<\/p>\n
Unter Non-Response-Bias<\/strong> versteht man die Verzerrung, die auftritt, wenn sich Personen, die auf eine Umfrage antworten, deutlich von denen unterscheiden, die nicht antworten.<\/span><\/p>\n Ein Non-Response-Bias kann aus mehreren Gr\u00fcnden auftreten:<\/span><\/p>\n Aus all diesen Gr\u00fcnden kann es zu einem Non-Response-Bias kommen.<\/span><\/p>\n Der Non-Response-Bias ist aus zwei Hauptgr\u00fcnden ein Problem:<\/span><\/p>\n 1. Der Non-Response-Bias f\u00fchrt dazu, dass die Stichprobe nicht repr\u00e4sentativ f\u00fcr die Gesamtbev\u00f6lkerung ist.<\/strong> Der Vorteil des Sammelns von Daten f\u00fcr eine Stichprobe besteht darin, dass es schneller und kosteng\u00fcnstiger ist als das Sammeln von Daten f\u00fcr eine gesamte Grundgesamtheit und dass die Stichprobenergebnisse auf eine gr\u00f6\u00dfere Grundgesamtheit extrapoliert werden k\u00f6nnen.<\/span><\/p>\n Um die Ergebnisse extrapolieren zu k\u00f6nnen, muss die Stichprobe jedochrepr\u00e4sentativ<\/a><\/em> f\u00fcr unsere Gesamtbev\u00f6lkerung sein. Im Idealfall m\u00f6chten wir, dass unsere Stichprobe eine \u201eMini\u201c-Version der Grundgesamtheit ist.<\/span><\/p>\n Leider kann der Non-Response-Bias dazu f\u00fchren, dass die Menschen in unserer Stichprobe ganz anders aussehen als die breitere Bev\u00f6lkerung.<\/span><\/p>\n Nehmen wir zum Beispiel an, eine Stadt erw\u00e4gt den Bau einer neuen Kletteranlage. Um abzusch\u00e4tzen, wie gro\u00df das Interesse der Stadtbewohner an der Nutzung dieser Art von Einrichtungen w\u00e4re, verschicken die Stadtbeamten eine kurze Umfrage \u00fcber eine neue Smartphone-App.<\/span><\/p>\n Aufgrund der Durchf\u00fchrung der Befragung und des Inhalts der Befragung (Fragen zum Thema Klettern) antworten vor allem junge Menschen, die sich beworben haben und sich f\u00fcr das Klettern interessieren.<\/span><\/p>\n Wenn also die Umfrageergebnisse vorliegen, zeigt sich, dass eine \u00fcberw\u00e4ltigende Mehrheit der Stadtbev\u00f6lkerung am Bau dieser neuen Anlage interessiert ist. Leider sind die Umfrageergebnisse nicht repr\u00e4sentativ f\u00fcr die Gesamtbev\u00f6lkerung.<\/span><\/p>\n Das folgende Bild veranschaulicht dieses Problem: Nehmen wir an, dass die gr\u00fcnen Kreise Personen darstellen, die an der Nutzung der Einrichtung interessiert sind, w\u00e4hrend die roten Kreise Personen darstellen, die nicht an der Nutzung der Einrichtung interessiert sind:<\/span><\/p>\n Beachten Sie, dass die Stichprobe nicht repr\u00e4sentativ f\u00fcr die Gesamtbev\u00f6lkerung ist. Die Umfrageergebnisse w\u00fcrden zeigen, dass sich die meisten Menschen \u00fcber eine neue Kletteranlage freuen. Wenn die Stadtbeamten leider davon ausgehen w\u00fcrden, dass diese Stichprobe repr\u00e4sentativ f\u00fcr die Bev\u00f6lkerung sei, k\u00f6nnten sie sich leider f\u00fcr den Bau der Anlage entscheiden und schnell feststellen, dass viel weniger Menschen sie nutzen w\u00fcrden, als sie dachten.<\/span><\/p>\n 2. Non-Response-Bias k\u00f6nnen zu gr\u00f6\u00dferen Abweichungen bei den Sch\u00e4tzungen f\u00fchren<\/strong> . Sollte sich herausstellen, dass die Stichprobengr\u00f6\u00dfe der Umfrage kleiner ist als von den Forschern geplant, k\u00f6nnte die Varianz in den Studiensch\u00e4tzungen gr\u00f6\u00dfer sein als erwartet.<\/span><\/p>\n Durch Hypothesentests<\/a> wissen wir beispielsweise, dass die Varianz unserer Sch\u00e4tzung eines Bev\u00f6lkerungsmittelwerts oder Bev\u00f6lkerungsanteils umso geringer ist, je gr\u00f6\u00dfer unsere Stichprobe ist. Je kleiner jedoch unsere Stichprobengr\u00f6\u00dfe ist, desto gr\u00f6\u00dfer ist die Varianz unserer Bev\u00f6lkerungsparametersch\u00e4tzungen und desto schwieriger ist es, ein statistisch signifikantes Ergebnis zu finden.<\/span><\/p>\n Die folgenden Beispiele veranschaulichen mehrere F\u00e4lle, in denen ein Non-Response-Bias auftreten kann.<\/span><\/p>\n Forscher wollen wissen, wie Informatiker neue Software wahrnehmen. Es besteht der Druck, so viele Daten wie m\u00f6glich aus der Umfrage zu gewinnen. Deshalb konzipieren Forscher eine Umfrage, die etwa eine Stunde dauert. Wenn sie die Umfrage verteilen, stellen sie fest, dass viele IT-Mitarbeiter entweder \u00fcberhaupt nicht antworten oder anfangen zu antworten, aber am Ende aufgeben, bevor sie die gesamte Umfrage ausgef\u00fcllt haben.<\/span><\/p>\n Wenn die Forscher die Daten abrufen, stellen sie fest, dass die Befragten die Software als hervorragend und hochwertig empfinden. Als sie jedoch die neue Software im allgemeinen IT-Team einf\u00fchrten, stellten sie fest, dass sie \u00fcberwiegend negatives Feedback erhielten.<\/span><\/p>\n Es stellte sich heraus, dass es sich bei den Personen, die sich die Zeit nahmen, die gesamte Umfrage auszuf\u00fcllen, gr\u00f6\u00dftenteils um unerfahrene Informatiker handelte, die nicht in der Lage waren, die M\u00e4ngel des Programms einzusch\u00e4tzen.<\/span><\/p>\n Aus diesem Grund spiegelten die Umfrageteilnehmer nicht die breitere Population von IT-Fachkr\u00e4ften als Ganzes wider und die Umfrageergebnisse waren daher unzuverl\u00e4ssig.<\/span><\/p>\n Forscher m\u00f6chten mehr \u00fcber die Alkoholkonsumraten an einer bestimmten Hochschule erfahren. Sie beschlie\u00dfen, auf dem Campus einen Stand einzurichten, an dem Studierende anhalten und einen Fragebogen dar\u00fcber ausf\u00fcllen k\u00f6nnen, wie viel und wie oft sie Alkohol konsumieren. Leider ist der Fragebogen nicht anonym, sodass nur Studierende, die sehr wenig oder gar nicht trinken, den Fragebogen ausf\u00fcllen.<\/span><\/p>\n Als die Ergebnisse vorlagen, zeigte sich, dass der Alkoholkonsum bei den Sch\u00fclern gering und selten war. Leider spiegeln die Umfrageteilnehmer nicht die breitere Studentenschaft auf dem Campus wider und daher sind die Ergebnisse unzuverl\u00e4ssig.<\/span><\/p>\n Die Pr\u00e4sidentschaftswahlen von 1936 sind ein klassisches Beispiel f\u00fcr Non-Response-Bias. Eine damals popul\u00e4re Publikation ver\u00f6ffentlichte eine Umfrage, die voraussagte, dass Alf Landon Franklin D. Roosevelt durch einen Erdrutschsieg besiegen w\u00fcrde. Doch als die Wahl kam, errang Franklin D. Roosevelt tats\u00e4chlich einen Erdrutschsieg.<\/span><\/p>\n Es stellte sich heraus, dass von den 10 Millionen verschickten Frageb\u00f6gen nur 2,3 Millionen Menschen antworteten. Es stellte sich heraus, dass die 7,7 Millionen, die nicht antworteten, hinsichtlich ihrer politischen Pr\u00e4ferenzen sehr unterschiedlich waren.<\/span><\/p>\n Somit spiegelten die Fragebogenergebnisse nicht die Bev\u00f6lkerung als Ganzes wider, weshalb sich die Vorhersage, dass Alf Landon gewinnen w\u00fcrde, als so falsch herausstellte.<\/span><\/p>\n Durch die folgenden Schritte kann ein Non-Response-Bias vermieden (oder zumindest gemildert) werden:<\/span><\/p>\n Obwohl es nicht immer m\u00f6glich ist, die Auswirkungen des Non-Response-Bias vollst\u00e4ndig zu beseitigen, ist es m\u00f6glich, diese Effekte durch den Einsatz eines intelligenten Umfragedesigns und einer intelligenten Verteilungsmethode zu minimieren.<\/span><\/p>\n Was ist ein Selbstselektionsbias? Unter Non-Response-Bias versteht man die Verzerrung, die auftritt, wenn sich Personen, die auf eine Umfrage antworten, deutlich von denen unterscheiden, die nicht antworten. Ein Non-Response-Bias kann aus mehreren Gr\u00fcnden auftreten: Die Umfrage ist schlecht konzipiert und f\u00fchrt zu Ausf\u00e4llen. Beispielsweise k\u00f6nnen zu lange Umfragen ohne Anreize dazu f\u00fchren, dass ein hoher Prozentsatz der Personen die […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
Warum ist Non-Response-Bias ein Problem?<\/strong><\/span><\/h2>\n
Beispiele f\u00fcr Non-Response-Bias<\/strong><\/span><\/h2>\n
Beispiel 1<\/strong><\/span><\/h3>\n
Beispiel 2<\/strong><\/span><\/h3>\n
Beispiel 3<\/strong><\/span><\/h3>\n
Wie man Non-Response-Bias verhindert<\/strong><\/span><\/h2>\n
\n
Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
Was ist ein Undercount-Bias?<\/a>
Was ist SEO-Bias?<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"