Основы маркетинга

   - невероятностные 

   1. Вероятностные выборки 

   1.1 Случайная выборка (простой случайный  отбор)

   Такая выборка предполагает однородность генеральной совокупности, одинаковую вероятность доступности всех элементов, наличие полного списка всех элементов. При отборе элементов, как правило, используется таблица случайных  чисел.

   1.2 Механическая (систематическая) выборка

   Разновидность случайной выборки, упорядоченная  по какому-либо признаку (алфавитный порядок, номер телефона, дата рождения и  т.д.). Первый элемент отбирается случайно, затем, с шагом ‘n’ отбирается каждый ‘k’-ый элемент. Размер генеральной совокупности, при этом – N=n*k

   1.3 Стратифицированная (районированная)

   Применяется в случае неоднородности генеральной  совокупности. Генеральная совокупность разбивается на группы (страты). В  каждой страте отбор осуществляется случайным или механическим образом.

   1.4 Серийная (гнездовая или кластерная) выборка

   При серийной выборке единицами отбора выступают не сами объекты, а группы (кластеры или гнёзда). Группы отбираются случайным образом. Объекты внутри групп обследуются сплошняком.  

   2. Невероятностные выборки

   Отбор в такой выборке осуществляется не по принципам случайности, а по субъективным критериям – доступности, типичности, равного представительства  и т.д..

   2.1. Квотная выборка

   Изначально  выделяется некоторое количество групп  объектов (например, мужчины в возрасте 20-30 лет, 31-45 лет и 46-60 лет; лица с доходом  до 30 тысяч рублей, с доходом от 30 до 60 тысяч рублей и с доходом  свыше 60 тысяч рублей) Для каждой группы задается количество объектов, которые должны быть обследованы. Количество объектов, которые должны попасть  в каждую из групп, задается, чаще всего, либо пропорционально заранее известной  доле группы в генеральной совокупности, либо одинаковым для каждой группы. Внутри групп объекты отбираются произвольно. Квотные выборки используются в маркетинговых исследованиях достаточно часто.

   2.2. Метод снежного кома

   Выборка строится следующим образом. У каждого  респондента, начиная с первого, просятся контакты его друзей, коллег, знакомых, которые подходили бы под  условия отбора и могли бы принять  участие в исследовании. Таким  образом, за исключением первого  шага, выборка формируется с участием самих объектов исследования. Метод  часто применяется, когда необходимо найти и опросить труднодоступные  группы респондентов (например, респондентов, имеющих высокий доход, респондентов, принадлежащих к одной профессиональной группе, респондентов, имеющих какие-либо схожие хобби/увлечения и т.д.)

   2.3 Стихийная выборка

   Опрашиваются  наиболее доступные респонденты. Типичные примеры стихийных выборок –  опросы в газетах/журналах, анкеты, отданные респондентам на самозаполнение, большинство интернет-опросов. Размер и состав стихийных выборок заранее не известен, и определяется только одним параметром – активностью респондентов.

   2.4 Выборка типичных случаев

   Отбираются  единицы генеральной совокупности, обладающие средним (типичным) значением  признака. При этом возникает проблема выбора признака и определения его  типичного значения.  

   Калькулятор расчета ошибки и размера выборки (для случайной выборки)

   Пояснения к полям:

   Доверительная вероятность

   Вероятность того, что доверительный интервал накроет неизвестное истинное значение параметра, оцениваемого по выборочным данным. В практике исследований чаще всего используют 95%-ую доверительную  вероятность

   Ошибка  выборки (доверительный интервал)

   Интервал, вычисленный по выборочным данным, который с заданной вероятностью (доверительной) накрывает неизвестное  истинное значение оцениваемого параметра  распределения.

   Доля  признака

   Ожидаемая доля признака, для которого рассчитывается ошибка. В случае, если данные о доле признака отсутствуют, необходимо использовать значение равное 50, при котором достигается максимальная ошибка. 

   (далее  практически тоже самое, но  по Голубкову. Проще 1-ый вариант, 2-ой типа научнее)

   При формировании выборки используются вероятностные (случайные) и не вероятностные (неслучайные) методы.

   Если  все единицы выборки имеют  известный шанс (вероятность) быть включенными  в выборку, то выборка называется вероятностной (случайной). Если этот шанс (вероятность) неизвестен, то выборка  называется невероятностной (неслучайной). К сожалению, в большинстве маркетинговых исследований из-за невозможности точного определения размера совокупности не представляется возможным точно рассчитать вероятности. Поэтому термин «известная вероятность» скорее основан на использовании определенных методов формирования выборки, чем на знании точных размеров совокупности.

   Вероятностные методы включают в свой состав: простой  случайный отбор, систематический  отбор, кластерный отбор и стратифицированный отбор.

   Простой случайный отбор предполагает, что  вероятность быть избранным в  выборку известна и является одинаковой для всех единиц совокупности. Вероятность  быть включенным в выборку определяется отношением объема выборки к размеру  совокупности.

   Простой случайный отбор может осуществляться с помощью следующих методов: формирование выборки вслепую и  с помощью таблицы случайных  чисел.

   При использовании метода формирования выборки вслепую единицы совокупности в соответствии с их фамилиями, названиями или другими признаками вносятся в карточки, которые в перемешанном виде помещаются в какую-то непрозрачную емкость (ящик, коробку и т.п.). Из данной емкости кто-то случайным  образом вытягивает число карточек, определяемое объемом выборки.

   В таблицах случайных чисел содержатся числа, порядок включения которых  в таблицу осуществлен случайным  образом. Единицам совокупности присваивают  порядковые номера. В таблице случайных  чисел выбирают любую начальную  точку и, двигаясь в произвольном направлении и произвольно меняя  направление движения, выбирают необходимое  количество номеров из числа присвоенных, равное заранее установленному объему выборки.

   Использование простого случайного отбора гарантирует, что каждая единица совокупности известна и имеет равные шансы  быть включенной в выборку.

   Однако, чтобы можно было эти методы использовать, необходимо предварительно определить каждую единицу совокупности, что при больших размерах совокупности сделать достаточно сложно, а порой и невозможно.

   Данный  недостаток существенно снижается  при использовании компьютера для  присвоения единицам совокупности номеров  и формирования выборки. При телефонном интервью компьютер может генерировать случайным образом телефонные номера: он имеет генератор случайных  чисел.

   Начальная часть метода систематического отбора соответствует начальной части  метода простого случайного отбора: необходимо получить полный список единиц генеральной  совокупности.

   Однако  далее вместо присвоения порядковых номеров используется показатель «интервал  скачка», рассчитанный как отношение  размера совокупности к объему выборки. Например, если используется телефонный справочник и интервал скачка был определен равным 250, то это означает, что каждый 250-й телефонный номер включается в выборку. Для определения же начальных страницы и колонки справочника используются случайные числа.

   Очевидно, что данный метод является более  экономичным и быстрым по сравнению  с методом простого случайного отбора. Случайные числа используются только на начальной стадии его реализации. Вместе с тем такой метод дает менее репрезентативные результаты по сравнению с методом простого случайного отбора.

   Особенно  широко метод систематического отбора используется, когда для различных  видов совокупностей имеются  различные справочники, списки, спецификации и т.п. материалы.

   Другим  методом вероятностного отбора является кластерный отбор, основанный на делении  совокупности на подгруппы, каждая из которых представляет совокупность в целом. Базовая концепция данного  метода очень похожа на базовую концепцию  метода систематического отбора, однако реализация этой концепции осуществляется по-другому. Предположим, что исследуется  мнение населения какого-то региона  относительно марки какого-то товара.

   Регион  разбивается на четко определяемые части (кластеры), например области. Исследователь  может считать, что выделенные кластеры являются идентичными и мнение населения  этих областей характерно для региона  в целом. Далее одна из областей (один кластер) выбирается случайным образом, определяется совокупность для этой области, в ней проводится соответствующее  исследование, а выводы обобщаются на совокупность всего региона (одноступенчатый  подход).

   Формирование  выборки можно осуществить и  на основе двухступенчатого подхода. В  этом случае после первоначального  случайного формирования выборки кластеров (в нашем примере случайным  образом выбирается несколько областей) используется один из вероятностных  методов для проведения исследований среди единиц выборки. Очевидно, что  репрезентативность результатов, полученных на основе исследований для группы кластеров, является более высокой, чем для одного кластера. Однако этот подход является более дорогим  по сравнению с одноступенчатым  подходом.

   Иногда  при проведении исследований, когда  общую исследуемую территорию можно  разбить на отдельные зоны, при  формировании выборки используется выборочная решетка, накладываемая  на карту обследуемой территории. Каждая ячейка решетки определяет конкретный кластер. Далее используется один из описанных методов формирования выборки. К сожалению, метод выборочной решетки не учитывает административные, естественные (реки, улицы и т.п.) и другие границы.

   В основе всех описанных методов лежит  предположение, что любая совокупность характеризуется симметричным распределением ее ключевых характеристик. Другими  словами, каждая выборка достаточно полно характеризует всю совокупность, различные крайности в выборке  уравновешивают друг друга. Но такая  ситуация на практике встречается крайне редко. Скажем, исследуется рыночный потенциал определенного региона  для какого-то товара. Население  больших, средних и малых городов, сельской местности данного региона отличается по уровню образования, дохода, образу жизни и т.п.

   В случае несимметричного распределения  совокупности последняя разделяется  на различные подгруппы (страты), например по уровню доходов, и выборки формируются  из этих подгрупп, по сути дела являющихся сегментами рынка. Такой метод носит  название стратифицированного отбора.

   При использовании данного метода прежде всего следует выбрать некоторую наблюдаемую характеристику (признак), характеризующую каждую единицу совокупности, например уровень дохода.

   Далее для каждой страты с помощью случайного отбора формируется выборка.

   Если  размер выборки для определенной страты пропорционален размеру страты по отношению ко всей совокупности, то выборка называется пропорционально  стратифицированной. В случае непропорционально  стратифицированной выборки необходимо использовать весовые коэффициенты, уравновешивающие размеры страт.