อคติของเบิร์กสัน: คำจำกัดความ + ตัวอย่าง


อคติของเบิร์กสัน คืออคติประเภทหนึ่งที่เกิดขึ้นในการวิจัย เมื่อตัวแปรสองตัวดูเหมือนจะมีความสัมพันธ์เชิงลบในข้อมูลของกลุ่มตัวอย่าง แต่จริงๆ แล้วมีความสัมพันธ์เชิงบวกใน ประชากร โดยรวม

ตัวอย่างเช่น สมมติว่าทอมต้องการศึกษาความสัมพันธ์ระหว่างคุณภาพของแฮมเบอร์เกอร์กับมิลค์เชคที่ร้านอาหารท้องถิ่น

มันออกไปและรวบรวมข้อมูลต่อไปนี้จากร้านอาหารเจ็ดแห่งที่แตกต่างกัน:

มันสร้างพล็อตกระจายเพื่อแสดงภาพข้อมูล:

ตัวอย่างความขัดแย้งของ Berkson

ค่าสัมประสิทธิ์สหสัมพันธ์แบบเพียร์สัน ระหว่างตัวแปรทั้งสองนี้คือ -0.75 ซึ่งสอดคล้องกับความสัมพันธ์เชิงลบที่รุนแรง

การค้นพบนี้ขัดกับสัญชาตญาณของทอม เขาคิดว่าร้านอาหารที่ทำแฮมเบอร์เกอร์ดีๆ ก็ทำมิลค์เชคดีๆ ได้เช่นกัน

อย่างไรก็ตาม ปรากฎว่าทอมเพิกเฉยต่อร้านอาหารทั้งหมดในเมืองที่ผลิตทั้งเบอร์เกอร์ห่วย และ มิลค์เชคห่วยๆ

หากเขาเคยไปร้านอาหารเหล่านี้ เขาคงจะรวบรวมชุดข้อมูลต่อไปนี้:

และนี่คือลักษณะของ Scatterplot สำหรับชุดข้อมูลนี้:

ค่าสัมประสิทธิ์สหสัมพันธ์แบบเพียร์สัน ระหว่างตัวแปรทั้งสองกลายเป็น 0.46 ซึ่งแสดงถึงความสัมพันธ์เชิงบวกที่แข็งแกร่งปานกลาง

จากการตรวจสอบร้านอาหารเพียงบางส่วนในเมือง ทอมสรุปอย่างไม่ถูกต้องว่าคุณภาพของเบอร์เกอร์และมิลค์เชคมีความสัมพันธ์เชิงลบกัน

ในความเป็นจริง ปรากฎว่ามีความสัมพันธ์เชิงบวก (อย่างที่ใครๆ คาดหวัง) ระหว่างตัวแปรทั้งสองนี้ นี่เป็นตัวอย่างคลาสสิกของอคติของ Berkson

ดูตัวอย่างต่อไปนี้สำหรับสถานการณ์อื่นๆ ที่เกิดอคติของ Berkson ในทางปฏิบัติ

ตัวอย่างที่ 1: การรับเข้าวิทยาลัย

สมมติว่าวิทยาลัยยอมรับเฉพาะนักเรียนที่มีคะแนน GPA และ ACT สูงเพียงพอเท่านั้น

เป็นที่ทราบกันดีว่าตัวแปรทั้งสองนี้มีความสัมพันธ์เชิงบวก แต่ปรากฎว่าในหมู่นักเรียนที่ตัดสินใจเข้าเรียนในวิทยาลัยแห่งใดแห่งหนึ่ง ดูเหมือนจะมีความสัมพันธ์เชิงลบระหว่างทั้งสอง

อย่างไรก็ตาม ความสัมพันธ์เชิงลบนี้เกิดขึ้นเพียงเพราะนักเรียนที่มี ทั้ง คะแนน GPA และ ACT สูงสามารถเข้าเรียนในมหาวิทยาลัยชั้นนำได้ ในขณะที่นักศึกษาที่มี ทั้ง คะแนน GPA และ ACT ต่ำจะไม่ได้รับการยอมรับเลย

แม้ว่าความสัมพันธ์ระหว่าง ACT และ GPA จะเป็นเชิงบวกในประชากร แต่ความสัมพันธ์ดังกล่าวจะปรากฏเป็นลบในกลุ่มตัวอย่าง นี่เป็นกรณีของอคติในส่วนของ Berkson

ตัวอย่างที่ 2: การตั้งค่าการออกเดท

หลายๆ คนจะเดทกับคู่รักที่ทั้งมีเสน่ห์และมีบุคลิกดีเท่านั้น

ในโลกแห่งความเป็นจริง อาจไม่มีความสัมพันธ์กันระหว่างตัวแปรทั้งสองนี้ แต่เมื่อจำกัดกลุ่มการออกเดทให้แคบลง บุคคลอาจเพิกเฉยต่อคู่ครองที่มีทั้งไม่สวยและมีพรสวรรค์โดยสิ้นเชิง ‘บุคลิกภาพดี.

ดังนั้น ในบรรดาผู้ที่อาจเป็นคู่ครอง อาจดูเหมือนว่ามีความสัมพันธ์เชิงลบระหว่างตัวแปรทั้งสองนี้: คนที่มีเสน่ห์มากกว่าจะมีบุคลิกที่แย่กว่า และคนที่มีบุคลิกดีกว่าจะดูน่าดึงดูดน้อยกว่า

อคติของเบิร์กสัน

แม้ว่าจะไม่มีความสัมพันธ์กันระหว่างตัวแปรทั้งสองนี้ในประชากร แต่ดูเหมือนว่าจะมีความสัมพันธ์เชิงลบในกลุ่มตัวอย่างของผู้ที่อาจเป็นพันธมิตร นี่เป็นเพียงกรณีของอคติของ Berkson

วิธีป้องกันอคติของเบิร์กสัน

วิธีที่ชัดเจนที่สุดในการหลีกเลี่ยงอคติของ Berkson ในการศึกษาวิจัยคือการรวบรวม ตัวอย่างแบบสุ่มง่ายๆ จากประชากร กล่าวอีกนัยหนึ่ง ตรวจสอบให้แน่ใจว่าสมาชิกแต่ละคนในประชากรที่สนใจมีโอกาสเท่ากันที่จะถูกรวมไว้ในกลุ่มตัวอย่าง

ตัวอย่างเช่น หากคุณกำลังศึกษาความชุกของโรคในประเทศใดประเทศหนึ่ง คุณจะต้องรวบรวมตัวอย่างบุคคลจากทั่วประเทศ ไม่ใช่แค่เฉพาะผู้ที่เข้าถึงได้ง่ายในโรงพยาบาล

การใช้ตัวอย่างสุ่มแบบง่ายๆ จะทำให้นักวิจัยสามารถเพิ่มโอกาสที่กลุ่มตัวอย่างจะเป็น ตัวแทนของประชากรได้ ซึ่งหมายความว่าพวกเขาสามารถสรุปสิ่งที่ค้นพบจากกลุ่มตัวอย่างไปยังประชากรโดยรวมได้อย่างมั่นใจ

เพิ่มความคิดเห็น

อีเมลของคุณจะไม่แสดงให้คนอื่นเห็น ช่องข้อมูลจำเป็นถูกทำเครื่องหมาย *