Методика · 16 сентября 2026 г.

Виды выборки в опросах: как выбрать между вероятностной и квотной

Выборка в опросе — это способ отобрать часть аудитории, по которой судят обо всех. Способов отбора несколько, и они делятся на два семейства: вероятностные, где у каждого человека из генеральной совокупности известен и ненулевой шанс попасть в выборку, и невероятностные, где отбор идёт по удобству или заданным долям без случайности. Внутри вероятностных различают случайную, стратифицированную и кластерную выборку, внутри невероятностных — квотную и метод снежного кома. Выбор метода определяет не только точность оценок, но и то, какие выводы вообще можно делать: строгую статистику или только рабочую гипотезу. Ниже — как устроен каждый тип, когда он оправдан и на чём эта классификация ломается на практике.

Зачем вообще думать о способе отбора

Большинство обсуждений выборки в опросах сводится к одному вопросу: сколько человек нужно. Это неверная постановка. Тысяча случайно отобранных респондентов даёт куда более надёжную оценку, чем десять тысяч тех, кто сам откликнулся на пост в соцсети, — потому что во втором случае неизвестно, кого выборка систематически не захватила. Способ отбора определяет, можно ли вообще распространять результат на всю аудиторию, а размер выборки влияет лишь на точность этой оценки внутри уже выбранного метода. Сначала выбирают способ, потом считают объём — не наоборот.

Разница между способами отбора не абстрактная теория, а то, что напрямую видно в отчёте. Опрос по случайной выборке позволяет написать «доля недовольных среди всех клиентов составляет от 18 до 24% с вероятностью 95%» — и это утверждение обосновано математически. Опрос по невероятностной выборке такого права не даёт: можно сказать только «среди ответивших доля недовольных — 21%», без переноса на всех клиентов. Оба опроса бывают полезны, но путают их постоянно, и именно эта путаница — источник половины завышенных ожиданий от результатов исследований.

Вероятностная и невероятностная выборка: главное отличие

У вероятностной выборки есть одно строгое условие: для каждого элемента генеральной совокупности известна и отлична от нуля вероятность попасть в выборку. Это условие звучит формально, но из него следует всё остальное — возможность считать доверительные интервалы, оценивать погрешность, распространять выводы на всю совокупность. Невероятностная выборка этого условия не выполняет: часть людей вообще не могла попасть в опрос — потому что их нет в базе, они не подписаны на канал рассылки или сами не захотели откликнуться, — и оценить, насколько это искажает результат, формально нельзя.

На практике граница размывается. У онлайн-опроса по базе клиентов формально есть список, из которого можно тянуть случайную выборку, но реально ответит не тот, кого отобрали, а тот, кто захочет открыть письмо, — и это уже смещение отклика поверх вероятностного отбора. Строгая вероятностная выборка в чистом виде встречается редко: полностью её обеспечивают, пожалуй, только офлайн-опросы с личным контактом по случайно выбранным адресам. Практический вывод — не искать идеал, а понимать, какое смещение конкретный метод добавляет, и учитывать его при интерпретации.

Случайная выборка: самый строгий вероятностный метод

Случайная выборка — отправная точка всей вероятностной группы: из полного списка аудитории через генератор случайных чисел отбирают нужное число элементов, и у каждого шанс попасть в опрос одинаков. Метод работает, только если список действительно полный и актуальный — база клиентов CRM, список сотрудников, реестр подписчиков. Без такого списка случайная выборка невозможна физически: нельзя случайно отобрать из того, чего у вас на руках нет целиком. Это первое, что стоит проверить перед тем, как обещать себе «репрезентативную случайную выборку» в проекте.

На практике метод почти никогда не встречается в одиночку. Списочная случайная выборка сталкивается с неполным откликом: разослали приглашение тысяче случайно отобранных клиентов, ответили двести — и уже эти двести не случайны, а самоотобраны из тех, кому было не лень открыть письмо. Это не делает метод бесполезным, но означает, что итоговая точность ниже заявленной по формуле, а отчёт стоит сопровождать оговоркой про отклик. Подробный разбор самого метода — с формированием списка, генераторами чисел и системным вариантом отбора через каждого n-го — в отдельном материале про случайную выборку.

Стратифицированная выборка: когда аудитория неоднородна

Стратифицированная выборка решает конкретную проблему простой случайной: если в аудитории есть малочисленный, но важный сегмент — например, корпоративные клиенты среди преимущественно розничных, — случайный отбор может забрать в выборку три-четыре таких клиента, и любые выводы по сегменту окажутся статистическим шумом. Стратификация делит список на группы по значимому признаку заранее и набирает внутри каждой свою случайную выборку нужного размера, гарантируя, что редкий сегмент попадёт в исследование в достаточном количестве, а не по случайности.

Здесь есть развилка: набирать страты пропорционально их доле в генеральной совокупности или намеренно перебрать редкие сегменты, чтобы внутри каждого была статистически осмысленная выборка, а потом привести общий результат к реальным пропорциям через взвешивание. Второй вариант используется чаще в B2B и нишевых аудиториях, и без него сравнение сегментов между собой становится ненадёжным. Как считать размер каждой страты, как выбирать между пропорциональным и непропорциональным распределением и как потом не забыть про веса — в отдельном материале про стратифицированную выборку.

Кластерная выборка: вероятностный метод для разбросанной аудитории

Кластерная выборка нужна, когда полного списка отдельных людей нет, а есть список групп, в которые эти люди естественно объединены: филиалы сети, города, школы, отделения банка. Метод случайно отбирает не отдельных людей, а сами группы — кластеры, — а внутри отобранных кластеров опрашивают всех или почти всех. Логика в том, что составить список из десяти тысяч клиентов по всей стране дорого, а список из шестидесяти филиалов есть у любой сети, и случайно отобрать пятнадцать из них — задача на пять минут.

Плата за удобство — точность ниже, чем у равного по размеру простого случайного отбора, потому что люди внутри одного кластера обычно похожи друг на друга: клиенты одного филиала ближе по доходу и привычкам, чем случайная пара клиентов из разных городов. Формально это называют эффектом дизайна, и при расчёте объёма выборки для кластерного метода его нужно закладывать отдельной поправкой, иначе итоговая точность окажется завышенной на бумаге. Для опросов клиентов сети из полусотни точек кластерный отбор пятнадцати-двадцати филиалов с полным опросом внутри почти всегда честнее, чем попытка равномерно распределить анкеты «на глаз» по всем точкам сразу.

Квотная выборка: невероятностный метод под ограниченный бюджет

Квотная выборка задаёт доли по значимым признакам — полу, возрасту, региону, типу клиента — и набирает респондентов до выполнения каждой квоты, но без случайного отбора внутри неё: кто согласился отвечать, тот и вошёл в свою ячейку. Внешне итоговая структура выборки выглядит как у населения — правильные пропорции по возрасту и полу, — но внутри каждой ячейки сидит не случайный, а самоотобранный или удобно найденный человек, и формальные доверительные интервалы для такой выборки не считаются, хотя на практике их иногда всё равно приводят, что методологически некорректно.

Метод востребован там, где полного списка аудитории нет и не будет — уличные опросы, панели онлайн-респондентов, быстрый сбор мнений по рынку в целом. Дешевле и быстрее вероятностных аналогов, но качество сильно зависит от дисциплины: если интервьюер, набирая мужчин 25–34 лет, стабильно подходит к тем, кто выглядит дружелюбнее, квота выполнится по цифрам, а по составу выборка сместится в сторону определённого типа людей. Как задавать параметры квот, контролировать их выполнение и не путать метод со стратифицированной выборкой — в отдельном материале про квотную выборку.

Метод снежного кома: когда респондентов больше негде искать

Снежный ком — крайний невероятностный случай, применяемый для труднодоступных или скрытых аудиторий: узкоспециализированных B2B-экспертов, людей с редким заболеванием, участников закрытых сообществ, где открытого списка членов попросту не существует. Начинают с нескольких «затравочных» респондентов, а дальше каждый приводит следующих из своего круга контактов, и выборка растёт цепочкой рекомендаций, как снежный ком. Иногда это единственный способ вообще добраться до нужной аудитории — прямой рекламы или рассылки по такому кругу лиц может не быть в принципе.

Главная опасность метода — гомофилия: люди чаще рекомендуют похожих на себя, и выборка постепенно смещается в сторону одного круга общения, одной точки зрения, одного профессионального лагеря. Частично сгладить эффект помогает несколько независимых затравочных точек входа и ограничение длины цепочки от каждой из них, но полностью убрать смещение нельзя — оно встроено в саму механику метода. Подробнее о запуске снежного кома, контроле цепочек и типичных провалах — в отдельном материале про метод снежного кома.

Как выбирать тип выборки под задачу

Выбор начинается не с предпочтений, а с двух вопросов: есть ли полный список аудитории и нужна ли формальная точность оценки, которую можно будет отстоять перед руководством или клиентом. Если список есть и точность критична — берут случайную или стратифицированную выборку. Если список есть, но аудитория территориально разбросана и опросить всех дорого — кластерную. Если списка нет вовсе, а бюджет и сроки ограничены — квотную. Если аудитория скрытая и труднодоступная — снежный ком, с чётким пониманием, что итог годится для гипотез, а не для точных долей.

1. Определите, существует ли полный список генеральной совокупности — CRM, реестр, база подписчиков.
2. Если список есть, проверьте, однороден ли объект: важен ли отдельно малый сегмент внутри аудитории.
3. Однородная аудитория со списком — случайная выборка; неоднородная — стратифицированная.
4. Список есть, но аудитория территориально разбросана и опрос всех дорог — кластерная выборка.
5. Списка нет, но известны доли по ключевым признакам — квотная выборка с контролем набора.
6. Аудитория скрытая, без открытого доступа и без списка — метод снежного кома, с оговоркой о смещении.
7. Определите заранее, нужен ли формальный доверительный интервал — если да, невероятностные методы не годятся.

Ограничения

Ни один метод не даёт идеальной выборки. У вероятностных методов главное ограничение — неполный отклик: даже случайно отобранные респонденты отвечают не все, и итоговая выборка ответивших уже частично самоотобрана. У невероятностных методов ограничение встроено изначально — формальную погрешность для них не считают, а любые проценты в отчёте нужно сопровождать оговоркой, что это доля среди ответивших, а не оценка для всей аудитории. Смешивать данные, собранные разными методами, в одну сводную цифру без пометки о способе сбора — методологическая ошибка независимо от того, насколько аккуратно был выполнен каждый отдельный этап.

Второе общее ограничение — цена точности. Строго вероятностная выборка с полным списком, случайным отбором и высоким откликом стоит дорого и требует времени, которого часто просто нет к моменту принятия решения. Реалистичная позиция — не гнаться за недостижимым идеалом, а честно указывать, какой метод использован и что это значит для надёжности выводов, оставляя решение о допустимом риске тому, кто будет действовать по результатам.

Типичные ошибки

• Считать доверительный интервал для квотной выборки или выборки, собранной методом снежного кома.
• Путать стратификацию с квотированием — в стратификации отбор внутри группы случайный, в квоте — нет.
• Собирать удобную выборку и выдавать её результаты за репрезентативные без оговорок.
• Игнорировать эффект дизайна при кластерной выборке и занижать реальную погрешность.
• Смешивать данные, собранные разными методами, в одну сводную цифру без пометки о способе сбора.
• Выбирать метод по привычке или удобству, а не по наличию списка аудитории и требованиям к точности.

С чего начать

Прежде чем выбирать инструмент для опроса, ответьте на один вопрос письменно: есть ли у вас полный список людей, о которых вы хотите сделать вывод. Если да — половина решения уже принята, остаётся выбрать между случайной и стратифицированной выборкой по признаку однородности аудитории. Если списка нет, честно определите, для чего нужен результат: для точной цифры в отчёте совету директоров или для рабочей гипотезы, которую потом можно будет проверить точнее. Это решение стоит принять до старта сбора, а не объяснять задним числом, почему цифры оказались приблизительными.

Дальше выбранный список или квоты переносятся в инструмент сбора. В сервисе «До Сути» опрос собирается по прямой ссылке или встраивается на сайт, но сам способ отбора респондентов — случайный из базы, по квотам или через цепочку рекомендаций — остаётся задачей исследователя: инструмент собирает ответы, а репрезентативность выборки обеспечивает то, как именно ссылка была разослана и кому.