Методика · 7 августа 2026 г.

Взвешивание выборки: как исправить перекос в данных опроса

Взвешивание выборки — это перерасчёт результатов опроса с поправкой на перекос в составе респондентов. Каждой группе присваивается вес: доля группы в генеральной совокупности делится на её долю в выборке, и ответы недопредставленных групп начинают считаться с большим коэффициентом, а перепредставленных — с меньшим. Если женщин среди ответивших 70%, а в вашей аудитории их 52%, каждая женская анкета получает вес 0,74, а мужская — 1,6. Ниже разберём расчёт по шагам на конкретных цифрах, посмотрим, что взвешивание делает с погрешностью, и честно назовём случаи, когда оно не помогает, а лишь маскирует проблему сбора.

Что такое взвешивание выборки и зачем оно нужно

Практически любой опрос собирает не тех людей, на которых вы рассчитывали, — точнее, не в тех пропорциях. Женщины отвечают охотнее мужчин, молодая аудитория — активнее старшей, лояльные клиенты — чаще случайных. В результате структура выборки отличается от структуры аудитории, о которой вы делаете выводы, и любой средний показатель оказывается сдвинут в сторону тех, кто ответил активнее. Взвешивание — способ математически вернуть пропорции к настоящим: вы не выдумываете новых респондентов, а меняете вклад каждого имеющегося ответа в итоговый результат.

Работает это так. Допустим, вы знаете, что в вашей клиентской базе 52% женщин, а среди ответивших их 70%. Значит, женский голос в данных звучит громче, чем в реальности, а мужской — тише. Взвешивание умножает каждый женский ответ на коэффициент меньше единицы, а каждый мужской — на коэффициент больше единицы, и после пересчёта итоговые проценты выглядят так, как если бы в опросе участвовали 52% женщин. Ключевое условие тут одно и оно жёсткое: вы должны откуда-то знать настоящие доли. Без внешнего источника правды взвешивать не по чему — и это главный практический барьер.

Формула веса и расчёт на примере

Формула простая: вес группы равен доле этой группы в генеральной совокупности, делённой на её долю в выборке. Если группа представлена ровно так же, как в реальности, вес получается равным единице и ничего не меняется. Если группы в выборке меньше, чем должно быть, вес больше единицы. Считать удобнее в долях, а не в процентах, но результат один и тот же. Полученный вес приписывается каждой анкете этой группы, и дальше все проценты, средние и индексы считаются как взвешенные: вместо простого подсчёта голосов суммируются веса.

Цифры в примере условные и нужны только для того, чтобы показать порядок расчёта. Обратите внимание на последнюю строку: группа мужчин 35+ представлена вдвое хуже, чем следует, и получает вес 2,0. Это значит, что каждый из семидесяти ответивших мужчин будет считаться за двоих — и семьдесят реальных мнений начнут определять почти треть итогового результата. Отсюда вырастает главная опасность метода: чем крупнее вес, тем сильнее случайные особенности маленькой группы влияют на общий вывод.

Откуда брать эталонные доли

Взвешивание ровно настолько достоверно, насколько достоверен источник эталонных долей. Для опросов клиентов лучший источник — собственная CRM или биллинг: там видно реальное распределение по полу, возрасту, тарифу, региону и давности покупки. Для опросов населения используют официальную статистику. Для опросов сотрудников — данные кадровой системы по подразделениям и стажу. Плохой источник — «экспертная оценка» руководителя о том, как выглядит аудитория: в этом случае вы подгоняете данные под чьё-то представление, а не под факт, и лучше не взвешивать вовсе.

• CRM и биллинг — для клиентских опросов; там доли известны точно, а не оценочно.
• Кадровая система — для опросов сотрудников: подразделение, стаж, формат работы.
• Официальная статистика — для опросов населения по полу, возрасту и типу населённого пункта.
• Аналитика сайта — только как ориентир по устройствам и регионам, но не как истина в последней инстанции.
• Данные прошлого опроса эталоном быть не могут: они собраны тем же каналом и несут тот же перекос.

Отдельная ловушка — брать эталонные доли из прошлого опроса. Кажется логичным: данные под рукой, признаки те же. Но прошлый опрос собирался тем же каналом и с тем же перекосом, поэтому вы выравниваете выборку по искажённому образцу и закрепляете ошибку вместо того, чтобы её исправить. Эталон обязан приходить из источника, независимого от опроса: из системы, где записаны все клиенты или все сотрудники, а не только ответившие. Если такого источника нет вообще, это честный повод отказаться от взвешивания и просто описать состав выборки как есть.

Взвешивание по одному признаку: пошагово

1. Выберите признак, по которому есть надёжные внешние доли и который реально связан с темой опроса.
2. Посчитайте фактические доли групп в собранных данных — после чистки, а не до неё.
3. Разделите эталонную долю на фактическую и получите вес для каждой группы.
4. Припишите вес каждой анкете и пересчитайте все показатели как взвешенные суммы.
5. Сравните взвешенные и невзвешенные результаты: расхождение и есть цена перекоса.
6. Посчитайте эффективный размер выборки и указывайте погрешность именно по нему, а не по числу собранных анкет.

Последний шаг важнее, чем кажется. Если взвешенные и невзвешенные результаты отличаются на доли процента, перекос не влиял на выводы — и взвешивание можно смело не применять, упростив себе отчёт. Если же разница составляет пять-десять пунктов, это само по себе находка: она означает, что ответ сильно зависит от признака, по которому у вас перекос, и об этом стоит написать отдельно. Всегда показывайте обе цифры, а не только удобную: подмена невзвешенного результата взвешенным без упоминания — это уже не методика, а редактирование реальности.

Несколько признаков сразу: ячейки и последовательное выравнивание

Когда признаков больше одного, есть два подхода. Первый — ячейки: вы делите выборку на все сочетания признаков (пол × возраст × регион) и считаете вес для каждой ячейки. Способ точный, но быстро упирается в арифметику: три признака по три градации дают двадцать семь ячеек, и в каждой должно остаться достаточно людей. Второй подход — последовательное выравнивание: вы выравниваете выборку по одному признаку, затем по второму, потом снова по первому, и так по кругу, пока доли не сойдутся со всеми эталонами одновременно. Он требует лишь общих долей по каждому признаку отдельно и потому применяется чаще.

Сколько признаков брать — вопрос дисциплины, а не возможностей. Разумный предел для большинства прикладных опросов — два-три признака, действительно связанных с темой. Каждый добавленный признак дробит выборку, растягивает разброс весов и съедает точность, а прирост достоверности при этом быстро сходит на нет. Выбирайте признаки не по доступности, а по силе связи с ответом: если по возрасту ответы расходятся заметно, а по региону почти нет, взвешивайте по возрасту и оставьте регион в покое. Проверить связь просто — сравните ответы групп до всякого взвешивания.

Что взвешивание делает с погрешностью

Главная плата за взвешивание — точность. Неравные веса всегда увеличивают погрешность, потому что итог начинает сильнее зависеть от небольшого числа анкет с крупными весами. Для оценки потерь считают эффективный размер выборки: квадрат суммы весов, делённый на сумму квадратов весов. Смысл показателя такой: пятьсот анкет с сильно разбросанными весами дают точность, сравнимую, например, с тремястами анкетами без взвешивания. Иными словами, вы обменяли часть статистической точности на снижение систематического перекоса — и это осмысленный обмен, но он должен быть осознанным.

Практический вывод: считайте эффективный размер выборки до того, как объявите результаты, и указывайте погрешность именно по нему, а не по исходному числу анкет. Если после взвешивания эффективный размер падает ниже сотни, выводы по подгруппам делать уже нельзя, как бы красиво ни выглядела итоговая таблица. И отдельно проверьте, не тянет ли весь сдвиг результата одна маленькая группа с максимальным весом: уберите её и посмотрите, устоял ли вывод.

Когда взвешивать не нужно и когда нельзя

Взвешивание не нужно, если перекос небольшой или признак не связан с темой. Перекос по полу в опросе про скорость загрузки приложения, скорее всего, ни на что не влияет — проверьте это, сравнив ответы групп, и не усложняйте отчёт. Взвешивать нельзя в двух случаях. Первый: вы не знаете настоящих долей и берёте их из головы. Второй: перекос вызван не разной активностью групп, а тем, что целый пласт аудитории вообще не имел шанса попасть в опрос — например, ссылка ушла только активным пользователям приложения. Во втором случае среди ответивших просто нет представителей нужной группы, и умножать не на что.

Гораздо надёжнее решать задачу на входе, а не на выходе. Квоты при сборе работают лучше весов при расчёте: вы заранее решаете, сколько ответов нужно от каждой группы, и продолжаете сбор, пока квоты не закроются, а лишние анкеты перепредставленных групп просто перестаёте принимать. Тогда пропорции сходятся сами и вес всем анкетам остаётся равный единице. Минус в том, что квоты удлиняют сбор и требуют скрининга на первом экране, поэтому в быстрых внутренних опросах их часто пропускают — и потом взвешивают. Это рабочий компромисс, если помнить, чем он оплачен.

Ограничения метода

Взвешивание исправляет только тот перекос, который вы измерили и по которому у вас есть эталон. Оно молча оставляет нетронутыми все прочие различия между ответившими и молчавшими. Люди, готовые тратить время на опросы, отличаются от остальных не только полом и возрастом: они обычно более вовлечены, лучше относятся к бренду и внимательнее к деталям. Ни один вес по демографии этого не выравнивает — после взвешивания вы получаете выборку, похожую на аудиторию по анкетным признакам и по-прежнему непохожую по мотивации. Именно поэтому взвешивание не заменяет нормального сбора данных.

Практический ориентир такой: если взвешивание меняет картину радикально, доверять стоит не результату, а сигналу о том, что сбор прошёл плохо. Лучший вариант — исправить сам сбор: расширить канал, добавить квоты на входе, дособрать недостающие группы адресно. В сервисе «До Сути» опрос собирается из задачи текстом и ответы разбираются автоматически, но никакой инструмент не восстановит мнение группы, которая до опроса не дошла, — здесь помогает только другой канал распространения, а не расчёт.

Типичные ошибки при взвешивании

Ошибки при взвешивании редко выглядят как ошибки: процедура математически корректна на каждом шаге, а вывод получается неверный. Чаще всего причина в том, что метод применяют механически — потому что «так принято в исследованиях», а не потому, что в конкретных данных есть перекос, влияющий на ответ. Второй источник проблем — молчание: процедуру не описывают, и читатель отчёта видит аккуратные проценты, не зная, что за ними стоит пересчёт с весами до пяти. Ниже собраны ошибки, которые встречаются чаще всего.

• Взвешивать по признаку, никак не связанному с темой опроса, — это добавляет погрешность без пользы.
• Брать эталонные доли по ощущениям, а не из CRM, кадровой системы или официальной статистики.
• Оставлять экстремальные веса выше пяти вместо того, чтобы честно признать нехватку данных по группе.
• Считать погрешность по исходному числу анкет, а не по эффективному размеру выборки.
• Публиковать только взвешенный результат, не показывая исходный и не описывая процедуру.
• Взвешивать до чистки данных: исключение анкет меняет фактические доли, и веса придётся пересчитывать.

Как решить, нужно ли вам взвешивание

Решение сводится к трём вопросам. Есть ли у вас надёжный источник эталонных долей? Отличается ли состав выборки от него заметно — хотя бы на пять-семь пунктов по значимой группе? Влияет ли этот признак на ответы, то есть отвечают ли группы по-разному? Только если на все три вопроса ответ «да», взвешивание оправдано. В остальных случаях правильнее описать перекос словами прямо в отчёте: читатель сам сделает поправку, и это честнее, чем ряд аккуратных цифр, за которыми не видно, что треть аудитории почти не была опрошена.

Если вы всё же взвешиваете, добавьте в отчёт короткий методический абзац: по каким признакам считались веса, откуда взяты эталонные доли, каков диапазон полученных весов и какой получился эффективный размер выборки. Четыре предложения снимают почти все вопросы к цифрам и заодно защищают вас самих: через полгода вы вряд ли вспомните, почему у мужчин старшей группы стоял вес 2,0. Рядом полезно показать невзвешенный результат — расхождение между двумя колонками само по себе говорит читателю, насколько сильно перекос влиял на выводы.