Wie man Bias berechnet

Internet-Umfragen sind von Natur aus voreingenommen, da die Umfrageteilnehmer, die die Internetformulare ausfĂŒllen, nicht reprĂ€sentativ fĂŒr die gesamte Bevölkerung sind. Dies wird als Selektionsbias bezeichnet.

Bias ist der SchĂ€tzfehler aufgrund systematischer Fehler, die zu konsistent hohen oder niedrigen Ergebnissen im Vergleich zu den tatsĂ€chlichen Werten fĂŒhren. Die individuelle Verzerrung einer SchĂ€tzung, von der bekannt ist, dass sie voreingenommen ist, ist die Differenz zwischen den geschĂ€tzten und tatsĂ€chlichen Werten. Wenn bekannt ist, dass die SchĂ€tzung nicht verzerrt ist, könnte der Unterschied auch auf zufĂ€llige Fehler oder andere Ungenauigkeiten zurĂŒckzufĂŒhren sein. Im Gegensatz zur Voreinstellung, die immer in eine Richtung wirkt, können diese Fehler positiv oder negativ sein.

Um die Verzerrung einer fĂŒr viele SchĂ€tzungen verwendeten Methode zu berechnen, suchen Sie die Fehler, indem Sie jede SchĂ€tzung von dem tatsĂ€chlichen oder beobachteten Wert subtrahieren. Addiere alle Fehler und dividiere durch die Anzahl der SchĂ€tzungen, um die Verzerrung zu erhalten. Wenn sich die Fehler zu Null addieren, waren die SchĂ€tzungen unvoreingenommen und die Methode liefert unvoreingenommene Ergebnisse. Wenn die SchĂ€tzungen verzerrt sind, kann es möglich sein, die Quelle der Verzerrung zu finden und sie zu eliminieren, um das Verfahren zu verbessern.

TL; DR (zu lang; nicht gelesen)

Berechnen Sie die Abweichung, indem Sie die Differenz zwischen einer SchĂ€tzung und dem tatsĂ€chlichen Wert ermitteln. Um die Verzerrung einer Methode zu ermitteln, fĂŒhren Sie viele SchĂ€tzungen durch und addieren Sie die Fehler in jeder SchĂ€tzung im Vergleich zum tatsĂ€chlichen Wert. Die Division durch die Anzahl der SchĂ€tzungen ergibt die Verzerrung der Methode. In Statistiken kann es viele SchĂ€tzungen geben, um einen einzelnen Wert zu finden. Bias ist die Differenz zwischen dem Mittelwert dieser SchĂ€tzungen und dem tatsĂ€chlichen Wert.

Wie Voreingenommenheit funktioniert

Wenn SchĂ€tzungen widersprĂŒchlich sind, sind sie aufgrund von Fehlern im System, das fĂŒr die SchĂ€tzungen verwendet wird, durchweg falsch. Zum Beispiel kann eine Wettervorhersage konsistent Temperaturen vorhersagen, die höher sind als die tatsĂ€chlich beobachteten. Die Prognose ist voreingenommen, und irgendwo im System gibt es einen Fehler, der eine zu hohe SchĂ€tzung liefert. Wenn die Prognosemethode unvoreingenommen ist, kann sie immer noch Temperaturen vorhersagen, die nicht korrekt sind, aber die falschen Temperaturen sind manchmal höher und manchmal niedriger als die beobachteten Temperaturen.

Statistische Verzerrungen funktionieren auf die gleiche Weise, basieren jedoch in der Regel auf einer großen Anzahl von SchĂ€tzungen, Umfragen oder Prognosen. Diese Ergebnisse können grafisch in einer Verteilungskurve dargestellt werden, und die Abweichung ist die Differenz zwischen dem Mittelwert der Verteilung und dem tatsĂ€chlichen Wert. Wenn es eine Verzerrung gibt, wird es immer einen Unterschied geben, auch wenn einige individuelle SchĂ€tzungen auf beide Seiten des tatsĂ€chlichen Wertes fallen können.

Verzerrung in Umfragen

Ein Beispiel fĂŒr eine Verzerrung ist eine Umfragefirma, die Umfragen wĂ€hrend Wahlkampagnen durchfĂŒhrt, aber ihre Umfrageergebnisse ĂŒberschĂ€tzen die Ergebnisse fĂŒr eine politische Partei im Vergleich zu den tatsĂ€chlichen Wahlergebnissen durchweg. Die Verzerrung kann fĂŒr jede Wahl durch Subtrahieren des tatsĂ€chlichen Ergebnisses von der Abfragevorhersage berechnet werden. Die durchschnittliche Abweichung der verwendeten Abfragemethode kann berechnet werden, indem der Durchschnitt der einzelnen Fehler ermittelt wird. Wenn die Verzerrung groß und konsistent ist, kann das Meinungsforschungsinstitut versuchen herauszufinden, warum seine Methode voreingenommen ist.

Verzerrungen können aus zwei Hauptquellen stammen. Entweder ist die Auswahl der Teilnehmer fĂŒr die Umfrage voreingenommen, oder die Verzerrung resultiert aus der Interpretation der von den Teilnehmern erhaltenen Informationen. Zum Beispiel sind Internet-Umfragen inhĂ€rent voreingenommen, weil die Umfrageteilnehmer, die die Internet-Formulare ausfĂŒllen, nicht reprĂ€sentativ fĂŒr die gesamte Bevölkerung sind. Dies ist eine Auswahlabweichung.

Die Polling-Unternehmen sind sich dieser Selektionsverzerrung bewusst und kompensieren sie durch Anpassung der Zahlen. Wenn die Ergebnisse immer noch verzerrt sind, handelt es sich um eine Informationsverzerrung, da die Unternehmen die Informationen nicht richtig interpretiert haben. In all diesen FĂ€llen zeigt eine Bias-Berechnung, in welchem ​​Ausmaß die geschĂ€tzten Werte nĂŒtzlich sind und wann die Methoden angepasst werden mĂŒssen.

Teilen Sie Mit Ihren Freunden