Šališkumas renkant duomenis

Turinys:

Šališkumas renkant duomenis
Šališkumas renkant duomenis
Anonim

Duomenų rinkimo šališkumas įvyksta, kai mes klaidingai pasirenkame tiriamus asmenis, kurie priklausys analizuojamai atsitiktinei imčiai.

Turime problemą, kai atlikus šią atranką atsitiktinė imtis neatspindi statistinės populiacijos. Todėl bet koks rezultatas, kurį gauname iš imties, yra neobjektyvus ir negalėjome patvirtinti, kad jis įvykdytas analizuojamoje populiacijoje. Šiame šališkume galime išskirti skirtingus tipus, kuriuos paaiškinsime toliau.

Išgyvenimo šališkumas

Atsiranda tada, kai duomenys nėra analizuojami, nes analizės metu jų nebėra.

Kitaip tariant, mes sutelkiame dėmesį tik į esamus duomenis ir atmetame tuos, kurie anksčiau egzistavo populiacijoje. Praktikoje yra daug tokio pobūdžio šališkumo pavyzdžių. Vienas iš jų - atlikti apklausas tik įmonės klientams, atmetant potencialius klientus. Kitas dalykas būtų vertinti akcijų indeksų elgesį pašalinant iš analizės įmones, kurios buvo ir nebėra tame indekse.

Šio šališkumo sprendimas yra labai paprastas. Atlikite tyrimą su visais esamais ir anksčiau turimais duomenimis.

Numatymo šališkumas

Tai įvyksta, kai analizė atliekama naudojant duomenis, kurių analizės metu nėra. Pavyzdys galėtų būti analizuoti akcijų kainos ir finansinio balanso kintamojo santykį. Akcijos kaina yra dinaminis kintamasis, kurio analizės metu turime teisingą informaciją. Tačiau balanse nustatyti kintamieji yra statiški, todėl turėtume palaukti šios analizės finansinių ataskaitų paskelbimo.

Tarkime, kad norime ištirti kainų ir nuosavo kapitalo santykį daugeliui įmonių finansinių metų pabaigoje. Tokiu atveju grynosios vertės duomenų neturėsime iki finansinių ataskaitų paskelbimo. Leidinys, kuris paprastai pateikiamas praėjus porai mėnesių po finansinių metų pabaigos.

Todėl šio šališkumo sprendimas būtų laukti, kol bus paskelbta finansinė atskaitomybė. Atlikite analizę su paskelbtais duomenimis kartu su kaina paskelbimo metu.

Laikotarpio šališkumas

Šis šališkumas įvyksta, kai duomenims pasirinktas laikotarpis yra per trumpas arba per ilgas. Jei jis yra per trumpas, analizė gali atspindėti konkrečius rezultatus, kurie įvykdyti tik tuo laikotarpiu. Tai yra, jie nebūtų reprezentatyvūs ilgesnį laiką.

Įsivaizduokite penkerių metų laikotarpį, kai mažos įmonės vertybinių popierių rinkoje pralenkė dideles įmones. Iš to galėtume padaryti išvadą, kad ateityje mažos įmonės visada pralenks dideles. Bet per tokį trumpą laiką tokių išvadų padaryti negalima. Daugiausia dėl to, kad ilgesnį laiką situacija gali pasikeisti. Todėl gauti rezultatai yra šališki šiam sutrumpintam laikotarpiui.