Tema 4.

Proiectarea unui sondaj de tip cluster

Sondajul de serii se poate considera cel mai utilizat sondaj probabilistic. El este preferat
sondajului simplu aleator chiar dacă acesta este mai facil şi mai cunoscut.
Sondajului de serii este foarte important deoarece stă, alături de sondajul stratificat, la baza
sondajelor complexe asupra forţei de muncă, reprezentative la nivel naţional.
Eşantionarea simplă aleatoare presupune existenţa unei baze complete de sondaj din care
urmează să se extragă individual fiecare unitate ce va forma eşantionul. Acest lucru este rareori
disponibil şi ar costa prea mult realizarea unor astfel de baze . În schimb, se pot construi baze de
sondaj compuse din grupuri de elemente numite serii. Aceste serii constituie unităţi complexe
(întreprinderi, secţii de votare, blocuri de locuinţe, grupe de studenţi, gospodăria) care de cele mai
multe ori reprezintă forme de organizare a populaţiei.
Pentru a asigura reprezentativitatea eşantionului este necesar ca acesta să reprezinte o
structură asemănătoare cu cea a populaţiei fiind constituit tot din unităţi complexe. Odată selectată o
serie, unităţile simple ce o compun vor fi cercetate în totalitate.
Fiecare serie este constituită din unităţi simple ce pot fi definite prin caracteristici proprii ce
prezintă interes pentru ancheta realizată. Ea trebuie definită fără ambiguitate, fiind utilizată ca unitate
de eşantionare. Mărimea seriilor poate fi cunoscută sau necunoscută iar seriile pot fi de mărimi egale
sau inegale.

Situaţiile cele mai frecvente când se utilizează sondajul de serii:

1. controlul loturilor de producţie când produsele (unităţi simple) sunt livrate sub forma unor
pachete, containere (unităţi complexe);
2. estimarea rezultatelor parţiale la alegeri, buletinele de vot fiind grupate în pachete de câte
100 de bucăţi;
3. studii ecologice, terenul fiind împărţit în suprafeţe egale;
4. studii medicale, unităţile sanitare constituind seriile iar pacienţii unităţile simple ce le
formează;
5. anchete asupra populaţiei când se utilizează ca unitate de selecţie gospodăria;
6. când se doreşte realizarea unui sondaj ce trebuie să aibă o arie mare de acoperire,
suprafaţa teritorială se va împărţi în zone ce vor forma unităţile complexe urmând ca toate
persoanele cu domiciliul în zona selectată să completeze chestionarul;
7. anchetele în rândul pasagerilor transporturilor aeriene când pasagerii constituie unităţile
simple şi sunt grupaţi pe zboruri etc.
Majoritatea populaţiilor supuse cercetării nu sunt omogene variaţia totală a populaţiei fiind
formată din variaţia din interiorul seriilor pe de o parte şi de variaţia dintre seriile ce o compun pe de
altă parte.
În cazul sondajului de serii eroarea medie de reprezentativitate depinde de variaţia dintre seriile
ce formează populaţia. Într-o astfel de populaţie compusă din unităţi complexe caracterul omogen sau
neomogen al acesteia se transmite şi seriilor din care este formată.
Astfel, dacă o gospodărie este considerată o serie, membrii ei vor diferi între ei după sex,
vârstă, venit, nivel de pregătire, categorie socială, prezentând un grad de variaţie similar populaţiei.
Dacă seria este formată dintr-un pachet de produse de acelaşi fel omogenitatea seriei va fi ridicată
corespunzător întregului lot de produse.
 Eroarea medie de sondaj depinde doar de variaţia dintre seriile populaţiei deoarece, cealaltă
componentă a variaţiei totale (media dispersiilor din interiorul seriilor), se consideră a fi reflectată în
eşantion.

Avantajele sondajului de serii:

1. asigură un nivel rezonabil de precizie a rezultatelor, eroarea medie de reprezentativitate

fiind influenţată doar de variaţia dintre serii;
2. reducerea costurilor şi a timpului necesar culegerii datelor. Aceste cheltuieli descresc odată
cu reducerea distanţei ce separă unităţile simple;
3. uşurinţa obţinerii unei baze de sondaj pentru serii comparativ cu obţinerea unei baze
complete ce să conţină toate elementele populaţiei mai ales că, de cele mai multe ori
populaţia este deja grupată în serii;
4. rezolvă problema dispersării geografice. Planurile de eşantionare precedente ce selectează
unităţi simple nu pot evita împrăştierea în teritoriu a unităţilor ce compun eşantionul. Vom
prefera selectarea unităţilor grupate pe regiuni geografice.

Criteriile pe care trebuie să le îndeplinească seriile:

1. să fie clar delimitate din punct de vedere fizic pentru a nu da naştere la ambiguităţi şi a fi
uşor de identificat;
2. unităţile componente trebuie să se situeze la distanţe relativ mici unele faţă de altele. În caz
contrar costurile vor fi ridicate, contrar obiectivului principal al acestui procedeu de
eşantionare;
3. seriile nu trebuie să conţină un număr prea mare de elemente;
4. pe cât posibil să se evite „efectul de serie”. Atunci când stabilirea seriilor se face pe criterii
geografice s-a constatat de către unii autori că există o tendinţă de asemănare a
elementelor apropiate. În acest caz seriile vor avea un nivel scăzut al variaţiei interne şi un
grad mare de variaţie între serii, pierzând substanţial din precizie.

Compararea sondajului de serii cu cel stratificat

Considerăm că populaţia supusă cercetării este împărţită în subpopulaţii (straturi sau serii pe
care le vom denumii clase). Variaţia totală a populaţiei (calculată pornind de la abaterea faţă de medie
a tuturor elementelor populaţiei) este formată din variaţia inter-clase (calculată pornind de la abaterea
mediei fiecărei clase fată de media populaţiei) şi variaţia intra-clase (calculată ca medie ponderată a
variaţiilor din fiecare clasă).
În cazul în care putem descompune populaţia în clase cu un grad ridicat de omogenitate internă
dar foarte diferite între ele vom avea condiţii ideale pentru aplicarea eşantionării stratificate.
Din contră, dacă putem descompune populaţia în clase cu un nivel ridicat al variaţiei interne dar
foarte asemănătoare între ele este recomandat să utilizăm sondajul de serii.

Alegerea planului de sondaj în funcţie de tipul variaţiei

 2 2
Variaţia intra-clase σ̄ Variaţia inter-clase δ Plan de eşantionare recomandat

Slabă Puternică Sondaj stratificat

Puternică Slabă Sondaj de serii

Probleme ce se pun în momentul organizării uni sondaj de serii:

1) Definirea seriilor. Seriile pot fi formate în următoarele moduri:

o prin gruparea naturală a unor elemente naturale (cuiburile cu pui );
o prin gruparea naturală a unor elemente artificiale (suprafaţă cultivată divizată în loturi);
o prin gruparea artificială de elemente naturale (curse pentru capturarea dăunătorilor);
o prin gruparea artificială de elemente artificiale .

2) Alegerea mărimii seriilor. În cazul în care constituirea seriilor este făcută artificial putem alege
talia seriilor. Pe cât posibil ele trebuie să aibă acelaşi număr de elemente şi să faciliteze desfăşurarea
activităţii pe teren. „Dacă deplasarea între serii este costisitoare vom preferă să formăm serii cu o
dimensiune cât mai mare. O alegere raţională între două mărimi de serii poate fi efectuată aplicând
principiul celui mai mic cost pentru o precizie fixată sau cea mai mică variaţie dintre serii pentru un cost
fix”1. Acest lucru este posibil atunci când avem informaţii despre variaţia dintre serii. În cazul în care
seriile sunt constituite în mod natural nu putem controla mărimea seriilor acestea putând fi de mărimi
diferite sau necunoscute.

3) Extragerea seriilor. Obţinerea informaţiilor privind mărimea seriilor înaintea selectării

eşantionului sunt foarte importante pentru alegerea procedeului de selecţie corespunzător.
Incapacitatea obţinerii unor astfel de informaţii nu ne va împiedica să utilizam eşantionarea
probabilistică. Procedeul de selecţie cel mai des utilizat este cel simplu aleator cu sau fără revenire. El
se pretează atunci când nu există diferenţe semnificative de mărime între serii. În caz contrar se va
utiliza o selecţie sistematică cu probabilităţi inegale, proporţionale cu mărimea seriilor sau cu o
estimare a acesteia prin intermediul unei variabile puternic corelate cu numărul de elemente.

1
Vaillant J.,Université des Antilles-Guyane, Département de Mathématique et Informatique, Notion de base en
échantillonnage, pg. 42