Verzerrung der Stichprobenauswahl

Was ist Stichprobenauswahlverzerrung?

Stichprobenauswahlverzerrung ist eine Art von Verzerrung, die durch die Auswahl nicht zufälliger Daten für die statistische Analyse verursacht wird. Die Verzerrung besteht aufgrund eines Fehlers im Stichprobenauswahlprozess, bei dem eine Teilmenge der Daten aufgrund eines bestimmten Attributs systematisch ausgeschlossen wird. Der Ausschluss der Teilmenge kann die statistische Signifikanz des Tests beeinflussen und die Schätzungen der Parameter des statistischen Modells beeinflussen.

Stichprobenauswahl-Bias verstehen

Survivorship Bias ist eine häufige Art von Stichprobenauswahlverzerrung. Diese Art der Voreingenommenheit ignoriert diejenigen Fächer, die es nicht über einen bestimmten Punkt im Auswahlverfahren hinaus geschafft haben, und konzentriert sich nur auf die Fächer, die „überlebt“ haben. Dies kann zu falschen Schlussfolgerungen führen.

Wenn Sie beispielsweise eine Anlagestrategie für eine große Gruppe von Aktien backtesten, kann es praktisch sein, nach Wertpapieren zu suchen, die Daten für den gesamten Stichprobenzeitraum enthalten . Wenn wir die Strategie anhand von Aktiendaten aus 15 Jahren testen würden, wären wir vielleicht geneigt, nach Aktien zu suchen, die über vollständige Informationen für den gesamten Zeitraum von 15 Jahren verfügen.

Allerdings würde die Eliminierung einer Aktie, die den Handel einstellte oder den Markt kurzzeitig verließ, zu einer Verzerrung unserer Datenstichprobe führen. Da wir nur Aktien einbeziehen, die den 15-Jahres-Zeitraum überstanden haben, wären unsere endgültigen Ergebnisse fehlerhaft, da diese sich gut genug entwickelt haben, um den Markt zu überleben.

Arten von Verzerrungen bei der Stichprobenauswahl

Neben dem Survivorship Bias gibt es mehrere andere Arten von Sample Selection Bias.

Werbe- oder Pre-Screening-Voreingenommenheit

Dies tritt auf, wenn die Art und Weise, wie Teilnehmer in einer Studie vorgescreent werden, zu Verzerrungen führt. Beispielsweise kann die Sprache, die Forscher verwenden, um für Teilnehmer zu werben, selbst Voreingenommenheit in die Studie einbringen, indem sie einfach bestimmte Personengruppen davon abhält oder ermutigt, sich freiwillig zur Teilnahme zu melden.

Selbstselektionsverzerrung

Selbstselektionsverzerrung – auch als freiwillige Antwortverzerrung bekannt – tritt auf, wenn die Studienorganisatoren den Teilnehmern erlauben, sich selbst auszuwählen oder freiwillig teilzunehmen. Die Studienorganisatoren geben die Kontrolle darüber, wer teilnimmt, an diejenigen ab, die sich für eine freiwillige Teilnahme entscheiden. Dies kann Menschen mit bestimmten Merkmalen oder Meinungen dazu veranlassen, sich freiwillig für eine Studie zu melden und so die Ergebnisse zu verzerren.

Ausschluss- und Undercoverage-Bias

Ausschlussverzerrung tritt auf, wenn bestimmte Mitglieder einer Population von der Teilnahme an einer Studie ausgeschlossen werden. Verzerrungen durch Untererfassung treten auf, wenn Studienorganisatoren eine Studie erstellen, die einige Mitglieder der Bevölkerung nicht angemessen repräsentiert.

Beispiel für Verzerrungen bei der Stichprobenauswahl

Hedge-Fonds- Performance-Indizes sind ein Beispiel für Verzerrungen bei der Stichprobenauswahl, die der Überlebensverzerrung unterliegen. Da Hedge-Fonds, die nicht überleben, aufhören, ihre Performance an Index-Aggregatoren zu melden, sind die resultierenden Indizes natürlich auf Fonds und Strategien ausgerichtet, die verbleiben und daher „überleben“. Dies kann auch bei beliebten Berichtsdiensten für Investmentfonds ein Problem sein. Analysten können sich anpassen, um diese Verzerrungen zu berücksichtigen, können aber auch neue Verzerrungen in den Prozess einführen.

Beobachterverzerrung tritt auf, wenn Forscher ihre eigenen Überzeugungen oder Erwartungen auf die Teilnehmer einer Studie projizieren und dadurch die Ergebnisse der Studie verzerren. Dies geschieht manchmal in Verbindung mit Rosinenpickerei,. bei der sich Forscher hauptsächlich auf Statistiken konzentrieren, die ihre Hypothese stützen.

Besondere Überlegungen

Forscher und Studienorganisatoren sind dafür verantwortlich sicherzustellen, dass die Ergebnisse ihrer Studien korrekt und relevant sind und keinerlei Voreingenommenheit enthalten, die zu fehlerhaften Schlussfolgerungen führen könnte. Eine Möglichkeit, dies zu tun, besteht darin, die Studie nach einer Methode zu strukturieren, die eine Stichprobenauswahl unterstützt.

Während dies theoretisch einfach erscheinen mag, muss der Forscher in Wirklichkeit wachsam sein, um Verzerrungen bei der Stichprobenauswahl zu vermeiden. Darüber hinaus kann der Studienorganisator mit Einschränkungen konfrontiert sein, die außerhalb seiner Kontrolle liegen und die Durchführung einer Zufallsstichprobe erschweren. Beispielsweise kann es zu einem Mangel an Teilnehmern oder einer unzureichenden Finanzierung des Projekts kommen.

Um sicherzustellen, dass die untersuchte Stichprobe zufällig ist, sollte der Forscher die verschiedenen Untergruppen innerhalb der Bevölkerung identifizieren. Sie sollten dann die Stichprobe analysieren, um festzustellen, ob diese Untergruppen in der Studie angemessen vertreten sind.

In einigen Fällen kann der Forscher feststellen, dass bestimmte Untergruppen in seiner Studie entweder überrepräsentiert oder unterrepräsentiert sind. An diesem Punkt kann der Forscher Bias-Korrekturverfahren implementieren. Eine Methode besteht darin, den falsch dargestellten Untergruppen Gewichte zuzuweisen, um die Verzerrung statistisch zu korrigieren. Dieser gewichtete Durchschnitt berücksichtigt die proportionale Relevanz jeder Untergruppe und kann zu Ergebnissen führen, die die tatsächlichen demografischen Merkmale der Studienpopulation genauer widerspiegeln.

Höhepunkte

Aufgrund eines Fehlers im Stichprobenauswahlprozess wird eine Teilmenge der Daten von der Studie ausgeschlossen, wodurch die statistische Signifikanz des Tests beeinträchtigt oder negiert wird.
Überlebensverzerrung kann zu falschen Schlussfolgerungen führen, da sie sich nur auf die Elemente, Personen oder Dinge konzentriert, die es über einen bestimmten Punkt im Auswahlprozess hinaus geschafft haben, und diejenigen ignoriert, die dies nicht getan haben.
Es gibt verschiedene Arten von Verzerrungen bei der Stichprobenauswahl, einschließlich Prä-Screening-Verzerrung, Selbstauswahlverzerrung, Ausschlussverzerrung und Beobachterverzerrung.
Eine Möglichkeit, Verzerrungen bei der Stichprobenauswahl zu korrigieren, besteht darin, falsch dargestellten Untergruppen Gewichtungen zuzuweisen, um die Verzerrung statistisch zu korrigieren.
Stichprobenauswahlverzerrungen in einer Forschungsstudie treten auf, wenn nicht zufällige Daten für die statistische Analyse ausgewählt werden.