Извадка и представителност: как 1000 души говорят за цялата страна

Едно национално проучване в България обикновено разпитва около хиляда пълнолетни. От тях се прави извод за нагласите на близо шест милиона души с право на глас. Това изглежда като скок на доверието, но зад него стои добре проверена логика: ако хората в извадката са избрани правилно, техните отговори се отклоняват от отговорите на всички само в известни и измерими граници.

Какво е извадка

Евростат определя изчерпателно извадковото изследване: то събира данни само за част от съвкупността, наречена извадка, а резултатите се използват, за да се оценят характеристиките на цялата съвкупност. Затова извадката трябва да е представителна. Думата „съвкупност“ тук означава всички, за които искаме да знаем нещо: пълнолетните граждани, хората с право на глас или само тези, които наистина ще гласуват. Кратко определение има в речника: извадка.

Между съвкупността и извадката стои още едно понятие: рамката на извадката, т.е. списъкът или картата, от които реално се тегли. Курсът по наука за данните Data 100 на Калифорнийския университет в Бъркли описва трите нива точно така: съвкупност, рамка и самата извадка, която е подмножество на рамката. Ако рамката изпуска някого, никакъв голям брой интервюта не поправя пропуска.

Случайност, а не количество

Класическият пример е от изборите в САЩ през 1936 г. Списание Literary Digest изпраща анкета на 10 милиона души, взети от телефонни указатели, абонаменти и списъци на клубове. Отговарят около 2,4 милиона, т.е. около 24%. Сред тях 43% подкрепят Рузвелт и списанието предсказва победа на опонента му. Рузвелт печели с 61% от гласовете. Джордж Галъп използва извадка от 50 000 души и дава на Рузвелт 56%, много по-близо до резултата.

Грешката на Literary Digest има две части. Първо, рамката (телефони, клубове) изключва систематично част от избирателите: това е грешка на подбора. Второ, отговорилите не приличат на неотговорилите: това е грешка от неотговаряне. И двете не намаляват, когато просто се изпратят повече анкети.

Какво прави една извадка представителна

Представителна е извадката, в която всяка група от съвкупността присъства приблизително в своя дял. Сигурният начин да се стигне дотам е вероятностният подбор: всеки човек има известен и ненулев шанс да попадне в извадката. AAPOR подчертава, че само при такива извадки има смисъл да се говори за статистическа грешка в класическия смисъл. При онлайн проучвания с доброволно записали се участници тази мярка не е приложима и асоциацията препоръчва предпазливост.

На практика агенциите в България рядко теглят хората направо от един общ списък. Обичайно е многостепенното теглене: първо се избират населени места или изборни секции (често поотделно за всяка област и тип населено място, т.е. по слоеве), а след това домакинства и хора в тях. Например Алфа Рисърч описва проучването си от 23 февруари до 2 март 2026 г. като проведено сред 1000 пълнолетни с „стратифицирана двустепенна извадка с квота по основните социално-демографски признаци“ и пряко интервю с таблети по домовете. Квотата означава, че на последната стъпка анкетьорът попълва зададен брой хора по пол, възраст или образование, а не тегли напълно случайно. Повече за разликата има в „Представителна извадка“.

Претеглянето

Дори добре изтеглената извадка рядко съвпада точно със съвкупността: едни групи отговарят по-охотно от други. Затова резултатите се претеглят, т.е. отговорите на недостатъчно представените групи получават по-голяма тежест. Насоките на ESOMAR и WAPOR изискват при публикуване да се каже дали е използвано претегляне и по какви общи признаци, например по данни от преброяването или по резултата от предишни избори. Самите алгоритми могат да останат вътрешни.

Претеглянето има цена. AAPOR отбелязва, че начинът на подбор и корекциите увеличават реалната грешка над простата формула (така нареченият ефект на плана). Колкото по-големи са корекциите, толкова по-несигурен е резултатът, дори броят на интервютата да не се променя.

Как да проверите едно проучване

Насоките на ESOMAR и WAPOR изброяват минимума, който трябва да е достъпен за всеки публикуван резултат:

• кой е провел проучването и кой го е платил;
• каква съвкупност представя: всички пълнолетни, имащите право на глас или вероятните избиратели;
• реалният брой проведени интервюта и географският обхват;
• датите на теренната работа;
• методът на подбор и начинът на интервюиране (лично, по телефона, онлайн);
• дали и как резултатите са претеглени;
• делът на отговорите „не знам“ и „няма да гласувам“.

Ако някое от тези неща липсва, резултатът трябва да се чете с повече резерви. Колко точно е едно число при дадена извадка, обясняваме в „Статистическа грешка“, а как изглежда всичко това на практика, се вижда в архива с проучванията преди всеки избор.