Стратифицированная выборка

Такая выборка используется в тех случаях, когда из каких-то содержательных соображений важно обеспечить представительность вероятностной выборки по каким-то конкретным важным для исследовательских целей критериям. Это могут быть достаточно тонкие возрастные различия (разница для школьников важна в 1-2 года), по профессиональным критериям, по этническому составу. Все критерии невозможно перечислить.

Стратифицированный отбор имеет определенные практические преимущества до тех пор, пока сохраняется его вероятностный случайный характер.

Например: выбираем, что праздновать — день города и день Победы. Первое интересно молодежи, а второй — ветеранам. Если спрашивать людей, что интереснее, то получится, что день города, так как молодежи больше (700тыс – 2тыс). По значимости для города эти две категории равны и никого не надо подвергать депривации. В количественном измерении они недопустимы. Поэтому социолог в данном случае попадает в ловушку. Сплошным опросом за счет увеличения выборки эту проблему не решить. Желательно заранее обеспечить представленность всех интересующих нас страт, сохранив вероятностный характер отбора. Этого можно добиться, если осуществить некую независимую процедуру случайного отбора для каждой социальной группы в отдельности и затем объединить полученные подвыборки в одну. Среди молодежи и среди ветеранов собираем анкеты, а потом в общей выборке соединяем в той пропорции, в которой они представлены в городе. Общая выборка должна по составу четко воспроизводить генеральную совокупность. Чтобы понять специфику страты, искусственно завышают число людей в этой группе, но только для ее персонального изучения (например, ветеранов берем 200 человек), но в общую выборку пойдут столько, сколько есть в генеральной совокупности.Полученная в результате этих процедур выборка будет стратифицированной и вероятностной. Такое грамотное построение выборочной совокупности возможно только при наличии предварительных данных о генеральной совокупности.

Пропорциональный стратифицированный отбор особенно важен для целей дескриптивной, описательной статистики, то есть когда перед исследователем стоит задача, основываясь на выборочных данных, описать, как распределены те или иные параметры в разных подгруппах генеральной совокупности.

Есть процедура, которая называется взвешивание или перевзвешивание: представители малонаполненных страт увеличивают в объеме.