Количественные исследования: что это, где применяется и как освоить

Новички часто считают, что «количественное» значит «много ответов». Но объём выборки уменьшает только случайный разброс. Неудачная формулировка, перекос в том, кто ответил, и недобросовестные респонденты дают систематическую ошибку, которая не исчезает ни при тысяче, ни при ста тысячах анкет. Поэтому главная работа приходится на время до рассылки и на чистку данных после неё.

Что измеряют и когда нужен другой метод

Социолог сравнивает по районам, какая доля жителей поддерживает перенос остановки. Маркетолог раз в квартал по одной анкете отслеживает, сколько людей знают марку и пробовали её. HR-специалист ищет в опросе вовлечённости подразделения, где растёт риск увольнений. UX-исследователь выясняет, какая доля пользователей сталкивается с проблемой, найденной на интервью.

Общее у этих задач одно: варианты ответа уже известны, и нужно узнать, как они распределены. Если причины недовольства пока неизвестны, начинают с интервью, иначе в анкету попадут ваши догадки. А если важно, что люди делают, а не что говорят, честнее смотреть на данные о поведении или ставить эксперимент.

Учебный пример: опрос вовлечённости в сети клиник

Ситуация вымышленная. В сети из 14 клиник работают 1 200 человек, весной уволилось заметно больше медсестёр, чем обычно. HR-специалисту нужно понять, где риск ухода выше и связан ли он с графиком работы.

Вовлечённость одним вопросом не измерить, поэтому её раскладывают на утверждения: «Я порекомендовал бы клинику знакомому как место работы», «Я планирую работать здесь через год», «Мой руководитель замечает хорошую работу». К каждому утверждению прилагается пятибалльная шкала Лайкерта — от «совершенно не согласен» до «полностью согласен». Итог — доля ответов «скорее согласен» и «полностью согласен». Результаты показывают только по группам от десяти человек, иначе пропадает анонимность, а с ней и честные ответы.

Опрашивают всех, но ответили 55 %, причём неравномерно. Медсёстры составляют 50 % штата и лишь 35 % ответов, врачи — 35 % и 40 %, администраторы — 15 % и 25 %. Работать через год собираются 50 % ответивших медсестёр, 70 % врачей и 80 % администраторов. Простое среднее по анкетам даёт 65,5 %. Если взвесить группы по доле в штате, то есть умножить ответы медсестёр на 50/35, врачей на 35/40, администраторов на 15/25, выходит 61,5 %. Четыре пункта — плата за то, что охотнее отвечали самые лояльные.

Затем строят таблицу сопряжённости — распределение ответа по группам. При сменном графике остаться планируют 48 % из 210 ответивших, при дневном — 68 % из 450. Критерий хи-квадрат показывает, что при таких объёмах случайно этот разрыв почти не возникает. Но смены чаще всего у медсестёр, поэтому ту же таблицу строят внутри каждой должности. Если разрыв сохраняется и там, разговор о графике обоснован.

Взвешивание исправляет перекос только по тем признакам, которые известны заранее, — здесь по должности. Если среди медсестёр ответили в основном довольные, ни один вес этого не покажет.

Формулировки и шкалы: где ломается измерение

Шкала согласия удобна, но у неё есть известный дефект — склонность соглашаться с любым утверждением, если своего мнения нет. Поэтому часть утверждений формулируют в обратную сторону («Я часто думаю об уходе»), а там, где можно, заменяют согласие прямым вопросом со своей шкалой: «Как часто за последний месяц вы задерживались после смены?» — «никогда», «один-два раза», «каждую неделю», «почти каждый день».

Вторая частая ошибка — менять формулировку между волнами: если прошлогоднее «удовлетворены ли вы» сменилось на «довольны ли вы», сдвиг мог вызвать не настроение, а слово. Влияет и порядок: общий вопрос задают раньше частных, иначе ответ окрашивается последним прочитанным пунктом. Перед запуском анкету проверяют пилотом на 20–30 респондентах: ищут вопросы, где все выбирают один ответ или много пропусков, и засекают время заполнения.

Выборка, квоты и онлайн-панели

Внутренний опрос может охватить всех. С клиентами и жителями так не выйдет, и выбирают между вероятностной выборкой, где у каждого есть известный шанс попасть в опрос, и квотной, где набирают нужное число людей по полу, возрасту и региону. Квоты повторяют структуру населения, но внутри квоты оказываются те, кого проще всего найти. Быстрее и дешевле всего — онлайн-панели, куда люди записываются сами и получают баллы за анкеты.

Насколько это опасно, показали методологи Pew Research Center. В докладе Кортни Кеннеди и соавторов (Pew Research Center, 2020) сравнили больше 60 тысяч интервью из шести источников. В трёх панелях с самостоятельной записью от 4 до 7 % участников оказались фиктивными: отвечали ради вознаграждения, не вчитываясь, и тяготели к положительным вариантам. В панелях, набранных случайным отбором почтовых адресов, таких было не больше 1 %. Проверки не спасали: 84 % фиктивных респондентов проходили вопрос-ловушку, 87 % — проверку на слишком быстрое заполнение, а взвешивание выводов не меняло.

Опаснее всего такие ответы для малых групп и редких мнений. В эксперименте 2022 года, который описывают Эндрю Мерсер, Кортни Кеннеди и Скотт Китер (Pew Research Center, 2024), 12 % участников такой панели моложе 30 лет заявили, что имеют право управлять атомной подводной лодкой, хотя таких людей практически нет. В другом опросе такого типа, декабрьском 2023 года, 20 % респондентов моложе 30 лет согласились с утверждением «Холокост — это миф». На вероятностной панели Pew (5 140 взрослых, январь 2024 года) тот же вопрос дал 3 % — как и в остальных возрастах. Авторы отдельно указывают, что формат «согласен — не согласен» усиливает склонность к согласию.

Отсюда три правила. Спрашивайте у поставщика панели, как набирают участников и сколько анкет он отбраковывает. Добавляйте вопрос с заведомо известным ответом и читайте открытые ответы. И не публикуйте сенсацию о подгруппе в несколько десятков человек.

С чего начать и в каком порядке осваивать

Порядок освоения повторяет путь данных. Сначала учатся формулировать, что измеряется: плохо заданный вопрос не исправит никакой анализ. Затем — понимать, кого опрашивать и как перекос в ответах влияет на вывод. Чистка и взвешивание идут после сбора, а таблицы и значимость — в конце: без первых шагов они дают точные цифры о неизвестно чём.

1. Запишите, что измеряете и какой ответ изменит ваше решение.
2. Составьте анкету на 10–15 вопросов с подписанными пунктами шкал и одним обратным утверждением.
3. Опишите, кого представляет опрос и как отбираете людей; для квот укажите источник, например кадровые данные или перепись.
4. Удалите слишком быстрые и бессмысленные анкеты, посчитайте доли по группам и веса.
5. Постройте две-три таблицы сопряжённости, проверьте значимость и запишите, на кого выводы не распространяются.

Попробовать анализ можно бесплатно: на курсе Яндекс Практикума «Основы анализа данных и Python» около десяти часов самостоятельной работы, таблицы pandas, графики и базовая проверка гипотез на четырёх учебных кейсах. Индивидуальной проверки работ и углублённой статистики там нет — это проба, а не подготовка к работе.

Упражнения и ошибки новичков

Первое упражнение — на шкалы: перепишите пять утверждений «согласен — не согласен» из старой анкеты компании в прямые вопросы со своей шкалой. Второе — на взвешивание: повторите расчёт из учебного примера со своими долями. Третье — на анализ: выгрузите ответы из Google Форм и постройте сводную таблицу, где строки — группа, а столбцы — вариант ответа, в процентах по строкам.

Ошибки новичков типичны. Считают проценты по столбцам, когда сравнивают строки. Сообщают «средний балл 3,8» без доли крайних ответов, хотя за одной средней прячутся разные распределения. Взвешивают по признаку, для которого нет надёжных данных о населении. Проверяют двадцать групп и докладывают о единственной «значимой».

Если таблицы даются с трудом, на курсе Eduson Academy «Excel и Google-таблицы: тариф Мастер» первая ступень посвящена подготовке данных, формулам и сводным таблицам, дальше — Power Query, дашборды и макросы: 85 уроков, 52 часа материалов, домашние задания и итоговый проект. Как проверяют работы, уточните у школы.

Как навык влияет на доход

Опросы редко бывают отдельной строкой в зарплате, зато навык появляется в названиях смешанных ролей. На zarplata.ru 1 октября 2026 года по запросу «социолог» в Москве было 11 вакансий. Социологу-аналитику с опытом от трёх до шести лет предлагали 110 000 ₽ на руки, специалисту отдела маркетинга и аналитики с опытом от года до трёх лет — 120 000–150 000 ₽ до вычета налогов. У менеджера по инсайтам в розничной сети и руководителя аналитики в исследовательском центре сумма не указана.

Это предложения работодателей, а не фактические зарплаты, и выборка очень мала. Но видно другое: маркетологу, HR-специалисту или продакт-менеджеру, который сам проводит опрос и честно называет его ограничения, доверяют подготовку решений, а не только сбор цифр. Чтобы оценить эффект, сравните медианы вилок в вакансиях своей профессии с требованием «проведение опросов» и без него в одном городе и на одном уровне опыта.

Как выбрать обучение

Сначала определите пробел: анкета и выборка, анализ таблиц или весь исследовательский процесс. Затем проверьте программу: есть ли задание составить свою анкету, разбирают ли квоты, взвешивание и смещение онлайн-панелей, кто проверяет работу.

Длинный путь для маркетолога — программа переподготовки НИИДПО «Маркетинговые исследования и аналитика»: 340 академических часов за восемь недель, шесть дисциплин от методов исследований до исследования потребителей и внутренней аналитики, итоговый экзамен и диплом с квалификацией «маркетолог». По обзору, инструменты, статистика и выборка в дисциплинах не названы, сведений о преподавателях и проверке работ нет — спросите об этом школу до оплаты.

Для научной социологии прикладных курсов мало: теорию выборочных обследований глубже разбирают в университетах. Для рабочих опросов хватит умения составить анкету, обосновать выборку и проверить значимость.

Отдельного рейтинга школ по количественным исследованиям нет, поэтому программы с анализом данных удобнее сравнивать по более широкому рейтингу онлайн-школ с обучением анализу данных. А готовность проверьте на деле: проведите опрос в своей команде и опишите, на кого его выводы распространяются, а на кого нет.