Eksik sayım önyargısı: açıklama ve örnekler

Eksik sayım yanlılığı , bir popülasyonun bazı üyelerinin örneklemde yeterince temsil edilmemesi durumunda ortaya çıkan yanlılıktır.

Bu tür bir önyargı sıklıkla, elde edilmesi kolay olan ancak çoğu zaman popülasyonun bazı üyelerinin eksik sayılmasına neden olan bir numune topladığınız uygun örnekleme ve gönüllü yanıt örneklemesinde ortaya çıkar.

Eksik sayma önyargısı neden bir sorundur?

Eksik sayma yanlılığı bir sorundur çünkü numunenin popülasyonu temsil etmemesine neden olur. Bir örnek için veri toplamanın amacı, tüm popülasyon için veri toplamaktan daha hızlı ve daha basit bir şekilde veri elde etmek ve örneklemden elde edilen sonuçları daha büyük popülasyona tahmin edebilmektir. geniş.

Ancak sonuçların tahmin edilebilmesi için örneklemin popülasyonumuzun tamamını temsil etmesi gerekir. İdeal olarak, örneğimizin popülasyonun “mini” bir versiyonu olmasını isteriz. Ne yazık ki eksik sayma önyargısı, örneklemimizdeki kişilerin daha geniş popülasyondaki kişilerden çok farklı görünmesine neden olabilir.

Örneğin, araştırmacıların belirli bir şehirdeki vatandaşların potansiyel yeni bir yasa hakkında ne düşündüğünü bilmek istediklerini varsayalım. Veri toplamak için yakındaki bir kütüphaneye gidiyorlar ve ziyaretçilere potansiyel yeni yasa hakkında ne düşündüklerini soruyorlar. Bu, veri toplamanın uygun bir yolu olsa da araştırmacılar, aşağıdakiler de dahil olmak üzere çeşitli insan türlerini eksik sayma riskiyle karşı karşıyadır:

• İnsanlar eve kapandı
• Kütüphaneyi ziyaret etmeyi sevmeyen insanlar
• Şehrin başka bir yerindeki başka bir kütüphaneye giden insanlar

Bu çalışma belirli insan türlerini hariç tuttuğundan, çalışma sonuçlarının popülasyonu temsil etmesi pek mümkün değildir.

Örneğin, bu kütüphaneyi sık sık ziyaret eden kişilerin potansiyel yeni yasayı destekleme olasılıklarının nüfusun geri kalanına göre çok daha yüksek olduğunu varsayalım. Bu, anketin sonuçları bilindiğinde, gerçekte çoğu vatandaşın desteklemediği halde, bu şehirdeki vatandaşların büyük bir yüzdesinin potansiyel yeni yasayı desteklediğinin ortaya çıkacağı anlamına geliyor.

Aşağıdaki görsel bu sorunu göstermektedir: Yeşil dairelerin yeni yasayı destekleyenleri, kırmızı dairelerin ise yeni yasaya karşı çıkanları temsil ettiğini varsayalım:

Yeni yasayı destekleyen kişilerin çoğunun örneklemde yer aldığını ancak bunun bir bütün olarak nüfusu temsil etmediğini unutmayın. Anket sonuçlarının çoğu insanın yeni yasadan yana olduğunu gösterdiği ancak gerçekte bu doğru olmadığı bildiriliyor.

Eksik sayma yanlılığı örnekleri

Aşağıdaki örnekler eksik sayma yanlılığının meydana gelebileceği çeşitli durumları göstermektedir.

örnek 1

Araştırmacılar, belirli bir şehrin vatandaşlarının yeni bir parkın inşası hakkında ne düşündüğünü bilmek istiyor. Veri toplamak için araştırmacılar yerel bir kasaba toplantısına katılıyor ve bölge sakinlerine düşüncelerini soruyor. Ne yazık ki, kolayda örneklemenin bu biçimi, aşağıdaki grupların eksik sayılmasından zarar görebilir:

• Belediye toplantılarına ulaşım imkanı olmayanlar
• Kasaba toplantılarının yapıldığını bile bilmeyen insanlar
• Akşamları çalışan ve kasaba toplantılarına katılamayacak insanlar

Bu nedenle araştırma sonuçlarında bu kişilerin görüşleri dikkate alınmayacaktır. Bu spesifik grupların eksik sayılmasından dolayı, numunenin bir bütün olarak popülasyonu temsil etmesi pek olası değildir.

Örnek 2

Araştırmacılar belirli bir ülkede insanların günde kaç saat televizyon izlediğini bilmek istiyorlar. Araştırma için veri toplamak amacıyla, yerel bir telefon rehberinden rastgele isimler seçiyorlar ve insanları arayarak televizyon tüketimleri hakkında sorular soruyorlar. Bu, kolayda örneklemenin bir biçimidir ve aşağıdaki grupların eksik sayılmasına neden olabilir:

• Telefon numaralarını yerel telefon rehberlerinde listelemeyen çok zengin insanlar
• Yalnızca cep telefonu kullanan ve numaraları yerel telefon rehberlerinde yer almayan gençler

Dolayısıyla bu çalışmada çok varlıklı kişilerin ve gençlerin izlediği televizyon miktarı hafife alınacaktır. Bu spesifik grupların eksik sayılmasından dolayı, numunenin bir bütün olarak popülasyonu temsil etmesi pek olası değildir.

Örnek 3

Araştırmacılar, belirli bir şehrin vatandaşlarının yeni trafik kanunu hakkında ne düşündüğünü bilmek istiyor. Bu yüzden yerel bir alışveriş merkezinden geçen insanlara bir anket dağıtıyorlar. Bu, aşağıdaki grupların yetersiz kapsanmasından zarar görebilecek bir kolay ulaşılabilir örnekleme biçimidir:

• Alışveriş merkezine ulaşmak için ulaşım imkanı olmayan (ve bu nedenle otoyol kurallarından büyük ölçüde etkilenmeyen) kişiler
• Alışveriş merkezine gitmeyi sevmeyen (ve bu nedenle yoğun bölgelerde araç kullanmamayı tercih edebilen) kişiler
• Başka bir şehirdeki başka bir alışveriş merkezine giden insanlar

Bu nedenle araştırma sonuçlarında bu kişilerin görüşleri dikkate alınmayacaktır. Bu spesifik grupların eksik sayılmasından dolayı, numunenin bir bütün olarak popülasyonu temsil etmesi pek olası değildir.

Eksik sayım önyargısı nasıl önlenir

Eksik sayım yanlılığı genellikle kolayda örneklemeden kaynaklanır. Eksik sayım yanlılığının etkilerini ortadan kaldırmak (veya en azından en aza indirmek) için daha iyi bir örnekleme şekli, basit bir rastgele numune kullanmaktır.

Bu tür örneklemede, popülasyonun her bir üyesinin, örneğin bir parçası olmak üzere seçilme şansı eşittir.

Bu yaklaşımın avantajı, her üyenin örneğe dahil edilme şansının eşit olması nedeniyle basit rastgele örneklerin genel olarak ilgilenilen popülasyonu temsil etmesidir.

Kolayda örnekleme yerine bu yaklaşımı kullandığımızda, örneklem sonuçlarını daha geniş bir nüfusa tahmin etme yeteneğimize daha fazla güvenebiliriz çünkü nüfustaki her (veya hemen hemen her) grubun üyelerinin örneğe dahil edilmesi muhtemeldir. . .

Ek kaynaklar

Kendini seçme yanlılığı nedir?
SEO önyargısı nedir?
Yanıt vermeme önyargısı nedir?