— Может ли малая группа качественно отзеркалить состав, опыт и характеристики всего общества?

👥 Микрокосм — малая статистически сконструированная выборка, воспроизводящая структуру популяции благодаря контролируемой процедуре случайного отбора.

1️⃣ Масштаб популяции не определяет необходимый размер выборки.

Кажется логичным предположить, что если общество огромное, то для того, чтобы узнать мнение всех его членов, должна быть нужна огромная выборка. На самом деле это не так. В случайной выборке точность оценки среднего значения рассчитывается по формуле:

S² — дисперсия (степень разнообразия изучаемого признака в обществе).

n — абсолютный объем выборки (количество реальных участников).

f = n/N — доля выборки от общей численности общества N.

Из формулы видно: размер всей популяции N влияет на точность только через долю выборки f.

Чем больше популяция, тем меньше эта доля. Для больших популяций f практически равна нулю, поэтому (1-f) ≈ 1 и N практически исчезает из расчёта.

Поэтому выборка из 1500 человек даёт примерно одинаковую статистическую погрешность в городе на 100 тысяч жителей и в стране на 50 миллионов.

⚙️ Точность определяется прежде всего абсолютным размером выборки, а не размером всей популяции.

2️⃣ Стратификация.

Чтобы повысить точность при том же при том же количестве участников $n$, популяцию делят на страты — группы со схожими характеристиками (возраст, доход, регион).

W_h = N_h/N — вес страты (доля группы h в обществе).

S_h² — внутригрупповая дисперсия (разнообразие ответов внутри группы).

n_h — число участников из страты.

При пропорциональном отборе (n_h = n * W_h) каждая группа представлена в выборке в той же доле, что и в обществе. Поэтому различия между группами не создают ошибку, остаётся только разнообразие внутри групп, которое обычно меньше общего S².

⚙️ Чем однороднее группы, тем точнее выборка при том же n.

3️⃣ Кластеры, однородность и дизайн-эффект.

Для точности важен не только размер выборки, но и то, как именно мы набираем участников. Если людей берут группами (кластерами — например, домохозяйствами или трудовыми коллективами), участники внутри группы часто похожи друг на друга. Поэтому несколько человек из одного кластера дают меньше новой информации, чем такое же число независимо отобранных людей.

Это измеряется дизайн-эффектом:

b — размер кластера (число участников из одной группы).

ρ — внутриклассовая корреляция (насколько участники группы похожи друг на друга).

Для точного микрокосма нужно не просто набрать достаточно людей, а избегать избыточной концентрации участников из одних и тех же групп.

⚙️ Чем разнообразнее независимые источники участников, тем ближе Deff к 1 и тем эффективнее каждый участник выборки.

— Как из этого собирается микрокосм?

Эти три принципа задают основные требования к микрокосму:

1. Достаточный объём выборки — точность зависит прежде всего от числа участников, а не от размера всей популяции.
2. Стратификация — участники распределяются по ключевым характеристикам общества в тех же пропорциях, что и в популяции.
3. Минимизация кластеров — участников не следует концентрировать в небольшом числе тесно связанных групп, поскольку это уменьшает количество независимой информации.

🎲 Микрокосм — это нечто большее, чем просто маленькая группа людей, похожая на общество по составу. Это вероятностная выборка, сконструированная так, чтобы одновременно воспроизводить структуру популяции и сохранять как можно больше независимой информации от каждого участника.

Практически:

• Определить характеристики, по которым общество стратифицируется;
• Установить долю каждой страты;
• Случайно отобрать из них участников в соответствующей пропорции;
• По возможности распределить отбор между независимыми источниками, избегая крупных кластеров.

Источник