15 ejemplos de sesgo estadístico

El sesgo estadístico se refiere a un error que ha causado que la muestra no represente a la población. Este error significa que los datos de la muestra son diferentes de la población objetivo en estudio. Hay numerosos tipos de sesgo estadístico.

Cuando se depende de una muestra para hacer estimaciones con respecto a la población, existen numerosos problemas que pueden hacer que la muestra sea defectuosa.

Los ejemplos de sesgos estadísticos incluyen sesgos de muestreo, respuesta, falta de respuesta, autoselección y medición.

Ejemplos de sesgo estadístico

• Un investigador universitario estudia a los estudiantes de su clase y luego hace inferencias sobre el comportamiento humano, sin tener en cuenta el hecho de que los estudiantes no representan necesariamente a la población general. - Sesgo de muestreo
• Los encuestados de una encuesta de hábitos ambientales dan respuestas que los harán verse favorablemente en lugar de brindar respuestas honestas. - Sesgo de respuesta
• Más del 80 % de los votantes registrados se negaron a participar en una encuesta política, lo que provocó que la encuesta no reflejara verdaderamente las opiniones de los votantes. – Sesgo de no respuesta
• Un diseñador de productos solicita a los clientes que prueben una nueva interfaz de la aplicación, pero solo los oficinistas de ingresos medios se ofrecen como voluntarios, lo que significa que otros tipos de personas no han sido evaluados usando la aplicación. – Sesgo de autoselección
• Un investigador de medicina deportiva olvidó calibrar su báscula, por lo que constantemente subestima el peso de los participantes del estudio en 0.3 lbs. – Sesgo de medición
• Un criminólogo estudia los factores causales del crimen en un grupo étnico en un barrio de una gran ciudad y generaliza los hallazgos a otras poblaciones, sin reconocer que diferentes barrios y grupos étnicos pueden generar resultados diferentes. - Sesgo de muestreo
• Una encuesta sobre un tema social controvertido contiene muchas preguntas capciosas que sugieren las respuestas deseadas, lo que lleva a respuestas sesgadas. - Sesgo de respuesta
• La mayoría de las personas se niegan a participar en una encuesta sobre un tema social controvertido, lo que significa que no se puede obtener una muestra de población real. – Sesgo de no respuesta
• Un estudio de campo en un centro comercial de comida rápida involucra en su mayoría individuos con sobrepeso que tienen hábitos alimentarios diferentes a la población general que frecuenta el centro comercial. – Sesgo de autoselección
• Los observadores que califican la calidad de las interacciones entre padres e hijos no están bien capacitados y hacen muchas evaluaciones defectuosas. – Sesgo de medición

Algunos ejemplos en detalle

1. Sesgo de autoselección

Al solicitar voluntarios para un estudio, el investigador debe estar muy preocupado por la autoselección. Las personas que quieren participar pueden ser muy diferentes a la población objetivo en estudio.

Las personas tienden a participar en encuestas sobre temas en los que están en contra. Es una oportunidad para expresar una opinión negativa sobre un tema que les molesta o sobre el que tienen una actitud negativa.

Esto puede involucrar temas controvertidos como impuestos o programas sociales, o incluso temas relativamente mundanos como la satisfacción del cliente.

Por ejemplo, algunos restaurantes colocarán pequeñas encuestas en sus mesas. Desafortunadamente para el personal, es mucho más probable que los clientes insatisfechos completen esas encuestas que los clientes satisfechos.

Esto distorsionará los resultados y hará que parezca que hay un porcentaje mucho mayor de clientes insatisfechos de lo que realmente es.

2. Sesgo de muestreo

El sesgo de muestreo suele ser el resultado de un procedimiento de muestreo defectuoso. Idealmente, los investigadores deberían emplear una selección aleatoria completa de personas para participar en su estudio. Esto significa que todas las personas de la población tienen las mismas posibilidades de ser seleccionadas.

La selección aleatoria completa a veces simplemente no es posible, generalmente por razones muy prácticas. Por ejemplo, si una empresa de encuestas políticas quiere saber qué piensa “el público” sobre un tema específico, la muestra debe ser bastante grande.

Sin embargo, incluso las encuestas a gran escala pueden tener solo mil encuestados. Cuando la población de un país supera los 300 millones, cabe preguntarse si la muestra es verdaderamente representativa o no.

Con una muestra tan pequeña, es muy probable que contenga un número desproporcionado de personas de un grupo demográfico en particular. Por lo tanto, la muestra está sesgada.

3. Sesgo de no respuesta

Este tipo de sesgo ocurre cuando las personas no participan en un estudio. Si los resultados se van a generalizar a una población específica, pero un alto porcentaje de personas se niegan a participar, entonces tenemos un sesgo de no respuesta.

Como explicó Berg (2005, p. 865):

“Sin embargo, cuando los individuos de un subconjunto especial de la población se omiten sistemáticamente de una muestra en particular, no se puede decir que la muestra sea aleatoria en el sentido de que es igualmente probable que todos los miembros de la población estén incluidos en la muestra”.

Este tipo de sesgo es un problema común con las encuestas telefónicas. Llamar a 1000 personas puede producir una tasa de respuesta inferior al 50 %. Eso está muy lejos de los números de la población objetivo y significa que los resultados pueden ser bastante sesgados.

También conduce a otro tipo de sesgo estadístico llamado sesgo de autoselección. Sí, un solo estudio puede contener múltiples tipos de sesgos.

Los estudios longitudinales también tienen problemas con el sesgo de falta de respuesta debido a las tasas de abandono. Intentar rastrear a los participantes durante años, tal vez incluso décadas, puede ser bastante problemático. Las personas se mudan, pierden interés o, a veces, fallecen. Todo esto daña la calidad de la muestra de investigación.

4. Sesgo de respuesta

Un sesgo de respuesta es cuando los participantes dan respuestas falsas. Eso puede significar dar respuestas que se vean bien, o podría ser el resultado de preguntas capciosas.

Por ejemplo, aunque a los participantes se les diga que la encuesta es anónima y se les indique que no pongan su nombre en ninguna parte, muchas personas todavía están un poco cansadas.

Entonces, quieren verse bien. Eso significa que van a responder a las preguntas de una manera que se presente favorablemente.

Otro ejemplo es cuando la encuesta contiene preguntas capciosas. Estas son preguntas que están formuladas de tal manera que sugieren una respuesta particular.

De cualquier manera, el investigador termina con datos que no son precisos.

5. Sesgo de medición

A menudo denominado error de medición, esto apunta a la cuestión de cuán precisas son las herramientas de medición utilizadas en la ciencia. Si se utiliza una medición defectuosa, ¿podemos realmente tener confianza en la validez de los resultados?

“Se ha descubierto que todas las variables psicológicas estudiadas hasta ahora se miden de manera imperfecta, como ocurre en todas las demás áreas de la ciencia” (Schmidt & Hunter, 1996, pág. 199).

El sesgo de medición es una preocupación mucho mayor en las ciencias sociales que en las ciencias duras como la química y la física. Los psicólogos y sociólogos tienen que confiar en herramientas de medición como encuestas u observaciones de personas. Hay una larga lista de problemas que crean errores de medición en esos métodos.

Sin embargo, los físicos y los químicos tienen herramientas de alta tecnología que miden los fenómenos con un nivel de precisión bastante exacto.

Conclusión

Los sesgos estadísticos crean numerosos problemas con respecto a la validez interna y externa. Si los resultados de un estudio son inexactos debido a un sesgo de muestreo o un alto grado de error de medición, entonces los datos no son válidos. Si los datos no son válidos, entonces no se pueden generalizar a una población más amplia.

Esto es un poco un atolladero. Los científicos dedican mucho tiempo a recopilar datos, a veces puede llevar años, incluso décadas, completar un estudio. Si el estudio contiene sesgo estadístico, entonces todo ese esfuerzo se pone en duda.

No se pueden sacar conclusiones sobre el comportamiento humano y, ciertamente, no se deben implementar decisiones políticas.

Referencias

Berg, N. (2005). Sesgo de no respuesta. En K. Kempf-Leonard (Ed.), Enciclopedia de Medida Social (págs. 865-873). Elsevier.

Schmidt, FL y Hunter, JE (1996). Error de medición en la investigación psicológica: Lecciones de 26 escenarios de investigación. Métodos psicológicos, 1(2), 199-223. https://doi.org/10.1037//1082-989X.1.2.199

Shapiro, Ry (2001). Votación. En NJ Smelser y PB Baltes (Eds.), Enciclopedia internacional de las ciencias sociales y del comportamiento (págs. 11719-11723). Pérgamo.

Sinclair, WS y Morley, RW (2011). Problema de sesgo estadístico en encuestas in situ: La gravedad del problema y su potencial de solución. Revista de la Junta de Investigación Pesquera de Canadá, 32(12), 2520-2524. https://doi.org/10.1139/f75-291