Onderzoekers kunnen hulp nodig hebben bij bevindingen die niet overeenkomen met de realiteit van de doelgemeenschap. Er zijn talloze oorzaken, maar een van de belangrijkste is selectiebias. Dit treedt op wanneer de steekproef van het onderzoek de populatie van belang niet nauwkeurig moet vertegenwoordigen, wat resulteert in variaties in de onderzoeksresultaten.
Inzicht in selectievooringenomenheid, de praktische gevolgen en de beste manieren om het te vermijden zullen je helpen om met de gevolgen om te gaan. Alles wat je moet weten over hoe je je gegevensverzamelingsproces kunt verbeteren, lees je in dit artikel.
Wat is selectievooringenomenheid?
Selectiebias verwijst naar experimentele fouten die leiden tot een onnauwkeurige representatie van je onderzoeksgroep. Het ontstaat wanneer de deelnemerspool of gegevens niet representatief zijn voor de doelgroep.
Een belangrijke oorzaak van selectiebias is wanneer de onderzoeker geen rekening houdt met subgroepkenmerken. Dit veroorzaakt fundamentele verschillen tussen de variabelen van de steekproefgegevens en de werkelijke onderzoekspopulatie.
Selectiebias komt om verschillende redenen voor in onderzoek. Als de onderzoeker de steekproefpopulatie kiest aan de hand van de verkeerde criteria, kunnen er talloze voorbeelden van deze bias gevonden worden. Het kan ook gebeuren door elementen die de bereidheid van vrijwilligers om te blijven deelnemen beïnvloeden.
Wat zijn de soorten selectiebias in onderzoek?
Er kunnen verschillende soorten selectievooroordelen optreden op verschillende momenten in het onderzoeksproces. Hieronder volgen er enkele:
- Steekproefvooringenomenheid
Steekproefvooringenomenheid is een vorm van selectievooringenomenheid die veroorzaakt wordt door een niet-random bevolkingssteekproef. Het treedt op wanneer specifieke subgroepen worden verwijderd uit de onderzoekssteekproef, wat leidt tot een onnauwkeurige vertegenwoordiging van de subgroepen in de steekproefpopulatie.
Stel je bijvoorbeeld voor dat je onderzoek doet naar de prevalentie van hartaandoeningen in je omgeving. Om gegevens te verzamelen, besluit je om interviews af te nemen bij het winkelend publiek in het winkelcentrum.
Deze strategie sluit ziekenhuispatiënten en patiënten met hartaandoeningen uit. Je steekproef is vertekend omdat veel mensen niet in dat winkelcentrum aanwezig zijn, maar thuis of in het ziekenhuis verblijven.
- Vertekening door zelfselectie
Zelfselectiebias staat ook bekend als vrijwilligersbias. Deze ontstaat wanneer de kwaliteiten van de mensen die vrijwillig deelnemen aan het onderzoek belangrijk zijn voor de doelen van het onderzoek.
Zelfselectie veroorzaakt vertekende gegevens als de steekproefgroep bestaat uit vrijwilligers in plaats van de ideale doelpopulatie. Het is zeer waarschijnlijk dat onderzoekers vertekende resultaten krijgen.
Een autofanaat kan bijvoorbeeld deelnemen aan een onderzoek naar de perceptie van een nieuwe auto op de doelmarkt, omdat hij zichzelf als expert op dit gebied beschouwt.
Door de zelfselectiebias zouden ze ongepast kunnen antwoorden of meer informatie kunnen geven waar niet om gevraagd werd.
- Vertekening door non-respons
Nonrespons vertekening treedt op als mensen niet antwoorden op een enquête of niet deelnemen aan een onderzoeksproject. Het komt vaak voor bij onderzoek als deelnemers niet over de juiste vaardigheden beschikken, geen tijd hebben of zich schuldig of beschaamd voelen over het onderwerp.
Onderzoekers zijn bijvoorbeeld geïnteresseerd in hoe computerwetenschappers tegen een nieuw stuk software aankijken. Ze voerden een enquête uit en ontdekten dat veel computerwetenschappers niet reageerden of klaar waren.
Onderzoekers ontdekten dat de respondenten de software uitstekend en van hoge kwaliteit vinden nadat ze de gegevens hebben ontvangen. Ze ontdekten echter dat ze vooral ongunstige kritiek kregen nadat ze de nieuwe software hadden vrijgegeven aan de volledige populatie van computerwetenschappers.
De deelnemers aan de enquête waren beginnende computerwetenschappers die geen fouten in programma’s konden ontdekken. De respondenten van de enquête waren geen afspiegeling van de grotere groep computerwetenschappers. Daarom waren de resultaten onnauwkeurig.
- Overlevingsvooroordeel
Overlevingsvertekening treedt op wanneer een onderzoeker variabelen onderwerpt aan een screeningwedstrijd en degenen selecteert die de procedure met succes afronden. Deze voorafgaande selectiemethode elimineert mislukte variabelen vanwege hun gebrek aan zichtbaarheid.
Overlevingsvooringenomenheid richt zich op de meest succesvolle factoren, zelfs als ze geen relevante gegevens hebben. Het kan je onderzoeksresultaten veranderen en leiden tot onnodig positieve standpunten die niet overeenkomen met de werkelijkheid.
Stel dat je onderzoek doet naar succesvariabelen voor ondernemers. De meeste beroemde ondernemers hebben hun studie niet afgemaakt. Hierdoor zou je kunnen denken dat het verlaten van de universiteit met een sterk concept genoeg is om een carrière te starten. Maar de meerderheid van vroegtijdige schoolverlaters eindigt niet rijk.
In werkelijkheid stopten veel meer mensen met hun studie om onsuccesvolle bedrijven op te starten. In dit voorbeeld treedt survivorship bias op wanneer je alleen aandacht besteedt aan dropouts die geslaagd zijn en de overgrote meerderheid van dropouts die gefaald hebben negeert.
- Vertekening door uitval
Attrutiebias treedt op wanneer sommige respondenten afhaken terwijl de enquête nog wordt uitgevoerd. Als gevolg daarvan zijn er veel onbekenden in uw onderzoeksbevindingen, wat de kwaliteit van de conclusies verlaagt.
Meestal zoekt de onderzoeker naar tendensen in de drop-out variabelen. Als u deze tendensen kunt identificeren, kunt u misschien bepalen waarom de respondenten uw enquête plotseling verlieten en passende actie ondernemen.
- Vooringenomenheid bij terugroepen
Recall bias treedt op wanneer sommige steekproefleden moeite hebben om zich cruciale informatie te herinneren, wat invloed heeft op je onderzoeksproces. Het vindt plaats wanneer onderzoekers verwerpen wat voor hen ligt en in plaats daarvan zien wat ze willen zien.
Je krijgt een bevooroordeeld resultaat als je alleen enquêteert onder degenen die een nieuwe film hebben gezien. Degenen die hem gezien hebben, zullen zeggen dat ze hem geweldig vonden, terwijl degenen die hem niet gezien hebben, zullen zeggen dat ze hem niet leuk vonden. Dit komt omdat mensen die de film leuk vinden meer bereid zijn om erover te praten dan mensen die dat niet doen.
- Vertekening door undercoverage
Onderdekking ontstaat wanneer een representatief staal getrokken wordt uit een kleiner deel van de doelpopulatie. Online enquêtes zijn bijzonder kwetsbaar voor undercoverage bias.
Laten we zeggen dat u zich in een online enquête over zelfgerapporteerde gezondheid richt op overmatig drink- en rookgedrag. Door de manier waarop u de enquête uitvoert, sluit u echter bewust mensen uit die geen internet gebruiken.
Op deze manier worden oudere en lager opgeleide personen buiten uw steekproef gehouden. Aangezien internetgebruikers en niet-gebruikers aanzienlijk verschillen, kun je geen betrouwbare resultaten trekken uit je online enquête.
Wat zijn de gevolgen van selectievooroordelen?
Er is altijd de mogelijkheid van willekeurige of systematische fouten in onderzoek die de betrouwbaarheid van onderzoeksresultaten in gevaar brengen. Selectievooringenomenheid kan verschillende gevolgen hebben en het is vaak moeilijk te zeggen hoe significant die gevolgen zijn of in welke richting ze gaan. De gevolgen kunnen leiden tot verschillende problemen voor bedrijven, waaronder de volgende:
- Risico op verlies van inkomsten en reputatie
Voor bedrijfsplanning en -strategie zijn inzichten verkregen uit niet-representatieve steekproeven aanzienlijk minder nuttig omdat ze niet overeenkomen met de doelpopulatie. Er bestaat een risico op verlies van geld en reputatie als zakelijke beslissingen op deze bevindingen worden gebaseerd.
- Heeft invloed op de externe validiteit van de analyse
Onderzoek wordt minder betrouwbaar door onnauwkeurige gegevens. Daarom komt de externe validiteit van de analyse in gevaar door de vertekende steekproef.
- Dit leidt tot verkeerde zakelijke beslissingen
Als de uiteindelijke resultaten bevooroordeeld en niet representatief zijn voor het onderwerp, is het onveilig om te vertrouwen op de bevindingen van het onderzoek bij het nemen van belangrijke zakelijke beslissingen.
We hebben een blog gepubliceerd over subgroepanalyse; waarom bekijk je die niet voor meer ideeën?
Hoe voorkom je selectievooroordelen?
Er is een goede kans dat u uw enquêteresultaten hebt beïnvloed door selectievooringenomenheid. Lees het volgende advies om selectievooringenomenheid te voorkomen:
Voorkom selectievooroordelen tijdens het ontwerpen van enquêtes
Probeer enkele van deze suggesties om selectievooroordelen te vermijden wanneer u de structuur voor uw enquête ontwikkelt:
- Zorg ervoor dat de doelstellingen van je enquête duidelijk zijn.
- Geef aan aan welke normen je beoogde publiek moet voldoen.
- Geef elke mogelijke deelnemer een eerlijke kans om deel te nemen aan het onderzoek.
Voorkom selectievooroordelen tijdens de steekproeftrekking
Overweeg om een aantal van deze strategieën in de praktijk te brengen tijdens het selecteren van monsters:
- Als je aselecte steekproeven gebruikt in je processen, zorg dan voor een goede randomisatie.
- Zorg ervoor dat je deelnemerslijst up-to-date is en het beoogde publiek goed weergeeft.
- Zorg ervoor dat de subgroepen de bevolking als geheel vertegenwoordigen en de essentiële factoren delen.
Vermijd selectievooroordelen tijdens de evaluatie
Wanneer je het evaluatie- en validatieproces doorloopt, moet je nadenken over het toepassen van enkele van deze ideeën om selectievooroordelen te voorkomen:
- Als je er zeker van wilt zijn dat je steekproefselectie, procedure en gegevensverzameling niet vertekend zijn, is het een goed idee om een tweede onderzoeker over je heen te laten kijken.
- Gebruik technologie om te volgen hoe de gegevens veranderen, zodat je onverwachte uitkomsten kunt identificeren en snel kunt onderzoeken om onjuiste gegevens te repareren of te voorkomen.
- Controleer eerdere trends in basisonderzoeksgegevens om te controleren of je onderzoek op weg is naar een sterke interne validiteit.
- Nodig de mensen die de enquête niet beantwoord hebben uit voor een extra enquête. Een tweede ronde kan meer stemmen opleveren voor een duidelijker begrip van de bevindingen.
Conclusie
Begrijpen wat selectievooringenomenheid is, wat voor soorten het zijn en hoe het de onderzoeksresultaten beïnvloedt, is de eerste stap in het aanpakken ervan. We hebben cruciale gegevens ontdekt die helpen om selectievooringenomenheid te identificeren en de gevolgen ervan tot een minimum te beperken. U kunt selectievooringenomenheid voorkomen door QuestionPro te gebruiken om betrouwbare onderzoeksgegevens te verzamelen.
Verschillende situaties kunnen leiden tot selectiebias, zoals wanneer niet-neutrale steekproeven worden gecombineerd met systeemproblemen. Een onderzoekstool van enterprisekwaliteit om te gebruiken bij onderzoek en alter-ervaringen is de QuestionPro onderzoekssuite.
De onderzoekssuite QuestionPro biedt enquêtesjablonen die zijn gebaseerd op professioneel onderzoek, waardoor het eenvoudiger wordt om enquêtes te ontwikkelen. Leer meer over enquêtes en ga aan de slag met onze enquêtesoftware door een gratis account aan te maken.
