Výběrové zkreslení
Systematická chyba, která vzniká, když se lidé nebo data zahrnutá do výzkumu liší od těch, kteří by v něm měli být zastoupeni, a výsledky tak klamou.
Výběrové zkreslení (selection bias) narušuje výsledky výzkumu tím, že vytváří mezeru mezi populací, kterou chceme zkoumat, a skupinou, kterou ve skutečnosti pozorujeme. K chybě dochází, když se do dat nedostanou všichni náhodně, ale podle určitých vlastností, které souvisejí s výsledky. Výsledek pak působí přesvědčivě, i když skutečnost zkresluje.
V praxi se výběrové zkreslení objevuje v různých fázích výzkumu i testování produktů. Samovýběr nastává, když se do průzkumu nebo experimentu přihlásí jen část uživatelů – obvykle ti aktivnější nebo spokojenější. Zkreslení způsobené odchodem účastníků vzniká, když lidé postupně odpadají a jejich důvody odchodu nejsou náhodné. A třeba Berksonovo zkreslení nastane, když vyhodnocujeme jen ty uživatele, kteří s produktem zůstali, a zapomeneme na ty, kteří odešli.
Data o aktivních uživatelích bývají neúplná. Když měříme spokojenost nebo úspěšnost jen u těch, kteří vydrželi, přehlížíme právě ty, kteří měli potíže a odešli. Bez vědomí tohoto zkreslení se můžeme nechtěně zaměřit na úspěšné, místo abychom pochopili, proč ostatní neuspěli.
Nejlepší obranou je pečlivý výběr a otevřenost. Jasně si určete, koho vaše zjištění zastupují, sledujte, kdo z výzkumu mizí, a nezapomeňte to popsat ve zprávě. Statistické váhy nebo rozhovory mohou zkreslení zmírnit, ale nikdy je zcela neodstraní. Důležité je hlavně vědět, že čísla, která máme, vyprávějí jen příběh těch, kteří zůstali.