Presná definícia
Čo znamená skreslenie vzorkovania?
Skreslenie vzorkovania vzniká, keď mechanizmus zberu dáva členom cieľovej populácie systematicky odlišnú pravdepodobnosť zahrnutia, takže pozorovaná vzorka nereprezentuje populáciu relevantnú pre záver. Ide o systematickú, nie náhodnú chybu; väčší počet rovnakým spôsobom získaných dát ju neodstráni. Môže pochádzať zo samovýberu, nedostupnosti, filtrov, preživších prípadov alebo chýbajúceho pokrytia.
Skúsenosť a kontext
Ako sa pojem používa v praxi
Model pracovnej úspešnosti trénovaný iba na prijatých uchádzačoch nevidí výsledky odmietnutých a môže reprodukovať historický výber. Audit mapuje cestu každého záznamu od populácie po finálny súbor, porovná známu demografiu a analyzuje chýbajúce skupiny. Náprava môže zahŕňať nový zber, pravdepodobnostné váženie alebo citlivostnú analýzu; samotné vyváženie tried nestačí. Report musí obmedziť cieľovú populáciu, ak údaje nepodporujú širší záver. Produkčné dáta môžu byť navyše vybrané predchádzajúcim modelom, čím vzniká spätná väzba.
Overiteľnosť
Odborné zdroje
Praktické odpovede
Často kladené otázky
Pomôže viac dát?
Iba ak nový zber zmení mechanizmus výberu; viac rovnakého skresleného zdroja zvýši presnosť nesprávneho odhadu.
Čo je self-selection bias?
Účasť závisí od rozhodnutia osoby, ktoré súvisí aj s meraným výsledkom.
Čo je skreslenie preživších?
Analýza zahŕňa iba jednotky, ktoré prešli filtrom alebo pretrvali, a ignoruje vypadnuté.
Vyrieši problém výberová váha?
Len ak sú pravdepodobnosti zahrnutia odhadnuteľné a chýbajúce skupiny majú podporu v dátach.
Ako sa odhaľuje?
Porovnaním procesu zberu a známych charakteristík vzorky s cieľovou populáciou, nie iba vnútornými metrikami.