Hledáme průměrného voliče. Zn.: Existuješ?

14. 4. 2010 / Ján Mišovič

Kvalita měření je rovněž založena na ověřených postupech. Jejich podstatu vystihují takové pojmy jako reliabilita a validita. Pokud se např. v médiích objevují výsledky výzkumu, které signalizují výraznější volební vítězství pravicových stran a liší se od poznatků všech dosavadních šetření, a nejenže přístup do „zákulisí“ výzkumu je nemožný, ale hlavně chybí „vizitka“ výzkumné instituce, tak takový výsledek je pochybný, protože není známo, jak splňuje požadavky spojené s kvalitou získaných dat. Pravda zjišťování kvality měření nemá dlouhou tradici. Odborníci se této problematice začali věnovat koncem šedesátých let 20. století. Větší pozornosti se kvalitě měření dostalo v osmdesátých a devadesátých letech minulého století. Přesto se zdá, že pro některé instituce je to doposud „terra incognita“ .

Měření reliability

Zjišťování reliability stranických preferencí, jejich stálosti, přesnosti probíhá prostřednictvím měření. Stejně jako v případě jakéhokoliv běžného měření máme „před sebou“ skutečnou hodnotu, kterou chceme měřit, získanou naměřenou hodnotu pomocí měřidla a někdy zaznamenaný rozdíl mezi nimi, jako chybu v měření. Pokud se zjištěná hodnota rovná skutečné hodnotě, reliabilita dosahuje čísla 1. V případě odchylky jde o číslo nižší než 1, tedy i reliabilita, resp. přesnost je menší než 1.

K měření se používá několik způsobů. Jedním z nich je pozorování jednoho jevu prostřednictvím více pozorovatelů. Při zjišťování reliability stranických preferencí jde o jejich paralelní měření. Šlo by o případ, kdy několik agentur ve stejném čase stejnou technikou měří stav stranických preferencí. Může jít také o opakované měření v čase. To se opírá o předpoklad, že stav měřeného objektu se v určitém časovém rozmezí nemění a měření stejným nástrojem by mělo vést k totožným výsledkům. Na výzkum postojů se metoda příliš nehodí. Její aplikace předpokládá minimální změny mezi měřeními a tato podmínka prakticky nebývá dosažitelná.

Měření validity

Měření reliability se stává důležité, ale ještě důležitější kritérium představuje zjišťování validity. V našem kontextu se validita ověřuje v tom případě, kdy měřící nástroj skutečně měří to, co má měřit, konkrétně stranické preference a ne například voličské sympatie. Při zjišťování stranických preferencí může být nástrojem k určení validity tzv. kriteriální validita, při níž se použije nějaké objektivní, validizované kritérium, jakým je např. minulé volební chování.

Nedílnou součást publikovaných rozborů předvolebních stranických preferencí tvoří vlastně také střídavé ověřování jejich reliability a validity.

Z osobní zkušenosti každého čtenáře i z existujících teoretických poznatků, týkajících se naměřených pozic jednotlivých stran vyplývá, že k nim není možné přistupovat jako např. k údajům o počtech narozených dětí, či sezdaných párů., tedy jako k tzv. tvrdým datům, které produkuje statistická služba. Souvisí to i se skutečností, že nejde o údaje týkající se všech občanů s volebním právem, ale pouze o výběr z tohoto celku. Ze základního souboru je vybrána část, která plně reprezentuje voliče.

Reprezentativní soubor má tu vlastnost, že umožňuje zobecnit poznatky na původní skupinu (resp. na všechny voliče). Nejde však o absolutní zobecnění, ale o zobecnění s určitou možnou chybou. Výsledkem výběrových šetření tedy nejsou přesné údaje, ale data nacházející se v intervalu blíže určeném tzv. hladinou významnosti, na níž můžeme se stanovenou pravděpodobností (např. 95 %) očekávat skutečnou hodnotu. Konkrétně to znamená, že na hladině významnosti 95 % ze souboru 1000 dotázaných má 950 z nich zcela stejné sociodemografické charakteristiky jako soubor všech voličů. Současně 50 respondentů se může v některých sociálních a demografických parametrech lišit. K rozpoznání významné diference mezi dvěma údaji napomáhá statistika.

Pravděpodobnost získaného výsledku by se měla zohledňovat podle domácích i mezinárodních standardů pomocí uvedení statistické chyby a statistické významnosti publikovaných výsledků. Už jenom samotné konstatování zpracovatelů výzkumu, nakolik jde či nejde o statisticky významné rozdíly, ulehčuje orientaci v datech. Jinou možnost představuje zaokrouhlování publikovaných čísel na celá procenta. Autoři šetření tím dávají najevo, že nejde o žádné přesné měření.

V souvislosti s různými typy pravděpodobnostních výběrů se uvažuje o tzv. výběrové chybě. K výpočtu výběrové chyby slouží složité statistické metody. Výsledkem je stanovení výběrové chyby vzhledem k velikosti výběrového souboru. U běžně používaného výběrového souboru s počtem 1000 respondentů je uváděna výběrová chyba v rozmezí ± 2,9 procentního bodu. Znamená to, že např. údaj 27,9 % o stranických preferencích ČSSD zjištěných podle agentury STEM v březnu 2010, se ve skutečnosti pohybuje v intervalu 25 % až 30,8 %.

Některé agentury se snaží o přesnější charakteristiku a diferencují výběrovou chybu podle velikosti zjištěné hodnoty. V případě, že se naměřený údaj pohybuje v rozmezí od 0,1 do 20 % a od 80 % do 99,99 %, je výběrová chyba představována číslem ± 1,5 procentního bodu. U ostatních hodnot zůstává na úrovni ± 2,9 procentního bodu. Znamenalo by to, že u hodnot naměřených na okrajích stupnice 0 až 100 % je nižší výběrová chyba a u dalších zjištěných dat vyšší výběrová chyba. Někdy je uvedena následující poznámka: „Statistická chyba se u tohoto souboru pohybuje ± 1,5 procentního bodu u menších stran a kolem ± 2,5 procentního bodu u větších stran“ (STEM 16.3.2010).

Možnost aplikace výběrové chyby je spojena s jednou podmínkou, a to že jde o výběr náhodný. Pokud se uvádí výběrová chyba ve spojení s kvótním výběrem, tak v tomto případě ztrácí své vědecké oprávnění a z určitého hlediska jde o „maskování“ základní vady této metody výběru, která spočívá v častějším používání subjektivních rozhodovacích kroků při výběru dotázaných. Přesto agentury výběrovou chybu uvádějí. Pak platí, že odchylka v rámci prezentovaného intervalu se může, ale nemusí vztahovat na publikované údaje a nakolik se vztahuje nebo nevztahuje není schopen nikdo přesně určit. Tím se přesnost ze statistického hlediska ještě více problematizuje.

Přesto existuje kritérium pro hodnocení úspěšnosti předvolebních šetření výzkumných agentur. Tímto kritériem je index zkreslení D, který měří proporcionalitu volebních výsledků. Vypočítá se jako rozdíl z poloviny sumy absolutních hodnot procentního zisku stran ve volbách a jejich předpovídaných výsledků. Následující tabulka ilustruje výši indexu zkreslení v posledních dvou volbách do Poslanecké sněmovny v letech 2002 a 2006.

Index zkreslení D ve volbách do Poslanecké sněmovny v letech 2002 a 2006
u agentur CVVM, STEM a Factum Invenio a SCaC

agentury	2002	2006
CVVM	2,9	8,14
STEM	7	8,31
Factum Invenio (TNS Factum)	8,5	9,97
SCaC	0	9,54

Indexy naznačují, že nejzdařileji se přiblížilo k výsledkům voleb v roce 2002 CVVM, na „druhém“ místě byl STEM a třetí Factum Invenio. Stejné pořadí, i když s ne tak výraznými rozdíly bylo možné zaznamenat i v roce 2006. Porovnání současně ukazuje, že volební kampaň v roce 2006 ovlivnila rozhodování voličů daleko rozporuplněji a méně jednoznačněji, než v roce 2002. A tato skutečnost podmínila i vyšší míru indexu zkreslení D, resp. méně přesné zjištění stranických preferencí na konci volební kampaně.

08. 04. 2010 Ján Mišovič: Krajské průzkumy: zmatek ZDE

05. 03. 2010 Štěpán Kotrba: Jak číst výzkumy veřejného mínění od A do Z ZDE

Vytisknout