Девятко И. Методы социологического исследования. Логика социологического исследования методология и логика социологического исследования. Возможно ли объективное и научное социальное знание

• Название: Логика социологического исследования методология и логика социологического исследования. Возможно ли объективное и научное социальное знание
• Анкор: Девятко И. Методы социологического исследования.doc
• Дата: 20.03.2018
• Размер: 1.69 Mb.
• Имя файла: Девятко И. Методы социологического исследования.doc
• Тип: Документы; #16933
• Категория: Социология. Политология
• страница: 15 из 18

Определение шага отбора (К):

80000 человек в «русской» страте : 800 русских в выборке = 100;

10000 человек в «украинской» страте : 100 украинцев в выборке = 100;

10000 человек в страте «другие национальности»: 100 представителей других национальностей в выборке = 100.

Таким образом, мы будем выписывать из реальных картотек (списков) каж­дого сотого русского, каждого сотого украинца и т. п. (естественно, укра-

инцы и представители других национальностей будут встречаться в спис­ках в среднем в 10 раз реже русских) ¹¹.

Выборка в описанном нами примере является пропорциональной, так как она представляет все страты в той пропорции, в которой они содержатся в гене­ральной совокупности. Пропорциональный стратифицированный отбор особен­но важен для целей дескриптивной, описательной статистики, т. е. когда пе­ред исследователем стоит задача, основываясь на выборке, описать, как рас­пределены те или иные параметры в разных группах генеральной совокупности. Именно так обычно можно сформулировать цель предвыборного опроса, мар­кетингового исследования покупательских предпочтений и т. п. Еще одним пре­имуществом стратифицированного вероятностного отбора является уменьше­ние такого источника общей ошибки измерения, как дисперсия выборки. Не вдаваясь здесь в статистические тонкости, заметим, что стратификация умень­шает так называемую стандартную ошибку (определение и формулу для стан­дартной ошибки см. в главе 8) лишь в том случае, если интересующая иссле­дователя переменная значительно варьирует между стратами, т. е. когда зара­нее выделенные страты (например, возрастные группы) сильно отличаются по уровню измеряемой переменной (например, по частоте посещения дискотек). При этом различия внутри страт должны быть относительно невелики, т. е. межгрупповой разброс значений переменной должен значительно превос­ходить внутригрупповой.

Иногда, однако, основной задачей исследования является сравнение различных, обычно важных с точки зрения некоторой теории, групп внутри выборки с це­лью описания некоторого соотношения, имеющего место в генеральной сово­купности. Некоторые из таких «теоретически релевантных» групп могут быть весьма малочисленными. Для того чтобы сделать такие малочисленные груп­пы-субпопуляции статистически сопоставимыми с другими группами и, следо­вательно, получить статистически значимые выводы о существующих (несу­ществующих) межгрупповых различиях, можно использовать два метода.

Первый метод заключается в увеличении объема выборки. В этом случае про­порционально возрастает объем «редкой» страты, но столь же быстро (а иногда и быстрее) растут расходы на проведение исследования. Если, например, пожи­лые люди старше 85 лет составляют лишь 1/20 часть целевой совокупности горо­жан-пенсионеров, то в исследовании эффективности социальной работы с по­жилыми людьми нам понадобится выборка объемом 4000 пенсионеров, чтобы получить 200 наблюдений, относящихся к редкой подсовокупности тех, кто старше 85.

Другой, более дешевый, метод заключается в непропорциональной стратифи­кации, т. е. в непропорциональном отборе из различных подсовокупностей. Нередко возникает необходимость сделать «распространенные» и «редкие» стра-тыравно представленными в выборке. Если вернуться к обсуждавшемуся выше

¹¹ В действительности нам понадобится как минимум 20%-й запас карточек с именами и адресами для замещения тех респондентов, которые окажутся недоступными даже после 2—3 посещений. Доля «недоступных» в исследовании специфических популя­ций (например, зубных врачей или читателей «Вопросов литературы») может соста­вить 40—50%, включая и длительно отсутствующих, и отказавшихся от сотрудниче­ства и т. п. Соответственно в последнем случае «запас» должен составлять 40—50% от первоначально запланированного объема выборки.

примеру исследования городского населения, можно, в частности, представить ситуацию, когда необходимо сравнить кулинарные предпочтения русских и ук­раинцев. Очевидно, не вполне корректно сравнивать 800 русских и 100 украин­цев. В этом случае можно прибегнуть к непропорциональному систематичес­кому отбору из названных страт: если отбирать каждого 200-го русского и каж­дого 25-го украинца, мы получим две вполне сопоставимые, равные по объему, — 400 и 400 человек — подвыборки (однако эти равные подвыборки будут непро­порционально репрезентировать доли соответствующих подсовокупностей, в чем можно убедиться, самостоятельно произведя подсчеты по описанным выше формулам).

Выбор между пропорциональной и непропорциональной стратификацией ис­следователь осуществляет, исходя из содержательных и экономических сооб­ражений. Нужно, однако, иметь в виду некоторые «послевыборочные» послед­ствия непропорционального отбора, с которыми социологи сталкиваются на стадии анализа ¹². В частности, для получения более точных оценок распреде­ления исследуемых переменных иногда приходится применять так называемое взвешивание (иногда употребляют термин «перевзвешивание»). Взвешивание используют также для того, чтобы исключить влияние некоторых типов систе­матического смещения в основе выборки и других типов систематической ошибки измерения (см. гл. 6). Например, взвешивание полезно для исключения смещений, возникающих из-за дублирования в списке-основе или, наоборот, из-за наличия систематических «пропусков» для какой-то одной группы (ска­жем, если в списке пропущено много пожилых людей, постоянно проживаю­щих с детьми, но прописанных по другому адресу). Так как необходимость взвешивания чаще всего вызвана нарушением исходных соотношений, про­порций между входящими в целевую совокупность группами, мы опишем общую идею этой процедуры на примере непропорционального стратифи­цированного отбора.

Напомним, что к непропорциональной стратифицированной выборке прибега­ют в тех случаях, когда точность оценок для выборки в целом или для отдель­ных подгрупп (субпопуляций) внутри выборки оказывается недостаточной. В этом случае доли генеральной совокупности (f) будут различны для разных страт. Последнее утверждение равносильно признанию разной вероятности попадания в выборку для единиц, принадлежащих к разным стратам. Как со­вместить неравные вероятности отбора с данным нами выше определением вероятностной (случайной) выборки, в котором подчеркивалось равенство шан­сов попадания в выборку для всех входящих в генеральную совокупность еди-ниц-«случаев»? Некоторые статистики считают предложенное нами выше оп­ределение не вполне точным и предпочитают говорить о вероятностной выбор­ке как о выборке, где каждая единица отбора имеет «известную, ненулевую вероятность быть включенной в выборку»¹³, хотя шансы для различных еди­ниц не обязательно равны. Существующее многообразие определений вероят­ностной выборки восходит к давней дискуссии о правомерности выводов, ос­нованных на априорных («до») и апостериорных («после испытания») вероят-

¹² Обсуждение «послевыборочных» последствий различных процедур отбора можно найти, в частности, в книге: HenryG. Т. Practical sampling (Appl. Research Methods Series. Vol. 21). Newbury Park etc.: Sage, 1990. Ch. 8.

¹³ Henry G. Т. Op. cit. P. 25.

ностях. Мы, однако, сохраним наше определение случайной выборки, внеся в него некоторое уточнение: когда шансы попадания в выборку неравны, как при непропорциональном отборе из страт, они могут быть выровнены при помощи взвешивания на стадии анализа, т. е. на собственно послевыборочной стадии исследования (конечно, если отбор внутри страт сохраняет свой случайный и равновероятный характер). Для этого нужно внести определенные поправки в полученные данные, а именно—приписать некоторым наблюдениям (классам наблюдений) больший «вес», компенсирующий меньшие шансы попадания в выборку (и наоборот).

Результатом приписывания веса каждому наблюдению является увеличение точности оценок для исследуемых параметров. Вес каждой единицы (респон­дента) в k-й страте равен отношению числа таких элементов в генеральной со­вокупности к объему выборки для k-й страты ¹⁴, т. е.:



При расчете среднего или других параметров (см. гл. 8) каждое наблюдавшееся значение просто умножается на весовой коэффициент «своей» страты.

В частности, среднее значение какого-то параметра совокупности (например, средний доход или среднее количество хронических заболеваний) будет рав­няться просто взвешенной сумме средних значений для отдельных страт:



Формула расчета стандартной ошибки (см. гл. 8) для стратифицированной вы­борки также включает в себя весовые коэффициенты, w:



Стандартные компьютерные программы, используемые при статистическом анализе данных, всегда содержат элементарные процедуры взвешивания.

Вернемся к нашему примеру с непропорциональным стратифицированным от­бором русского и украинского населения. Предположим, мы выяснили, что в среднем каждая украинская семья заготавливает на зиму 50 кг варенья, тогда как среднее значение для русской страты составило 40 кг. Для украинской стра­ты весовой коэффициент составит:

w_укр. =10000:400=25.

Соответственно для русского населения:

w _русск. = 80000 : 400 = 200.

С учетом этих весовых коэффициентов уточненная оценка среднего запаса ва­ренья в выборке составит:

х = 25 • 50 • 400 + 200 • 40 • 400 / 100000 = 37 кг. Если бы мы не учли в своих расчетах сверхпредставительность украинцев в нашей непропорциональной стратифицированной выборке, то оценка среднего запаса варенья для всей совокупности оказалась бы завышенной (45 кг).

¹⁴ Подробнее см.: Sudman S, Applied sampling. N. Y.: Academic Press, 1975. P. 126—130.

Четвертый тип вероятностной выборки, используемой социологами,— это кла­стерная выборка. «Кластеры» (дословно с англ.—гроздья)—это естествен­ные группировки единиц наблюдения. Например, популяция избирателей име­ет тенденцию жить в городах и деревнях, генеральная совокупность военнос­лужащих естественным образом группируется по воинским частям и подразделениям, а совокупность студентов — по университетам, институтам и колледжам. Способность к образованию локальных группировок, которую об­наруживают генеральные совокупности, изучаемые социологами, при соблю­дении ряда условий позволяет уменьшить расходы на получение единицы ин­формации.

Цель использования кластерной выборки таким образом заключается в повы­шении эффективности затрат на проведение исследования. При фиксирован­ном бюджете и объеме выборки социолог получает возможность снизить об­щие расходы на проведение личных интервью преимущественно за счет умень­шения транспортных расходов¹⁵.

В общем случае кластерная выборка основана на первоначальном отборе груп­пировок (кластеров) и затем — на изучении всех единиц внутри кластеров. Возможными примерами кластеров, используемых в больших общенациональ­ных опросах, являются сельские районы, городские квартиры, избирательные участки. При изучении специфических популяций используются иные клас­теры: больницы — при изучении пациентов, школы — при изучении школь­ников и т. п.

Корректное применение кластерной процедуры основано на неукоснительном соблюдении четырех необходимых условий¹⁶:

1) кластеры должны быть однозначно и явно заданы: каждый член гене­ральной совокупности должен принадлежать к одному (и только одному) кластеру;

2) число членов генеральной совокупности, входящих в каждый кластер, должно быть известно или поддаваться оценке с приемлемой степенью точности;

3) кластеры должны быть не слишком велики и географически компакт­ны, иначе кластерная выборка теряет всякий финансовый смысл;

4) выбор кластеров должен быть осуществлен таким способом, который минимизирует рост выборочной ошибки (последний процесс, в свою оче­редь, является неизбежным следствием кластеризации).

Для того чтобы уяснить, как именно кластерная процедура влияет на рост вы­борочной ошибки, рассмотрим ее на простейшем примере. Допустим, мы изу­чаем труд и занятость жителей небольшого сельского района. Для того чтобы составить полный список-основу для случайной выборки, нам пришлось бы предварительно посетить все сельские советы, а в некоторых случаях — и весь­ма отдаленные деревни. Располагая ограниченными ресурсами, мы решаем использовать имеющуюся в нашем распоряжении карту района, на которой от­мечены все населенные пункты, включая самые небольшие хутора. Известна и

¹⁵ Соответственно использование кластерной процедуры отбора лишено смысла при проведении почтовых опросов, централизованных телефонных интервью и локальных обследований.

¹⁶ Sudman S. Op. cit. P. 70.

численность населения для каждого пункта. Естественными границами клас­теров-поселений являются шоссе и проселочные дороги. Составив список всех 40 деревень и хуторов, мы можем теперь без труда осуществить простую слу­чайную выборку кластеров. Для отдельного поселения вероятность попадания в выборку составит 1/40 . Если, например, мы собираемся опросить 200 человек, нам, скорее всего, потребуется отобрать 1—2 кластера-поселения. Отметим здесь, что естественные различия в величине кластеров¹⁷ никак не влияют на процедуру кластерного отбора.

Что при этом происходит с выборочной ошибкой и, следовательно, с получае­мыми в нашем исследовании статистическими параметрами генеральной сово­купности сельского населения района (т. е. с оценками возраста, дохода и т. п.)? Чтобы ответить на этот вопрос, мы должны ввести еще одно статистическое понятие «независимых наблюдений» (степеней свободы).

Предположим, мы хотим оценить соотношение работающих и пенсионеров в обследуемом нами районе. Мы отобрали, условно, три деревни по 30 домовла­дений каждая (итого 90 домовладений). Однако в ходе опроса выясняется, что в двух деревнях, не входящих ни в одно сельхозобъединение или кооператив, живут исключительно старики-пенсионеры, а в одной, построенной недавно для переселенцев из Средней Азии, живут только молодые семьи с детьми. Та­ким образом, каждая деревня является населенной либо только работающими семейными парами, либо исключительно «пенсионерской». В результате мы можем заранее предсказать результат обследования каждой деревни (класте­ра), посетив лишь один дом. Если в первом доме интервьюер обнаружит чету пенсионеров, во всех остальных домах тоже будут жить пенсионеры. Если в первом доме живут люди трудоспособного возраста, посещение остальных 29 домовладений приведет к тому же результату. Фактически для каждой де­ревни мы будем располагать одним независимым наблюдением и, посетив 90 семей в трех деревнях, получим лишь три независимых, информативных на­блюдения относительно распределения работающих и пенсионеров в выборке. Соответственно наши оценки величины данного соотношения в генеральной совокупности окажутся более неточными, чем в случае 90 независимых наблю­дений. Причина возникающей ошибки заключается в том, что использованные нами кластеры (деревни) оказались гомогенными, однородными по исследуе­мому признаку трудовой занятости, хотя по другим признакам, например, по политической активности, они вполне могут быть гетерогенными, неоднород­ными. В принципе можно показать, что рост выборочной ошибки для кластер­ной выборки (в сравнении с простой случайной) является функцией двух пере­менных — величины кластеров и гомогенности исследуемого признака внутри каждого кластера¹⁸.

Ясно, что оценка гомогенности часто становится важной практической задачей в планировании кластерной выборки. Основная проблема здесь заключается в том, что соответствующими данными о распределении признаков внутри клас­теров исследователь располагает после завершения собственно полевой ста­дии. Практически при проектировании выборки обычно основываются на уже существующих данных предыдущих исследований, переписей и т. п. Мера го-

¹⁷ В нашем случае так называемой территориальной кластерной выборки таковыми являются различия в численности населения отдельных деревень и хуторов.

¹⁸ См.: Sudman S. Op. cit. P. 73—78.

Таблица 7.2 Значения мер гомогенности р для кластеров, состоящих из домовла­дений (для основных социально-демографических параметров)
Параметр	Значение р для кластера, имеющего средний размер п
	п=3	п=9	п=Т1	n=62
Доля домовладений: — находящихся в личной собственности;	,170	,171	,161	,096
— наемных, с низкой квартплатой;	,235	,169	,107	,062
— наемных, с высокой квартплатой;	,430	,349	,243	,112
Среднее количество жильцов	,230	,186	,142	,066
Доля среди жильцов:
— белых мужчин	,100	,088	,077	,058
— безработных мужчин	,060	,070	,045	,034
— мужчин в возрасте 25—34 лет	,045	,026	,018	,008

могенности р ведет себя так же, как соответствующий коэффициент корреля­ции. Величина р — это корреляция между значениями признака для всех воз­можных парных сочетаний элементов, входящих в кластер. Эта величина обыч­но положительна и возрастает с ростом гомогенности элементов внутри клас­тера. Если наблюдения внутри кластера абсолютно независимы (как в примере случайного распределения между разными кластерами), то р = 0. При исполь­зовании территориальной кластерной выборки городского населения, напри­мер при отборе кварталов или многоэтажных домов, р для признаков экономи­ческого статуса может быть весьма высоким из-за «пороговых» эффектов:

в престижном кооперативном доме маловероятно встретить семьи с очень низ­кими доходами (верхний порог) и, наоборот, лишь немногие состоятельные люди обитают в коммуналках, подобно герою «Золотого теленка» Александру Ива­новичу Корейко (нижний порог).

Ориентировочное представление о типичных значениях р и их изменении для кластеров разной величины для общенационального выборочного исследова­ния дает табл. 7.2. В таблице показаны величины р для имеющих разные раз­меры кластеров, составленных из соседних городских домовладений (квартир и домов). Данные таблицы основаны на выборке городского населения США (N>100000)¹⁹.

Еще одной немаловажной практической проблемой в планировании кластер­ной либо стратифицированной выборки является сравнение эффективности

¹⁹ Источник: Hansen M., Hurwitz W. N., Madow W. G.. Sample Survey Methods and Theory. N. Y.: Wiley and Sons, 1953. 2 vols. (Vol. 1. P. 264. Table 3). Знаки «О» перед запятой опущены.

затрат на исследование при разных среднем размере кластера и количестве кластеров (заметим, что и кластеры, и страты часто обозначают общим терми­ном — «первичные единицы отбора»). Функция, описывающая зависимость расходов от вышеперечисленных двух переменных, выглядит так:

С_t = ас₁ + пс₂,

где С_t — общая стоимость исследования, а — количество «первичных единиц отбора»,

с₁— средние затраты на обследование первичной единицы отбора, планируе­мые для данного исследования,

n — общий размер планируемой выборки, с₂ — средние затраты на проведение одного интервью²⁰.

Дальнейшим обобщением идей случайного отбора из субпопуляций и естествен­ных группировок, лежащих в основе, соответственно стратифицированной и кластерной выборок, является многофазная (многоступенчатая) выборка. По­строение такой выборки представляет собой довольно сложную статистичес­кую задачу, подходы к решению которой мы рассмотрим лишь в самом обоб­щенном виде.

В простейшем случае многофазная выборка состоит из двух фаз случайного отбора. На первой — как при кластерном отборе — выбираются «первичные единицы отбора», например, районы, избирательные участки, предприятия. На второй фазе производится случайный отбор единичных членов генеральной совокупности — отдельных респондентов, семей и т. п. Так как «первичные единицы отбора» могут существенно отличаться по величине (как, например, отличаются друг от друга городские квартиры или дома с разной численностью проживающих), то результатом первой фазы может стать неравная вероятность попадания в выборку для членов генеральной совокупности, относящихся к разным «первичным единицам отбора». В этом случае исследователь имеет воз­можность выравнивания вероятностей на последующих фазах (например, из «первичной единицы отбора», где проживает 1000 семей, он выберет 10, а из «первичной единицы», где живет 500 семей, будет отобрано 20).

Рассмотрим многофазную процедуру на простейшем примере с равной вероят­ностью отбора.

Пусть нам необходимо осуществить выборку размером 2000 человек из гене­ральной совокупности населения крупного города, где проживает 4 млн чело­век. Каждая «первичная единица отбора» — городской квартал — содержит 1000 единиц (т. е. отдельных респондентов). На первой фазе мы отберем из 100000 кварталов («первичных единиц отбора») 400, так что для каждого квар­тала вероятность попадания в выборку составит:

400:100000=0,004.

На следующей стадии из 1000 жителей каждого квартала мы отберем 50, так что для каждого респондента суммарная накопленная вероятность попадания в двухфазную выборку составит:

0,004 x (50: 1000) =0,0002. ²⁰ См.: Sudman S. Op. cit. P. 78—79; Hansen M., Hurwitz W. N.. Madow W. G. Op. cit.

Решение об использовании многофазной выборки обычно принимается после анализа «баланса» затрат и приобретений. Снижение затрат на сбор данных, достигаемое в этом случае, сопровождается увеличением сложности выбороч­ной процедуры. С ростом числа фаз (в больших общенациональных обследова­ниях нередко используют 4 или 5 «ступенек» отбора — от области до квартала) точность получаемых оценок имеет тенденцию снижаться. Поэтому исследова­телям нередко приходится сочетать многофазный отбор со стратификацией на завершающих стадиях выборочной процедуры, что обычно ведет к улучше­нию характеристик выборки²¹'. Отсюда понятно, почему многофазная выборка в значительной мере остается «прерогативой» крупных исследовательских орга­низаций, которые обладают значительными финансовыми ресурсами и могут воспользоваться услугами профессионалов-статистиков при проектировании выборки.

Размер вероятностной выборки

Вопрос об оптимальном размере вероятностной выборки всегда был спор­ным и, в значительной мере, остается таковым. Мы обсудим лишь основные принципы, лежащие в основе современного подхода к оптимизации размера выборки.

Решение относительно размера выборки принимают с учетом целого ряда фак­торов, среди которых самую существенную роль играют два; 1) ценность и но­визна получаемой в результате опроса информации и 2) затраты на проведение опроса (включая временные) при заданном размере выборки.

Некоторые исследователи полагают, что принятие решения о размере выборки может основываться на сугубо статистическом подходе²². При этом в расчет принимают допустимую величину ошибки в оценке исследуемого параметра (например, дохода). Существуют статистические формулы, связывающие раз­мер выборки с вероятностью ошибки и величиной доверительного интервала, задающего пределы этой ошибки (два последних понятия подробнее обсужда­ются в гл. 8). Так как использование этих формул требует принятия определен­ных предположений о том, как распределена интересующая исследователя ве­личина, возникает необходимость в предварительной информации, относящей­ся к тому самому параметру, который мы решили изучить. Трудности, возникающие при использовании классического статистического подхода к оп­ределению размера вероятностной выборки, можно описать одной фразой, принадлежащей известному специалисту по массовым опросам С. Судману:

«Очевидно, что формула, описывающая зависимость размера выборки от пред­полагаемой ширины доверительного интервала и приемлемой вероятности

²¹ Примером многофазной (многоступенчатой) стратифицированной выборки может служить выборка «Всесоюзного этносоциологического исследования» (рук. Ю. В. Ару-тюнян, 1971—1976 гг.). См. подробнее: Арутюнян Ю. В., Дробижева Л.М., Кондрать­ев В. С., Сусоколов А. А. Цит. соч. С. 111—123. Отметим также, что впервые в отече­ственной социологии многоступенчатая территориальная вероятностная выборка использовалась в исследовании читателей газеты «Правда», проводившемся В. Э. Шляпентохом в 1970-е гг. ²² См.: Кокрен У. Методы выборочного исследования. М.: Статистика, 1976.

ошибки, попросту заменяет проблему определения размера выборки другой, не менее трудной проблемой — определения ширины доверительного интерва­ла»²³.

Во многих важных случаях можно руководствоваться сложившейся практикой, т. в. размером выборки, использовавшейся в аналогичных исследованиях. Кроме того, нужно помнить о простейших «правилах левой руки» для определения размера выборки.

Размер выборки растет	Размер выборки уменьшается
— при необходимости опубликовать	— при исследовании организаций,
данные для отдельных подгрупп	институтов и прочих «первичных
(размеры подвыборок при этом	единиц отбора», если сравнительно
суммируются, и выборка в целом	невелика величина генеральной
растет пропорционально числу	совокупности, из которой
подгрупп);	производится отбор (например,
	совокупности сотрудников
	рекламных агентств, школьников,
	пациентов и т. п.);
— при проведении	— при проведении локальных и
общенациональных обследований,	региональных исследований;
когда велика генеральная
совокупность (заданная доля
генеральной совокупности/будет
определять тем больший объем
выборки, чем больше генеральная
совокупность);
— если уже имеющаяся информация	— если уже существующая
по ключевым вопросам (например, о	информация относительно полна, и
намерениях избирателей голосовать	все еще остающаяся степень
за ту или иную партию) явно	неопределенности незначительна
недостаточна, и степень
неопределенности значительна

«Типичные» размеры выборок для общенациональных опросов варьируют в пределах 1000—2500 респондентов (в зависимости от числа анализируемых подгрупп), для региональных опросов и опросов специальных популяций — от 200 до 500 (при анализе многочисленных подгрупп размер региональной или специальной выборки обычно возрастает как минимум до 1000 человек). Ука­занные значения, разумеется, могут служить лишь самым общим ориентиром для определения оптимального размера выборки.

Целевой отбор

Иногда социологи вынуждены применять не основанные на вероятностях вы­борки. Отбор в этом случае базируется не на принципе рандомизации, а на сле­довании тем или иным субъективным критериям — доступности, типичности, равного представительства и т. п. Многие из этих критериев при систематичес-

²³ Sudman S. Op. cit. P. 89.

ком использовании позволяют добиться достаточно высокого качества социо­логических данных. Часто такой отбор называют целевым, так как он в боль­шой степени определяется целями исследования. Кроме того, в конкретной ис­следовательской ситуации может оказаться, что осуществление случайной вы­борки — это практически невыполнимое или экономически неэффективное мероприятие (затраты на построение выборки превышают ценность получае­мой в результате исследования информации). Наконец, использование вероят­ностного отбора лишено всякого смысла, если речь идет об исследовании уни­кальных событий, групп или ситуаций — полетов на Луну, войн или любовных историй (об этнографическом методе, применяемом в такого рода исследовани­ях, говорится в гл. 2).

Основной недостаток неслучайных процедур отбора связан с тем, что не суще­ствует строгих статистических методов, позволяющих обобщить результаты, полученные в ходе исследования выборки. Оценка точности и валидности этих результатов (и основанных на них выводов) остается делом субъективного суж­дения, опыта, теоретических предпочтений.

Самый распространенный тип не основанной на вероятности выборки — это выборка доступных случаев. Такого рода выборка может считаться корректной лишь тогда, когда используется в экспериментальном (или квазиэксперимен­тальном) исследовании. Так, в большинстве психологических экспериментов испытуемыми являются студенты. Это позволяет экономить скудные финансо­вые ресурсы, отпускаемые на сугубо академические изыскания. Для того что­бы исключить влияние посторонних, смешивающих факторов, эксперимента­тор в случайном порядке распределяет выборку доступных случаев (т. е. дос­тупных испытуемых) по двум группам — экспериментальной и контрольной. В нашем обсуждении роли рандомизации в эксперименте (гл. 4) подчеркива­лось ее значение для получения точных и обоснованных выводов. Однако слу­чайное приписывание испытуемых-добровольцев к экспериментальной и конт­рольной группам, строго говоря, не является достаточным основанием для обоб­щения результатов эксперимента для всей генеральной совокупности, из которой осуществлялась выборка доступных случаев. Точнее, в ситуации отбора дос­тупных случаев невозможно с полной уверенностью сказать, что, собственно, являлось генеральной совокупностью в процессе исследования, так как после­дняя не была определена с самого начала. Поэтому, в частности, шутливое оп­ределение предмета психологии гласит, что это наука, изучающая студентов-второкурсников гуманитарных факультетов. В социологии выборкой доступ­ных случаев чаще всего приходится довольствоваться при изучении таких специальных популяций, которые практически не поддаются локализации. Речь идет, прежде всего, об относительно малочисленных группах, находящихся вне сферы институционального (например, административного) контроля. Для таких групп трудно найти какую-то основу выборки — скажем, посетители стрелковых тиров едва ли состоят на каком-нибудь государственном учете. «Про­сеивание» большой случайной выборки из генеральной совокупности с целью рекрутирования сколько-нибудь значительного числа респондентов в специаль­ную выборку требует непомерных затрат. Поэтому социологам иногда прихо­дится уподобляться орнитологам и отбирать членов экзотических популяций в местах их «естественного обитания» или вероятного скопления. Многие иссле­дования посетителей массовых библиотек проводятся в библиотеках, посети­телей выставок — в музеях, ветеранов войны — в клубах ветеранов и т. п. В этой

ситуации исследователю приходится прилагать дополнительные усилия для получения высококачественной информации. Следует заметить, что некоторая статистическая «небезупречность» получаемых таким образом результатов, при должной методической культуре исследователей, иногда окупается, и мы узна­ем нечто принципиально новое об относительно «закрытых» областях челове­ческого поведения²⁴. Однако если целью исследования является описание рас­пределения признаков во вполне определенной генеральной совокупности (по­купателей зубной пасты, избирателей, читателей газет), то социолог, использующий выборку доступных случаев, понапрасну тратит деньги заказ­чика (и пренебрегает профессиональной этикой). Квалифицированному заказ­чику в этом случае также не стоит принимать всерьез рассуждения о принципи­ально новых, нестатистических и даже «мягких» методах проведения массо­вых опросов.

Значительно реже социологи используют две другие разновидности целевого отбора — отбор «критических случаев» и отбор «типичных случаев». В обоих случаях исследователь полагается на какие-то теоретические представления или предыдущий опыт, чтобы отобрать ограниченное число «симптоматических», характерных наблюдений, позволяющих сделать более широкие обобщения и предсказания. Иногда это удается, но следует помнить о том, что опыт и теоре­тические суждения обычно бывают субъективны. В печально знаменитых пре­зидентских выборах 1948 г. в Америке (Г. Трумэн против Т. Дьюи) ошибочные прогнозы сделали все знаменитые институты опросов общественного мнения. При этом некоторые из них избрали в качестве «типичного» случая население штата Мэн, так как прежде жители этого штата всегда «угадывали» будущего президента. В описываемом случае «нетипично» (т. е. за проигравшего выборы Дьюи) проголосовали только два штата — Мэн и Вермонт. Поэтому поговорку «Как голосует Мэн, голосует вся Америка» пришлось перефразировать: «Как голосует Мэн, так голосует Вермонт»²⁵.

Метод «снежного кома»—это еще один (наряду с выборкой доступных случа­ев) интересный подход к отбору из «редких» совокупностей. Его идея такова:

первоначально идентифицированная небольшая группа членов интересующей социолога совокупности служит источником сведений о других членах этой совокупности, так что выборка постепенно разрастается вширь подобно снеж­ному кому, катящемуся с горы. Этот метод использовал, например, П. Лазарс-фельд с коллегами в исследовании «влиятельных людей» и неформальных свя­зей. Помимо властвующих элит данный метод применяют в изучении других групп, также избегающих широкой известности,—например, наркоманов или коллекционеров антиквариата. Для этого метода существуют определенные

²⁴ В отечественной литературе примеры очень интересных исследований, основанных на целевом отборе, особенно многочисленны (причиной чему, очевидно, является хро­ническая недостаточность финансирования социологических исследований). Общее представление об используемых в них методах повышения качества информации мож­но составить, ознакомившись с несколькими хорошими работами, например: 47 пят­ниц. Функционирование общественного мнения в условиях города (программы и доку­менты исследования). М.: ССА, 1969. Вып. 1.; ШубкинВ. Н. Начало пути. М.: Молодая гвардия, 1979; Клявина Т. А., Хршановская С. П. В поисках зрителя (итоги опроса руко­водителей театров РСФСР) // Социологические исследования. 1988. № 3. С. 47—53.

²⁵ Henry G. T. Op. cit. P.21.

приемы оценки систематической ошибки, однако они слишком сложны, чтобы обсуждаться здесь.

К выборкам, не основанным на случайном отборе, относится и квотная выбор­ка, когда-то чрезвычайно популярная даже среди профессиональных статисти­ков и практически не используемая сейчас. Идея квотной выборки проста: изу­чаемая совокупность разбивается на такие социально-демографические груп­пы, которые исследователь почему-либо считает важными. Обычно критериями разбивки становятся пол, возраст, национальная принадлежность, место жи­тельства и т. п. Далее, основываясь на уже известных (обычно из официальной статистики) пропорциях этих групп в генеральной совокупности, социолог со­ставляет полевые задания для интервьюеров, указывая, сколько женщин, муж­чин, лиц с высшим образованием и т. п. нужно опросить. Например, интервью­ер получает задание опросить десять женщин старше 50 лет, восемь мужчин 35—45 лет и трех восемнадцатилетних девушек, проживающих в г. Санкт-Пе­тербурге. В результате должна получиться выборка, представляющая все за­данные пропорции групп в генеральной совокупности.

Основная проблема квотного отбора заключается в том, что он носит неслучай­ный характер и осуществляется лично интервьюером. Последний выбирает респондентов, в конечном счете, по собственному усмотрению. Хотя число муж­чин или женщин, рабочих или пенсионеров, которых следует опросить в дан­ном районе или местности, задано заранее, интервьюер решает, в какую квар­тиру ему удобнее позвонить, с кем из членов семьи провести интервью, куда вернуться вторично, если на звонок никто не ответил, и т. п. Это неизбежно ведет к систематическим смещениям в процессе отбора, причем не суще­ствует никаких методов для оценки величины возникающей систематичес­кой ошибки.

Еще один очевидный недостаток квотного отбора связан с тем, что обычно невозможно даже приблизительно оценить количество отказов от участия в опросе. Если интервьюер сталкивается с человеком, не желающим отвечать на вопросы, или просто недоброжелательным, или вызывающим у него ан­типатию, интервьюер всегда волен попрощаться и попытать счастья в со­седней квартире.

По указанным причинам квотные выборки «вышли из моды» среди социоло­гов, несмотря на свою относительную дешевизну.

Оценивая полезность и применимость вышеописанных «неслучайных» мето­дов отбора в исследовательской практике, следует, прежде всего, сказать, что в определенных обстоятельствах никакой другой альтернативы просто не суще­ствует. В ситуации нехватки денег, персонала, времени либо первичной инфор­мации о генеральной совокупности социологи использовали и будут использо­вать впредь выборки доступных случаев, метод «снежного кома» и даже (к со­жалению) квотную выборку. При этом профессиональный долг социолога заключается в том, чтобы оценить, пусть даже очень приблизительно, величи­ну и источники возникающей выборочной ошибки.

Безусловно, разумно использовать целевые выборки в пилотажных исследова­ниях, в экспериментах, в том числе методических (т. е. нацеленных на проверку и отработку анкет, опросников, шкал и т. п.).

Однако всегда следует помнить о том, что возможность обобщения любых оце­нок, полученных на целевой выборке, для генеральной совокупности в целом,

т. е. внешняя валидность результатов исследования, чаще всего оказывается сомнительна²⁶.

Дополнительная литература

Кокрен У. Методы выборочного обследования. М.: Статистика, 1976.

Петренко Е. С., Ярошенко Т. М. Социально-демографические по­казатели в социологических исследованиях. М.: Статистика, 1979.

Территориальная выборка в социологических исследованиях. М.:

Наука, 1980.

Чурилов Н. Н. Проектирование выборочного социального исследо­вания. Киев: Наукова думка, 1986.

²⁶ Предвыборные опросы общественного мнения, проводившиеся различными россий­скими исследовательскими центрами в первой половине 1990-х гг., изобилуют столь многочисленными подтверждениями этой истины, что трудно выбрать один «негатив­ный пример» для критического рассмотрения. Систематический анализ просчетов в организации выборки таких опросов содержится в работах: Шляпентох В. Э. Предвы­борные опросы 1993 г. в России (критический анализ) // Социологические исследова­ния. 1995. № 10. С. 3—10; Мансуров В. А., Петренко Е. С. Изучение общественного мнения в России и СССР // Социология в России. М.: На Воробьевых, 1996. Богатый эмпирический материал, относящийся к ошибочным прогнозам итогов выборов в Думу 1995 г., см. в статье: Рубинов А. Социология сказала... //Лит. газета. 1995. 13 дек.