Bias tiedonkeruussa

Tiedonkeruun poikkeama tapahtuu, kun valitsemme virheellisesti kohteet, jotka kuuluvat analysoitavaan satunnaisotokseen.

Meillä on ongelma, kun tämä valinta tekee satunnaisotoksesta edustavan tilastopopulaatiota. Siksi kaikki otoksesta saamamme tulokset ovat puolueellisia, emmekä voineet vahvistaa, että ne täyttyivät analysoidussa populaatiossa, ja tässä eriarvoisuudessa voimme erottaa eri tyypit, jotka selitämme alla.

Selviytymisen puolueellisuus

Tapahtuu, kun tiedot jätetään analyysin ulkopuolelle, koska niitä ei ole enää olemassa analyysin aikana.

Toisin sanoen keskitymme vain olemassa oleviin tietoihin ja hylkäämme ne, jotka aiemmin olivat väestössä. Käytännössä on monia esimerkkejä tämän tyyppisestä puolueellisuudesta. Yksi niistä on tehdä kyselyjä vain yrityksen asiakkaille sulkemalla pois mahdolliset asiakkaat. Toinen olisi arvioida osakeindeksien käyttäytymistä eliminoimalla analyysistä yritykset, jotka olivat ja eivät enää ole kyseisessä indeksissä.

Ratkaisu tähän ennakkoluuloon on hyvin yksinkertainen. Suorita tutkimus kaikilla olemassa olevilla ja aiemmin olemassa olevilla tiedoilla.

Ennakoiva ennakkoluulot

Se tapahtuu, kun analyysi suoritetaan käyttämällä dataa, jota ei ole käytettävissä analyysin aikaan. Esimerkiksi olisi analysoida osakkeen hinnan suhde johonkin taloudellisen saldon muuttujaan. Osakekurssi on dynaaminen muuttuja, josta meillä on analyysihetkellä oikeat tiedot. Taseeseen määritetyt muuttujat ovat kuitenkin staattisia, joten meidän on odotettava tilinpäätöksen julkaisemista tätä analyysiä varten.

Oletetaan, että haluamme tutkia hinnan ja oman pääoman suhdetta useille yrityksille tilikauden lopussa. Tässä tapauksessa meillä ei ole nettovarallisuusdataa ennen tilinpäätöksen julkaisemista. Julkaisu, joka julkaistaan ​​yleensä pari kuukautta tilikauden päättymisen jälkeen.

Siksi ratkaisu tähän ennakkoluuloon olisi odottaa tilinpäätöksen julkaisemista. Suorita analyysi julkaistujen tietojen kanssa sekä hinta julkaisuhetkellä.

Ajanjakson puolueellisuus

Tämä poikkeama tapahtuu, kun datalle valittu jakso on liian lyhyt tai liian pitkä. Jos se on liian lyhyt, analyysi voi heijastaa tiettyjä tuloksia, jotka saavutetaan vain kyseisellä ajanjaksolla. Eli ne eivät olisi edustavia pidempään.

Kuvittele viiden vuoden aikataulu, jossa pienet yritykset ovat ylittäneet suuret yritykset osakemarkkinoilla. Tästä voimme tehdä johtopäätöksen, että tulevaisuudessa pienet yritykset ovat aina suurempia kuin suuret. Mutta niin lyhyeksi ajaksi tällaisia ​​johtopäätöksiä ei voida tehdä. Johtuu lähinnä siitä, että pidemmällä aikavälillä tilanne voi muuttua. Siksi saadut tulokset ovat puolueellisia tähän lyhyempään ajanjaksoon.