הטיה סטטיסטית היא ההבדל המתרחש בין אומדן מתמטי לערכו המספרי, לאחר ביצוע ניתוח.
לכן הטיה היא ההבדל בין תיאוריה למציאות.
זה נפוץ מאוד בסטטיסטיקה ויש לשלוט בו. מצד שני, אומדים שאין להם הטיה נקראים חסרי משוא פנים ויהיו המצב האידיאלי בחקירה, אם כי זה בגלל שזה כמעט בלתי ניתן להשגה.
מה מייצר הטיה במדע?
ההטיה יכולה להתרחש, בעיקר, בשלוש דרכים:
- הטיה בבחירה: זה הנפוץ ביותר בסטטיסטיקה. בדרך כלל זה קשור לבחירת הקבוצות. לרוב, ההחלטה לא התקבלה על בסיס שיטות דגימה אובייקטיביות. לדוגמא, המדגם נבחר לפי זיקה למועמד בסקר.
- הטיה במידע: אנו עומדים בפני הטיה בגלל מידע חסר. לכן, איננו יכולים להשוות בין הקבוצות מכיוון שיש לנו מידע מוגבל מדי עליהן.
- הטיה בלבול: במקרה זה יש מה שמכונה משתנה מבלבל, מה שגורם להטיה. לעתים קרובות קשה למצוא היכן הבעיה.
הטיה סטטיסטית ושיטות דגימה
כשאנחנו מבצעים חקירה עלינו לדעת אם אנו עומדים לבצע מחקר חקר או אישוש. שאלה זו חיונית. סוג הדגימה שנבחר יהיה תלוי בה.
לפיכך, כאשר נרצה לבצע מחקר מאמת, נשתמש בשיטות אקראיות. עם זאת, כאשר הכוונה היא לבצע בדיקה כדי לשמש בסיס להמשך חקירות, ייתכן שהשיטה אינה אקראית. יש לזכור כי שיטה אחרונה זו היא בדרך כלל בעלות נמוכה ופשוטה יותר.
הטיה בבחירה סטטיסטית
זה הנפוץ ביותר וזה שמבצעים החוקרים במידה רבה יותר. עלינו להיות זהירים מאוד בבחירת מדגם סטטיסטי. סוג זה של הטיה בבחירה סטטיסטית מתבצע בתהליך זה.
לכן חשוב מאוד להקים את הפרוטוקול מראש ולעשות אותו בפירוט. בנוסף יש להכשיר את האנשים שיאספו את הנתונים. חלק אחרון זה הוא בראש סדר העדיפויות להימנע גם מסוגים אחרים של הטיה, כגון הטיה במידע.
דוגמאות להטיית בחירה סטטיסטית
אנו הולכים לראות, לסיום, כמה דוגמאות בהן יכולה להופיע הטיה סטטיסטית.
הם נפוצים מאוד ולעיתים קרובות מובילים לחקירות מוטות שאינן משקפות את המציאות. לכן חשוב להימנע מהם.
- לדוגמא, דמיין שאנו רוצים לחקור את זיקת האוכלוסייה למועמד פוליטי. הסקרים יכולים לטעות בהטייה אם הם לא בחרו את האזורים באופן אקראי. כלומר, אם הם בוחרים תחומים שקשורים למועמד האמור.
- בכלכלה אתה יכול לבצע הטיה, למשל, בחקר העוני. יש לבחור את המדינות באותה מידה כך שיהיה איזון. לפיכך, ניתן היה ללמוד את המשתנים המקדמים עוני, אך גם שגשוג.
- ברפואה, הטיה של בחירה סטטיסטית מתרחשת אם לא משתמשים בדגימה נאותה בעת לימוד מחלה. כלומר, אם אנו רוצים לראות את שכיחות האוכלוסייה, עלינו להשתמש בדגימות אקראיות, במיוחד אם המטרה היא לאשר את המחקר.