Een probleem genaamd steekproefbias

Ongeacht de gebruikte methodologie of het bestudeerde vakgebied, moeten onderzoekers ervoor zorgen dat ze representatieve steekproeven gebruiken die de kenmerken weerspiegelen van de populatie die ze bestuderen. Dit artikel verkent het concept van steekproefbias, de verschillende soorten en manieren van toepassing en de beste praktijken om de effecten ervan te beperken.

Wat is steekproefbias?

Steekproefbias verwijst naar een situatie waarin bepaalde individuen of groepen in een populatie meer kans hebben om in een steekproef te worden opgenomen dan andere, wat leidt tot een vertekende of niet-representatieve steekproef. Dit kan om verschillende redenen gebeuren, zoals niet-willekeurige steekproefmethoden, zelfselectie of vooringenomenheid van de onderzoeker.

Met andere woorden, steekproefbias kan de geldigheid en generaliseerbaarheid van onderzoeksbevindingen ondermijnen doordat de steekproef scheefgetrokken wordt ten gunste van bepaalde kenmerken of perspectieven die mogelijk niet representatief zijn voor de grotere populatie.

Idealiter moet u alle deelnemers aan uw enquête willekeurig selecteren. In de praktijk kan het echter moeilijk zijn om een willekeurige selectie van deelnemers uit te voeren wegens beperkingen zoals kosten en beschikbaarheid van respondenten. Zelfs als u geen gerandomiseerde gegevensverzameling doet, is het van cruciaal belang dat u zich bewust bent van de potentiële vertekeningen die in uw gegevens aanwezig kunnen zijn.

Enkele voorbeelden van steekproeffouten zijn:

Vooringenomenheid van vrijwilligers: Deelnemers die vrijwillig deelnemen aan een onderzoek kunnen andere kenmerken hebben dan degenen die zich niet vrijwillig aanmelden, wat leidt tot een niet-representatieve steekproef.
Niet-willekeurige steekproeven: Als een onderzoeker alleen deelnemers van bepaalde locaties selecteert, of alleen deelnemers met bepaalde kenmerken, kan dat leiden tot een vertekende steekproef.
Vertrouwensvooroordeel: Dit gebeurt wanneer een steekproef alleen personen omvat die in een bepaalde situatie hebben overleefd of zijn geslaagd, en degenen die niet hebben overleefd of gefaald, buiten beschouwing worden gelaten.
Gemaksbemonstering: Bij dit type steekproef worden deelnemers geselecteerd die gemakkelijk toegankelijk zijn, zoals degenen die toevallig in de buurt zijn, of degenen die reageren op een online-enquête, die wellicht niet representatief zijn voor de grotere populatie.
Bevestigingsbias: Onderzoekers kunnen - onbewust of opzettelijk - deelnemers selecteren die hun hypothese of onderzoeksvraag ondersteunen, wat leidt tot bevooroordeelde resultaten.
Hawthorne-effect: Deelnemers kunnen hun gedrag of antwoorden veranderen wanneer zij weten dat zij worden bestudeerd of geobserveerd, wat leidt tot niet-representatieve resultaten.

Als u zich bewust bent van deze vertekeningen, kunt u er in de analyse rekening mee houden om de vertekeningen te corrigeren en de populatie die uw gegevens vertegenwoordigen beter te begrijpen.

Soorten steekproeffouten

Selectievooroordeel: doet zich voor wanneer de steekproef niet representatief is voor de populatie.
Meetvertekening: doet zich voor wanneer de verzamelde gegevens onnauwkeurig of onvolledig zijn.
Vertekende vooringenomenheid: ontstaat wanneer de respondenten onjuiste of onvolledige informatie verstrekken.
Niet-respons vertekening: doet zich voor wanneer sommige leden van de populatie niet op de enquête reageren, wat leidt tot een niet-representatieve steekproef.

Oorzaken van steekproeffouten

GemaksbemonsteringHet selecteren van een steekproef op basis van gemak in plaats van een wetenschappelijke methode.
Zelf-selectie bias: alleen degenen die vrijwillig aan de enquête deelnemen, zijn opgenomen, hetgeen wellicht niet representatief is voor de bevolking.
Vertekening van het steekproefkaderwanneer het steekproefkader dat wordt gebruikt om de steekproef te selecteren, niet representatief is voor de populatie.
OverlevingsvertekeningDe enquête wordt uitgevoerd wanneer alleen bepaalde leden van de bevolking deelnemen, wat leidt tot een niet-representatieve steekproef. Als onderzoekers bijvoorbeeld alleen mensen ondervragen die nog in leven zijn, krijgen ze mogelijk geen input van mensen die zijn overleden voordat de studie werd uitgevoerd.
Steekproefbias door gebrek aan kennis: het niet onderkennen van de bronnen van variabiliteit die kunnen leiden tot vertekende ramingen.
Steekproefbias door fouten in de steekproefadministratie: het niet gebruiken van een geschikt of goed functionerend steekproefkader of het weigeren van deelname aan het onderzoek, hetgeen leidt tot een vertekende selectie van de steekproef.

Steekproefbias in klinische proeven

Klinische proeven zijn bedoeld om de doeltreffendheid van een nieuwe behandeling of geneesmiddel op een bepaalde populatie te testen. Zij vormen een essentieel onderdeel van het ontwikkelingsproces van geneesmiddelen en bepalen of een behandeling veilig en doeltreffend is voordat zij wordt vrijgegeven voor het grote publiek. Klinische proeven zijn echter ook gevoelig voor selectiebias.

Selectievertekening treedt op wanneer de voor een onderzoek gebruikte steekproef niet representatief is voor de te representeren populatie. In het geval van klinische proeven kan selectievertekening optreden wanneer deelnemers selectief worden gekozen om deel te nemen of zelf worden geselecteerd.

Stel dat een farmaceutisch bedrijf een klinisch onderzoek uitvoert om de werkzaamheid van een nieuw kankermedicijn te testen. Zij besluit deelnemers voor het onderzoek te werven via advertenties in ziekenhuizen, klinieken en steungroepen voor kanker en via online sollicitaties. De steekproef die ze verzamelen kan echter worden beïnvloed door degenen die meer gemotiveerd zijn om deel te nemen aan een onderzoek of die een bepaald type kanker hebben. Dit kan het moeilijk maken om de resultaten van de studie te generaliseren naar de grotere populatie.

Om selectiebias in klinische proeven tot een minimum te beperken, moeten onderzoekers strikte in- en uitsluitingscriteria en willekeurige selectieprocessen toepassen. Dit garandeert dat de steekproef van voor het onderzoek geselecteerde deelnemers representatief is voor de grotere populatie, waardoor eventuele vertekening van de verzamelde gegevens wordt geminimaliseerd.

Problemen als gevolg van vertekening van de steekproef

Steekproefbias is problematisch omdat het mogelijk is dat een statistiek die berekend is op basis van de steekproef systematisch fout is. Dit kan leiden tot een systematische over- of onderschatting van de overeenkomstige parameter in de populatie. Het komt in de praktijk voor, omdat het praktisch onmogelijk is om perfecte willekeur te garanderen bij steekproeven.

Als de mate van vertekening gering is, kan de steekproef worden behandeld als een redelijke benadering van een aselecte steekproef. Bovendien kan een vertekende steekproef nog steeds een redelijke schatting zijn, als de steekproef geen grote verschillen vertoont in de gemeten hoeveelheid.

Hoewel sommige personen misschien opzettelijk een vertekende steekproef gebruiken om misleidende resultaten te produceren, is een vertekende steekproef vaker gewoon een weerspiegeling van de moeilijkheid om een echt representatieve steekproef te verkrijgen of van het feit dat zij de vertekening in hun meet- of analyseproces niet kennen.

Extrapolatie: buiten het bereik

In de statistiek wordt het trekken van een conclusie over iets buiten het bereik van de gegevens extrapolatie genoemd. Een conclusie trekken uit een bevooroordeelde steekproef is een vorm van extrapolatie: omdat de steekproefmethode systematisch bepaalde delen van de onderzochte populatie uitsluit, zijn de conclusies alleen van toepassing op de bemonsterde subpopulatie.

Extrapolatie treedt ook op als bijvoorbeeld een conclusie op basis van een steekproef van universiteitsstudenten wordt toegepast op oudere volwassenen of op volwassenen met slechts een opleiding van de achtste klas. Extrapolatie is een veel voorkomende fout bij de toepassing of interpretatie van statistieken. Soms, omdat het moeilijk of onmogelijk is goede gegevens te verkrijgen, is extrapolatie het beste wat we kunnen doen, maar het moet altijd met minstens een korreltje zout worden genomen - en vaak met een grote dosis onzekerheid.

Van wetenschap naar pseudowetenschap

Zoals vermeld op WikipediaEen voorbeeld van hoe onwetendheid van een bias kan bestaan, is in het wijdverbreide gebruik van een ratio (ook wel vouwverandering genoemd) als maat voor het verschil in biologie. Omdat het gemakkelijker is om een grote ratio te bereiken met twee kleine getallen met een gegeven verschil, en relatief moeilijker om een grote ratio te bereiken met twee grote getallen met een groter verschil, kunnen grote significante verschillen gemist worden bij het vergelijken van relatief grote numerieke metingen.

Sommigen hebben dit een 'demarcation bias' genoemd omdat het gebruik van een ratio (deling) in plaats van een verschil (aftrekking) de resultaten van de analyse van wetenschap in pseudowetenschap verandert.

Sommige steekproeven maken gebruik van een vertekend statistisch ontwerp, dat niettemin de schatting van parameters mogelijk maakt. Het Amerikaanse National Center for Health Statistics trekt bijvoorbeeld bewust te grote steekproeven onder minderheidsgroepen in veel van zijn landelijke enquêtes om voldoende precisie te krijgen voor schattingen binnen deze groepen.

Deze enquêtes vereisen het gebruik van steekproefgewichten om correcte schattingen voor alle etnische groepen te produceren. Indien aan bepaalde voorwaarden wordt voldaan (vooral dat de gewichten correct worden berekend en gebruikt) maken deze steekproeven nauwkeurige schattingen van bevolkingsparameters mogelijk.

Beste praktijken voor het beperken van steekproeffouten

Het is van cruciaal belang een passende steekproefmethode te kiezen om ervoor te zorgen dat de resulterende gegevens een nauwkeurig beeld geven van de bestudeerde populatie.

Technieken voor willekeurige steekproeven: Het gebruik van willekeurige steekproeftechnieken vergroot de kans dat de steekproef representatief is voor de populatie. Deze techniek helpt ervoor te zorgen dat de steekproef zo representatief mogelijk is voor de betrokken populatie, en dus minder waarschijnlijk vertekeningen bevat.
Berekening van de steekproefgrootte: De steekproefgrootte moet zodanig worden berekend dat er voldoende vermogen is om statistisch zinvolle hypothesen te toetsen. Hoe groter de steekproefomvang, hoe beter de vertegenwoordiging van de populatie.
Trendanalyse: Zoeken naar alternatieve gegevensbronnen en analyseren van eventueel niet geselecteerde trends in de gegevens.
Controleren op vertekening: Het optreden van bias moet worden gecontroleerd om systematische uitsluiting of overopname van specifieke gegevenspunten vast te stellen.

Let op de monsters

Steekproefbias is een belangrijke overweging bij het uitvoeren van onderzoek. Ongeacht de gebruikte methode of het bestudeerde vakgebied moeten onderzoekers ervoor zorgen dat zij representatieve steekproeven gebruiken die de kenmerken van de bestudeerde populatie weerspiegelen.

Bij het opzetten van onderzoeksstudies is het van cruciaal belang veel aandacht te besteden aan het selectieproces van de steekproef en aan de methodologie die wordt gebruikt om gegevens van de steekproef te verzamelen. Beste praktijken zoals aselecte steekproeftechnieken, berekening van de steekproefomvang, trendanalyse en controle op vertekening moeten worden toegepast om ervoor te zorgen dat de onderzoeksresultaten geldig en betrouwbaar zijn, zodat de kans groter is dat zij het beleid en de praktijk beïnvloeden.

Opvallende wetenschappelijke infografieën in enkele minuten

Mind the Graph is een krachtige online tool voor wetenschappers die hoogwaardige wetenschappelijke afbeeldingen en illustraties moeten maken. Het platform is gebruiksvriendelijk en toegankelijk voor wetenschappers met verschillende niveaus van technische expertise, waardoor het een ideale oplossing is voor onderzoekers die afbeeldingen moeten maken voor hun publicaties, presentaties en ander wetenschappelijk communicatiemateriaal.

Of u nu een onderzoeker bent in de biowetenschappen, natuurwetenschappen of techniek, Mind the Graph biedt een breed scala aan middelen om u te helpen uw onderzoeksresultaten op een duidelijke en visueel aantrekkelijke manier te communiceren.