Sisältö
Bias on arvioiden virhe järjestelmällisistä virheistä, jotka johtavat jatkuvasti korkeisiin tai alhaisiin tuloksiin todellisiin arvoihin verrattuna. Arvioidun arvioidun arvioinnin yksilöllinen poikkeama on ero arvioitujen ja todellisten arvojen välillä. Jos estimoinnin ei tiedetä olevan puolueellinen, ero voi johtua myös satunnaisvirheestä tai muista epätarkkuuksista. Vastoin puolueellisuutta, joka toimii aina yhteen suuntaan, nämä virheet voivat olla positiivisia tai negatiivisia.
Laskeaksesi moniin arvioihin käytetyn menetelmän vääristymisen, etsi virheitä vähentämällä jokainen arvio todellisesta tai havaitusta arvosta. Liitä kaikki virheet yhteen ja jaa arvioiden lukumäärällä saadaksesi virhe. Jos virheiden arvo on nolla, arviot olivat puolueettomia ja menetelmä tuottaa puolueettomat tulokset. Jos arviot ovat puolueellisia, voi olla mahdollista löytää poikkeaman lähde ja poistaa se menetelmän parantamiseksi.
TL; DR (liian pitkä; ei lukenut)
Laske virheellisyys etsimällä ero hinnan ja todellisen arvon välillä. Löydä menetelmän virheellisyys suorittamalla useita arvioita ja lisäämällä jokaisen arvioinnin virheet todelliseen arvoon verrattuna. Jakamalla arvioiden lukumäärällä saadaan menetelmän virheellisyys. Tilastoissa voi olla monia arvioita yhden arvon löytämiseksi. Bias on ero näiden arvioiden keskiarvon ja todellisen arvon välillä.
Kuinka puolueellisuus toimii
Kun arviot ovat puolueellisia, ne ovat johdonmukaisesti vääriä yhteen suuntaan johtuen virheistä arviossa käytetyssä järjestelmässä. Esimerkiksi sääennuste voi jatkuvasti ennustaa lämpötiloja, jotka ovat korkeampia kuin tosiasiallisesti havaitut. Ennuste on puolueellinen, ja jossain järjestelmässä on virhe, joka antaa liian korkean arvion. Jos ennustemenetelmä on puolueeton, se voi silti ennustaa lämpötiloja, jotka eivät ole oikeita, mutta väärä lämpötila on joskus korkeampi ja joskus alempi kuin havaitut lämpötilat.
Tilastollinen puolueellisuus toimii samalla tavalla, mutta perustuu yleensä suureen määrään arvioita, tutkimuksia tai ennusteita. Nämä tulokset voidaan esittää graafisesti jakautumiskäyrässä ja bias on ero jakauman keskiarvon ja todellisen arvon välillä. Jos esiintyy vääristymiä, on aina eroa, vaikka jotkut yksittäiset arviot saattavat laskea todellisen arvon kummallekin puolelle.
Bias tutkimuksissa
Esimerkki puolueellisuudesta on kyselyyritys, joka suorittaa kyselyjä vaalikampanjoiden aikana, mutta niiden äänestystulokset yliarvioivat jatkuvasti yhden poliittisen puolueen tulokset todellisiin vaalituloksiin verrattuna. Bias voidaan laskea jokaiselle vaalille vähentämällä todellinen tulos kyselyn ennusteella. Käytetyn kyselymenetelmän keskimääräinen poikkeama voidaan laskea löytämällä yksittäisten virheiden keskiarvo. Jos puolueellisuus on suuri ja johdonmukainen, äänestysyhtiö voi yrittää selvittää, miksi menetelmä on puolueellinen.
Bias voi tulla kahdesta päälähteestä. Joko kyselyyn osallistujien valinta on puolueellinen, tai puolueellisuus johtuu osallistujilta saatujen tietojen tulkinnasta. Esimerkiksi Internet-kyselyt ovat luontaisesti puolueellisia, koska Internet-lomakkeet täyttävien kyselyjen osallistujat eivät edusta koko väestöä. Tämä on valintavirhe.
Äänestysyhtiöt ovat tietoisia tästä valintavirheestä ja kompensoivat niitä muuttamalla lukuja. Jos tulokset ovat edelleen puolueellisia, se on informaation vääristymistä, koska yritykset eivät tulkineet tietoja oikein. Kaikissa näissä tapauksissa virheellisyyslaskelma osoittaa, missä määrin arvioidut arvot ovat hyödyllisiä ja milloin menetelmät tarvitsevat säätöä.