Методи формування вибірки: випадковий, стратифікований, кластерний і невипадковий відбір
Автор: Український психологічний ХАБ · Опубліковано: 7 жовтня 2026 р. · Редакційна політика
Метод формування вибірки — це правило, за яким із визначеної сукупності обирають одиниці для участі в дослідженні. У психології цими одиницями найчастіше є люди, але ними також можуть бути пари, сім’ї, класи, школи, організації, терапевтичні групи, часові епізоди або інші об’єкти спостереження. Саме спосіб відбору визначає, хто мав шанс потрапити до даних, які систематичні зміщення можуть виникнути й наскільки обґрунтовано результати поширювати за межі фактично обстежених учасників.
Ця тема продовжує загальну статтю про вибірку у психологічному дослідженні. Тут головне питання вужче: не що таке вибірка, а як саме її формують. Основне розрізнення проходить між ймовірнісним відбором, де механізм відбору задає відомі ненульові ймовірності включення одиниць із визначеної основи вибірки, і невипадковим відбором, де ці ймовірності невідомі. Це розрізнення впливає на логіку статистичного висновку, а не просто на технічну процедуру набору учасників. Cornesse та співавт., 2020.
Коротко: які методи формування вибірки існують
У практиці кількісних психологічних і соціально-наукових досліджень найчастіше розрізняють дві великі сім’ї методів.
• Ймовірнісний відбір: проста випадкова, систематична, стратифікована, кластерна та багатоступенева вибірка. Їх поєднує формалізований випадковий механізм відбору з відомими ймовірностями включення.
• Невипадковий відбір: зручна вибірка, самовідбір або добровільна участь, квотний, цілеспрямований, послідовний, «снігова куля» та інші способи, у яких немає повного ймовірнісного механізму відбору з цільової сукупності.
AAPOR рекомендує прямо повідомляти, чи походить вибірка з ймовірнісної основи, як побудовано рамку відбору, кого вона охоплює, як учасників контактували й набирали та як враховано складний дизайн. Стандарти розкриття AAPOR.
Метод відбору починається не з учасника, а з цільової сукупності
Перш ніж обирати техніку, дослідник визначає цільову сукупність, критерії включення й виключення, одиницю відбору та основу вибірки. Основа вибірки — це список, реєстр або інша практична рамка, з якої реально здійснюється відбір. Якщо цільова сукупність — усі студенти університету, основою може бути актуальний реєстр студентів. Якщо цільова сукупність — школярі певного регіону, відбір може починатися зі списку шкіл, а вже потім переходити до класів і учнів.
Якість основи критична. Навіть математично бездоганний випадковий алгоритм не включить людей, яких у рамці немає. Стандарт A3 Бюро перепису населення США окремо вимагає описувати цільову сукупність, охоплення рамки, ймовірності відбору, стратифікацію, кластеризацію та інші елементи дизайну. U.S. Census Bureau Statistical Quality Standard A3.
Ймовірнісний відбір: що робить вибірку ймовірнісною
Ймовірнісна вибірка виникає тоді, коли одиниці відбирають за визначеним випадковим механізмом, а ймовірності їх включення можна встановити з дизайну. Вони не обов’язково однакові: у складних планах окремі групи можуть навмисно відбиратися з більшою ймовірністю. Ключове те, що механізм відбору формалізований і дає підставу враховувати ймовірності включення під час оцінювання показників і невизначеності.
Ймовірнісний дизайн створює основу для статистичного висновку, де джерелом випадковості є сам механізм відбору. Невідповіді, неповне охоплення рамки та інші помилки все одно можуть спотворювати результат, тому слово «ймовірнісна» не є автоматичним сертифікатом репрезентативності. Cornesse та співавт., 2020.
Проста випадкова вибірка
За простої випадкової вибірки одиниці відбирають безпосередньо з повної основи так, щоб кожна мала однакову ймовірність бути обраною. Практично це може бути генератор випадкових чисел, який обирає ідентифікатори зі списку. Такий дизайн концептуально чистий, але потребує достатньо повної основи вибірки й може бути незручним, якщо популяція географічно розпорошена.
Приклад: із реєстру 12 000 студентів університету потрібно відібрати 600. Дослідник присвоює кожному унікальний номер і випадково обирає 600 номерів. Подальша участь уже залежить від контакту та відповіді, тому фактична вибірка респондентів може відрізнятися від початково відібраної.
Систематична вибірка
Систематичний відбір обирає одиниці з упорядкованої основи через певний інтервал після випадкового старту. Якщо у списку N одиниць і потрібно приблизно n, інтервал часто задають як k ≈ N/n. Після випадкового старту в межах першого інтервалу беруть кожну k-ту одиницю.
Метод зручний для довгих списків і польових процедур, але порядок рамки має значення. Прихована періодичність, яка збігається з кроком відбору, здатна створити систематичне зміщення. Тому «кожен десятий, кого зустріли біля входу» не стає ймовірнісною вибіркою, якщо сам потік людей не є визначеною основою з відомими шансами включення.
Стратифікована вибірка
За стратифікованого відбору сукупність спочатку ділять на взаємно виключні підгрупи — страти, а потім здійснюють ймовірнісний відбір окремо всередині кожної страти. Стратами можуть бути регіони, типи населених пунктів, курси навчання, вікові категорії або інші характеристики, важливі для дослідницького завдання.
Стратифікація корисна, коли потрібно гарантовано отримати достатню кількість спостережень у важливих підгрупах або підвищити точність оцінок. При пропорційному розміщенні обсяг вибірки в кожній страті відповідає її частці в популяції. При непропорційному розміщенні невеликі, але важливі підгрупи можуть навмисно перевибиратися; тоді для популяційних оцінок аналіз має враховувати різні ймовірності відбору за допомогою відповідних ваг.
Офіційна українська статистична термінологія так само визначає стратифіковану вибірку через попередній поділ основи на однорідні страти та відбір із кожної з них. Термінологія законодавства України: «Стратифікована вибірка».
Кластерна вибірка
Кластерний відбір працює інакше: замість прямого відбору окремих людей спочатку випадково обирають природні групи — кластери. Ними можуть бути школи, класи, лікарні, громади, підприємства або географічні ділянки. В одностадійному дизайні досліджують усі доступні одиниці в обраних кластерах; у двостадійному — після вибору кластерів додатково відбирають людей усередині них.
Кластеризація часто суттєво знижує логістичні витрати: замість сотень розпорошених адрес команда працює в обмеженій кількості шкіл або районів. Ціна — потенційно менша статистична ефективність, тому що люди всередині одного кластера часто схожі між собою більше, ніж випадково обрані люди з усієї популяції. Саме тому стандартні помилки й довірчі інтервали мають ураховувати кластерну структуру, а не трактувати всі спостереження як незалежні. U.S. Census Bureau Standard D1.
Багатоступенева вибірка
У великих популяційних дослідженнях різні методи часто поєднують. Наприклад, спочатку стратифікують країну за регіоном і типом поселення, потім випадково обирають громади як кластери, у громадах — адреси, а в домогосподарствах — конкретних учасників. На окремих етапах можуть застосовувати відбір із ймовірністю, пропорційною розміру кластера. Такий дизайн називають багатоступеневим.
Стратифікована і кластерна вибірка: у чому головна різниця
Стратифікацію і кластеризацію легко переплутати, тому що обидва підходи ділять популяцію на групи. Логіка відбору в них різна.
• За стратифікованої вибірки дослідник прагне отримати спостереження з кожної важливої страти. Відбір відбувається всередині всіх страт.
• За кластерної вибірки дослідник випадково обирає лише частину кластерів, а потім досліджує одиниці всередині обраних кластерів.
• Стратифікація часто використовується для точності й належного представлення підгруп. Кластеризація часто використовується для логістичної здійсненності та зменшення витрат.
• У типовій стратифікації бажано, щоб одиниці всередині страти були подібними за змінною стратифікації. У кластерному дизайні кластери часто прагнуть зробити мініатюрними «зрізами» популяції, але реальні природні кластери нерідко внутрішньо однорідні, що й збільшує дисперсію оцінок.
Один дизайн може одночасно містити і страти, і кластери. Тому назва методу має описувати конкретні етапи відбору, а не загальне враження від того, що популяцію поділили на групи.
Невипадковий відбір: коли ймовірності включення невідомі
Невипадкова вибірка формується без повного ймовірнісного механізму відбору з цільової сукупності. Це не означає, що такі дані автоматично непридатні. Це означає, що популяційний висновок потребує іншого обґрунтування й сильніших припущень, а звичайну логіку похибки, виведеної з дизайну випадкової вибірки, не можна переносити механічно. Elliott & Valliant, 2017.
Зручна вибірка
Зручний відбір включає тих, кого найлегше залучити: студентів одного курсу, відвідувачів конкретної клініки, підписників сторінки, працівників однієї організації або людей, які опинилися поруч. У психології такий набір поширений через доступність і швидкість. Основна межа — механізм доступності може бути пов’язаний із психологічними характеристиками, що вивчаються.
Самовідбір і добровільна участь
Коли посилання на опитування публікують у відкритому доступі й люди самі вирішують, чи брати участь, виникає самовідбір. Мотивація відповісти може залежати від теми, досвіду, рівня дистресу, інтересу, вільного часу або цифрової активності. Саме тому великий онлайн-опитувальник із десятками тисяч добровольців може залишатися систематично відмінним від цільової популяції.
Методологічні порівняння онлайн-вибірок показують, що вибірки із самовідбором (opt-in) можуть мати більші помилки щодо зовнішніх популяційних орієнтирів, навіть після зважування; величина проблеми залежить від постачальника, теми, підгрупи та моделі корекції. Mercer & Lau, 2023.
Квотна вибірка
Квотний відбір задає потрібну кількість учасників у певних категоріях — наприклад, за віком, статтю або регіоном. Це може зробити вибірку схожою на популяцію за вибраними характеристиками, але не перетворює її на стратифіковану ймовірнісну вибірку, якщо людей усередині квот не відбирають випадково з відомими шансами включення.
Квоти контролюють лише ті ознаки, за якими їх встановили. Усередині кожної квоти можуть залишатися відмінності за освітою, мотивацією до участі, здоров’ям, цифровою поведінкою, особистісними рисами та іншими характеристиками, пов’язаними з досліджуваним результатом.
Цілеспрямований відбір
Цілеспрямований, критеріальний або експертний відбір навмисно включає людей із потрібним досвідом чи характеристиками. Він особливо важливий у якісних дослідженнях, де метою може бути глибоке розуміння конкретного досвіду, процесу або контексту, а не оцінка частки явища в генеральній сукупності. Якість такого відбору оцінюють відповідно до логіки конкретної якісної методології, а не за правилами ймовірнісної вибірки.
Послідовний відбір
У клінічних і прикладних дослідженнях іноді включають усіх доступних осіб, які послідовно відповідають критеріям протягом визначеного періоду. Такий підхід прозоріший за довільний набір «кого вдалося знайти», але зазвичай залишається невипадковим: до вибірки потрапляють лише ті, хто звернувся саме до конкретних установ або сервісів у конкретний час.
«Снігова куля» та ланцюговий відбір
За методом «снігової кулі» початкові учасники допомагають знаходити наступних через власні соціальні зв’язки. Це може бути практичним для малодоступних або прихованих популяцій, але структура мережі впливає на те, хто буде знайдений: люди з більшою кількістю зв’язків або з певних мереж мають вищі шанси потрапити до даних. Класична методологічна робота про метод «снігової кулі» (snowball sampling) належить Goodman, 1961.
Вибірка, керована респондентами (respondent-driven sampling, RDS), є спеціальною моделлю ланцюгового відбору з формалізованою процедурою рекрутування та статистичними припущеннями. Його не слід називати просто «випадковою сніговою кулею»: валідність оцінок залежить від структури мережі, поведінки рекрутування та припущень конкретного оцінювача. Heckathorn, 1997.
Випадковий відбір учасників ≠ випадковий розподіл між умовами
Це одна з найважливіших методологічних відмінностей у психології. Випадковий відбір відповідає на питання «хто з популяції потрапляє до дослідження?». Рандомізація у сенсі випадкового розподілу (random assignment) відповідає на інше питання: «до якої експериментальної умови потрапляє вже включений учасник?»
Дослідження може мати зручну студентську вибірку, але випадково розподіляти її учасників між експериментальною і контрольною умовами. Такий дизайн може створювати сильні підстави для внутрішнього причинного порівняння між умовами, але не перетворює студентів на випадкову вибірку всіх дорослих. І навпаки, випадкова популяційна вибірка без маніпуляції та випадкового розподілу між умовами не створює причинний експеримент.
Ймовірнісна вибірка не гарантує репрезентативність
Випадковий механізм зменшує низку ризиків і створює формальну основу для статистичного висновку, однак конкретна реалізована вибірка може відрізнятися від популяції випадково або систематично. Основні причини — неповне охоплення рамки, невідповіді, відмова від участі, вибування, помилки контактних даних, неоднакова доступність та порушення процедури.
Тому репрезентативність не є властивістю, яку можна довести одним словом «випадкова». Вона завжди стосується визначеної цільової популяції, конкретних характеристик і механізму отримання фактичних даних. Репрезентативність потребує окремого аналізу того, кого охоплює дизайн, які групи недопредставлені та до якої популяції автори поширюють висновок.
Велика вибірка не виправляє систематичний відбір
Збільшення n переважно зменшує випадкову невизначеність оцінювання, але не усуває зміщення, якщо механізм включення систематично відбирає певні типи людей. Мільйон добровольців може давати дуже вузькі стандартні похибки для зібраних даних і водночас систематично відрізнятися від цільової популяції.
Тому питання «скільки учасників потрібно?» належить до окремої теми про розмір вибірки, а питання «хто має шанс потрапити?» — до дизайну відбору. Обсяг і спосіб формування вибірки взаємодіють, але розв’язують різні методологічні завдання.
Чому психології важливо описувати, кого саме вона вивчає
Психологічні закономірності можуть залежати від культури, освіти, віку, соціально-економічного контексту, інституційного середовища та інших характеристик. Впливова робота про WEIRD-популяції показала, що висновки з вузьких західних освічених вибірок не можна автоматично трактувати як універсальні властивості людської психології. Henrich, Heine & Norenzayan, 2010.
Подальший аналіз вибірок провідних психологічних публікацій так само закликав точніше описувати популяції та обмежувати узагальнення межами даних. Rad, Martingano & Ginges, 2018. Це питання не зводиться до формальної «репрезентативності всього людства»: коректне узагальнення починається з того, яка саме популяція є ціллю конкретного дослідження.
Коли невипадкова вибірка є доречною
Невипадковий відбір може бути методологічно доречним, якщо він відповідає дослідницькому питанню й межі висновку сформульовано правильно.
• Пілотне дослідження: перевірка процедури, інструкцій, тривалості або технічної здійсненності.
• Лабораторне експериментальне дослідження механізму: зручний набір може бути прийнятним для внутрішнього експериментального порівняння, якщо причинний висновок спирається на належний дизайн, а популяційні узагальнення не перебільшуються.
• Якісне дослідження: цілеспрямований відбір може забезпечувати інформаційно насичені випадки, необхідні конкретній методології.
• Малодоступні популяції: ланцюговий відбір або спеціалізовані мережеві підходи іноді є практично єдиним шляхом доступу.
• Рідкісні характеристики: цілеспрямований набір може швидко сформувати потрібну групу для описового чи механістичного питання.
Доречність методу визначається не його престижем, а відповідністю між дослідницьким питанням, способом набору, моделлю аналізу й силою висновку.
Як обрати метод формування вибірки
Практичний вибір можна будувати від типу висновку, який має підтримати дослідження.
• Потрібно оцінити поширеність, середнє значення або інший параметр у чітко визначеній популяції — пріоритет має ймовірнісний дизайн із достатньою основою вибірки та врахуванням невідповідей.
• Потрібно надійно порівняти важливі підгрупи — стратифікований відбір або заплановане перевибірковування малих підгруп часто ефективніше за просту випадкову вибірку.
• Популяція територіально розсіяна й прямий список усіх людей недоступний або надто дорогий — кластерний чи багатоступеневий дизайн може бути реалістичним.
• Потрібно перевірити причинний ефект втручання — спосіб формування вибірки й випадковий розподіл між умовами потрібно планувати окремо.
• Потрібно дослідити досвід певної вузької групи якісно — цілеспрямований відбір може відповідати меті краще, ніж формальна вимога випадковості.
• Потрібно працювати з прихованою або мережевою популяцією — можливі метод «снігової кулі», RDS чи інші спеціалізовані стратегії, але припущення і межі популяційного висновку мають бути явними.
Вибірка, статистичні ваги та складний дизайн
У складному ймовірнісному дизайні різні учасники можуть мати різні ймовірності включення. Базова вага часто пов’язана з оберненою ймовірністю відбору, а далі можуть застосовуватися корекції невідповідей, постстратифікація, калібрування або інші процедури. Аналіз має враховувати стратифікацію, кластери й ваги, якщо саме вони визначали дизайн.
Зважування може зменшити певні дисбаланси, але не створює інформацію про невиміряні характеристики й не робить будь-яку невипадкову вибірку еквівалентом імовірнісної. Для невипадкових вибірок популяційні оцінки залежать від моделей та припущень про механізм включення й доступні допоміжні змінні. Elliott & Valliant, 2017.
Типові помилки інтерпретації
• «Ми випадково поширили посилання в соцмережах, тому вибірка випадкова». Канал поширення не задає відомих ймовірностей включення для цільової популяції.
• «Квоти за віком і статтю роблять вибірку стратифікованою». Квотний відбір залишається невипадковим, якщо всередині квот немає ймовірнісного механізму.
• «Ми рандомізували учасників, отже вибірка репрезентативна». Випадковий розподіл між умовами керує порівнянням умов, а не тим, хто потрапив до дослідження.
• «Кластерна і стратифікована вибірка — одне й те саме». У першій зазвичай відбирають частину кластерів; у другій відбирають одиниці з кожної страти.
• «Великий n компенсує зміщений набір». Велика кількість зменшує випадкову похибку, але не усуває систематичний упередження відбору.
• «Зважування робить вибірку із самовідбором випадковою». Зважування змінює внесок спостережень в оцінку, але не змінює історичний механізм їх включення.
• «Ймовірнісна вибірка завжди репрезентативна». Вона теж уразлива до помилка охоплення, невідповідей, вибування та порушень процедури.
• «Невипадкова вибірка завжди погана». Її придатність залежить від питання; проблема виникає, коли сила висновку перевищує те, що підтримує дизайн.
Що потрібно повідомляти в науковій публікації
Стандарти звітування APA для журнальних статей (Journal Article Reporting Standards, JARS) у кількісних дослідженнях вимагають прозоро описувати учасників, критерії включення й виключення, набір, розмір вибірки та інші елементи, потрібні для оцінки дизайну і відтворюваності. Appelbaum та співавт., 2018.
Для прозорого опису вибірки доцільно вказати щонайменше:
• цільову сукупність і одиницю відбору;
• основу вибірки та її відомі обмеження охоплення;
• точний метод відбору на кожному етапі;
• критерії включення й виключення;
• спосіб контакту, набору та заохочення учасників;
• кількість відібраних, запрошених, тих, хто погодився, завершив дослідження та був включений до аналізу;
• стратифікацію, кластеризацію, перевибірковування та ймовірності відбору, якщо вони застосовувалися;
• ваги й спосіб урахування складного дизайну в аналізі;
• невідповіді, вибування та інші джерела потенційного зміщення;
• популяцію, до якої автори фактично поширюють висновок.
Цей опис також допомагає оцінювати ризик упередження в дослідженнях та відділяти обмеження відбору від проблем вимірювання, аналізу чи причинного дизайну.
Місце методів вибірки в методології психології
Методи формування вибірки є частиною дизайну дослідження. Вони не тотожні загальним методам дослідження в психології і не замінюють вибір експериментального, кореляційного, поздовжнього, якісного чи змішаного дизайну. Один і той самий метод збору даних може поєднуватися з різними способами відбору.
На рівні ширшої методології психологічної науки вибірка з’єднує дослідницьке питання, популяцію, дизайн, статистичний висновок і межі узагальнення. У психологічному дослідженні коректний висновок виникає тоді, коли спосіб відбору описаний так само чітко, як змінні, процедури й аналіз.
Часті запитання
Який метод вибірки найкращий?
Універсально найкращого методу немає. Для популяційних оцінок перевагу зазвичай має належно реалізований ймовірнісний дизайн. Для якісного дослідження, пілоту або роботи з малодоступною групою інший спосіб може краще відповідати меті.
Чим проста випадкова вибірка відрізняється від стратифікованої?
Проста випадкова вибірка відбирає одиниці безпосередньо з усієї рамки. Стратифікована спочатку ділить популяцію на страти, а потім виконує окремий випадковий відбір усередині кожної.
Чим стратифікована вибірка відрізняється від кластерної?
За стратифікованого дизайну спостереження отримують із кожної страти. За кластерного спочатку випадково обирають частину кластерів, а далі працюють усередині них. Стратифікація часто підсилює контроль представлення підгруп, а кластеризація часто зменшує витрати збору даних.
Чи є квотна вибірка випадковою?
Ні, якщо всередині квот учасників набирають невипадково. Збіг часток за кількома демографічними ознаками не створює відомих імовірностей включення для кожної одиниці цільової сукупності.
Чи може зручна вибірка використовуватися в експерименті?
Так. Багато лабораторних експериментів використовують зручний набір. Внутрішнє причинне порівняння може спиратися на випадковий розподіл і контроль умов, тоді як узагальнення на ширшу популяцію потребує окремого обґрунтування.
Чи робить великий розмір вибірки невипадковий відбір надійним?
Великий n підвищує точність щодо даних, які фактично зібрані, але сам по собі не усуває систематичні відмінності між включеними й невключеними людьми.
Чи можна рахувати звичайну похибку вибірки для опитування із самовідбором?
Не за тією самою логікою, що застосовується до ймовірнісної вибірки. Для невипадкових даних оцінка невизначеності потребує явно заданої моделі та її припущень; AAPOR рекомендує описувати ці припущення разом із заявленими показниками точності.
Чи є «снігова куля» репрезентативною?
Звичайна вибірка методом «снігової кулі» не дає автоматичної підстави для репрезентативних популяційних оцінок, оскільки включення залежить від соціальних мереж і початкових учасників. Спеціалізовані мережеві методи можуть застосовувати моделі корекції, але вони потребують окремих припущень.
Що важливіше: спосіб вибірки чи розмір вибірки?
Вони відповідають на різні питання. Спосіб відбору визначає механізм включення та межі узагальнення; розмір вибірки впливає на точність і потужність за заданого дизайну. Великий розмір не замінює обґрунтованого відбору.
Пов’язані статті