Везде

ООНСоциологические исследования Sotsialogicheski issledovania

  • ISSN (Print) 0132-1625
  • ISSN (Online) 3034-6010

СОЦИАЛЬНО-ДЕМОГРАФИЧЕСКИЕ КОРРЕЛЯТЫ ИСТОЩЕНИЯ ВЫБОРКИ В ЛОНГИТЮДНЫХ ОНЛАЙН-ОПРОСАХ В РОССИИ: ДАННЫЕ ЧЕТЫРЕХ ВОЛН ПРОЕКТА «ЦЕННОСТИ В КРИЗИСЕ»

Вы можете
Код статьи
S30346010S0132162525090046-1
DOI
10.7868/S3034601025090046
Тип публикации
Статья
Статус публикации
Опубликовано
Авторы
Соколов Б.О.
  • Должность: кандидат политических наук, ведущий научный сотрудник, доцент департамента социологии, Лаборатория сравнительных социальных исследований им. Р. Ф. Ингахарта
  • Аффилиация: НИУ «Высшая школа экономики»
Корсунова В.И.
  • Должность: кандидат социологических наук, научный сотрудник, Лаборатория сравнительных социальных исследований им. Р. Ф. Ингахарта
  • Аффилиация: НИУ «Высшая школа экономики»
Том/ Выпуск
Том / Номер выпуска 9
Страницы
34-48
Аннотация
в статье исследованы социально-демографические корреляты выбытия участников лонгитюдного онлайн-опроса. Для этого использовались российские материалы четырех волн международного проекта «Ценности в кризисе». Респонденты рекрутировались с помощью потребительской панели компании ОМ; сбор данных происходит в июне 2020, апреле-мае 2021, ноябрь-декабре 2021 и июле-сентябре 2022 гг. Во всех четырех волнах приняли участие 606 человек – 39,7% от исходной выборки (N = 1527); остальные пропустили как минимум один этап либо выбыли. Анализ описательных статистик и моделирование с помощью бинарной логистической регрессии показали, что вероятность пройти опрос до конца выше для мужчин, старших возрастных групп, образованных и наиболее обеспеченных. В целом истощение онлайн-выборки в российском контексте может быть существенным и искажает ее социально-демографическую структуру. Это необходимо учитывать при планировании лонгитюдных исследований на основе веб-опросов и содержательной интерпретации их результатов.
Ключевые слова
онлайн-опрос лонгитюдное исследование истощение выборки
Дата публикации
08.12.2025
Год выхода
2025
Всего подписок
0
Всего просмотров
22

Библиография

  1. 1. Афанасьева Ю. А., Соколов Б. О., Широканов А. А. Изменчивость ковид-скептических установок в России: результаты анализа двух волн лонгитюдного опроса «Ценности в кризисе» // Мониторинг общественного мнения: экономические и социальные перемены. 2024. № 2. С. 53–77. DOI: 10.14515/monitoring.2024.2.2523. @@Afanasyeva Y. A., Sokolov B. O., Shirokanova A. A. (2024) Variability of COVID Skeptical Attitudes in Russia: Findings from Two Waves of the "Values in Crisis" Longitudinal Survey. Monitoring obshthestvennogo mneniya: ekonomicheskie i sotsial'nye peremeny [Monitoring of Public Opinion: Economic and Social Changes]. No. 2: 53–77. DOI: 10.14515/monitoring.2024.2.2523. (In Russ.)
  2. 2. Гаврилов К. А. Платформа Толока как источник респондентов для онлайн-опроса: опыт оценки качества данных // Социология: 4М. 2022. № 53. С. 165–209. DOI: 10.19181/dm.2021.53.5. @@Gavrilov K. A. (2022) Toloka Platform as a Source of Online Survey Participants: An Experience of Assessing Data Quality. Sociologia: 4M [Sociology: Methodology, Methods, Mathematical Modeling (Sociology: 4M)]. No. 53: 165–209. DOI: 10.19181/4m.2021.53.5. (In Russ.)
  3. 3. Девятко И. Ф. Онлайн исследования и методология социальных наук: новые горизонты, новые (и не столь новые) трудности // Онлайн исследования в России 2.0 / Под ред. А. В. Шашкина, И. Ф. Девятко, С. Г. Давыдов. М.: ОМI RUSSIA, 2010. С. 17–30. @@Devyatko I. F. (2010) Online Research and Methodology of Social Sciences: New Horizons, New (and Not So New) Challenges. In: Shashkin A. V., Devyatko I. F., Davydova S. G. (eds) Online Research in Russia. 2.0. Moscow: OMI RUSSIA: 17–30. URL: https://omirussia.ru/knowledge/books/12/ (accessed 01.02.2025). (In Russ.)
  4. 4. Девятко И. Ф. Методы социологического исследования. Екатеринбург: Уральский ун-т, 1998. @@Deviatko I. F. (1998) Methods of Sociological Research. Yekaterinburg: Uralskii un-t. (In Russ.)
  5. 5. Корсунова В. И., Понарин Э. Д. и др. Values in Crisis – International / Ценности в кризис (данные по российской выборке) 2020–2022. 2024. Номер свидетельства: RU 2024621301. Дата регистрации: 27.03.2024. URL: http://www1.fips.ru/fips_servi/fips_service? DB=DB&DocNumber=20246213018TypeFile=html? (дата обращения: 25.01.2025). @@Korsunava V. I., Ponarin E. D. et al. (2024) Values in Crisis- International 2020–2022. Certificate No. RU 2024621301. URL: http://www1.fips.ru/fips_servi/fips_servlet? DB=DB&DocNumber=2024621301&TypeFile=html? (accessed 25.01.2025). (In Russ.)
  6. 6. Корсунова В. И., Соколов Б. О. Динамика поддержки эмансипативных ценностей в России в ходе пандемии COVID-19 // Социологический журнал. 2023. № 2. С. 8–24. DOI: 10.19181/socjour.2023.29.2.1. @@Korsunava V. I., Sokolov B. O. (2023) Support for Emancipative Values in Russia during the COVID-19 Pandemic. Sotsiologhetskiy zhurnal [Russian Sociological Journal]. Vol. 29. No. 2: 8–24. DOI: 10.19181/socjour.2023.29.2.1. (In Russ.)
  7. 7. Корсунова В. И., Соколов Б. О. Ценностные установки россыпи: сравнение результатов онлайн-и офлайн-опросов // Мониторинг общественного мнения: экономические и социальные перемены. 2022. № 3. С. 4–27. DOI: 10.14515/monitoring.2022.3.2083. @@Korsunava V. I., Sokolov B. O. (2022) Value Orientations in Russia: Comparing Evidence from Online and Face-to-Face Surveys. Monitoring obshthestvennogo mneniya: ekonomicheskie i sotsial'nye peremeny [Monitoring of Public Opinion: Economic and Social Changes]. No. 3: 4–27. DOI: 10.14515/monitoring.2022.3.2083. (In Russ.)
  8. 8. Мавлетова А. М. Социологические опросы в сети Интернет: возможности построения типологии // Социология: 4 М. 2010. № 31. С. 115–134. @@Mavletova A. M. (2010). Sociological Online Surveys: How to Construct a Typology. Sociologia: 4M [Sociology: Methodology, Methods, Mathematical Modeling (Sociology: 4M)]. No. 31: 115–134. (In Russ.)
  9. 9. Некрасов С. И. Сравнение результатов онлайн-и оффлайн-опросов (на примере анкет разной сложности) // Социология: 4 М. 2011. № 32. С. 53–74. @@Nekrasov S. I. (2011) An Experimental Comparison of Online and Offline Survey Data: A Case of Questionnaires with Different Level of Difficulty. Sociologia: 4M [Sociology: Methodology, Methods, Mathematical Modeling (Sociology: 4M)]. No. 32: 53–74. (In Russ).
  10. 10. Соколов Б. О., Завадская М. А. Социально-демографические особенности, личностные черты, ценности и установки ковид-скептиков в России // Мониторинг общественного мнения: экономические и социальные перемены. 2021. № 6. С. 410–435. DOI: 10.14515/monitoring.2021.6.1938. @@Sokolov B. O., Zavadskaya M. A. (2021) Socio-Demographic Profiles, Personality Traits, Values, and Attitudes of COVID-Skeptics in Russia. Monitoring obshehestvennogo mneniya: ekonomicheskie i sotsial'nye peremeny [Monitoring of Public Opinion: Economic and Social Changes]. No. 6: 410–435. DOI: 10.14515/monitoring.2021.6.1938. (In Russ).
  11. 11. Терентьев Е. А., Мавлетова А. М., Косолапов М. С. Интервьюирование с помощью компьютерных технологий в лонгитюдных обследованиях домохозяйств // Мониторинг общественного мнения: экономические и социальные перемены. 2018. № 3. С. 47–64. DOI: 10.14515/monitoring.2018.3.03. @@Terentev E. A., Navletova A. M., Kosolapov M. S. (2018) Computer-Assisted Personal Interviewing for Longitudinal Household Studies. Monitoring obshehestvennogo mneniya: ekonomicheskie i sotsial'nye peremeny [Monitoring of Public Opinion: Economic and Social Changes]. No. 3: 47–64. DOI: 10.14515/monitoring.2018.3.03. (In Russ.)
  12. 12. Чуриков А. В. Основы построения выборки для социологических исследований. М.: Ин-т ф-да «Общественное мнение», 2020. @@Churikov A. V. (2020) Fundamentals of Sampling Design for Sociological Research. Moscow: In-t f-da "Obshthestvennoye mneniya" (In Russ.)
  13. 13. Arel-Bundock V, Greifer N, Heiss A. How to Interpret Statistical Models Using marginaleffects for R and Python // Journal of Statistical Software. 2024. No. 111(9). P. 1–32. DOI: 10.18637/jss.v111.i09.
  14. 14. Barber J., Kusunoki Y. et al. Participation in an Intensive Longitudinal Study with Weekly Web Surveys Over 2.5 Years // Journal of Medical Internet Research. 2016. Vol. 18. No. 6. P. e105. DOI: 10.2196/jmir.5422.
  15. 15. Bu F., Cernat A. et al. Online Survey Retention and Re-engagement: Learning from the COVID-19 Social Study // Field Methods. 2025. Vol. 37. No. 3. P. 244–259. DOI: 10.1177/152582X241289870.
  16. 16. Castorena O., Lupu N. et al. Online Surveys in Latin America // PS: Political Science & Politics. 2023. Vol. 56. No. 2. P. 273–280. DOI: 10.1017/S1049096522001287.
  17. 17. Deng Y., Hillygus D. S. et al. Handling Attrition in Longitudinal Studies: The Case for Refreshment Samples // Statistical Science. 2013. Vol. 28. No. 2. P. 238–256. DOI: 10.1214/13-ST5414.
  18. 18. Frankel L. L., Hillygus D. S. Looking Beyond Demographics: Panel Attrition in the ANES and GSS // Political Analysis. 2014. Vol. 22. No. 3. P. 336–353. DOI: 10.1093/pan/mpt020.
  19. 19. Herron M. C. Postestimation Uncertainty in Limited Dependent Variable Models // Political Analysis. 1999. Vol. 8. No. 1. P. 83–98. DOI: 10.1093/oxfordjournals.pan.a029806.
  20. 20. Lüdecke D., Ben-Shachar M. S. et al. Performance: An R Package for Assessment, Comparison and Testing of Statistical Models // Journal of Open Source Software. 2021. Vol. 6. No. 60. P. 3139. DOI: 10.21105/joss.03139.
  21. 21. Lugtig P. Panel Attrition: Separating Stayers, Fast Attriters, Gradual Attriters, and Lurkers // Sociological Methods & Research. 2014. Vol. 43. No. 4. P. 699–723. DOI: 10.1177/0049124113520305.
  22. 22. Lynn P. Tackling Panel Attrition // The Palgrave Handbook of Survey Research / Ed. by D. L. Vannette, J. A. Krosnick. Cham, Switzerland: Palgrave Macmillan, 2017. P. 143–153.
  23. 23. Maslovskaya O., Lugtig P. Representativeness in Six Waves of Cross-National Online Survey (CRONOS) Panel // Journal of the Royal Statistical Society Series A: Statistics in Society. 2022. Vol. 185. No. 3. P. 851–871. DOI: 10.1111/rssa.12801.
  24. 24. R Core Team. R: A Language and Environment for Statistical Computing. Vienna: R Foundation for Statistical Computing, 2024. URL: https://www.R-project.org/ (дата обращения: 25.01.2025).
  25. 25. Rübsamen N., Akmatov M. K. et al. Factors Associated with Attrition in a Longitudinal Online Study: Results from the HaBIDS Panel // BMC Medical Research Methodology. 2017. Vol. 17. P. 132. DOI: 10.1186/s12874-017-0408-3.
  26. 26. Yu T., Chen J. et al. Predicting Panel Attrition in Longitudinal HRQoL Surveys During the COVID-19 Pandemic in the US // Health and Quality of Life Outcomes. 2022. Vol. 20. P. 104. DOI: 10.1186/s12955-022-02015-8.
  27. 27. Zhang C., Antoun C. et al. Professional Respondents in Opt-In Online Panels: What Do We Really Know? // Social Science Computer Review. 2020. Vol. 38. No. 6. P. 703–719. DOI: 10.1177/0894439319845102.
  28. 28. Zhou H., Fishbach A. The Pitfall of Experimenting on the Web: How Unattended Selective Attrition Leads to Surprising (Yet False) Research Conclusions // Journal of Personality and Social Psychology. 2016. Vol. 111. No. 4. P. 493–504. DOI: 10.1037/pspa0000056.
QR
Перевести

Индексирование

Scopus

Scopus

Scopus

Crossref

Scopus

Высшая аттестационная комиссия

При Министерстве образования и науки Российской Федерации

Scopus

Научная электронная библиотека