Метод типичных единиц в многоступенчатой выборке

Социолог чаще всего при отборе гнезд на этих ступе­нях прибегает к приемам, которые условно можно на­звать методом типичных единиц.

Типичные единицы представляют собой объекты, ко­торые могут представлять страты исходя из экспертных оценок по нескольким или даже многим показателям¹.

Указанный подход был использован Ю. В. Арутюняном на первой ступени осуществленного им выборочного обследования сельского населения европейской части РСФСР. Из совокупности областей и краев, находящих­ся в этой части страны, им были отобраны в качестве типических Московская и Калининская области. Красно­дарский край и Татарская АССР. Выбор именно этих ре­гионов обосновывался близостью их половозрастной структуры к соответствующим показателям сельского на­селения европейской части РСФСР [9; 340—341]. Социо­логи библиотеки им. В. И. Ленина из общего числа не­больших городов РСФСР избрали в качестве типичного объекта г. Острогожск Воронежской области. По числен­ности населения в трудоспособном возрасте, доле уча­щихся и по некоторым другим показателям Острогожск оказался близким к среднему небольшому городу [86].

Метод типичных единиц был использован при выбор­ке основной 'базы в некоторых других исследованиях:

выбор г. Пскова как типичного города в исследованиях бюджета свободного времени, Таганрога — как базы ис­следования процесса функционирования общественного мнения [170; 55—56], Калининской области — для изуче­ния правосознания населения [155; 19—20].

В упомянутых выше исследованиях типичные едини­цы выбирались на первых ступенях отбора и представ­ляли собой те или иные территориальные общности (об-

⁴ Метод типичных единиц сближается, а в определенных усло­виях и отождествляется с монографическим обследованием. Одно­временно этот метод близок неслучайной выборке, в частности квотному отбору и методу доступных единиц [328].

94

ласть или город), на следующих ступенях отбор других единиц осуществлялся в соответствии с принципами слу­чайной выборки.

Вместе с тем проведено значительное число исследо­ваний, в которых в качестве типичных единиц выступали не только территориальные общности, но и отдельные предприятия и учреждения (или их отдельные подразде­ления: цеха и отделы и т.д.). Так, Л. А. Гордон и Э. В. Клопов в каждом из 7 выбранных ими городов из­брали в качестве базы исследования по одному пред­приятию. Далее на каждом предприятии был избран ти­пичный цех и только затем из списков рабочих цеха ме­ханическим путем отбирались лица для опроса. В иссле­довании «Человек и его работа» в качестве типичных еди­ниц выступали предприятия Ленинграда.

Метод типичных единиц с определенных позиций уступает обычной вероятностной выборке, так как лишает исследователя права определять ошибки репрезентатив­ности и доверительные интервалы своих показателей и строго распространять результаты обследования на ге­неральную совокупность.

Однако в тех ситуациях, когда социолог вынужден ограничиться отбором в качестве баз исследования не­сколькими объектами, экспертный отбор этих объектов может быть предпочтительнее случайной выборки. Более того, использование современных методов математиче­ской статистики (таксономия, факторный анализ, много­мерное шкалирование) открывает перспективы совершен­ствования формальных методов отбора типичных (или «центральных» в своем таксоне) объектов и ограниче­ния деятельности экспертов лишь предварительной ста­дией анализа. В то же время, в каком бы соотношении не находились применительно к конкретным условиям исследования случайный и неслучайный отбор гнезд из выделенных страт, социолог должен ясно осознавать (сейчас он делает это очень редко) цену, которую он платит за отказ от случайных процедур.

Признавая, что метод типичных единиц на первых ступенях отбора может быть целесообразным, нельзя в то же время одобрить практику, при которой применение этого метода сочетается с отказом от пропорционального представительства выделенных страт. Между тем в очень многих исследованиях, в которых в качестве страт исполь-

95

зуются отрасли и географические зоны, «типичные» пред­приятия, вузы, школы отбираются из соответствующих страт методом непропорционального отбора, без всякого учета размеров страт (отраслей, регионов), дисперсий и других характеристик. В результате уже на первой сту­пени отбора возникает своеобразный «коктейль», пред­ставляющий причудливые сочетания гнезд разного харак­тера.

Например, если взять за 100% все обследования 1970—1973 гг., в которых на одной из ступеней отбора в качестве гнезд использовались предприятия, то окажет­ся, что предприятия тяжелой промышленности отбира­лись в 29% случаев совместно с предприятиями легкой промышленности, в 7% — с предприятиями пищевой про­мышленности, в 6% — с предприятиями сферы обслужи­вания, в 7% — со строительными и транспортными орга­низациями, в 5% — даже с колхозами и совхозами. Бо­лее того, в 7% всех обследований в выборку были вклю­чены вместе предприятия тяжелой, легкой и пищевой про­мышленности, в 6% к этим предприятиям были присое­динены предприятия сферы обслуживания и в 5% — строительные организации.

Если бы социолог, отбирая предприятия различных отраслей народного хозяйства, учитывал бы «вес» этих отраслей и при этом распространял полученные резуль­таты только на совокупность всех предприятий этих же отраслей, то тогда формирование выборки из различных предприятий не вызывало бы возражений. Однако имен­но эти операции при обработке и анализе результатов чаще всего не осуществляются. Не лучше обстоят дела при отборе территориальной единицы. Типичен следую­щий пример. В одном из исследований жизненных пла­нов молодежи выводы без всякого обоснования опирают­ся на выборку из 19 школ Москвы и Московской обла­сти, Вологды и Вологодской области, Хабаровска и При­морского края, Кисловодска и Ставропольского края, по­селка Чаква Аджарской АССР [68; 73]. Авторы этого ис­следования, как и многие другие, считают, что главное— обеспечить представительство в выборке различных страт, а соотношение этих страт является второстепен­ным фактором¹.

⁴ В качестве других примеров укажем на следующие работы:

[12], [65], [78], [79], [123], [129], [199], [209].

96

Следует заметить, что и в исследованиях за рубежом жесткая реализация требований случайной выборки на первых ступенях отбора стала практиковаться сравни­тельно недавно. До середины XX в. отбор таких гнезд, как регионы и населенные пункты, осуществлялись экс­пертным путем ¹.

Использование многоступенчатого отбора несет с со­бой много выгод организатору выборочного исследова­ния. Главная из них — это возможность провести опрос или другой вид обследования в сравнительно небольшом числе населенных пунктов, предприятий, вузов и т. д. Это позволяет обойтись относительно небольшим штатом ин­тервьюеров и, в частности, использовать лиц, работаю­щих на общественных началах или по совместительству. Резко сокращаются затраты на оплату транспорта и ко­мандировочные. Немалую роль играет и возможность обойтись без составления громоздких списков единиц об­следования.

Организационные преимущества гнездового подхо­да так велики, что не приходится удивляться тому, что он используется столь широко. Однако социолог, прибе­гая к гнездовому методу, должен идти на немалые из­держки. Дело в том, что многие «естественные» гнезда по своей природе тяготеют к однородности. Очевидно, что школьная или студенческая группа в дневном вузе, как правило, является однородной по возрасту. Среди жителей массивов, построенных предприятиями, велик удельный вес лиц, работающих в одной и той же отрасли народного хозяйства². А это обстоятельство иногда обес­ценивает материалы выборочного обследования.

Социолог, опросивший много человек, работающих в одном и том же научно-исследовательском институте и высказавших примерно одинаковые взгляды, из-за того,

² Эти факты толкают исследователя на отказ от использования «естественных» гнезд в пользу «искусственно» создаваемых гнезд, для которых можно обеспечить высокую дисперсию. Однако эта опе­рация, как правило, является весьма дорогостоящей, и на практике к ней прибегают очень редко [306; 109].

что он «разместил» свою выборку в этом институте и ис­черпал свои ресурсы, не мог уже получить сведения о взглядах ученых, работающих в других организациях. Поэтому объем выборки в такой ситуации уже не являет­ся таким мерилом репрезентативности исследования, как при проведении собственно-случайного отбора. Иначе говоря, при использовании гнездового подхода уже нель­зя пользоваться формулой

картинка

Ошибки выборки при одноступенчатом гнездовом отборе

Вычисление ошибки репрезентативности при исполь­зовании гнезд рассмотрим прежде всего для ситуации, когда применяется одноступенчатый гнездовой отбор. В статистической литературе он нередко называется «се­рийным» [52; 62]. При проектировании такого выбороч­ного обследования составляется список гнезд, например предприятий, вузов, жилых помещений, между которы­ми распределены все единицы исследования. В отобран­ных гнездах изучаются все единицы исследования.

Именно такой характер носило выборочное обследо­вание, которое было осуществлено ЦСУ СССР во время переписи 1970 г. по дополнительной к бланку переписи программе, состоящей из 11 вопросов. В выборку было включено 25% всех жилых помещений, в которых опра­шивались все проживающие там люди [92; 35—39].

При определении ошибки выборки следует исходить из того, что в качестве отдельной единицы наблюдения выступает, скажем, не рабочий или студент, а предприя­тие или вуз. И поэтому в знаменатель формулы ошибки случайной выборки (а гнездовая выборка является слу­чайной) приходится включать не общее число опрошен­ных, а то число предприятий или вузов, где проходил опрос. Очевидно, что первая величина, как правило, на­много больше второй, вследствие чего и ошибка гнездово­го отбора должна, как правило, превосходить ошибку чисто случайного отбора ¹.

картинка

же к другим гнездовым средним, чем характеристики от­дельных единиц. Это и дает возможность с помощью уменьшения межгрупповой дисперсии в известной мере компенсировать снижение объема выборки, принимаемой в расчет при определении ошибки.

Степень этой компенсации зависит от структуры гнез­да: чем она разнообразнее, чем больше в ней разброс признака, тем гнездовая средняя будет ближе к указан­ным выше величинам, тем будет меньше межгрупповая дисперсия.

Коэффициент внутригнездовой корреляции

Ключевым показателем в гнездовом подходе стано­вится индикатор однородности гнезда, так называемая внутригнездовая корреляция. Этот показатель измеряет близость единиц одного и того же гнезда друг другу. Его исчисление сводится к сравнению каждой единицы гнезда с другой единицей. В качестве непосредственного изме­рителя близости выступают произведения отклонений индивидуальных значений признака от гнездовой сред-

картинка

только пространственных гнезд, о которых шла речь выше (область, город, предприятие, семья и т. д.), но и времен­ных гнезд. Здесь, в частности, имеются в виду гнезда, возникающие во время опроса одних и тех же единиц в течение определенного периода времени, например в тече­ние 2—3 дней. Так как деятельность людей в отдельные дни взаимозависима (если человек не приобрел, скажем, мяса в понедельник, то вероятность покупки во вторник сильно возрастает), то из-за высокой внутригнездовой кор­реляции полученная информация частично обесценивает­ся. Потому предлагается в таких случаях уменьшать чис­ло дней опроса каждого респондента, но зато увеличи­вать объем выборки [27; 23].

Сравнение случайной и гнездовой одноступенчатой выборок

Выше отмечалось, что увеличение неоднородности гнезда способствует приближению гнездовой средней к генеральной средней и уменьшению межгнездовой дис­персии. Это компенсирует резкое уменьшение знаменате­ля в формуле ошибки для случайной выборки. Однако эта компенсация не может быть полной, и случайный отбор при том же объеме конечных единиц дает часто суще­ственно более точные результаты, чем отбор гнездовой.

Поэтому использование формулы для исчисления слу­чайной ошибки выборки к ситуациям, в которых приме­няется гнездо, является вещью недозволенной. К сожа­лению, специфика гнездовой выборки очень часто игно­рируется многими исследователями¹.

Можно утверждать, что проблема гнезда является наименее разработанной в советской социологии из всех вопросов выборки, и поэтому пробелы знаний социо­лога-практика именно здесь наиболее велики².

картинка

ку случайной выборки при том же объеме обследования конечных единиц.

Если q равно 1, т. е. внутригнездовая корреляция до­стигла максимума, эффект гнезда равен М, т. е. величи­не гнезда. Это происходит от того, что увеличение гнез­да в условиях полной идентичности единиц не прибав­ляет никакой новой информации исследователю, и, по существу, изучение всех единиц гнезда, кроме одной, яв­ляется полной потерей, и произведенные затраты никак не могут сказаться на величине ошибки.

Если же коэффициент внутригнездовой корреляции равен 0 и элементы гнезда не похожи друг на друга, то эффект гнезда равен 1. В этих условиях применение обоих типов отбора дает одинаковую ошибку.

Прикладная социология, в том числе и отечественная, накопила известный опыт по изучению структуры гнезд и определению в связи с этим эффекта гнезда. Наиболее заметным в этом отношении является исследование, осу­ществленное А. Г. Волковым [38; 109—112].

При обработке материалов пробной переписи населе­ния он изучил структуру 3 типов гнезд — семей, квартир и счетных участков переписи — по 7 признакам. Вот не­которые из полученных А. Г. Волковым результатов.

Приведенные данные показывают прежде всего, что с переходом от мелких гнезд к крупным коэффициент корреляции заметно снижается.

Кроме того, установлено, что с увеличением общности признака коэффициент растет. Так, коэффициент для се­мей по признаку «работники промышленности» доволь­но высокий (0,4 Ь). Он свидетельствует о достаточно боль­шой вероятности того, что если муж работает в промыш­ленности, то и жена трудится там же. Если же взять от­дельные занятия, то коэффициент резко снизится, напри­мер для инженера он равен всего 0,07, станочника — 0,04 и т. д. На основе сведений о коэффициенте внутригнез-

103

довой корреляции А. Г. Волков определил степень возра­стания ошибки выборки для отдельных признаков.

Аналогичные исследования на болгарских материалах провела М. Динева [106; 104—120]. Данные М. Диневой вновь подтвердили отмеченное выше положение об об­ратной зависимости между размером гнезда и величиной внутригнездовой корреляции.

М. Динева также подсчитала степень снижения точ­ности выборки из-за применения гнезд. Так, если число лиц, отобранных в гнезде, составляет 20, то (примени­тельно к населенному пункту) степень точности снижает­ся в 1,5 раза¹.

Ошибка многоступенчатой выборки

Одноступенчатая гнездовая выборка применяется намного реже, чем многоступенчатая. А для последней ошибка выборки еще более отличается от ошибки, возни­кающей при чисто случайном отборе.

Рассмотрим теперь определение ошибки выборки при многоступенчатом отборе. Этот отбор предполагает, что на всех ступенях (кроме последней) для изучения отби­рается только часть гнезда (от). Что касается последней ступени, то отбор сможет распространяться на все еди­ницы гнезда и на часть из них.

Величина ошибки для двухступенчатого и отбора с лю­бым числом ступеней определяется исходя из тех же со­ображений, согласно которым ошибка случайной выбор­ки может быть расчленена на две компоненты, из кото­рых одна компонента характеризует влияние межгруп-повой дисперсии, вторая — внутригрупповой (без учета проблемы смещенности

картинка

Учитывая чрезвычайную распространенность много­ступенчатой гнездовой выборки, можно было бы ожи­дать, что социолог, если он уже и решился на вычисление ошибок репрезентативности, будет чаще всего прибегать к формуле, позволяющей определить ошибку именно этой выборки. Однако, как правило, дело обстоит иначе, и сплошь и рядом исследователь, применяющий многосту­пенчатый отбор, исчисляет ошибку чисто случайной вы­борки.

Применительно к зарубежным исследованиям на это обстоятельство обратили внимание Л. Киш и Э. Шойх. Первый еще в середине 50-х годов проанализировал от­четы тех исследований, которые были опубликованы в го­довом комплекте «American Sociological Review». Только в 12—19% случаев ошибки выборки были исчислены правильно [220]. Примерно через 10 лет этот вопрос изу­чил и Э. Шойх, который пришел к выводу, что ошибки для многоступенчатого отбора исчисляются крайне редко и с большой неточностью [333; 328]¹.

Ошибка для многоступенчатой выборки почти не ис­числяется и советскими социологами². Вместо нее нередко определяется ошибка выборки по отношению к сово­купности отобранных предприятий, а не к генеральной совокупности.

Именно так поступают авторы книги «Человек и его работа». Они подсчитали ошибки репрезентативности по отношению к совокупности 9 предприятий, на которых обследовалось 70% всех рабочих, попавших в выборку. Оставляя в стороне последнее обстоятельство, заметим, что исчисленные ими ошибки (и это понимали сами авторы) не характеризовали репрезентативность полу­ченных данных к совокупности всех молодых рабочих Ле­нинграда, которые и были определены в качестве объек­та исследования [195; 56—63].

Ленинградские авторы отказались от оценки репре-зентативности выборки по отношению к своему объекту не случайно. Дело в том, что, применяя двухступенчатую выборку, они не применяли случайный отбор на первой ступени, заменив его отбором предприятий на основе экспертных оценок.

Точно так же поступают Л. А. Гордон и Э. В. Клопов в своей книге «Человек после работы» [48; 20—21].

Каковы причины столь редкого вычисления ошибок многоступенчатой выборки? Они отнюдь не сводятся лишь к тому, что социологи-практики имеют об этом спо­собе выборки менее глубокие знания, чем о чисто случай­ной выборке. Немалую роль играет отсутствие необходи­мой информации о дисперсии на разных ступенях выбор­ки, а также недостаточная взаимная требовательность социологов друг к другу при оценке уровня репрезента­тивности показателей.

Очевидна важность серьезного сдвига в этом важном вопросе, активного рассмотрения проблемы гнезда в со­циологических исследованиях.

Размер гнезда и организация выборки

При применении многоступенчатого отбора возникает чрезвычайно важная проблема учета размера гнезда. Со­циологическая практика, как правило, оперирует нерав­ными гнездами, так как они в их естественном виде чаще всего как раз и являются таковыми.

Использование неравных гнезд приводит к усложне­нию статистического анализа, так как в этих условиях

106

ошибки выборки попадают в зависимость не только от колебаний изучаемого признака, но и от разброса вели­чины гнезд.

Размер гнезда является одной из важнейших проблем многоступенчатой выборки по двум причинам. Во-пер­вых, в условиях дифференциации гнезд по размерам не­обходимо предпринимать специальные операции для со­хранения принципов случайной выборки *. Принцип ра­венства шансов нарушается в тех случаях, когда из не одинаковых по размеру гнезд делается выборка равного объема.

Во-вторых, вопрос о размере гнезда имеет первосте­пенное значение для организации сбора информации, в частности, для определения величины необходимых за­трат на исследование.

Рассмотрим вначале первый аспект проблемы.

Для обеспечения равенства шансов всем единицам со­вокупности попасть в выборку независимо от размера гнезда можно использовать прием, предполагающий со­ставление списка гнезд с указанием объема каждого гнезда, а также числа всех единиц генеральной совокуп­ности нарастающим итогом. Определив интервал отбора единиц совокупности, исследователь получает возмож­ность выделить гнезда для выборки, причем так, что крупные гнезда (например, предприятия) будут иметь больше шансов попасть в выборки, чем мелкие.

Благодаря этому обстоятельству все единицы совокуп­ности (например, рабочие) независимо от того, являются ли они работниками крупных или мелких предприятий, получают одинаковые шансы оказаться в поле зрения ис­следователя. Именно этот путь избран авторами методи­ки многоступенчатого районированного отбора, приме­няемого в выборочных обследованиях ЦСУ СССР.

Как правило, на первой ступени составляются отрас­левые списки предприятий и учреждений, обычно в масш­табе области или республики. В пределах каждого от­раслевого списка предприятия или учреждения располагаются в виде ранжированного ряда в соответствии с од­ним из избранных критериев (например, средней зара­ботной платой или средней денежной оценкой человеко-дня работы).

В стратифицированном подобным образом списке по каждому предприятию или учреждению указывается численность его работников, а также общая численность работников нарастающим итогом (пропущены условные данные)

Обычно принято считать, что на каждом предприятии следует изучать 20—25 человек (или семей). После того как определяется общий объем выборки, можно устано­вить число предприятий, отбираемых на первой ступени в качестве гнезд.

Если, например, объем выборки для приведенного выше примера составил 100 человек, а объем выборки из гнезда принят равным 20, то число указанных гнезд составит 5. Затем определяется интервал отбора пу­тем деления общего числа всех работников на число пред­приятий, включаемых в выборку. В нашем примере этот интервал будет равен: 6400/5=1280. Далее, используя значение размера интервала, 'выделяются 'предприятия, где будет происходить отбор самих работников.

В описываемом примере работник под № 1280 (исхо­дя из численности работников нарастающим итогом) на­ходится на предприятии № 3, работник под № 2560 — на предприятии № 5, работник под № 3840 находится также в этом предприятии и т. д. На этих предприятиях и необ-

108

ходимо проводить обследование¹. Очевидно, что на пред­приятии № 5 следует отобрать для выборки не 20, а 40 работников.

Для отбора работников по каждому предприятию, по­павшему в выборку, вновь составляются списки, где ра­ботники стратифицируются по одному из критериев (на­пример, по квалификации, уровню доходов и т. д.). Из этих списков отбор производится механическим путем.

Можно использовать несколько другую технику отбо­ра. Она предполагает, что наименьшее по размеру гнез­до берется за единицу и все остальные гнезда характе­ризуются числом соответствующих единиц. В нашем при­мере за единицу измерения естественно принять пред­приятие с числом рабочих, равным 100. Тогда данные о предприятиях примут следующий вид.(пропущены данные)

Теперь с помощью таблицы случайных чисел выбе­рем несколько двузначных чисел (в зависимости от чис­ла гнезд, включаемых в выборку). Пусть из таблицы оказались извлеченными 25 и 54. Первое число означает, что в выборку попадает предприятие № 5, и второе — № 9. Очевидно, что чем больше интервал в третьем ряду между соседними предприятиями (а этот интервал про­порционален размеру гнезда, находящемуся в каждой паре справа), тем вероятнее, что в выборку попадет то предприятие, размер которого характеризует интервал. Известны модификации этой техники отбора, в частности, разработанные Д. Лахири².

⁴ В обследованиях ЦСУ СССР в подобных случаях рекомендует­ся рассматривать в качестве первой единицы, включаемой в выбор­ку, ту единицу, которая находится в середине интервала, в данном

случае под № 640.

² Возможна и другая стратегия в условиях сильного колебания размеров гнезд. Она предполагает меняющуюся норму отбора еди­ниц из гнезда. Вначале следует сгруппировать гнезда по размеру и определить удельный вес каждой группы гнезд. Этот показатель не­обходим для того, чтобы установить, как распределяется общее чис­ло отбираемых гнезд между гнездами разного размера. Затем можно подсчитать объем выборки из гнезд различного размера в соответ­ствии с равенством Р=Р<-Ро-, где Р—доля выборки в генеральной совокупности, Pi—удельный вес гнезд данного типа, Рц—доля вы­борки из гнезда.

109

При проектировании многоступенчатого исследования его организатор обладает значительной свободой дейст­вий в определении того, какими гнездами он намерен опе­рировать — крупными или мелкими; отбирать большое число гнезд с небольшой нормой отбора из каждого гнез­да или же ориентироваться на включение в выборку небольшого числа гнезд с высокой нормой отбора.

Рассмотрим первый аспект проблемы. Крупные гнезда, как отмечалось выше, имеют более высокую дисперсию и потому, при прочих равных условиях, имеют преиму­щества над мелкими. К тому же использование крупных гнезд сопровождается меньшими транспортными расхо­дами и затратами времени, чем выделение мелких гнезд, Однако применение крупных гнезд требует чаще всего выделения внутри гнезд новых стадий отбора, что услож­няет проведение исследования и увеличивает общую ошибку выборки за счет ошибок, возникающих на новых ступенях. Еще более важным является то обстоятель­ство, что мелкие гнезда можно разместить на более об­ширной территории и учесть в большой мере специфику различных регионов.

Организатору исследования приходится на основе конкретной информации .взвешивать все приведенные плюсы и минусы и принимать решение, пользуясь чаще всего эвристическими соображениями.

В лучшем положении он находится при решении вто­рой задачи — определить число гнезд и норму отбора из каждого гнезда¹. Очевидно, что поиск оптимального со­отношения числа гнезд и объема выборки из гнезда при-

¹ Специальную проблему составляют экстремальные гнезда по сравнению с размерами большинства гнезд: очень большие и очень маленькие.

Необходимые гнезда иногда состоят из труднодоступных единиц. Во всесоюзных исследованиях, например, в качестве отдель­ной страты выделяются районы Крайнего Севера, каждый из кото­рых является относительно труднодоступным гнездом (большое рас­стояние от центра исследования, а также расстояния, отделяющие отдельные населенные пункты друг от друга, сложные климатические условия и т. д.). Стоимость опроса отдельных респондентов в этих районах может быть настолько высокой, что иногда приходится идти на отказ от пропорционального представительства этих гнезд и соответствующей страты в выборке. В ряде случаев, когда число не­больших гнезд относительно велико, возникает целесообразность их объединения и в формировании нового промежуточного объекта ис­следования, из которого уже непосредственно происходит отбор еди­ниц наблюдения.

110

картинка

Эффективное использование многоступенчатой гнездо­вой районированной выборки — самой распространенной разновидности выборочного обследования в социоло­гии — требует решения множества проблем. Огромное влияние оказывают цели исследования, выделяемые ре­сурсы, сроки представления результатов. Нужны еще немалые усилия для того, чтобы при проектировании вы­борки все аспекты этого вида выборки максимально учитывались.

111