Nepristranskost pri zbiranju podatkov

Do pristranskosti pri zbiranju podatkov pride, ko pomotoma izberemo predmete, ki bodo spadali v analizirani naključni vzorec.

Težavo imamo, ko zaradi tega izbora naključni vzorec ni reprezentativen za statistično populacijo. Zato je vsak rezultat, ki ga dobimo iz vzorca, pristranski in ne moremo trditi, da je bil v analizirani populaciji izpolnjen. V tem pristranskosti lahko ločimo različne vrste, kar bomo razložili v nadaljevanju.

Prebivalnost pristranskosti

Pojavi se, ko so podatki izključeni iz analize, ker v času analize ne obstajajo več.

Z drugimi besedami, osredotočamo se samo na podatke, ki obstajajo, in zavržemo tiste, ki so prej obstajali v populaciji. V praksi obstaja veliko primerov te vrste pristranskosti. Eden izmed njih je, da ankete izvajajo samo za stranke podjetja in izključujejo potencialne stranke. Druga naloga bi bila oceniti vedenje delniških indeksov, pri čemer bi se iz analize izločile družbe, ki so bile in niso več v tem indeksu.

Rešitev te pristranskosti je zelo preprosta. Izvedite študijo z vsemi obstoječimi in že obstoječimi podatki.

Nepristranskost predvidevanja

Pojavi se, kadar se analiza opravi z uporabo podatkov, ki v času analize niso na voljo. Primer bi bil analiza razmerja med ceno delnice in neko spremenljivko finančnega salda. Cena delnice je dinamična spremenljivka, če imamo ob analizi pravilne podatke. Vendar so spremenljivke, določene v bilanci stanja, statične, zato moramo počakati na objavo računovodskih izkazov za to analizo.

Recimo, da želimo preučiti razmerje med ceno in lastniškim kapitalom za številna podjetja ob koncu proračunskega leta. V tem primeru do objave računovodskih izkazov ne bomo imeli podatkov o neto vrednosti. Objava, ki je običajno dana nekaj mesecev po koncu proračunskega leta.

Zato bi bila rešitev za to pristranskost čakanje na objavo računovodskih izkazov. In izvedite analizo z objavljenimi podatki skupaj s ceno v času objave.

Predsodje časovnega obdobja

Ta pristranskost se pojavi, če je obdobje, izbrano za podatke, prekratko ali predolgo. Če je prekratko, lahko analiza odraža določene rezultate, ki so bili doseženi le za to obdobje. To pomeni, da dlje časa ne bi bili reprezentativni.

Predstavljajte si petletni časovni okvir, ko so mala podjetja na borzi presegla velika podjetja. Iz tega bi lahko sklepali, da bodo mala podjetja v prihodnosti vedno boljša od velikih. Toda v tako kratkem času ni mogoče sprejeti takšnih zaključkov. Predvsem zaradi dejstva, da bi se razmere v daljšem časovnem obdobju lahko spremenile. Zato so pridobljeni rezultati pristranski do tega skrajšanega obdobja.