הטיה באיסוף נתונים מתרחשת כאשר אנו בוחרים בטעות את הנבדקים שישתייכו למדגם האקראי הנבדק.
יש לנו את הבעיה כאשר בחירה זו גורמת לכך שהמדגם האקראי אינו מייצג את האוכלוסייה הסטטיסטית. ולכן כל תוצאה שנקבל מהמדגם היא מוטה, ולא יכולנו לאשר שהיא התגשמה באוכלוסייה הניתוח. בתוך הטיה זו, אנו יכולים להבדיל בין סוגים שונים, אותם נסביר להלן.
הטיה בהישרדות
מתרחש כאשר הנתונים אינם נכללים בניתוח מכיוון שהם אינם קיימים עוד בזמן הניתוח.
במילים אחרות, אנו מתמקדים רק בנתונים הקיימים ומשליכים את אלה שהיו קיימים בעבר באוכלוסייה. בפועל ישנן דוגמאות רבות לסוג זה של הטיה. אחד מהם הוא לבצע סקרים רק ללקוחות החברה, ולשלול לקוחות פוטנציאליים. אפשרות אחרת היא להעריך את התנהגות מדדי המניות ולבטל מהניתוח את החברות שהיו ואינן עוד במדד זה.
הפיתרון להטיה זו הוא פשוט מאוד. בצע את המחקר עם כל הנתונים, קיימים וקיימים בעבר.
הטיית ציפייה
זה קורה כאשר מבוצעת ניתוח באמצעות נתונים שאינם זמינים בזמן הניתוח. דוגמה תהיה ביצוע ניתוח של יחס מחיר המניה עם משתנה כלשהו של היתרה הפיננסית. מחיר המניה הוא משתנה דינמי שאם יש לנו מידע נכון בזמן הניתוח. עם זאת, המשתנים שנקבעו במאזן הם סטטיים ולכן עלינו להמתין לפרסום דוחות כספיים לצורך ניתוח זה.
נניח שאנחנו רוצים ללמוד את הקשר בין מחיר להון למספר חברות בסוף שנת הכספים. במקרה זה לא יהיו לנו נתוני השווי הנקי עד לפרסום הדוחות הכספיים. פרסום שניתן בדרך כלל כמה חודשים לאחר תום שנת הכספים.
לכן, פיתרון להטיה זו יהיה להמתין לפרסום הדוחות הכספיים. ובצע את הניתוח עם הנתונים שפורסמו יחד עם המחיר בזמן הפרסום.
הטיית תקופת זמן
הטיה זו מתרחשת כאשר התקופה שנבחרה עבור הנתונים קצרה או ארוכה מדי. אם היא קצרה מדי, הניתוח יכול לשקף תוצאות ספציפיות שעומדות רק בתקופה זו. כלומר, הם לא יהיו מייצגים לתקופה ארוכה יותר.
תארו לעצמכם מסגרת זמן של חמש שנים בה חברות קטנות השיגו ביצועים טובים יותר מאשר חברות גדולות בשוק המניות. מכאן נוכל להסיק כי בעתיד חברות קטנות תמיד יעלו על חברות גדולות. אך לפרק זמן כה קצר לא ניתן להסיק מסקנות כאלה. בעיקר בגלל העובדה שבתקופות ארוכות יותר המצב יכול להשתנות. לכן, התוצאות שהתקבלו מוטות לפרק זמן מצומצם זה.