Statistinis šališkumas yra skirtumas tarp matematinio įvertintojo ir jo skaitinės vertės, atlikus analizę.
Todėl šališkumas yra skirtumas tarp teorijos ir tikrovės.
Tai labai paplitusi statistikoje ir turi būti kontroliuojama. Kita vertus, vertintojai, neturintys šališkumo, vadinami nešališkais ir būtų ideali būsena atliekant tyrimą, nors taip yra todėl, kad tai praktiškai nepasiekiama.
Kas sukelia mokslo šališkumą?
Šališkumas visų pirma gali pasireikšti trimis būdais:
- Atrankos šališkumas: Tai dažniausiai statistikoje. Paprastai tai susiję su grupių pasirinkimu. Dažniausiai sprendimas nebuvo priimtas remiantis objektyviais atrankos metodais. Pavyzdžiui, imtis parenkama pagal afinitetą kandidatui apklausoje.
- Informacijos šališkumas: Mes susiduriame su šališkumu dėl nepakankamos informacijos. Todėl negalime palyginti grupių, nes turime per mažai informacijos apie jas.
- Painiavos šališkumas: Šiuo atveju yra vadinamasis sumaišomas kintamasis, kuris ir sukelia šališkumą. Dažnai sunku rasti, kur yra problema.
Statistinis šališkumas ir imčių metodai
Atlikdami tyrimą turime žinoti, ar atliksime tiriamąjį ar patvirtinamąjį tyrimą. Šis klausimas yra būtinas. Nuo to priklausys, kokį mėginį imsime.
Taigi, kai norime atlikti patvirtinamąjį tyrimą, naudosime atsitiktinių imčių metodus. Tačiau kai ketinama atlikti tyrimą, kuris būtų tolesnių tyrimų pagrindas, metodas gali būti neatsitiktinis. Reikėtų nepamiršti, kad šis paskutinis metodas paprastai yra mažesnis ir paprastesnis.
Statistinės atrankos šališkumas
Tai yra labiausiai paplitusi ir ta, kurią tyrėjai įsipareigoja labiau. Turime būti labai atsargūs rinkdamiesi statistinę imtį. Šio tipo statistinės atrankos šališkumas vykdomas šiame procese.
Štai kodėl labai svarbu iš anksto sudaryti protokolą ir tai padaryti išsamiai. Be to, žmonės, kurie rinks duomenis, turi būti apmokyti. Ši paskutinė dalis yra prioritetas, kad būtų išvengta ir kitokio pobūdžio šališkumo, pavyzdžiui, informacijos šališkumo.
Statistinės atrankos šališkumo pavyzdžiai
Galiausiai pamatysime keletą pavyzdžių, kur gali atsirasti statistinis šališkumas.
Jie yra labai dažni ir dažnai sukelia šališkus tyrimus, neatspindinčius tikrovės. Štai kodėl svarbu jų išvengti.
- Pavyzdžiui, įsivaizduokite, kad norime ištirti gyventojų giminystę politiniam kandidatui. Apklausos dalyviai galėjo padaryti neobjektyvią klaidą, jei pasirinko ne atsitiktinai pasirinktas sritis. Tai yra, jei jie pasirenka sritis, susijusias su minėtu kandidatu.
- Ekonomikoje galite nusiteikti, pavyzdžiui, tyrinėdami skurdą. Šalys turėtų būti pasirinktos vienodai, kad būtų pusiausvyra. Taigi būtų galima ištirti kintamuosius, kurie skatina skurdą, bet ir klestėjimą.
- Medicinoje statistinė atrankos tendencija būna tada, kai tiriant ligą nėra naudojamas tinkamas mėginių ėmimas. Tai yra, jei norime pamatyti populiacijos paplitimą, turime naudoti atsitiktines imtis, ypač jei tikslas yra patvirtinti tyrimą.
