Способ отбора выборки - правило, по которому единицы генеральной совокупности получают возможность попасть в исследование. Способ отбора определяет, какие группы будут представлены в данных и можно ли использовать выборочное среднее, долю или различие как оценку соответствующего параметра целевой совокупности.
Перед отбором определяют целевую и доступную совокупности, единицу отбора и основу выборки - список или другой перечень доступных единиц. Даже сложная схема отбора не даст надёжного охвата, если основа исключает важную часть целевой совокупности.
Вероятностный и невероятностный отбор
Способы отбора делятся на две большие группы:
- Вероятностный отбор: для каждой единицы известна ненулевая вероятность включения. Случайный механизм позволяет рассчитывать стандартные ошибки и оценивать параметры той совокупности, которая полностью представлена в основе выборки.
- Невероятностный отбор: вероятность включения неизвестна, поскольку участие определяется доступностью, решением самого участника или выбором исследователя. Такой набор часто проще, но риск смещения труднее оценить.
Вероятностный отбор не гарантирует репрезентативность: отсутствующие в основе группы, отказы и выбывание могут изменить состав итоговых данных. При невероятностном отборе рассчитанные показатели непосредственно описывают участников исследования. Для оценки параметров более широкой совокупности потребуются внешние данные о её составе, статистическая корректировка или повторные исследования с другой схемой набора.
Случайный отбор - общее обозначение вероятностных схем, в которых включение единиц определяется случайным механизмом. Он определяет состав выборки и позволяет оценивать параметры охваченной генеральной совокупности. Случайный отбор не следует смешивать с рандомизацией: при отборе решается, кто попадёт в исследование, а при рандомизации уже включённым единицам назначаются экспериментальные условия.
Простой случайный отбор
Каждая единица полной основы выборки имеет одинаковую вероятность быть выбранной. Если из единиц без возвращения выбирают , вероятность включения каждой единицы равна:
Пример: из списка 2000 первокурсников генератор случайных чисел выбирает 200 уникальных номеров.
Преимущества:
- понятная процедура
- одинаковая вероятность включения
- стандартные способы расчёта оценок и их неопределённости
Ограничения:
- требуется полный список единиц
- редкие подгруппы могут случайно получить малое представительство
- при географически рассеянной совокупности сбор данных может быть дорогим
Систематический отбор
После случайного выбора начальной позиции из упорядоченного списка берут каждую -ю единицу. Приближённый шаг равен:
Если требуется выбрать 100 человек из списка 1000 студентов, шаг равен 10. Случайно выбирается первое число от 1 до 10, после чего отбирается каждый десятый студент.
Метод удобен для длинных списков и потокового набора. Он может давать смещение, если в порядке списка присутствует периодическая закономерность, совпадающая с шагом. Например, семейные записи или учебные группы могут повторяться через одинаковые интервалы.
Стратифицированный отбор
Генеральную совокупность заранее делят на страты по важным признакам, а затем случайно отбирают единицы отдельно внутри каждой страты. Страты должны взаимно исключать друг друга и вместе охватывать всю доступную совокупность.
Пример: студентов делят по университету и форме обучения, после чего внутри каждой группы проводится простой случайный отбор.
При пропорциональном отборе доля каждой страты в выборке соответствует её доле в совокупности. При непропорциональном отборе малую, но важную страту намеренно набирают в большем количестве, чтобы получить достаточные данные для отдельного анализа. Во втором случае для общей оценки часто применяются статистические веса.
Стратификация полезна, когда признак связан с исследуемым показателем и известен для всей основы выборки. Слишком большое число страт создаёт множество малых групп и усложняет процедуру.
Кластерный отбор
Генеральную совокупность делят на естественные группы - кластеры: школы, классы, клиники, организации или населённые пункты. Затем случайно выбирают отдельные кластеры и обследуют всех или часть единиц внутри них.
Пример: из списка школ региона случайно выбирают 15 школ, затем в каждой выбранной школе обследуют два класса.
Кластерный отбор снижает стоимость поездок и организации, но участники одного кластера обычно сходны между собой. Поэтому 300 учеников из 10 классов дают меньше независимой информации, чем 300 учеников, независимо отобранных по всему региону. Это учитывают при расчёте стандартных ошибок и мощности.
Стратифицированный и кластерный отбор не следует смешивать:
- при стратифицированном отборе единицы берут из каждой страты
- при кластерном отборе выбирают часть кластеров, а остальные не обследуют
Многоступенчатый отбор
Отбор проводится последовательно на нескольких уровнях. Например:
- случайно выбираются регионы
- внутри регионов - университеты
- внутри университетов - учебные группы
- внутри групп - отдельные студенты
На разных ступенях могут сочетаться кластерный, стратифицированный, систематический и простой случайный способы. У одной единицы итоговая вероятность включения равна произведению вероятностей пройти каждую ступень. Анализ должен учитывать все уровни и неодинаковые вероятности включения.
Удобная выборка
В исследование включаются наиболее доступные участники: студенты одного факультета, посетители одной клиники, подписчики сообщества или знакомые исследователя.
Удобная выборка подходит для пилотного исследования, проверки процедуры и первичного изучения редкой темы. Однако удобство доступа часто связано с возрастом, образованием, местом проживания и мотивацией. Поэтому среднее, доля или взаимосвязь, полученные в удобной выборке, прежде всего характеризуют её участников; считать их оценками для людей, не охваченных набором, без дополнительных данных нельзя.
Добровольная выборка
Исследователь публикует открытое приглашение, а люди самостоятельно решают участвовать. Вероятность отклика может быть связана с темой исследования.
Например, на опрос о трудностях сна могут чаще отвечать люди, которых уже беспокоит сон. Большое число ответов не устраняет это смещение самоотбора.
Целенаправленный отбор
Исследователь сознательно подбирает участников с нужным опытом, диагнозом, профессией или редкой характеристикой. Такой подход применяется в качественных исследованиях, исследованиях отдельных случаев и при работе с малодоступными группами.
Целью здесь является не статистическое представительство всех членов совокупности, а получение сведений от наиболее информативных участников. Критерии подбора необходимо описывать особенно подробно.
Квотный отбор
Заранее задаются требуемые количества участников по нескольким признакам: например, возрасту и полу. Внутри каждой квоты участников набирают неслучайно.
Квоты обеспечивают сходство с совокупностью по выбранным признакам, но не гарантируют сходства по другим характеристикам. Два человека одного возраста и пола могут сильно различаться по образованию, здоровью и вероятности добровольного участия.
Метод снежного кома
Первые участники предлагают приглашения другим людям из своих социальных связей. Метод полезен для групп, полный список которых получить трудно.
Выборка при этом зависит от исходных участников и структуры их связей. Люди с малым числом контактов имеют меньшую вероятность попасть в исследование, а отдельные сообщества могут оказаться чрезмерно представлены.
Как выбрать способ отбора
При выборе схемы учитывают:
- исследовательский вопрос и границы целевой совокупности
- наличие и полноту основы выборки
- географическое распределение участников
- необходимость анализа редких подгрупп
- доступное время, бюджет и способы связи
- ожидаемую долю отказов
- допустимую точность оценок
- возможность учитывать веса, страты и кластеры при анализе
Если требуется численно оценить параметр широкой совокупности, предпочтителен вероятностный отбор из основы, охватывающей эту совокупность. Невероятностный способ подходит, когда задача ограничена проверкой процедуры, подробным изучением редкого случая или сбором первых данных о труднодоступной группе без заявления числовой оценки для всех её представителей.
Описание способа отбора
Описание способа отбора включает:
- целевую и доступную совокупности
- основу и единицу отбора
- точную последовательность этапов
- вероятность включения или правило набора
- признаки стратификации, названия уровней и число кластеров
- запланированный и фактический размеры выборки
- число приглашённых, ответивших и отказавшихся
- правила замены недоступных единиц
- применённые веса и способ расчёта неопределённости
- группы, отсутствующие или слабо представленные в данных, и параметры, которые из-за этого нельзя оценить для всей целевой совокупности; такие пропуски ограничивают репрезентативность
Описание только итогового размера выборки недостаточно. При одинаковом случайный отбор из полного списка может дать оценку параметра всей указанной совокупности, а набор добровольцев из одного сообщества - только характеристику ответивших участников