სერიული ნომრით სტატისტიკური პოპულაციის თითოეული ერთეულისთვის.

შემდეგი, შემთხვევითი წესით შეირჩევა სტატისტიკური პოპულაციის ერთეულების საჭირო რაოდენობა. ამ პირობებში, თითოეულ მათგანს აქვს ნიმუშში მოხვედრის ერთნაირი ალბათობა, მაგალითად, მოგების გათამაშება, როდესაც ნომრების გარკვეული ნაწილი, რომლებიც აღრიცხავს მოგებას, შემთხვევით შეირჩევა გაცემული ბილეთების მთლიანი რაოდენობით. ამ შემთხვევაში, ყველა ნომერს ეძლევა ნიმუშში მოხვედრის თანაბარი შესაძლებლობა.

მექანიკური შერჩევა- ეს არის მეთოდი, როდესაც მთელი პოპულაცია იყოფა ერთგვაროვანი ზომის ჯგუფებად შემთხვევითობის პრინციპით, მაშინ თითოეული ჯგუფიდან იღებენ მხოლოდ თითო ერთეულს. შესწავლილი სტატისტიკური პოპულაციის ყველა ერთეული წინასწარ არის დალაგებული გარკვეული თანმიმდევრობით, მაგრამ დამოკიდებულია ნიმუშის ზომა, ერთეულების საჭირო რაოდენობა მექანიკურად შეირჩევა გარკვეული ინტერვალით.

ტიპიური შერჩევა -ეს არის მეთოდი, რომლის დროსაც შესასწავლი სტატისტიკური პოპულაცია არსებითი, ტიპიური მახასიათებლის მიხედვით იყოფა თვისობრივად ერთგვაროვან, მსგავს ჯგუფებად, შემდეგ ამ ჯგუფიდან შემთხვევით შეირჩევა ერთეულების გარკვეული რაოდენობა, ჯგუფის წილის პროპორციულად. მთელ მოსახლეობას.

ტიპიური შერჩევა იძლევა უფრო ზუსტ შედეგებს, რადგან ის მოიცავს ნიმუშში ყველა ტიპიური ჯგუფის წარმომადგენლებს.

სერიული (ბუდეს) შერჩევა.შერჩევას ექვემდებარება მთელი ჯგუფები (სერიები, ბუდეები), რომლებიც შერჩეულია შემთხვევით ან მექანიკურად. თითოეული ასეთი ჯგუფისთვის ტარდება სერიები, უწყვეტი დაკვირვება და შედეგები გადაეცემა მთელ მოსახლეობას.

შერჩევის სიზუსტე ასევე დამოკიდებულია შერჩევის სქემაზე. სინჯის აღება შეიძლება განხორციელდეს განმეორებითი და განმეორებითი შერჩევის სქემის მიხედვით.

ხელახალი შერჩევა.თითოეული შერჩეული ერთეული ან სერია უბრუნდება მთელ პოპულაციას და შესაძლებელია ხელახლა შერჩეული იყოს ეს არის ე.წ. დაბრუნებული ბურთის სქემა.

განმეორებითი შერჩევა.თითოეული გამოკვლეული ერთეული ამოღებულია და არ უბრუნდება მოსახლეობას, ამიტომ არ ხდება ხელახალი გამოკითხვა. ამ სქემას უწოდებენ დაუბრუნებელ ბურთს.

არაგანმეორებადი შერჩევა იძლევა უფრო ზუსტ შედეგებს, რადგან შერჩევის იგივე ზომით დაკვირვება მოიცავს შესწავლილი პოპულაციის უფრო მეტ ერთეულს.

კომბინირებული შერჩევაშეიძლება გაიაროს ერთი ან მეტი ეტაპი. ნიმუშს ეწოდება ერთსაფეხურიანი, თუ ერთხელ შერჩეული პოპულაციის ერთეულები ექვემდებარება შესწავლას.

ნიმუშს მრავალსაფეხურიანი ეწოდება, თუ მოსახლეობის შერჩევა გადის ეტაპებს, თანმიმდევრულ ეტაპებს და შერჩევის თითოეულ საფეხურს, საფეხურს აქვს შერჩევის საკუთარი ერთეული.

მრავალფაზიანი შერჩევა - შერჩევის ყველა ეტაპზე შენარჩუნებულია შერჩევის ერთი და იგივე ერთეული, მაგრამ ტარდება რამდენიმე ეტაპად, სანიმუშო გამოკითხვის ფაზა, რომლებიც განსხვავდება ერთმანეთისგან კვლევის პროგრამის სიგანით და შერჩევის მოცულობით.

ზოგადი და ნიმუშის პოპულაციების პარამეტრების მახასიათებლები მითითებულია შემდეგი სიმბოლოებით:

ნ- საერთო მოსახლეობის მოცულობა;

ნ- ნიმუშის ზომა;

X– ზოგადი საშუალო;

Xარის ნიმუში საშუალო;

რ– საერთო წილი;

w -ნიმუშის წილი;

2 - ზოგადი დისპერსია (მახასიათებლის დისპერსია ზოგად პოპულაციაში);

2 - იგივე მახასიათებლის ნიმუშის ვარიაცია;

? - სტანდარტული გადახრა ზოგად პოპულაციაში;

? არის სტანდარტული გადახრა ნიმუშში.

3. შერჩევის შეცდომები

ნიმუშზე დაკვირვების თითოეულ ერთეულს უნდა ჰქონდეს თანაბარი შესაძლებლობა, შეირჩეს სხვებთან ერთად - ეს არის შემთხვევითი შერჩევის საფუძველი.

თვითშემთხვევითი შერჩევა - ეს არის ერთეულების შერჩევა მთელი მოსახლეობისგან ლატარიის ან სხვა მსგავსი გზით.

შემთხვევითობის პრინციპი არის ის, რომ ნიმუშიდან ობიექტის ჩართვა ან გამორიცხვა შემთხვევითობის გარდა სხვა ფაქტორების გავლენის ქვეშ არ შეიძლება.

ნიმუშის გაზიარებაარის ნიმუშის ერთეულების რაოდენობის თანაფარდობა საერთო პოპულაციაში ერთეულების რაოდენობასთან:

თვითშემთხვევითი შერჩევა მისი სუფთა სახით არის თავდაპირველი შერჩევის სხვა ტიპებს შორის, ის შეიცავს და ახორციელებს შერჩევითი სტატისტიკური დაკვირვების ძირითად პრინციპებს.

განზოგადების ინდიკატორის ორი ძირითადი ტიპი, რომლებიც გამოიყენება შერჩევის მეთოდში, არის რაოდენობრივი ატრიბუტის საშუალო მნიშვნელობა და ალტერნატიული ატრიბუტის ფარდობითი მნიშვნელობა.

ნიმუშის წილი (w) ან განსაკუთრებულობა განისაზღვრება იმ ერთეულების რაოდენობის შეფარდებით, რომლებსაც აქვთ შესასწავლი მახასიათებელი. მ,შერჩევის ერთეულების საერთო რაოდენობამდე (n):

ნიმუშის ინდიკატორების სანდოობის დასახასიათებლად განასხვავებენ ნიმუშის საშუალო და ზღვრულ შეცდომებს.

შერჩევის შეცდომა, რომელსაც ასევე უწოდებენ წარმომადგენლობის შეცდომას, არის განსხვავება შესაბამის ნიმუშსა და ზოგად მახასიათებლებს შორის:

?x = | x - x |;

?w =|х – p|.

მხოლოდ შერჩეულ დაკვირვებებს აქვს შერჩევის შეცდომა

ნიმუშის საშუალო და ნიმუშის პროპორცია- ეს არის შემთხვევითი ცვლადები, რომლებიც იღებენ განსხვავებულ მნიშვნელობებს შესწავლილი სტატისტიკური პოპულაციის ერთეულების მიხედვით, რომლებიც შეტანილი იყო ნიმუშში. შესაბამისად, შერჩევის შეცდომები ასევე შემთხვევითი ცვლადებია და ასევე შეიძლება სხვადასხვა მნიშვნელობების მიღება. მაშასადამე, დგინდება შესაძლო შეცდომების საშუალო - საშუალო შერჩევის ცდომილება.

შერჩევის საშუალო შეცდომა განისაზღვრება შერჩევის ზომით: რაც უფრო დიდია პოპულაცია, ყველა დანარჩენი თანაბარია, მით უფრო მცირეა შერჩევის საშუალო შეცდომა. ფართო პოპულაციის ერთეულების მზარდი რაოდენობის შერჩევის გამოკითხვისას ჩვენ უფრო და უფრო ზუსტად ვახასიათებთ მთელ მოსახლეობას.

შერჩევის საშუალო ცდომილება დამოკიდებულია შესწავლილი ნიშან-თვისების ცვალებადობის ხარისხზე, თავის მხრივ, ვარიაციის ხარისხი ხასიათდება დისპერსიით? 2 ან w(l - w)- ალტერნატიული ნიშნისთვის. რაც უფრო მცირეა მახასიათებლის ვარიაცია და ვარიაცია, მით უფრო მცირეა შერჩევის საშუალო შეცდომა და პირიქით.

შემთხვევითი შერჩევისთვის, საშუალო შეცდომები თეორიულად გამოითვლება შემდეგი ფორმულების გამოყენებით:

1) საშუალო რაოდენობრივი ნიშნისთვის:

სად? 2 - რაოდენობრივი ნიშნის დისპერსიის საშუალო მნიშვნელობა.

2) წილისათვის (ალტერნატიული ნიშანი):

მაშ, როგორია ნიშან-თვისების განსხვავება პოპულაციაში? 2 ზუსტად არ არის ცნობილი, პრაქტიკაში ისინი იყენებენ დისპერსიის S 2 მნიშვნელობას, რომელიც გამოითვლება ნიმუშის პოპულაციისთვის დიდი რიცხვების კანონის საფუძველზე, რომლის მიხედვითაც, საკმარისად დიდი ნიმუშის მქონე ნიმუშის პოპულაცია ზუსტად ასახავს მახასიათებლებს. საერთო მოსახლეობა.

შემთხვევითი შერჩევის შეცდომის საშუალო შეცდომის ფორმულები შემდეგია. რაოდენობრივი ატრიბუტის საშუალო მნიშვნელობისთვის: ზოგადი ვარიაცია გამოიხატება არჩევითი მნიშვნელობის მიხედვით შემდეგი თანაფარდობით:

სადაც S 2 არის დისპერსიის მნიშვნელობა.

მექანიკური სინჯის აღება- ეს არის ერთეულების შერჩევა სანიმუშო კომპლექტში ზოგადიდან, რომელიც იყოფა თანაბარ ჯგუფებად ნეიტრალური კრიტერიუმის მიხედვით; კეთდება ისე, რომ ნიმუშის თითოეული ასეთი ჯგუფიდან შეირჩევა მხოლოდ ერთი ერთეული.

მექანიკური შერჩევით, შესასწავლი სტატისტიკური პოპულაციის ერთეულები წინასწარ არის განლაგებული გარკვეული თანმიმდევრობით, რის შემდეგაც მექანიკურად შეირჩევა ერთეულების მოცემული რაოდენობა გარკვეული ინტერვალით. ამ შემთხვევაში, საერთო პოპულაციაში ინტერვალის ზომა უდრის შერჩევის წილის საპასუხო ნაწილს.

საკმარისად დიდი პოპულაციის პირობებში, შედეგების სიზუსტით მექანიკური შერჩევა შემთხვევითთან ახლოსაა, ამიტომ მექანიკური შერჩევის საშუალო ცდომილების დასადგენად გამოიყენება შემთხვევითი განმეორებითი შერჩევის ფორმულები.

ჰეტეროგენული პოპულაციის ერთეულების შესარჩევად გამოიყენება ეგრეთ წოდებული ტიპიური ნიმუში, იგი გამოიყენება მაშინ, როდესაც ზოგადი პოპულაციის ყველა ერთეული შეიძლება დაიყოს რამდენიმე თვისობრივად ერთგვაროვან, მსგავს ჯგუფად იმ მახასიათებლების მიხედვით, რომლებზეც დამოკიდებულია შესასწავლი ინდიკატორები.

შემდეგ, თითოეული ტიპიური ჯგუფიდან, ნიმუშის ერთეულების ინდივიდუალური შერჩევა ხდება შემთხვევითი ან მექანიკური ნიმუშით.

ტიპიური შერჩევის გამოყენება ჩვეულებრივ გამოიყენება რთული სტატისტიკური პოპულაციების შესწავლისას.

ტიპიური ნიმუში იძლევა უფრო ზუსტ შედეგებს. ზოგადი პოპულაციის ტიპიზაცია უზრუნველყოფს ასეთი ნიმუშის წარმომადგენლობას, მასში თითოეული ტიპოლოგიური ჯგუფის წარმოდგენას, რაც შესაძლებელს ხდის გამოირიცხოს ჯგუფთაშორისი დისპერსიის გავლენა საშუალო შერჩევის შეცდომაზე. მაშასადამე, ტიპიური ნიმუშის საშუალო ცდომილების განსაზღვრისას, ჯგუფშიდა ვარიაციების საშუალო ვარიაციის მაჩვენებელი მოქმედებს.

სერიული შერჩევა მოიცავს შემთხვევით შერჩევას თანაბარი ზომის ჯგუფების საერთო პოპულაციიდან, რათა ყველა ერთეული გამონაკლისის გარეშე დაექვემდებაროს ასეთ ჯგუფებში დაკვირვებას.

ვინაიდან ყველა ერთეული გამონაკლისის გარეშე განიხილება ჯგუფებში (სერიებში), შერჩევის საშუალო შეცდომა (თანაბარი სერიების არჩევისას) დამოკიდებულია მხოლოდ ჯგუფთაშორის (სერიების) დისპერსიაზე.

4. ნიმუშის შედეგების პოპულაციაზე გავრცელების გზები

ზოგადი პოპულაციის დახასიათება შერჩევის შედეგების საფუძველზე არის ნიმუშის დაკვირვების საბოლოო მიზანი.

შერჩევის მეთოდი გამოიყენება ზოგადი პოპულაციის მახასიათებლების მისაღებად ნიმუშის გარკვეული ინდიკატორებისთვის. კვლევის მიზნებიდან გამომდინარე, ეს ხორციელდება ზოგადი მოსახლეობისთვის ნიმუშის ინდიკატორების პირდაპირი გადაანგარიშებით ან კორექტირების ფაქტორების გამოთვლის მეთოდით.

პირდაპირი გადაანგარიშების მეთოდი არის ის, რომ მასთან ერთად ხდება ნიმუშის წილის მაჩვენებლები ვან საშუალო Xვრცელდება ზოგად პოპულაციაზე, შერჩევის შეცდომის გათვალისწინებით.

კორექტირების ფაქტორების მეთოდი გამოიყენება მაშინ, როდესაც შერჩევის მეთოდის მიზანია სრული აღრიცხვის შედეგების დახვეწა. ეს მეთოდი გამოიყენება მეცხოველეობის ყოველწლიური აღწერის მონაცემების დასახვეწად.

„წარმომადგენლობითობის“ კონცეფცია სოციოლოგიურ გამოკითხვებთან მიმართებაში – საზოგადოებრივი აზრის გამოკითხვა – თითქმის მაგიურ გავლენას ახდენს ადამიანებზე. თავად ტერმინს „წარმომადგენლობა“ გარდა მეცნიერულისა, აშკარად პოლიტიკური მნიშვნელობაც აქვს.

Რა არის მიზეზი? საქმე იმაშია, რომ ვარაუდობენ, რომ შერჩეულს (გამოკითხვისთვის შერჩეულ ადამიანთა ჯგუფს) შეუძლია წარმოადგინოს (წარმოადგენს) მთელ მოსახლეობას. მთლიანი მოსახლეობა რუსულ კვლევებში არის ქვეყნის მთელი მოსახლეობა. ახლა წარმოვიდგინოთ, რომ საუბარია პოლიტიკურ გადაწყვეტილებაზე - კანონპროექტის მხარდაჭერაზე თუ არჩევნებში ხმის მიცემაზე. სანიმუშო გამოკითხვის დახმარებით ვიღებთ პოლიტიკურ წარმომადგენლობის შესანიშნავ მექანიზმს – მექანიზმს, რომლითაც ადამიანთა მცირე ჯგუფს შეუძლია წარმოადგინოს მთელი ქვეყნის მოსახლეობის აზრი ან პოზიცია. ამიტომ კვლევის წარმომადგენლობას ასეთი მნიშვნელოვანი ადგილი ეთმობა.

წარმომადგენლობითობის ცნება გამოიყენება, რა თქმა უნდა, არა მხოლოდ პოლიტიკურ კვლევებში. ტერმინი თითქმის ყოველთვის გამოიყენება, როდესაც ვსაუბრობთ დიდ კვლევებზე, იქნება ეს მარკეტინგის, ეკონომიკური ქცევის თუ განათლების სფეროში.

წარმომადგენლობითი გამოკითხვების მეთოდოლოგია

როგორ შეიძლება 1500 ადამიანის გამოკითხვის შემდეგ დასკვნის გაკეთება ყველა რუსზე, რომელთაგანაც 140 მილიონზე მეტია (და 110 მილიონზე მეტი ამომრჩეველიც კი)? წარმომადგენლობითი გამოკითხვის ტექნოლოგია ეფუძნება სტატისტიკურ კანონებს. უახლოესი მიზეზი არის დიდი რიცხვების კანონი ან ბერნულის თეორემა.

გამარტივებული, მისი მნიშვნელობა შეიძლება გადმოიცეს შემდეგნაირად. დავუშვათ, გვაქვს რაიმე მახასიათებელი, მაგალითად, ნალექის რაოდენობა დღეში ეკატერინბურგში მე-20 საუკუნის განმავლობაში. თუ ჩვენ დავწერთ მის ყველა მნიშვნელობას სიხშირესთან ერთად (ამას უწოდებენ განაწილებას), შემდეგ კი შემთხვევით ავიღებთ საკმარისად დიდ რაოდენობას (ანუ მეოცე საუკუნის ყველა დღე არა, მაგრამ საკმაოდ ბევრი), მაშინ ჩვენ დავინახავთ, რომ ჩვენს ნიმუშში განაწილება ძალიან ჰგავს განაწილებას მთელი მეოცე საუკუნისთვის. ამგვარად, თუ პოპულაციიდან რამდენიმე ერთეულს შევარჩევთ, ისინი შეიძლება მართლაც წარმოადგენდნენ მთელ მოსახლეობას და ყველა შემთხვევისთვის მონაცემების შეგროვება ნამდვილად არ არის საჭირო.

თუმცა, არსებობს ძირითადი პირობა: ეს მართალია მხოლოდ იმ შემთხვევაში, თუ შერჩევა მკაცრად შემთხვევითია. აქ ერთადერთი პრობლემა შეიძლება იყოს შემთხვევითობისგან გადახრა. ასე რომ, თუ ავიღებთ მხოლოდ ბოლო წლების ნალექის მონაცემებს (მაგალითად, იმიტომ, რომ ეს მონაცემები უფრო ადვილია) ან გავესაუბრებით 1500 ჩვენს ნაცნობს (რადგან უფრო ადვილია მათთან დაკავშირება), და არა შემთხვევით ადამიანებს, მაშინ ნიმუში ნამდვილად არ იქნება. იყოს წარმომადგენელი.

წარმოიდგინეთ, რომ 143,5 მილიონი რუსიდან თქვენ შემთხვევით ირჩევთ თქვენთვის საჭირო 1500 ადამიანს. შემდეგ, მაგალითად, მათ შორის საშუალო მენეჯერების პროპორცია დაახლოებით ტოლი იქნება პოპულაციაში საშუალო მენეჯერების პროპორციაზე, რაც აჩვენებს, რომ თქვენი ნიმუში შეიძლება წარმოადგენდეს მთელ მოსახლეობას. შეიძლება მოხდეს, რომ ეს ორი მაჩვენებელი ძალიან განსხვავებული იყოს? მაგალითად, რუსებს შორის არის 14%, მაგრამ ნიმუშში მხოლოდ 1% იქნება? თეორიულად, ეს შესაძლებელია, მაგრამ ამის ალბათობა იმდენად მცირეა, რომ მისი უგულებელყოფა შეიძლება (როგორც ქუჩაში დრაკონთან შეხვედრა).

უფრო მეტიც, ამ ალბათობის ყველაზე სასიამოვნო ის კი არ არის, რომ ის მცირეა, არამედ ის, რომ შემთხვევითი პროცესებისთვის ეს ალბათობა შეიძლება გამოითვალოს. შეგვიძლია ვთქვათ, რა ალბათობით გადაიხრება ჩვენი ნიმუშის მნიშვნელობა საერთო პოპულაციაში 13%-ით (როგორც ზემოთ მოცემულ მაგალითში) და რომლით, ვთქვათ, 2,5%-ით. თუმცა, ჩვეულებრივ, ისინი პირიქით აკეთებენ: ჯერ ადგენენ ალბათობას, რომლითაც გვინდა, რომ ჩვენი ღირებულება არ გადაუხვიოს მნიშვნელობიდან ზოგად პოპულაციაში (ყველაზე ხშირად ის ფიქსირდება 95%-ის დონეზე), შემდეგ კი უყურებენ. გადახრის სიდიდე კონკრეტული ზომის ნიმუშებისთვის. ამ გადახრას ეწოდება ნდობის ინტერვალი, რომელსაც ზოგჯერ უწოდებენ შერჩევის შეცდომას ან სტატისტიკურ შეცდომას და ხშირად ჩამოთვლილია კვლევის შედეგებთან ერთად.

ასე რომ, გადახრის ალბათობა, გადახრის რაოდენობა (დარწმუნების ინტერვალი) და ნიმუშის ზომა დაკავშირებულია. ამის საფუძველზე, ნიმუშის ზომის გამოთვლის ფორმულა შემდეგია:

სადაც n არის ნიმუშის ზომა, Δ არის ნდობის ინტერვალი, z არის ნორმალური განაწილების ფუნქციის მნიშვნელობა უარყოფის მოცემული ალბათობისთვის (5%, ეს მნიშვნელობა არის 1,96).

ეს არის გამარტივებული ფორმულა, რეალური გამოკითხვები იყენებს ოდნავ უფრო რთულ ფორმულებს. ეს ფორმულა ასევე შეიძლება ჩავარდეს, თუ ინდიკატორის მნიშვნელობა ძალიან განსხვავდება 50%-დან (ასე რომ, მაგალითად, ეს ფორმულა არ არის შესაფერისი ქვეყანაში იშვიათი დაავადების მქონე პაციენტების პროპორციის შესაფასებლად).

აი, რა მოხდება, თუ ამ ფორმულაში რამდენიმე მნიშვნელობას ჩაანაცვლებთ:

სხვა სიტყვებით რომ ვთქვათ, თუ ჩვენ ავიღეთ რუსების შემთხვევითი ნიმუში 1600 კაციანი ზომით და შევაფასეთ რაიმე ინდიკატორი, მაგალითად, გარკვეული პოლიტიკოსისთვის ხმის მიცემის სურვილი, მაშინ 95%-იანი ალბათობით ჩვენი შეფასება არ განსხვავდება სურვილისგან. მისცეს ხმა რუსებს შორის 2,45%-ზე მეტით.

ნიმუშის ზომა

ასე რომ, რაც უფრო დიდია შერჩევის ზომა, მით უფრო სავარაუდოა, რომ უფრო ახლოს ვიყოთ პოპულაციაში წილს. როგორც ჩანს, ეს ნიშნავს, რომ ჩვენ უნდა ვეცადოთ ნიმუშის მიახლოება 143,5 მლნ. სინამდვილეში, როგორც ცხრილიდან ხედავთ, შემთხვევითი პროცესების ბუნება ისეთია, რომ გარკვეული მომენტიდან ინტერვალში ჩავარდნის ალბათობაა. იწყებს მატებას ძალიან ნელა (და ეს მომენტი საკმაოდ სწრაფად მოდის). 1500 ერთეულის შერჩევის შემდეგ, რაც არ უნდა გავზარდოთ ნიმუშის ზომა, ალბათობა იმისა, რომ ჩვენი ნიმუშის მნიშვნელობა მოხვდება პოპულაციის მნიშვნელობაში, გაიზრდება ძალიან, ძალიან ნელა.

ფაქტობრივად, 1500 და 10000 რესპონდენტს შორის განსხვავება თითქმის არ არის. სადღაც 1500 წლისთვის უკვე შეგვიძლია ვთქვათ, რომ ჩვენი შეფასებები 2-3%-ით განსხვავდება საერთო მოსახლეობის წილისგან. თუ ჩვენ გავზრდით ნიმუშს, მაშინ ეს შესაძლო შეცდომა შემცირდება, მაგრამ ძალიან ოდნავ. ანუ 100 000-იანი ნიმუში სჯობს 2500-ს, მაგრამ განსხვავება იმდენად მცირეა, რომ აზრი არ აქვს და სოციალური კვლევების შემთხვევაში ეკონომიკურადაც არ არის გამართლებული. ჩვეულებრივ, ნიმუშის გაზრდა ძვირია და, შესაბამისად, აზრი არ აქვს მის გაბერვას, რათა მიიღოთ ერთი პროცენტული პუნქტი ნდობის ინტერვალის მნიშვნელობაში.

მნიშვნელოვანია, რომ საერთო პოპულაციის ზომა საერთოდ არ ჩანს ფორმულაში. ფაქტია, რომ როდესაც პოპულაცია დიდია (20 000-ზე მეტი), ეს არ ახდენს გავლენას შერჩევის ზომაზე. ამრიგად, ჩვენ არ გვჭირდება ვიცოდეთ რამდენი ადამიანი ცხოვრობს რუსეთში, რათა ავაშენოთ წარმომადგენლობითი ნიმუში. გასაგებია, რომ 2000-დან 1500-ის არჩევას დიდი ალბათობით აზრი არ აქვს - 2000-ის შემოწმება და ზუსტი შეფასება უფრო ადვილია. მაგრამ, საჭიროების შემთხვევაში, ნიმუშის მიღებისას, ჩვენ ვიღებთ შესაძლებლობას განვაზოგადოთ მისი შედეგები ზოგადი პოპულაციისთვის. და ამავე მიზეზით, ნიმუშის ზომა არ განსხვავდება დიდი და პატარა ქვეყნებისთვის.

წარმომადგენლობა და სიზუსტე

„წარმომადგენლობითობის“ ცნების მნიშვნელობის გასაგებად, განვიხილოთ 15 კაციანი ნიმუში. უცნაურად საკმარისია, თუ შემთხვევით გააკეთე, ის ასევე წარმომადგენლობითია. უფრო მეტიც, შეგიძლიათ გააკეთოთ ერთი ერთეულის ნიმუში. წარმოიდგინეთ ბურთების ყუთი, საიდანაც შემთხვევით აიღებთ ერთ ბურთს. თუ ეს არის შემთხვევით შერჩეული ბურთი, მაშინ ის ასევე წარმოადგენს ყველა ბურთულას, რომელიც ამ ყუთშია. ის უბრალოდ წარმოადგენს მათ. არა ზუსტად. რატომ? იმიტომ რომ ძალიან დიდია შეცდომის ალბათობა. შემდეგ ჯერზე შეგვიძლია კიდევ ერთი ბურთი დავხატოთ და განსხვავებული წარმოდგენა მივიღოთ ყუთში არსებულ ბურთებზე. არაზუსტად წარმოდგენა ნიშნავს შეფასებების ფართო სპექტრს.

ანალოგიურად, 15 ადამიანი წარმოადგენს ნებისმიერ ზოგად პოპულაციას, მაგრამ ისინი წარმოადგენენ მას არაზუსტად, რადგან შეცდომა, ნდობის ინტერვალი ძალიან დიდია. ჩვენ უნდა დავამატოთ +/- 33%, რომ მივიღოთ 95% შანსი, რომ ჩავვარდებით ინტერვალში. თუ ჩვენ მზად ვართ ვაღიაროთ ეს, მაშინ ავიღებთ 15 ადამიანს, გავარკვიეთ, რომ მათგან 7 არის საშუალო მენეჯერი და შემდეგ მივიღებთ შეფასებას, რომ მთლიანი 7/15, ანუ 47% +/- 33%, არის. მენეჯერების ხვედრითი წილი ზოგადად პოპულაციაში და ეს აბსოლუტურად სწორი დასკვნაა. მას უბრალოდ არანაირი ღირებულება არ აქვს. ამის თქმა შეგვიძლია გამოკვლევის გარეშე. ამიტომ, ნიმუშის დაგეგმვისას, აზრი აქვს ისეთი ზომის მიღწევას, რომელიც შესაბამისი იქნება ხარჯების ეფექტურობის თვალსაზრისით.

ყოველივე ზემოთქმული მიზნად ისახავს ერთი მარტივი იდეის გადმოცემას, რომელიც ძალიან ხშირად არ რეალიზდება: ნიმუშის ზომა არ არის დაკავშირებული მის წარმომადგენლობასთან.

მცირე ნიმუში არაზუსტია, მაგრამ მაინც შეიძლება იყოს წარმომადგენლობითი. ნიმუშების ზომებს, რომლებიც დღეს გამოიყენება რუსეთში მასობრივ გამოკითხვებში, თითქმის ყოველთვის საკმაოდ მაღალი სიზუსტეა.

ნიმუშის წარმომადგენლობას საფრთხე ემუქრება არა მისი ზომით, არამედ მიკერძოებით, ანუ შემთხვევითობის პრინციპიდან გადახვევით.

შემთხვევითობის პრინციპის დარღვევა

თუ ჩვენ დავიწყებთ ერთეულების არჩევას არა შემთხვევით, ნიმუში ხდება არარეპრეზენტატიული. მაგალითად, თუ რამე გვიშლის ხელს მათ შემთხვევით არჩევაში. წარმოიდგინეთ, რომ ჩვენ გვინდა შემთხვევით ავირჩიოთ ბურთები ჩვენი ყუთიდან, მაგრამ შემდეგ აღმოჩნდება, რომ ზოგიერთი ბურთი იკბინება. მექანიზმი, რომლითაც ჩვენ ავიღებთ მხოლოდ იმ მარმარილოებს, რომლებიც გვეძლევა, არის მექანიზმი, რომელიც არღვევს შემთხვევითობას და შესაბამისად არღვევს წარმომადგენლობას. ამ შემთხვევაში, რამდენი მარმარილოც არ უნდა ავიღოთ ყუთიდან (თუნდაც ავიღოთ ყველა ის მარმარილო, რომელიც არ კბენს), გვექნება არაწარმომადგენლობითი ნიმუში, რადგან არც ერთს არ გავითვალისწინებთ, ვინც კბენს - ისინი. უბრალოდ გვერდის ავლით ჩვენი ნიმუში.

ბურთების დაკბენის ყველაზე დიდი პრობლემა ის არის, რომ ისინი შეიძლება განსხვავდებოდეს ჩვენს ხელში მოხვედრილისგან და განსხვავდებოდეს ზუსტად ისე, როგორც ჩვენ გვაინტერესებს. ამ სიტუაციას ეწოდება შერჩევის მიკერძოება.

აუცილებელია განვასხვავოთ არაზუსტი წარმოდგენის სიტუაცია, რომელიც ზემოთ აღვწერეთ, არაწარმოდგენის სიტუაციისგან. ეს სხვადასხვა პრობლემებია და მათ აქვთ სხვადასხვა გადაწყვეტილებები. თქვენ ვერ გადაჭრით ერთს მეორის გადაჭრით. თუ ნიმუში აკლია წარმომადგენლობას, მისი გაზრდა აზრი არ აქვს. უფრო მეტიც, სოციალურ გამოკითხვებში დიდი ნიმუშები შეცდომებს აგროვებს, ამიტომ წარმოდგენის პრობლემა მხოლოდ შერჩევის დიდი ზრდით შეიძლება გამწვავდეს.

რატომ არის წარმომადგენლობა შეუძლებელი?

გამოკითხვის შედეგების ცხრილების შენიშვნებში ხშირად ჩანს, რომ „შერჩევის ზომა არის 1600 ადამიანი, ნიმუში არის სქესის და ასაკის წარმომადგენელი“. რაც ზემოთ ითქვა, აშკარაა, რომ ეს ორი განსხვავებული პარამეტრია: წარმომადგენლობითობის მითითება არ არის დაკავშირებული შერჩევის ზომასთან. ფაქტობრივად, აქ იგულისხმება ის, რომ გარკვეული პროცედურები განხორციელდა შერჩევისა და პოპულაციის შესაბამისობის უზრუნველსაყოფად. მაგალითად, სქესის მიხედვით წარმომადგენლობითობის უზრუნველსაყოფად, მამაკაცები და ქალები შერჩეულნი არიან ნიმუშში იმავე პროპორციით, რაც არსებობს რუსებში აღწერის მონაცემების მიხედვით. მაგრამ წარმომადგენლობა სქესით არ ნიშნავს წარმომადგენლობას, მაგალითად, პოლიტიკური შეხედულებებით.

რატომ არის საჭირო ნიმუშის გათანაბრება სქესის და სხვა სოციალურ-დემოგრაფიული კატეგორიების მიხედვით? იმის გამო, რომ მხოლოდ შემთხვევითი ნიმუში შეუძლია უზრუნველყოს ნამდვილი წარმომადგენლობითი და მისი პრაქტიკაში განხორციელება მრავალი მიზეზის გამო შეუძლებელია. როგორც კი შეეცდებით ამის გაკეთებას, უამრავ პრობლემას წააწყდებით - არ აქვს მნიშვნელობა რომელი მეთოდის გამოყენებას აირჩევთ. ზოგიერთი რესპონდენტი საერთოდ არ იქნება ხელმისაწვდომი თქვენი მეთოდისთვის (მაგალითად, პირადი ინტერვიუებისთვის, სახლები ინტერკომით და უსაფრთხოებით არის დიდი პრობლემა), მეორე ნაწილი არ იქნება, არ პასუხობს, ან ამჯობინებს თავის საქმეზე წასვლა. არიან ადამიანები, რომლებსაც ენის პრობლემა აქვთ და ჩვენთან საუბარი არ შეუძლიათ. არიან ადამიანები, რომლებსაც არ ესმით, რატომ არის ეს საჭირო და არ სურთ ჩვენთან საუბარი. ეს ყველაფერი შემთხვევითობის სერიოზული დარღვევაა, რაც მის რეალიზებას შეუძლებელს ხდის.

ვინც მასობრივ გამოკითხვებში წარმომადგენლობის პრობლემას სტატისტიკამდე ამცირებს, ავიწყდება, რომ ადამიანები ძალიან სპეციფიკური მარმარილოები არიან. არის ბურთები, რომლებიც გარბიან და იმალებიან. არის ბურთები, რომლებიც კბენენ. ისინი არ არიან პასიური ობიექტები, ისინი უპასუხებენ. ისინი ამბობენ: "არ მინდა თქვენს გამოკითხვაში მონაწილეობა", რითაც არღვევენ შემთხვევითობას. ამიტომ, ამ სიტყვის მკაცრი გაგებით, წარმომადგენლობა მასობრივ გამოკითხვებში, რა თქმა უნდა, ნებისმიერი ფორმით შეუძლებელია.

შემუშავებულია მექანიზმი, რომლითაც, როგორც წესი, უზრუნველყოფილია წარმომადგენლობითობის გარეგნობა: ჩვენ ვასწორებთ ნიმუშს ზოგიერთ კატეგორიაში და ვამტკიცებთ, რომ ის ასევე შეესაბამება ყველა სხვა შესაძლო კატეგორიას. ფაქტობრივად, ამის მტკიცების საფუძველი არ გვაქვს. მაგრამ პრობლემა ის არის, რომ ამის გადამოწმების საშუალება არ არსებობს - ისევ იმის გამო, რომ ზოგიერთი ბურთი კბენს. მიკერძოებულობის შესამოწმებლად, გამომცდელმა უნდა მისულიყო მათთან, ვისთანაც არ ვესაუბრეთ და გასაუბრებოდა. მაგრამ მათ, როგორც გვახსოვს, საერთოდ არ სურთ დაკითხვა. მათი დაკითხვა, ვინც კატეგორიულად არ პასუხობს, შეუძლებელია. ამიტომ, ყველა მუშაობს იმ ვარაუდზე, რომ თუ ჩვენ გავასწორეთ ნიმუში ორ-სამ პარამეტრზე, ის წარმოადგენს მთელ პოპულაციას, თუმცა ამ ვარაუდს სერიოზული საფუძველი არ აქვს.

წარმომადგენლობითი შერჩევა არის სოციოლოგების მიერ სტატისტიკიდან ნასესხები ტექნოლოგია. ამიტომ, ის აუცილებლად ატარებს სამყაროს მათემატიკური და სტატისტიკური სურათის ელემენტებს. შესაძლოა, ყველაზე ძლიერი ვარაუდი არის ის, რომ თავად ნიმუშის კვლევა პოლიტიკურად და სოციოლოგიურად ნეიტრალურია: კვლევაში მონაწილეობა და არ მონაწილეობა არ ატარებს პოლიტიკურ მნიშვნელობას და არ არის დაკავშირებული სხვა სოციოლოგიურად მნიშვნელოვან პარამეტრებთან. მაგრამ დღეს გამოკითხვები გახდა ერთ-ერთი მთავარი პოლიტიკური ინსტიტუტი და გახდა მთავარი შუამავალი მსხვილ კორპორაციებსა და მომხმარებლებს შორის. ამ პირობებში მათი პოლიტიკური სტერილობის დაჯერება უკვე შეუძლებელია. თუმცა, ჩვენ ჯერ კიდევ ცოტა ვიცით იმის შესახებ, თუ როგორ ესმით გამოკითხვები თანამედროვე საზოგადოებებში და რას წარმოადგენს ისინი რეალურად.

კარგად შემუშავებული კვლევის ერთ-ერთი მთავარი კომპონენტია ნიმუშის განსაზღვრა და რა არის რეპრეზენტატიული ნიმუში. ეს ტორტის მაგალითს ჰგავს. ბოლოს და ბოლოს, არ არის აუცილებელი მთელი დესერტის ჭამა მისი გემოს გასაგებად? საკმარისია მცირე ნაწილი.

ასე რომ, ტორტი არის მოსახლეობა (ანუ ყველა რესპონდენტი, რომელიც კვალიფიცირდება გამოკითხვაში). ეს შეიძლება იყოს გამოხატული ტერიტორიულად, მაგალითად, მხოლოდ მოსკოვის რეგიონის მაცხოვრებლები. სქესი - მხოლოდ ქალები. ან აქვთ ასაკობრივი შეზღუდვები - რუსები 65 წელზე მეტია.

ძნელია მოსახლეობის გამოთვლა: თქვენ უნდა გქონდეთ მონაცემები მოსახლეობის აღწერიდან ან წინასწარი შეფასების კვლევებიდან. მაშასადამე, როგორც წესი, ზოგადი მოსახლეობა "ფასდება" და მიღებული რიცხვიდან ისინი ითვლებიან ნიმუშის ჩარჩოან სინჯის აღება.

რა არის წარმომადგენლობითი ნიმუში?

ნიმუშიარის რესპონდენტთა კარგად განსაზღვრული რაოდენობა. მისი სტრუქტურა შერჩევის ძირითადი მახასიათებლების მიხედვით მაქსიმალურად უნდა ემთხვეოდეს საერთო მოსახლეობის სტრუქტურას.

მაგალითად, თუ პოტენციური რესპონდენტებია რუსეთის მთელი მოსახლეობა, სადაც 54% ქალია და 46% მამაკაცი, მაშინ ნიმუში ზუსტად იგივე პროცენტს უნდა შეიცავდეს. თუ პარამეტრები ემთხვევა, მაშინ ნიმუში შეიძლება ეწოდოს წარმომადგენელი. ეს ნიშნავს, რომ უზუსტობები და შეცდომები კვლევაში მინიმუმამდეა დაყვანილი.

ნიმუშის ზომა განისაზღვრება სიზუსტისა და ეკონომიურობის მოთხოვნების გათვალისწინებით. ეს მოთხოვნები ერთმანეთის უკუპროპორციულია: რაც უფრო დიდია ნიმუშის ზომა, მით უფრო ზუსტი იქნება შედეგი. უფრო მეტიც, რაც უფრო მაღალია სიზუსტე, მით უფრო მეტი ხარჯია საჭირო კვლევისთვის. და პირიქით, რაც უფრო მცირეა ნიმუში, მით ნაკლები ღირს, მით უფრო ნაკლებად ზუსტად და შემთხვევით ხდება ზოგადი პოპულაციის თვისებების რეპროდუცირება.

ამიტომ არჩევანის ოდენობის გამოსათვლელად სოციოლოგებმა გამოიგონეს ფორმულა და შექმნეს სპეციალური კალკულატორი:

ნდობის ალბათობადა ნდობის შეცდომა

რას ნიშნავს პირობები " თავდაჯერებულობის დონე"და" ნდობის შეცდომა"? ნდობის დონე არის გაზომვების სიზუსტის საზომი. ნდობის შეცდომა არის კვლევის შედეგების შესაძლო შეცდომა. მაგალითად, 500000-ზე მეტი ადამიანის საერთო პოპულაციის შემთხვევაში (მაგალითად, ნოვოკუზნეცკში მცხოვრები), ნიმუში იქნება 384 ადამიანი, ნდობის დონე 95% და ცდომილება 5% OR (დარწმუნების ინტერვალით 95. ± 5%).

რა მოჰყვება აქედან? ასეთი ნიმუშით (384 ადამიანი) 100 კვლევის ჩატარებისას, 95 პროცენტში მიღებული პასუხები, სტატისტიკის კანონების მიხედვით, ორიგინალის ± 5%-ის ფარგლებში იქნება. და ჩვენ მივიღებთ წარმომადგენლობით ნიმუშს სტატისტიკური შეცდომის მინიმალური ალბათობით.

ნიმუშის ზომის გამოთვლის შემდეგ, თქვენ ხედავთ, არის თუ არა საკმარისი რაოდენობის რესპონდენტები კითხვარის პანელის დემო ვერსიაში. შეგიძლიათ გაიგოთ მეტი, თუ როგორ უნდა ჩაატაროთ პანელის გამოკითხვა.