– Selection bias

Assessment | Biopsychologie | Comparative |Cognitive | Developmental | Language | Individual Unterschiede |Personality | Philosophy | Social |
Methods | Statistics |Clinical | Educational | Industrial |Professional items |World psychology |

Statistik:Wissenschaftliche Methode · Research methods · Experimental design · Undergraduate-Statistiken-Kurse · Statistische tests · Spieltheorie · Entscheidungstheorie

Selektionsverzerrung ist eine statistische Verzerrung, bei der ein Fehler bei der Auswahl der Personen oder Gruppen vorliegt, die an einer wissenschaftlichen Studie teilnehmen möchten. Es wird manchmal als Selektionseffekt bezeichnet. Der Begriff „Selektionsverzerrung“ bezieht sich meistens auf die Verzerrung einer statistischen Analyse, die sich aus der Methode der Probenahme ergibt. Wenn die Auswahlverzerrung nicht berücksichtigt wird, können bestimmte Schlussfolgerungen falsch sein.,

Typen

Es gibt viele Arten von möglichen Selektionsverzerrungen, einschließlich:

Stichprobenverzerrung

Stichprobenverzerrung ist ein systematischer Fehler aufgrund einer nicht zufälligen Stichprobe einer Population, wodurch einige Mitglieder der Population weniger wahrscheinlich einbezogen werden als andere, was zu einer voreingenommenen Stichprobe führt, definiert als eine statistische Stichprobe einer Population (oder nicht-menschliche Faktoren), in der alle Teilnehmer nicht gleich ausgeglichen oder objektiv vertreten sind., Es wird hauptsächlich als Subtyp der Selektionsverzerrung klassifiziert, manchmal speziell als Stichprobenauswahlverzerrung bezeichnet, aber einige klassifizieren es als separate Art von Verzerrung.

Eine Unterscheidung, wenn auch nicht allgemein akzeptiert, von Stichprobenvorteilen besteht darin, dass sie die externe Validität eines Tests untergräbt (die Fähigkeit seiner Ergebnisse, auf den Rest der Population verallgemeinert zu werden), während die Selektionsverzerrung hauptsächlich die interne Validität für Unterschiede oder Ähnlichkeiten in der vorliegenden Stichprobe berücksichtigt., In diesem Sinne verursachen Fehler, die beim Sammeln der Stichprobe oder Kohorte auftreten, eine Stichprobenverzerrung, während Fehler in jedem Prozess danach eine Auswahlverzerrung verursachen.

Beispiele für Stichprobenverzerrungen sind die Selbstauswahl, das Vorscreening von Probanden, die Diskontierung von Probanden/Tests, die nicht abgeschlossen wurden, und die Migrationsverzerrung, indem Probanden ausgeschlossen werden, die kürzlich in das oder aus dem Studiengebiet gezogen sind.

Zeitintervall

• Vorzeitige Beendigung einer Studie zu einem Zeitpunkt, zu dem die Ergebnisse eine gewünschte Schlussfolgerung stützen.,
• Eine Studie kann frühzeitig mit einem Extremwert beendet werden (oft aus ethischen Gründen), aber der Extremwert wird wahrscheinlich von der Variablen mit der größten Varianz erreicht, selbst wenn alle Variablen einen ähnlichen Mittelwert haben.

Exposition

• Anfälligkeitsverzerrung
  • Klinische Anfälligkeitsverzerrung, wenn eine Krankheit für eine zweite Krankheit prädisponiert und die Behandlung für die erste Krankheit fälschlicherweise für die zweite Krankheit prädisponiert., Zum Beispiel gibt das postmenopausale Syndrom eine höhere Wahrscheinlichkeit, auch Endometriumkarzinom zu entwickeln, so dass Östrogene, die für das postmenopausale Syndrom verabreicht werden, eine höhere als die tatsächliche Schuld für die Entstehung von Endometriumkarzinom erhalten können.
  • Protopathische Verzerrung, wenn eine Behandlung für die ersten Symptome einer Krankheit oder eines anderen Ergebnisses das Ergebnis zu verursachen scheint. Es ist eine mögliche Voreingenommenheit, wenn es eine Verzögerungszeit von den ersten Symptomen und dem Beginn der Behandlung vor der tatsächlichen Diagnose gibt. Es kann durch Verzögerung, dh Ausschluss von Expositionen, die in einem bestimmten Zeitraum vor der Diagnose aufgetreten sind, gemildert werden.,
  • Indikationsverzerrung, eine mögliche Vermischung von Ursache und Wirkung, wenn die Exposition von der Indikation abhängt, z. B. wenn Personen mit hohem Krankheitsrisiko behandelt werden, was möglicherweise zu einem Übergewicht der behandelten Personen unter den Erkrankten führt. Dies kann zu einem fehlerhaften Auftreten der Behandlung als Ursache der Krankheit führen.

Daten

• Partitionieren Sie Daten mit Kenntnis des Inhalts der Partitionen und analysieren Sie sie dann mit Tests, die für blind ausgewählte Partitionen entwickelt wurden.,
• Ablehnung von „schlechten“ Daten aus willkürlichen Gründen statt nach vorher festgelegten oder allgemein vereinbarten Kriterien.
• Ablehnung von“ Ausreißern „aus statistischen Gründen, die wichtige Informationen, die aus“ wilden “ Beobachtungen abgeleitet werden könnten, nicht berücksichtigen.

Studien

• Auswahl der Studien, die in eine Metaanalyse einbezogen werden sollen (siehe auch kombinatorische Metaanalyse).,
• Wiederholte Experimente durchführen und nur die günstigsten Ergebnisse melden, möglicherweise Labordaten anderer Experimente als „Kalibrierungstests“, „Instrumentierungsfehler“ oder „Voruntersuchungen“neu beschriften.
• Präsentiert das signifikanteste Ergebnis eines Datenbaggers, als wäre es ein einzelnes Experiment (das logisch das gleiche wie das vorherige Element ist, aber als viel weniger unehrlich angesehen wird).

Abrieb

Abrieb ist eine Art Selektionsverzerrung, die durch Abrieb (Verlust der Teilnehmer) verursacht wird und Probanden / Tests, die nicht abgeschlossen wurden, diskontiert., Es umfasst Dropout, Nonresponse (niedrigere Antwortrate), Entzug und Protokollabweicher. Es liefert voreingenommene Ergebnisse, wenn es in Bezug auf Exposition und/oder Ergebnis ungleich ist. Zum Beispiel kann der Forscher in einem Test eines Diätprogramms einfach jeden ablehnen, der aus der Studie aussteigt, aber die meisten, die aussteigen, sind diejenigen, für die es nicht funktioniert hat. Unterschiedliche Gruppen von Probanden in der Interventions – und Vergleichsgruppe können die Merkmale dieser Gruppen und Ergebnisse unabhängig von der untersuchten Intervention ändern.,

Beobachterauswahl

Die Daten werden nicht nur nach Studiendesign und-messung gefiltert, sondern nach der notwendigen Voraussetzung, dass jemand eine Studie durchführt. In Situationen, in denen die Existenz des Beobachters oder der Studie mit den Daten korreliert ist, treten Selektionseffekte auf, und anthropisches Denken ist erforderlich.,

Ein Beispiel ist die Aufzeichnung vergangener Einflüsse auf die Erde: Wenn große Einflüsse Massenaussterben und ökologische Störungen verursachen, die die Entwicklung intelligenter Beobachter für längere Zeit ausschließen, wird niemand Hinweise auf große Auswirkungen in der jüngsten Vergangenheit beobachten (da sie intelligente Beobachter daran gehindert hätten, sich zu entwickeln). Daher gibt es eine mögliche Verzerrung in der Aufprallaufzeichnung der Erde. Astronomische existenzielle Risiken können aufgrund von Selektionsverzerrungen ebenfalls unterschätzt werden, und es muss eine anthropische Korrektur eingeführt werden.,

Vermeidung

Im allgemeinen Fall können Selektionsverzerrungen nicht allein mit der statistischen Analyse vorhandener Daten überwunden werden, obwohl Heckman-Korrektur in besonderen Fällen verwendet werden kann. Eine informelle Beurteilung des Grades der Selektionsverzerrung kann durch Untersuchung von Korrelationen zwischen exogenen (Hintergrund -) Variablen und einem Behandlungsindikator erfolgen., In Regressionsmodellen ist es jedoch eine Korrelation zwischen unbeobachteten Determinanten des Ergebnisses und unbeobachteten Determinanten der Selektion in die Stichprobe, die die Verzerrung schätzt, und diese Korrelation zwischen nicht beobachteten Determinanten kann nicht direkt durch die beobachteten Determinanten der Behandlung beurteilt werden.,

Verwandte Themen

Auswahlverzerrung steht in engem Zusammenhang mit:

• Publikationsverzerrung oder Berichtsverzerrung, Verzerrung in der Wahrnehmung der Gemeinschaft oder Metaanalysen, indem keine uninteressanten (normalerweise negativen) Ergebnisse veröffentlicht werden, oder Ergebnisse, die den Vorurteilen des Experimentators, den Interessen eines Sponsors oder den Erwartungen der Gemeinschaft widersprechen.
• confirmation bias, die Verzerrung produziert von Experimenten, die entworfen sind, zu suchen bestätigende Beweise, anstatt zu versuchen, Sie zu widerlegen die Hypothese.,
• Ausschluss bias, Ergebnisse aus der Anwendung der verschiedenen Kriterien zu den Fällen und Kontrollen in Bezug auf die Teilnahmeberechtigung für eine Studie/von verschiedenen Variablen dienen als Grundlage für die Ausgrenzung.,

Siehe auch

• Berkson ‚ s paradox
• Biased sampling
• Black Swan-Theorie
• Cherry picking (Trugschluss)
• Finanzierung-bias
• – Liste von kognitiven Verzerrungen
• Sampling bias
• Self-fulfilling prophecy
• Teilnahme bias
• Survivorship bias

Anmerkungen