En fait, nous commençons par poser non pas une, mais trois questions : Qu’est-ce que l’échantillonnage ? quand est-ce représentatif ? qu'est-ce qu'elle est ?

Totalité - il s'agit de tout groupe de personnes, d'organisations, d'événements qui nous intéressent, sur lesquels nous souhaitons tirer des conclusions, et événement, ou objet - tout élément d'une telle collection 1 .Échantillon – tout sous-groupe d'un ensemble de cas (objets) sélectionnés pour l'analyse. Si nous voulions étudier les activités décisionnelles des législateurs des États, nous pourrions examiner ces activités dans organes législatifsÉtats de Virginie, de Caroline du Nord et de Caroline du Sud, mais pas dans les cinquante États et, sur cette base, distribuer obtenu des données sur la population à partir de laquelle ces trois États ont été sélectionnés. Si nous voulions examiner le système de préférence des électeurs en Pennsylvanie, nous pourrions le faire en interrogeant 50 travailleurs américains. S. Steele » à Pittsburgh, et étendre les résultats de l'enquête à tous les électeurs de l'État. De même, si l’on voulait mesurer l’intelligence des étudiants, on pourrait tester tous les joueurs défensifs inscrits dans l’Ohio State lors d’une saison de football donnée puis généraliser les résultats à la population dont ils font partie. Dans chaque exemple nous procédons de la manière suivante : nous établissons un sous-groupe au sein de la population, assez Nous étudions ce sous-groupe, ou échantillon, en détail et étendons nos résultats à l’ensemble de la population. Ce sont les principales étapes de l’échantillonnage.

Cependant, il semble évident que chacun de ces échantillons présente des lacunes importantes. Par exemple, bien que les législatures de Virginie, de Caroline du Nord et de Caroline du Sud fassent partie d'un ensemble de législatures d'État, elles sont, pour des raisons historiques, géographiques et politiques, susceptibles de fonctionner de manière très similaire et très différente des législatures de des États aussi différents que ceux de New York, du Nebraska et de l'Alaska. Même si cinquante sidérurgistes de Pittsburgh peuvent effectivement être des électeurs dans l’État de Pennsylvanie, ils peuvent, en raison de leur statut socio-économique, de leur éducation et de leur expérience de vie, avoir des opinions différentes de celles de nombreuses autres personnes qui sont également des électeurs. De même, bien que les joueurs de football de l’Ohio State soient des étudiants, ils peuvent très bien être différents des autres étudiants pour diverses raisons. Autrement dit, bien que chacun de ces sous-groupes constitue effectivement un échantillon, les membres de chacun sont systématiquement différents de la plupart des autres membres de la population à partir de laquelle ils sont sélectionnés. En tant que groupe distinct, aucun d'entre eux n'est typique en termes de répartition des attributs d'opinions, de motifs de comportement et de caractéristiques dans la population à laquelle il est associé. En conséquence, les politologues diraient qu’aucun de ces échantillons n’est représentatif.

Échantillon représentatif - il s'agit d'un échantillon dans lequel toutes les caractéristiques principales de la population générale dont est extrait cet échantillon sont présentées approximativement dans la même proportion ou avec la même fréquence avec laquelle cette caractéristique apparaît dans cette population générale. Ainsi, si 50 % de toutes les législatures des États ne se réunissent qu’une fois tous les deux ans, environ la moitié de la composition d’un échantillon représentatif de législatures des États devrait être de ce type. Si 30 % des électeurs de Pennsylvanie sont des cols bleus, environ 30 % des représentants les échantillons de ces électeurs (et non 100 % comme dans l'exemple ci-dessus) devraient être des cols bleus. Et si 2 % de tous les étudiants sont des athlètes, à peu près la même proportion d’un échantillon représentatif d’étudiants devrait être des athlètes. En d’autres termes, un échantillon représentatif est un microcosme, un modèle plus petit mais précis de la population qu’il est censé refléter. Dans la mesure où l’échantillon est représentatif, les conclusions fondées sur l’étude de cet échantillon peuvent être supposées s’appliquer à la population d’origine. Cette diffusion des résultats est ce que nous appelons la généralisabilité.

Peut-être qu’une illustration graphique aidera à expliquer cela. Supposons que nous souhaitions étudier les modèles d’appartenance à des groupes politiques parmi les adultes américains. La figure 5.1 montre trois cercles divisés en six secteurs égaux. La figure 5.1a représente l'ensemble de la population considérée. Les membres de la population sont classés selon les groupes politiques (tels que les partis et les groupes d'intérêt) auxquels ils appartiennent. Dans cet exemple, chaque adulte appartient à au moins un et au maximum six groupes politiques ; et ces six niveaux d'adhésion sont répartis de manière égale dans l'ensemble (d'où les secteurs égaux). Supposons que nous souhaitions étudier les motivations des individus à rejoindre un groupe, leurs choix de groupe et les modes de participation, mais qu'en raison de ressources limitées, nous ne pouvons étudier qu'un membre de la population sur six. Qui doit être sélectionné pour l’analyse ?

Riz. 5.1. Constitution d'un échantillon de la population générale

L'un des échantillons possibles d'un volume donné est illustré par la zone ombrée de la figure 5.1b, mais il ne reflète clairement pas la structure de la population. Si nous devions faire des généralisations à partir de cet échantillon, nous conclurions : (1) que tous les adultes américains appartiennent à cinq groupes politiques et (2) que tout comportement de groupe des Américains correspond au comportement de ceux qui appartiennent spécifiquement aux cinq groupes. Cependant, nous savons que la première conclusion n’est pas vraie, ce qui peut nous faire douter de la validité de la seconde. Ainsi, L'échantillon présenté à la figure 5.1b n'est pas représentatif car il ne reflète pas la répartition d'une propriété de population donnée (souvent appelée paramètre ) conformément à sa répartition effective. Un tel échantillon est dit déplacé vers membres de cinq groupes ou déplacé dans la direction de tous les autres modèles d’appartenance à un groupe. Sur la base d’un échantillon aussi biaisé, nous arrivons généralement à des conclusions erronées sur la population.

Le désastre qui a frappé la revue Literary Digest dans les années 1930, qui a organisé un sondage d'opinion publique sur les résultats des élections, en est la preuve la plus claire. Literary Digest était un périodique qui réimprimait des éditoriaux de journaux et d'autres documents reflétant l'opinion publique ; ce magazine était très populaire au début du siècle. À partir de 1920, le magazine a mené un sondage national à grande échelle au cours duquel des bulletins de vote ont été envoyés par courrier à plus d'un million de personnes leur demandant d'indiquer leur candidat préféré pour la prochaine élection présidentielle. Pendant plusieurs années, les résultats des sondages du magazine étaient si précis qu'un sondage de septembre semblait rendre les élections de novembre sans importance. Et comment une erreur a-t-elle pu se produire avec un échantillon aussi important ? Or, en 1936, c'est exactement ce qui s'est passé : avec une large majorité des voix (60 contre 40), la victoire était annoncée au candidat républicain Alf Landon. Landon a perdu aux élections face à une personne handicapée - Franklin D. Roosevelt - avec presque le même résultat avec lequel il aurait dû gagner. La crédibilité du Literary Digest a été si gravement entamée que le magazine a été épuisé peu de temps après. Ce qui s'est passé? C'est très simple : le sondage Digest a utilisé un échantillon biaisé. Des cartes postales ont été envoyées à des personnes dont les noms ont été extraits de deux sources : les annuaires téléphoniques et les listes d'immatriculation des voitures. Et même si cette méthode de sélection n'était auparavant pas très différente des autres méthodes, les choses étaient très différentes aujourd'hui, pendant la Grande Dépression de 1936, lorsque les électeurs les moins riches, les partisans les plus probables de Roosevelt, ne pouvaient pas se permettre de posséder un téléphone, encore moins de posséder un téléphone. voiture. Ainsi, en fait, l’échantillon utilisé dans le sondage Digest était biaisé en faveur des personnes les plus susceptibles d’être républicaines, mais il reste surprenant que Roosevelt ait si bien réussi.

Comment résoudre ce problème ? Revenant à notre exemple, comparons l'échantillon de la figure 5.1b avec l'échantillon de la figure 5.1c. Dans ce dernier cas, un sixième de la population est également sélectionné pour l'analyse, mais chacun des principaux types de population est représenté dans l'échantillon dans la proportion dans laquelle il est représenté dans l'ensemble de la population. Un tel échantillon montre qu’un adulte américain sur six appartient à un groupe politique, un sur six à deux, et ainsi de suite. Un tel échantillon révélerait également d'autres différences entre les membres qui pourraient être corrélées à la participation à un nombre différent de groupes. Ainsi, l'échantillon présenté sur la figure 5.1c est un échantillon représentatif de la population considérée.

Bien entendu, cet exemple est simplifié d’au moins deux manières extrêmement importantes. Premièrement, la plupart des populations qui intéressent les politologues sont plus diversifiées que celle illustrée. Personnes, documents, gouvernements, organisations, décisions, etc. diffèrent les uns des autres non pas par une, mais par un nombre beaucoup plus grand de caractéristiques. Ainsi, l'échantillon représentatif doit être tel que chaque l'un des principaux domaines qui différait des autres était présenté proportionnellement à sa part dans le total. Deuxièmement, la situation dans laquelle la distribution réelle des variables ou des attributs que nous voulons mesurer n'est pas connue à l'avance est beaucoup plus courante que l'inverse : elle n'a peut-être pas été mesurée lors d'un recensement précédent. Ainsi, un échantillon représentatif doit être conçu de manière à pouvoir refléter avec précision la distribution existante même lorsque nous ne sommes pas en mesure d’évaluer directement sa validité. La procédure d'échantillonnage doit avoir une logique interne qui puisse nous convaincre que, si nous pouvions comparer l'échantillon avec le recensement, il serait effectivement représentatif.

Pour pouvoir saisir avec précision l’organisation complexe d’une population donnée et avoir un certain degré de confiance dans la capacité des procédures proposées à le faire, les chercheurs se tournent vers les méthodes statistiques. En même temps, ils agissent dans deux directions. Premièrement, en utilisant certaines règles (logique interne), les chercheurs décident quels objets spécifiques étudier et quoi inclure exactement dans un échantillon spécifique. Deuxièmement, en utilisant des règles très différentes, ils décident du nombre d’objets à sélectionner. Nous n’étudierons pas en détail ces nombreuses règles ; nous nous contenterons de considérer leur rôle dans la recherche en science politique. Commençons notre réflexion par des stratégies de sélection d'objets qui forment un échantillon représentatif.

La recherche statistique demande beaucoup de main-d'œuvre et est coûteuse, c'est pourquoi l'idée est née de remplacer l'observation continue par l'observation sélective.

L'objectif principal de l'observation discontinue est d'obtenir les caractéristiques de la population statistique étudiée pour la partie enquêtée.

Observation sélective est une méthode de recherche statistique dans laquelle des indicateurs généraux de la population sont établis uniquement pour une seule partie sur la base des dispositions de sélection aléatoire.

Avec la méthode d'échantillonnage, seule une certaine partie de la population étudiée est étudiée et la population statistique à étudier est appelée population générale.

Un échantillon de population ou simplement un échantillon peut être appelé une partie d'unités sélectionnées dans la population générale qui seront soumises à une recherche statistique.

L'importance de la méthode d'échantillonnage : avec un nombre minimum d'unités à l'étude, la recherche statistique sera réalisée dans des délais plus courts et avec le moins d'argent et de travail.

Dans une population générale, la proportion d'unités qui possèdent la caractéristique étudiée est appelée proportion générale (notée p), et la valeur moyenne du trait variable étudié est la moyenne générale (notée X).

Dans un échantillon de population, la proportion de la caractéristique étudiée est appelée proportion d'échantillon, ou partie (notée w), la valeur moyenne dans l'échantillon est moyenne de l’échantillon.

Si pendant la période d'enquête toutes les règles de son organisation scientifique sont respectées, alors la méthode d'échantillonnage donnera des résultats assez précis, et il est donc conseillé d'utiliser cette méthode pour vérifier les données d'observation continue.

Cette méthode s'est généralisée dans les statistiques étatiques et non départementales, car lors de l'étude du nombre minimum d'unités étudiées, elle permet une étude approfondie et précise.

La population statistique étudiée est constituée d'unités aux caractéristiques variables. La composition de la population échantillonnée peut différer de la composition de la population ; cet écart entre les caractéristiques de l'échantillon et de la population constitue une erreur d'échantillonnage.

Les erreurs inhérentes à l'observation de l'échantillon caractérisent l'ampleur de l'écart entre les données de l'observation de l'échantillon et l'ensemble de la population. Les erreurs qui surviennent lors de l'observation de l'échantillon sont appelées erreurs de représentativité et sont divisées en erreurs aléatoires et systématiques.

Si l'échantillon de population ne reproduit pas fidèlement l'ensemble de la population en raison de la nature discontinue de l'observation, on parle alors d'erreurs aléatoires et leurs tailles sont déterminées avec une précision suffisante sur la base de la loi des grands nombres et de la théorie des probabilités.

Des erreurs systématiques résultent de la violation du principe du caractère aléatoire dans la sélection des unités de population à observer.

L'ampleur de l'erreur d'échantillonnage et les méthodes permettant de la déterminer dépendent du type et de la conception de la sélection.

Il existe quatre types de sélection d'une population d'unités d'observation :

1) aléatoire ;

2) mécanique ;

3) typique ;

4) série (imbriquée).

Sélection aléatoire– la méthode de sélection la plus courante dans un échantillon aléatoire, elle est également appelée méthode de tirage au sort, dans laquelle un ticket avec un numéro de série est préparé pour chaque unité de la population statistique.

Ensuite, le nombre requis d'unités de la population statistique est sélectionné au hasard. Dans ces conditions, chacun d'eux a la même probabilité d'être inclus dans l'échantillon, par exemple les tirages gagnants, lorsque parmi le nombre total de billets émis, une certaine partie des numéros sur lesquels les gains surviennent est sélectionnée au hasard. Dans ce cas, tous les numéros ont une chance égale d'être inclus dans l'échantillon.

Sélection mécanique- il s'agit d'une méthode où l'ensemble de la population est divisée en groupes de volume homogène selon un critère aléatoire, puis une seule unité est prélevée dans chaque groupe. Toutes les unités de la population statistique étudiée sont pré-arrangées dans un certain ordre, mais. en fonction de la taille de l'échantillon, le nombre requis d'unités est sélectionné mécaniquement à un certain intervalle .

Sélection typique – Il s'agit d'une méthode dans laquelle la population statistique étudiée est divisée selon une caractéristique essentielle et typique en groupes qualitativement homogènes du même type, puis dans chacun de ces groupes un certain nombre d'unités est sélectionné au hasard, proportionnel au poids spécifique. du groupe dans l’ensemble de la population.

La sélection typique donne des résultats plus précis, car elle inclut des représentants de tous les groupes typiques de l'échantillon.

Sélection de série (cluster). Des groupes entiers (séries, nids) sélectionnés aléatoirement ou mécaniquement font l'objet d'une sélection. Pour chacun de ces groupes ou séries, une observation continue est effectuée et les résultats sont transférés à l'ensemble de la population.

La précision de l'échantillon dépend également du plan d'échantillonnage. L'échantillonnage peut être effectué selon un schéma d'échantillonnage répété ou non répétitif.

Re-sélection. Chaque unité ou série sélectionnée est renvoyée à l'ensemble de la population et peut être réintégrée dans l'échantillon. C'est ce que l'on appelle le schéma de la balle retournée.

Sélection non répétitive. Chaque unité enquêtée est supprimée et n'est pas restituée à la population, elle n'est donc pas réenquêtée. Ce schéma est appelé la balle non retournée.

L'échantillonnage non répétitif donne des résultats plus précis car, à taille d'échantillon égale, l'observation couvre un plus grand nombre d'unités de la population étudiée.

Sélection combinée peut passer par une ou plusieurs étapes. Un échantillon est dit à un seul degré si des unités de la population sélectionnées sont étudiées.

Un échantillon est dit multi-étapes si la sélection de la population s'effectue par étapes, étapes successives, et chaque étape, étape de sélection a sa propre unité de sélection.

Échantillonnage multiphase - à toutes les étapes de l'échantillonnage, la même unité d'échantillonnage est conservée, mais plusieurs étapes, phases d'enquêtes par échantillonnage sont effectuées, qui diffèrent par l'étendue du programme d'enquête et la taille de l'échantillon.

Les caractéristiques des paramètres de la population générale et de l'échantillon sont indiquées par les symboles suivants :

N– le volume de la population générale ;

n– taille de l'échantillon ;

X– avarie commune ;

X– moyenne de l'échantillon ;

r– la part générale ;

w – partage d'échantillons ;

2 – dispersion générale (variance de la caractéristique dans la population générale) ;

2 – variance de l'échantillon de la même caractéristique ;

? – écart type dans la population ;

? – écart type dans l’échantillon.

Chaque unité d'un échantillon d'observation doit avoir une chance égale avec les autres d'être sélectionnée - c'est la base d'un échantillon aléatoire.

Échantillonnage aléatoire approprié est la sélection d'unités parmi l'ensemble de la population par tirage au sort ou par d'autres moyens similaires.

Le principe du hasard est que l’inclusion ou l’exclusion d’un élément d’un échantillon ne peut être influencée par aucun facteur autre que le hasard.

Exemple de partage est le rapport entre le nombre d'unités de la population échantillon et le nombre d'unités de la population générale :

La sélection aléatoire appropriée dans sa forme pure est l'original parmi tous les autres types de sélection ; elle contient et met en œuvre les principes de base de l'observation statistique sélective.

Les deux principaux types d'indicateurs généraux utilisés dans la méthode d'échantillonnage sont la valeur moyenne d'une caractéristique quantitative et la valeur relative d'une caractéristique alternative.

La fraction d'échantillon (w), ou particularité, est déterminée par le rapport du nombre d'unités possédant la caractéristique étudiée. moi, au nombre total d'unités dans la population échantillon (n) :

Pour caractériser la fiabilité des indicateurs d'échantillonnage, une distinction est faite entre les erreurs d'échantillonnage moyennes et maximales.

L'erreur d'échantillonnage, également appelée erreur de représentativité, est la différence entre l'échantillon correspondant et les caractéristiques générales :

?x =|x – x|;

?w =|x – p|.

Seules les observations d’échantillons sont sujettes à une erreur d’échantillonnage.

Moyenne de l'échantillon et proportion de l'échantillon- Ce variables aléatoires, prenant des valeurs différentes selon les unités de la population statistique étudiée qui ont été incluses dans l'échantillon. Par conséquent, les erreurs d’échantillonnage sont également des variables aléatoires et peuvent également prendre des valeurs différentes. Par conséquent, la moyenne des erreurs possibles est déterminée - l'erreur d'échantillonnage moyenne.

L'erreur d'échantillonnage moyenne est déterminée par la taille de l'échantillon : plus le nombre est grand, toutes choses étant égales par ailleurs, plus l'erreur d'échantillonnage moyenne est faible. En couvrant un nombre croissant d'unités de la population générale par une enquête par sondage, nous caractérisons de plus en plus précisément l'ensemble de la population générale.

L'erreur d'échantillonnage moyenne dépend du degré de variation de la caractéristique étudiée, à son tour, le degré de variation est caractérisé par la dispersion ? 2 ou w(l – w)– pour un signe alternatif. Plus la variation et la dispersion des traits sont faibles, plus l'erreur d'échantillonnage moyenne est faible, et vice versa.

En cas d'échantillonnage aléatoire répété, les erreurs moyennes sont théoriquement calculées à l'aide des formules suivantes :

1) pour une caractéristique quantitative moyenne :

Où? 2 – valeur moyenne de dispersion d'une caractéristique quantitative.

2) pour un partage (attribut alternatif) :

Alors, quelle est la variance d’un trait dans la population ? 2 n'est pas connu avec précision, en pratique ils utilisent la valeur de la dispersion S 2 calculée pour la population échantillon sur la base de la loi des grands nombres, selon laquelle la population échantillon, avec une taille d'échantillon suffisamment grande, reproduit assez fidèlement le caractéristiques de la population générale.

Les formules pour l'erreur d'échantillonnage moyenne pour le rééchantillonnage aléatoire sont les suivantes. Pour la valeur moyenne d'une caractéristique quantitative : la variance générale s'exprime au travers de la variance sélective par la relation suivante :

où S 2 est la valeur de dispersion.

Échantillonnage mécanique– il s'agit de la sélection d'unités dans un échantillon de population issue de la population générale, qui est répartie selon un critère neutre en groupes égaux ; Elle est réalisée de telle manière que dans chacun de ces groupes, une seule unité soit sélectionnée pour l'échantillon.

Dans l'échantillonnage mécanique, les unités de la population statistique étudiée sont préalablement disposées dans un certain ordre, après quoi un nombre donné d'unités est sélectionné mécaniquement à un certain intervalle. Dans ce cas, la taille de l’intervalle dans la population est égale à l’inverse de la proportion de l’échantillon.

Avec une population suffisamment grande, la sélection mécanique est proche de l'auto-aléatoire en termes de précision des résultats. Par conséquent, pour déterminer l'erreur moyenne de l'échantillonnage mécanique, des formules d'échantillonnage auto-aléatoire non répétitif sont utilisées.

Pour sélectionner des unités dans une population hétérogène, on utilise l'échantillon dit typique ; il est utilisé lorsque toutes les unités de la population générale peuvent être divisées en plusieurs groupes qualitativement homogènes et similaires selon les caractéristiques dont dépendent les indicateurs étudiés.

Ensuite, à partir de chaque groupe typique, une sélection individuelle d'unités dans la population échantillon est effectuée à l'aide d'un échantillon purement aléatoire ou mécanique.

L'échantillonnage par sondage est généralement utilisé lors de l'étude de populations statistiques complexes.

Un échantillonnage typique donne des résultats plus précis. Le typage de la population générale assure la représentativité d'un tel échantillon, la représentation de chaque groupe typologique qui le compose, ce qui permet d'éliminer l'influence de la dispersion intergroupes sur l'erreur d'échantillonnage moyenne. Par conséquent, lors de la détermination de l’erreur moyenne d’un échantillon typique, la moyenne des variances au sein du groupe agit comme un indicateur de variation.

L'échantillonnage en série implique une sélection aléatoire parmi une population générale de groupes égaux afin de soumettre toutes les unités de ces groupes à l'observation sans exception.

Étant donné qu'au sein des groupes (séries) toutes les unités sans exception sont examinées, l'erreur d'échantillonnage moyenne (lors de la sélection de séries égales) dépend uniquement de la dispersion intergroupes (interséries).

Les caractéristiques de la population basées sur les résultats de l'échantillon constituent le but ultime de l'observation d'un échantillon.

La méthode d'échantillonnage est utilisée pour obtenir les caractéristiques de la population selon certains indicateurs d'échantillonnage. Selon les objectifs de l'étude, cela se fait par recalcul direct d'indicateurs d'échantillon pour la population générale ou par calcul de facteurs de correction.

La méthode de recalcul direct est qu'avec elle les indicateurs de part d'échantillon w ou moyenne X s’appliquent à la population générale, en tenant compte de l’erreur d’échantillonnage.

La méthode des facteurs de correction est utilisée lorsque la méthode d'échantillonnage a pour but de clarifier les résultats de la comptabilité continue. Cette méthode est utilisée pour clarifier les données des recensements annuels du bétail de la population.

Les études empiriques sont considérées comme l'un des principaux moyens d'étudier les relations et les processus sociaux. Ils fournissent une information fiable, complète et représentative.

Spécificités des techniques

Les connaissances empiriques fournissent des connaissances factuelles. Ils contribuent à l'établissement et à la généralisation des circonstances par l'enregistrement indirect ou direct d'événements caractéristiques des relations, des objets et des phénomènes étudiés. Les méthodes empiriques diffèrent des méthodes théoriques en ce que le sujet de l'analyse est :

1. Comportement des individus et de leurs groupes.
2. Produits de l'activité humaine.
3. Actions verbales des individus, leurs jugements, points de vue, opinions.

Exemples d'études

L’étude empirique vise toujours à obtenir des informations objectives et précises et des données quantitatives. A cet égard, lors de sa réalisation, il est nécessaire de s'assurer de la représentativité de l'information. En conséquence, corrigez échantillon de population. Ce Cela signifie que la sélection doit être effectuée de telle manière que les données obtenues auprès d'un groupe restreint reflètent les tendances qui se produisent dans la masse générale des répondants. Par exemple, lors d’une enquête auprès de 200 à 300 personnes, les données obtenues peuvent être extrapolées à l’ensemble de la population urbaine. Les indicateurs de la population échantillon nous permettent d'adopter une approche différente de l'étude des processus socio-économiques dans la région et dans l'ensemble du pays.

Terminologie

Pour mieux comprendre les enjeux entourant les études par échantillonnage, il est nécessaire de clarifier certaines définitions. L'unité d'observation est la source directe d'information. Il peut s'agir d'un individu, d'un groupe, d'un document, d'une organisation, etc. La population générale est complexe d'unités d'observation. Ils doivent tous être pertinents par rapport au problème étudié. Soumis à une analyse directe. L'étude est réalisée conformément aux méthodes développées de collecte d'informations. Pour déterminer cette proportion de l'ensemble des répondants, utilisez notion de « population échantillon ». Sa propriété est de refléter paramètres clés de la masse totale de la population est appelée représentativité. Dans certains cas, il n'y a pas de correspondance. Ensuite, ils parlent de l’erreur de représentativité.

Assurer la représentativité

Les questions qui y sont liées sont discutées en détail dans le cadre des statistiques. Les problèmes sont complexes puisque, d’une part, il s’agit de fournir une représentation quantitative, qui donne population générale. Ce Cela signifie notamment que les groupes de répondants doivent être représentés en nombre optimal. La quantité doit être suffisante pour une représentation normale. D’un autre côté, nous entendons également une représentation qualitative. Cela présuppose une certaine composition de sujets qui forme échantillon de population. Ce Cela signifie que, par exemple, on ne peut pas parler de représentativité si seuls les hommes ou uniquement les femmes, les personnes âgées ou les jeunes sont interrogés. L'étude doit être menée au sein de tous les groupes représentés.

Caractéristiques des échantillons

Ce terme est considéré sous deux aspects. Tout d'abord, il est défini comme un complexe d'éléments provenant de l'ensemble général des personnes dont les opinions sont étudiées - c'est échantillon de population. Ceégalement le processus de création d'une certaine catégorie de répondants tout en garantissant la représentativité requise. En pratique, il existe plusieurs types et types de sélection. Regardons-les.

Espèces

Il y en a trois :

1. Spontané échantillon de population. Ce un ensemble de répondants sélectionnés sur le principe du volontariat. Dans le même temps, il est garanti que des unités de la masse totale de la population peuvent être incluses dans un groupe d'étude spécifique. La sélection spontanée est assez souvent utilisée dans la pratique. Par exemple, lors d'enquêtes dans la presse, à la Poste. Cependant, cette technique présente un inconvénient important. Il est impossible de représenter qualitativement l’ensemble du volume de l’échantillon général. Cette technique est utilisée dans un souci d’économie. Dans certaines enquêtes, cette option est la seule possible.
2. Spontané échantillon de population. Ce l'une des principales techniques utilisées dans les études. Le principe clé d'une telle sélection est de garantir que chaque unité d'observation a la possibilité de passer de la masse générale des individus à un groupe restreint. Diverses techniques sont utilisées pour cela. Par exemple, il peut s'agir d'une loterie, d'une sélection mécanique ou d'un tableau de nombres aléatoires.
3. Échantillonnage stratifié (quota). Elle repose sur la formation d'un modèle qualitatif de la masse totale des répondants. Après cela, les unités sont sélectionnées dans l’échantillon de population. Par exemple, elle est réalisée par âge ou par sexe, par segment de population, etc.

Espèces

Les exemples suivants existent :

En plus

Les échantillons peuvent également être dépendants ou indépendants. Dans le premier cas, la procédure expérimentale et les résultats qui en seront obtenus pour un groupe de répondants ont un certain impact sur un autre. En conséquence, des échantillons indépendants ne suggèrent pas un tel effet. Ici, cependant, vous devez prêter attention à un point important. Un groupe de sujets, pour lequel un examen psychologique a été réalisé deux fois (même s'il visait à étudier diverses qualités, caractéristiques, signes), sera par défaut considéré comme dépendant.

Sélections de probabilité

Examinons quelques types d'échantillons :

1. Aléatoire. Cela suppose l'homogénéité de la population totale, une probabilité unique de disponibilité de tous les composants et la présence d'une liste complète d'éléments. Généralement, le processus de sélection utilise un tableau comportant des nombres aléatoires.
2. Mécanique. Ce type d'échantillonnage aléatoire implique un classement selon un certain critère. Par exemple, par numéro de téléphone, par ordre alphabétique, par date de naissance, etc. Le premier composant est sélectionné au hasard. Ensuite, chaque k élément est sélectionné à l'étape n. La taille de la population totale sera N=k*n.
3. Stratifié. Cet échantillon est utilisé lorsque la population globale est hétérogène. Cette dernière est divisée en strates (groupes). Dans chacun d'eux, la sélection s'effectue mécaniquement ou aléatoirement.
4. En série. La sélection des groupes s'effectue de manière aléatoire. A l’intérieur, les objets sont étudiés en masse.

Sélections non probabilistes

Il s'agit d'un échantillonnage non pas par hasard, mais par caractéristiques subjectives: typicité, accessibilité, représentation égale, etc. Les sélections suivantes entrent dans cette catégorie :

Nuancer

Pour garantir la représentativité, une liste précise et complète des unités de population est nécessaire. En règle générale, les objets d'observation sont une seule personne. Il est préférable de faire une sélection dans la liste en numérotant les unités et en utilisant un tableau avec des nombres aléatoires. Mais la méthode quasi aléatoire est également utilisée assez souvent. Cela implique de sélectionner chaque n élément dans une liste.

Facteurs d'influence

Le volume d'une population est le nombre de ses unités. Selon les experts, il n’est pas nécessaire qu’il soit grand. Sans doute, plus le nombre de répondants est élevé, plus plus précisément le résultat. Cependant, un volume important ne garantit pas toujours le succès. Par exemple, cela se produit lorsque le bassin total de répondants est hétérogène. Une population sera considérée comme homogène si le paramètre contrôlé, par exemple le niveau d'alphabétisation, est réparti uniformément, c'est-à-dire qu'il n'y a pas de vides ni de condensations. Dans ce cas, il suffira d’interroger plusieurs personnes. Sur la base des résultats de l'enquête, on peut conclure que la plupart les gens ont un niveau d’alphabétisation normal. Il s'ensuit que la représentativité de l'information n'est pas influencée par des caractéristiques quantitatives, mais par les caractéristiques qualitatives de la population, notamment son niveau d'homogénéité.

Erreurs

Ils représentent l'écart des paramètres moyens de la population échantillon par rapport aux valeurs de la masse totale des répondants. En pratique, les erreurs sont identifiées par comparaison. Lors des enquêtes auprès des adultes, les informations provenant des recensements, des statistiques et des résultats d’enquêtes antérieures sont généralement utilisées. Les paramètres de contrôle sont généralement une comparaison des valeurs moyennes des populations (générales et échantillonnées), déterminer l'erreur en conséquence et réduire cet écart est appelé contrôle de représentativité.

Conclusions

La recherche par sondage est un moyen de collecter des données sur les attitudes et le comportement des gens grâce à une enquête auprès de groupes de répondants spécialement sélectionnés. Cette technique est considérée comme fiable et économique, même si elle nécessite une certaine technique. La population échantillon sert de base. Il représente une certaine proportion de la masse totale de la population. La sélection est effectuée à l'aide de techniques spéciales et vise à obtenir des informations sur l'ensemble de la population. Ce dernier, à son tour, est représenté par tous les possibles équipements publics ou le groupe d'entre eux qui sera étudié. Souvent, la population est si nombreuse qu’interroger chaque représentant serait un processus coûteux et fastidieux. C’est pourquoi un modèle réduit est utilisé. La population échantillon comprend tous ceux qui reçoivent des questionnaires, appelés répondants, qui, en fait, font office d'objet d'étude. En termes simples, il est composé de nombreuses personnes interrogées.

Conclusion

Les objectifs de l'enquête sont déterminés par des catégories spécifiques incluses dans la population. Quant à la part spécifique de la masse totale de la population, elle est constituée de sujets regroupés en groupes utilisant des calculs mathématiques. Pour sélectionner des unités, une description de l'objet dans la population d'origine est nécessaire. Après avoir déterminé le nombre de sujets, la méthode ou le mode de constitution des groupes est déterminé. Les résultats de l'enquête permettront de décrire la caractéristique étudiée par rapport à tous les représentants de la masse générale de la population. Comme le montre la pratique, des études plutôt sélectives que approfondies sont réalisées.

Échantillon - Ce:

1) la totalité des éléments de l'objet de recherche qui seront directement étudiés ;

2) les méthodes et procédures de sélection des éléments de l'objet de recherche.

Population – un ensemble complet d'objets liés au problème étudié. Dans les recherches sociologiques comme G.S. il s'agit le plus souvent d'agrégats d'individus - la population (ville, pays, etc.), un groupe social (jeunes, chômeurs, hommes d'affaires, etc.), le public des médias de masse (MSC), etc. Cependant, dans de nombreux cas G.S.. peut être constitué d'éléments (objets) plus grands - familles (ménages), groupes universitaires, entreprises, communautés religieuses, localités ou États individuels, etc.

Population échantillon - une partie des objets d'une population sélectionnés pour être étudiés afin de tirer des conclusions sur l'ensemble de la population.

Pour que la conclusion obtenue par l'étude de l'échantillon soit étendue à l'ensemble de la population, l'échantillon doit avoir la propriété de représentativité.

Représentativité est la capacité d’un échantillon à représenter la population étudiée. Plus la composition de l’échantillon représente fidèlement la population sur les problématiques étudiées, plus sa représentativité est élevée.

EXEMPLE : La représentativité peut être illustrée par l'exemple suivant. Supposons que la population soit constituée de l'ensemble des élèves de l'école (600 personnes réparties dans 20 classes, 30 personnes dans chaque classe). Le sujet d'étude est l'attitude envers le tabagisme. Un échantillon composé de 60 lycéens représente la population bien pire qu'un échantillon des mêmes 60 personnes, qui comprendra 3 élèves de chaque classe. La principale raison en est la répartition inégale des âges dans les classes. Par conséquent, dans le premier cas, la représentativité de l’échantillon est faible, et dans le second cas, la représentativité est élevée (toutes choses étant égales par ailleurs).

Types d'échantillons

1. Échantillonnage aléatoire.

1.1.Sélection aléatoire simple.

1.2. Méthode d'échantillonnage systématique (ou mécanique).

1.3. Échantillonnage en série (en grappe ou en grappe).

1.4. Échantillonnage stratifié.

2. Échantillonnage non aléatoire (non probabiliste).

2.2. Prélèvement spontané.

2.3. Échantillonnage à plusieurs degrés et à un seul degré.

1. Échantillonnage aléatoire.

La particularité d'un échantillon aléatoire est que toutes les unités de la population ont une probabilité égale d'être incluses dans la population échantillon. En cas d'échantillonnage aléatoire, il est effectué principe du hasard. La base d'échantillonnage peut être constituée de listes d'employés d'entreprises, d'annuaires téléphoniques, de listes d'immatriculation des propriétaires de voitures, de listes d'électeurs dans les bureaux de vote, de registres résidentiels, ainsi que de diverses listes établies par le sociologue lui-même, en fonction des objectifs de l'étude (liste des rues dans lesquelles les répondants sont ensuite sélectionnés).

L'échantillonnage aléatoire est généralement utilisé dans les sondages d'opinion publique avant les élections, les référendums et autres événements publics.

Plus Cette méthode vise à respecter pleinement le principe du hasard et, par conséquent, à éviter les erreurs systématiques.

Inconvénients de cette méthode :

– La nécessité de disposer d'une liste d'éléments de population.

– Difficulté à mener une enquête.

– Taille d’échantillon relativement importante.

Éléments couverts par l'expérimentation (observation, enquête).

Caractéristiques de l'échantillon :

• Caractéristiques qualitatives de l'échantillon - ce que nous choisissons exactement et quelles méthodes d'échantillonnage nous utilisons pour cela.
• Caractéristiques quantitatives de l'échantillon - combien de cas nous sélectionnons, en d'autres termes, taille de l'échantillon.

Besoin d'échantillonnage :

• L'objet d'étude est très vaste. Par exemple, les consommateurs des produits d’une entreprise mondiale représentent un grand nombre de marchés géographiquement dispersés.
• Il est nécessaire de collecter des informations primaires.

YouTube encyclopédique

1 / 5

✪ Echantillonnage : calcul du volume. Fiabilité et puissance de l'étude. Biostatistique.

✪ 02 - Mat. statistiques. Échantillonnage. Exemples

✪ Bases de SQL pour les débutants | Récupérer les valeurs de la base de données

✪ SQL pour débutants (DML) : Sélection à partir d'une table (MySql), Leçon 4 !

✪ Production de panneaux SIP. Partie 2. Découpe et découpe de forme. Sélection de rainures. Tout est dans ta tête

Sous-titres

Taille de l'échantillon

Taille de l'échantillon - le nombre de cas inclus dans la population échantillonnée.

Les échantillons peuvent être divisés en grands et petits, car dans statistiques mathématiques Différentes approches sont utilisées en fonction de la taille de l'échantillon. On pense que les échantillons supérieurs à 30 peuvent être classés comme grands.

Échantillons dépendants et indépendants

Lors de la comparaison de deux (ou plusieurs) échantillons, un paramètre important est leur dépendance. Si une paire homomorphe peut être établie (c'est-à-dire lorsqu'un cas de l'échantillon X correspond à un et un seul cas de l'échantillon Y et vice versa) pour chaque cas dans deux échantillons (et cette base de relation est importante pour le caractère mesuré dans les échantillons), ces échantillons sont appelés dépendant. Exemples d'échantillons dépendants :

• des paires de jumeaux,
• deux mesures de tout trait avant et après exposition expérimentale,
• maris et femmes
• etc.

S'il n'existe aucune relation de ce type entre les échantillons, alors ces échantillons sont considérés comme indépendant, Par exemple:

• hommes et femmes,
• psychologues et mathématiciens.

En conséquence, les échantillons dépendants ont toujours le même volume, tandis que le volume des échantillons indépendants peut différer.

La comparaison des échantillons se fait à partir de différents critères statistiques :

• Critère de Pearson (χ 2 )
• Test t de Student ( t )
• Test de Wilcoxon ( T )
• Critère de Mann-Whitney ( U )
• Critère de signe ( G )
• etc.

Représentativité

L'échantillon peut être considéré comme représentatif ou non représentatif. L'échantillon sera représentatif lors de l'examen d'un grand groupe de personnes, si au sein de ce groupe il y a des représentants de différents sous-groupes, c'est la seule façon de tirer des conclusions correctes.

Exemple d'un échantillon non représentatif

1. Une étude avec des groupes expérimentaux et témoins, placés dans des conditions différentes.
   • Étudier avec des groupes expérimentaux et témoins en utilisant une stratégie de sélection par paires
2. Une étude utilisant un seul groupe – un groupe expérimental.
3. Une étude utilisant un plan mixte (factoriel) : tous les groupes sont placés dans des conditions différentes.

Types d'échantillons

Les échantillons sont divisés en deux types :

• probabiliste
• non probabiliste

Échantillons probabilistes

1. Échantillonnage probabiliste simple :
   • Rééchantillonnage simple. L'utilisation d'un tel échantillon repose sur l'hypothèse que chaque répondant a la même probabilité d'être inclus dans l'échantillon. Sur la base de la liste de la population générale, des fiches avec les numéros de répondant sont établies. Ils sont placés dans un jeu, mélangés et une carte est retirée au hasard, le numéro est noté puis restitué. Ensuite, la procédure est répétée autant de fois que la taille de l’échantillon dont nous avons besoin. Inconvénient : répétition des unités de sélection.

La procédure de construction d’un échantillon aléatoire simple comprend les étapes suivantes :

1) doit être obtenu liste complète membres de la population et numéroter cette liste. Une telle liste, rappelons-le, est appelée base de sondage ;

2) déterminer la taille attendue de l'échantillon, c'est-à-dire le nombre attendu de répondants ;

3) extraire du tableau de nombres aléatoires autant de nombres que nous avons besoin d'unités d'échantillonnage. S'il doit y avoir 100 personnes dans l'échantillon, 100 nombres aléatoires sont extraits du tableau. Ces nombres aléatoires peuvent être générés par un programme informatique.

4) sélectionner dans la liste de base les observations dont les numéros correspondent aux nombres aléatoires écrits

• Un échantillonnage aléatoire simple présente des avantages évidents. Cette méthode est extrêmement simple à comprendre. Les résultats de l'étude peuvent être généralisés à la population étudiée. La plupart des approches d'inférence statistique impliquent la collecte d'informations à l'aide d'un échantillon aléatoire simple. Cependant, la méthode d’échantillonnage aléatoire simple présente au moins quatre limites importantes :

1) Il est souvent difficile de créer une base de sondage permettant d’obtenir un échantillon aléatoire simple.

2) l'utilisation d'un échantillon aléatoire simple peut donner lieu à une population importante ou à une population répartie sur une vaste zone géographique, ce qui augmente considérablement le temps et le coût de la collecte des données.

3) les résultats de l'utilisation d'un échantillon aléatoire simple sont souvent caractérisés par une faible précision et une erreur type plus grande que les résultats de l'utilisation d'autres méthodes probabilistes.

4) suite à l'utilisation du SRS, un échantillon non représentatif peut être constitué. Bien que les échantillons obtenus par échantillonnage aléatoire simple représentent en moyenne adéquatement la population, certains d’entre eux sont extrêmement représentatifs de la population étudiée. Cette probabilité est particulièrement élevée avec un échantillon de petite taille.

• Échantillonnage simple et non répétitif. La procédure d'échantillonnage est la même, seules les cartes avec les numéros de répondant ne sont pas remises dans le jeu.

1. Échantillonnage probabiliste systématique. Il s'agit d'une version simplifiée de l'échantillonnage probabiliste simple. Sur la base de la liste de la population générale, les répondants sont sélectionnés à un certain intervalle (K). La valeur de K est déterminée aléatoirement. Le résultat le plus fiable est obtenu avec une population homogène, sinon la taille du pas et certains modèles cycliques internes de l'échantillon peuvent coïncider (mélange d'échantillonnage). Inconvénients : les mêmes que dans un échantillon probabiliste simple.
2. Échantillonnage en série (en grappes). Les unités de sélection sont des séries statistiques (famille, école, équipe, etc.). Les éléments sélectionnés font l'objet d'un examen complet. La sélection des unités statistiques peut être organisée sous forme d'échantillonnage aléatoire ou systématique. Inconvénient : Possibilité d’une plus grande homogénéité que dans la population générale.
3. Échantillonnage régional. Dans le cas d'une population hétérogène, avant d'utiliser l'échantillonnage probabiliste avec une quelconque technique de sélection, il est recommandé de diviser la population en parties homogènes, un tel échantillon est appelé échantillonnage de district. Les groupes de zonage peuvent inclure à la fois des formations naturelles (par exemple, des quartiers urbains) et toute caractéristique constituant la base de l'étude. La caractéristique sur la base de laquelle la division est effectuée est appelée caractéristique de stratification et de zonage.
4. Échantillon « Commodité ». La procédure d'échantillonnage « de convenance » consiste à établir des contacts avec des unités d'échantillonnage « de convenance » - un groupe d'étudiants, une équipe sportive, des amis et des voisins. Si vous souhaitez obtenir des informations sur les réactions des gens face à un nouveau concept, ce type d'échantillonnage est tout à fait raisonnable. L’échantillonnage de commodité est souvent utilisé pour prétester les questionnaires.

Échantillons non probabilistes

La sélection dans un tel échantillon s'effectue non pas selon les principes du hasard, mais selon des critères subjectifs - disponibilité, typicité, représentation égale, etc.

1. Échantillonnage par quotas - l'échantillon est construit comme un modèle qui reproduit la structure de la population générale sous forme de quotas (proportions) des caractéristiques étudiées. Le nombre d'éléments de l'échantillon présentant différentes combinaisons de caractéristiques étudiées est déterminé de manière à correspondre à leur part (proportion) dans la population générale. Ainsi, par exemple, si notre population générale est composée de 5 000 personnes, dont 2 000 femmes et 3 000 hommes, alors dans l'échantillon de quotas, nous aurons 20 femmes et 30 hommes, ou 200 femmes et 300 hommes. Les échantillons de quotas sont le plus souvent basés sur des critères démographiques : sexe, âge, région, revenu, éducation et autres. Inconvénients : ces échantillons ne sont généralement pas représentatifs, car il est impossible de prendre en compte plusieurs paramètres sociaux à la fois. Avantages : matériel facilement disponible.
2. Méthode boule de neige. L’échantillon est construit comme suit. Il est demandé à chaque répondant, en commençant par le premier, les contacts de ses amis, collègues, connaissances qui rempliraient les conditions de sélection et pourraient participer à l'étude. Ainsi, à l'exception de la première étape, l'échantillon est constitué avec la participation des objets de recherche eux-mêmes. La méthode est souvent utilisée lorsqu'il est nécessaire de trouver et d'interroger des groupes de répondants difficiles à atteindre (par exemple, les répondants à revenus élevés, les répondants appartenant à la même groupe professionnel, les répondants qui ont des passe-temps/intérêts similaires, etc.)
3. Échantillonnage spontané - échantillonnage de ce qu'on appelle la « première personne que vous rencontrez ». Souvent utilisé dans les sondages télévisés et radiophoniques. La taille et la composition des échantillons spontanés ne sont pas connues à l'avance et ne sont déterminées que par un seul paramètre : l'activité des répondants. Inconvénients : il est impossible d'établir à quelle population les répondants représentent, et par conséquent, il est impossible d'en déterminer la représentativité.
4. Enquête d'itinéraire - souvent utilisée si l'unité d'étude est la famille. Sur le plan de la localité dans laquelle sera réalisée l'enquête, toutes les rues sont numérotées. À l'aide d'un tableau (générateur) de nombres aléatoires, de grands nombres sont sélectionnés. Chaque grand nombre est considéré comme composé de 3 éléments : numéro de rue (2-3 premiers chiffres), numéro de maison, numéro d'appartement. Par exemple, le numéro 14832 : 14 est le numéro de la rue sur la carte, 8 est le numéro de la maison, 32 est le numéro de l'appartement.
5. Échantillonnage régional avec sélection d'objets typiques. Si, après zonage, un objet typique est sélectionné dans chaque groupe, c'est-à-dire un objet proche de la moyenne pour la plupart des caractéristiques étudiées dans l'étude, un tel échantillon est dit zoné avec sélection d'objets typiques.
6. Échantillonnage modal.
7. Échantillonnage expert.
8. Échantillon hétérogène.

Stratégies de création de groupe

La sélection des groupes pour la participation à une expérience psychologique est effectuée à l'aide de diverses stratégies afin de garantir que la validité interne et externe soit maintenue dans la plus grande mesure possible.

Randomisation

Randomisation, ou sélection aléatoire, est utilisé pour créer des échantillons aléatoires simples. L'utilisation d'un tel échantillon repose sur l'hypothèse que chaque membre de la population a la même probabilité d'être inclus dans l'échantillon. Par exemple, pour constituer un échantillon aléatoire de 100 étudiants universitaires, vous pouvez mettre des morceaux de papier avec les noms de tous les étudiants universitaires dans un chapeau, puis en retirer 100 morceaux de papier - ce sera une sélection aléatoire (Goodwin J. ., p.147)....

Sélection par paires

Sélection par paires- une stratégie de construction de groupes d'échantillonnage, dans laquelle les groupes de sujets sont constitués de sujets équivalents en termes de paramètres secondaires significatifs pour l'expérimentation. Cette stratégie est efficace pour les expériences utilisant des groupes expérimentaux et témoins avec la meilleure option- attraction des couples de jumeaux (mono- et dizygotes).

Échantillonnage stratométrique

Échantillonnage stratométrique- randomisation avec allocation de strates (ou clusters). Avec cette méthode d'échantillonnage, la population générale est divisée en groupes (strates) présentant certaines caractéristiques (sexe, âge, préférences politiques, éducation, niveau de revenu, etc.), et des sujets présentant les caractéristiques correspondantes sont sélectionnés.

Modélisation approximative

Modélisation approximative- tirer des échantillons limités et généraliser les conclusions sur cet échantillon à la population plus large. Par exemple, avec la participation d'étudiants universitaires de 2ème année à l'étude, les données de cette étude s'appliquent aux « personnes âgées de 17 à 21 ans ». L’admissibilité de telles généralisations est extrêmement limitée.

La modélisation approximative est la formation d'un modèle qui, pour une classe clairement définie de systèmes (processus), décrit son comportement (ou les phénomènes souhaités) avec une précision acceptable.