Viés de berkson: definição + exemplos

O viés de Berkson é um tipo de viés que ocorre na pesquisa quando duas variáveis parecem estar correlacionadas negativamente nos dados de uma amostra, mas na verdade estão correlacionadas positivamente na população geral.

Por exemplo, suponha que Tom queira estudar a correlação entre a qualidade dos hambúrgueres e dos milkshakes em restaurantes locais.

Ele sai e coleta os seguintes dados sobre sete restaurantes diferentes:

Ele cria um gráfico de dispersão para visualizar os dados:

O coeficiente de correlação de Pearson entre estas duas variáveis é de -0,75 , o que corresponde a uma forte correlação negativa.

Esta descoberta é contra-intuitiva para Tom: ele pensaria que os restaurantes que fazem bons hambúrgueres também fazem bons batidos.

No entanto, acontece que Tom simplesmente ignorou todos os restaurantes da cidade que fazem hambúrgueres e milkshakes ruins.

Se ele tivesse visitado esses restaurantes, teria coletado o seguinte conjunto de dados:

E é assim que se parece um gráfico de dispersão para este conjunto de dados:

O coeficiente de correlação de Pearson entre as duas variáveis acaba sendo 0,46 , o que representa uma correlação positiva moderadamente forte.

Ao examinar apenas um subconjunto dos restaurantes da cidade, Tom concluiu incorretamente que havia uma correlação negativa entre a qualidade dos hambúrgueres e dos milkshakes.

Na verdade, verifica-se que existe uma relação positiva (como seria de esperar) entre estas duas variáveis. Este é um exemplo clássico do preconceito de Berkson.

Veja os exemplos a seguir para outros cenários onde o viés de Berkson ocorre na prática.

Exemplo 1: admissões em faculdades

Suponha que uma faculdade admita apenas alunos com pontuação GPA e ACT alta o suficiente.

É bem sabido que estas duas variáveis estão positivamente correlacionadas, mas verifica-se que entre os estudantes que decidem frequentar uma determinada faculdade, parece haver uma correlação negativa entre as duas.

No entanto, esta correlação negativa só ocorre porque os estudantes que têm uma pontuação elevada no GPA e no ACT são capazes de frequentar uma universidade de elite, enquanto os estudantes que têm uma pontuação baixa no GPA e no ACT não são admitidos de todo.

Embora a correlação entre ACT e GPA seja positiva na população, a correlação parece negativa na amostra. Este é um caso de preconceito por parte de Berkson.

Exemplo 2: Preferências de namoro

Muitas pessoas só namoram parceiros que sejam atraentes e tenham uma boa personalidade.

No mundo real, pode não haver correlação entre estas duas variáveis, mas ao restringir o conjunto de encontros, um indivíduo pode ignorar completamente parceiros potenciais que são pouco atraentes e talentosos. ‘uma boa personalidade.

Assim, entre potenciais parceiros, pode parecer que existe uma correlação negativa entre estas duas variáveis: pessoas mais atraentes têm personalidades piores e pessoas com personalidades melhores parecem menos atraentes.

Embora não exista correlação entre estas duas variáveis na população, parece haver uma correlação negativa na amostra de potenciais parceiros. Este é simplesmente um caso de preconceito de Berkson.

Como prevenir o preconceito de Berkson

A maneira mais óbvia de evitar o viés de Berkson em pesquisas é coletar uma amostra aleatória simples de uma população. Em outras palavras, certifique-se de que cada membro da população de interesse tenha chances iguais de ser incluído na amostra.

Por exemplo, se estiver a estudar a prevalência de doenças num determinado país, será necessário recolher uma amostra de indivíduos de todo o país, e não apenas daqueles que são fáceis de alcançar nos hospitais.

Ao utilizar uma amostra aleatória simples, os investigadores podem maximizar a probabilidade de a sua amostra ser representativa da população, o que significa que podem generalizar com segurança as suas conclusões da amostra para a população em geral.