Błąd wyboru: co to jest, rodzaje i przykłady

Co to jest błąd selekcji?

Wszystkie modele statystyczne w naukach o uczeniu się wymagają danych. Dobre dane mają kluczowe znaczenie dla opracowania statystycznie poprawnego zestawu modeli, ale zaskakująco łatwo jest uzyskać złe informacje. Błąd selekcji wpływa na badaczy na wszystkich etapach procesu, od zbierania danych po analizę. Na przykład badacze mogą nie zdawać sobie sprawy, że ich odkrycia mogą nie dotyczyć innych osób lub różnych środowisk. Ten rodzaj błędu przedstawia osoby losowo przydzielone do jednej z dwóch lub więcej grup, jednak nie każdy, kto może się zapisać, faktycznie uczestniczy.

Oznacza to, że osoby, które są uważane za odpowiednich kandydatów do konkretnego programu, mogą, ale nie muszą, zdecydować się na udział. Tak więc ci, którzy uczestniczą w programie, mogą mieć inne cechy niż ci, którzy nie uczestniczą. Istnienie nielosowego procesu selekcji może prowadzić do błędnych wnioskowań o przyczynach i związanych z tym statystyk oraz unieważnienia zebranych danych.

Typy stronniczości wyboru

Istnieje wiele rodzajów błędu selekcji, a każdy z nich w określony sposób wpływa na ważność Twoich danych. Przyjrzyjmy się niektórym z najczęstszych:

• Błąd próbkowania:

Błąd próbkowania jest formą błędu selekcji, który pojawia się, gdy nie zbieramy danych od wszystkich osób, które mogą należeć do naszej populacji, na temat ważnej zmiennej. Niektóre z przyczyn takiego stanu rzeczy mogą być następujące: Badacz zbiera swoją próbkę głównie z doboru wygodnego lub wygodnego, lub czasami poprzez staranny wybór osób, które są podobne i mają podobne cechy do badanych, ale nie zostały losowo wybrane z ich populacji.

Może to wypaczyć jakąkolwiek analizę statystyczną i zrozumienie wyników w tym konkretnym przypadku

Czytaj więcej: Odchylenie w badaniach według QuestionPro

• Odchylenie samo-selekcji:

Ten rodzaj błędu selekcji, znany również jako „tendencyjność wolontariusza”, występuje, gdy osoby, które zdecydują się wziąć udział w badaniu, nie są reprezentatywne dla większej populacji zainteresowania. Na przykład, jeśli chcesz zbadać preferencje uczniów dotyczące kariery, możesz być w stanie przyciągnąć tylko uczniów ze szkół znanych z przyciągania zamożnych uczniów. Stronniczość wolontariuszy może również wystąpić, gdy badanie obejmuje osoby określonej rasy, ale nie ma wystarczającej liczby uczestników, którzy identyfikują się jako członkowie tej rasy.

Podobnie jak każda inna forma tendencyjności, błąd samoselekcji zniekształca dane gromadzone w badaniach, w większości przypadków badacz otrzyma wyjątkowo niedokładne wyniki i nieistniejącą wiarygodność twoich systematycznych badań.

• Błąd wykluczenia:

Błąd włączenia ma miejsce, gdy badacz celowo włącza pewne podgrupy do populacji próby. Jest to ściśle związane z błędem próbkowania braku odpowiedzi i wpływa na wewnętrzną ważność systematycznego dochodzenia.

Eksperci definiują błąd włączenia jako „zbiorczy termin obejmujący różne potencjalne błędy, które mogą wynikać z włączenia pacjentów po randomizacji do badania i późniejszych analiz”. Kiedy tak się stanie, twoje wyniki badań mogą ustalić fałszywy związek między zmiennymi.

Błąd wykluczenia występuje, gdy celowo wykluczasz niektóre podgrupy z populacji próby przed randomizacją ich do grup. Mogłeś wykluczyć pacjentów z pewnymi schorzeniami, takimi jak rak lub HIV/AIDS, ponieważ badanie tych osób bez ich zgody byłoby nieetyczne. A może wykluczyłeś ich, ponieważ nie chciałeś dać im dostępu do innej opcji leczenia podczas ich badania klinicznego. Niektórzy badacze decydują się również nie uwzględniać osób, które są zbyt chore lub zbyt stare, aby wziąć udział w badaniach klinicznych (ponieważ osoby te mogą nie być w stanie skutecznie uczestniczyć lub mogą nie uzyskać wystarczających korzyści z udziału).

• Przypomnij sobie stronniczość:

Jedną z najczęstszych form błędu pamięci jest zniekształcenie pamięci wstecznej. Zniekształcenie pamięci wstecznej występuje, gdy ludzie pamiętają wydarzenia i doświadczenia w sposób, który odpowiada ich bieżącym potrzebom, a nie ich pierwotnym celom. Na przykład ktoś może zapamiętać wydarzenie jako pozytywne lub nawet przyjemne, jeśli miało być negatywne. Ponadto zniekształcenia pamięci wstecznej mogą wystąpić, gdy ludzie mają trudności z zapamiętywaniem szczegółów, które są ważne dla badanego tematu, takich jak fakty dotyczące ich własnego życia lub życia innych osób.

Retroaktywne zniekształcenie pamięci może również wystąpić, gdy ludzie zawierają niedokładne informacje w swoich raportach o przypomnieniach. Dzieje się tak, gdy zgłaszają coś, co nigdy się nie wydarzyło lub coś, co wydarzyło się w innym czasie niż w rzeczywistości.

Na przykład osoba może zgłosić, że w określonym dniu spędziła pięć godzin na podróżowaniu z pracy do domu, podczas gdy w rzeczywistości zajęło mu to tylko trzy godziny, ponieważ wcześniej zjadł lunch przy biurku i zapomniał o tym na później.

Jak unikać stronniczości w wyborze?

Oszacowanie siły związku między wynikiem (zmienną zależną) a kilkoma zmiennymi predykcyjnymi jest ważne dla wielu pytań badawczych. W celu uniknięcia błędu selekcji powszechnie stosuje się analizę dwuwymiarową i metody wieloregresji.

Analiza dwuwymiarowa jest analizą ilościową często stosowaną do określenia empirycznego związku między dwiema zmiennymi. W tej metodzie badacze mierzą każdą zmienną predykcyjną indywidualnie, a następnie stosują testy statystyczne, aby określić, czy wpływa ona na zmienną wynikową. Jeśli nie ma związku między zmiennymi predykcyjnymi a wynikiem, nie będą w stanie znaleźć żadnego dowodu błędu selekcji w procesie zbierania danych. Jeśli jednak istnieje jakiś związek między tymi zmiennymi, może się zdarzyć, że podczas zbierania tych danych wystąpił pewien poziom błędu selekcji. Metody multiregresji pozwalają badaczom ocenić siłę tego związku między wynikiem (zmienną zależną) a kilkoma zmiennymi predykcyjnymi

Dowiedz się, jak uniknąć błędu selekcji dzięki temu szybkiemu filmowi Audience by QuestionPro !

W jaki sposób QuestionPro Audience może pomóc Ci zebrać cenne dane z idealnej próbki.

Kiedy prowadzisz badania, ważne jest, aby zrozumieć naturę błędu selekcji. Jest to tendencja do wpływania na wyniki Twoich badań przez cechy uczestników lub próbki .

Jeśli na przykład prowadzisz badania nad wpływem cukru na cukrzycę i masz grupę chorych na cukrzycę, którzy są członkami twojego kościoła, może to być źródłem błędu selekcji. Mogą być bardziej skłonni do uczestnictwa w zajęciach kościelnych niż ci, którzy nie mają cukrzycy, a zatem bardziej prawdopodobne jest, że znajdą się w próbie. Jeśli chcesz uniknąć tego rodzaju stronniczości w swoim badaniu, powinieneś zbierać dane z wielu różnych wiarygodnych źródeł, z odbiorcami QuestionPro

UCZ SIĘ WIĘCEJ