研究偏见任何偏离真理的结果,都会造成扭曲的结果和错误的结论。偏见可能发生在你研究的任何阶段,包括期间数据收集,数据分析解释或出版。两者都可能出现研究偏差定性而且定量研究.
理解研究偏差很重要,有几个原因。
- 偏见存在于所有的研究中研究设计,且难以消除。
- 偏误可能发生在任何阶段研究过程.
- 偏见影响有效性而且可靠性你的发现,导致对数据的误解。
几乎不可能在没有某种程度的研究偏差的情况下进行研究。对你来说,意识到潜在的偏见类型是至关重要的,这样你就可以把它们最小化。
信息偏倚,也称为测量偏差,出现在重点研究时变量测量或分类不准确。信息偏误发生在数据收集Step和在涉及自我报告和回顾性数据收集的研究中很常见。它也可能是由糟糕的采访技巧或参与者不同程度的回忆造成的。
信息偏见的主要类型有:
回忆偏倚
回忆偏倚是一种信息偏见。当受访者被要求回忆过去发生的事件时,这种情况就会发生,在涉及自我报告的研究中很常见。
根据经验,不常见的事件(例如,买房子或汽车)会比常规事件(例如,每天使用公共交通工具)更容易被记住。你可以通过试点调查和仔细测试回忆时间来减少回忆偏差。如果可能的话,对较短时间和较长时间的记忆进行测试,检查记忆的差异。
观察者偏见
观察者偏见研究参与者倾向于看到他们期望或想看到的东西,而不是实际发生的东西。观察者的偏差会影响结果observational和实验研究,其中主观判断(如评估医学图像)或测量(如四舍五入血压读数向上或向下)是研究的一部分ata集合的过程。
观察者偏差导致对真实值的过高或过低估计,这反过来又损害了有效性你的发现。您可以通过使用双盲而且单盲研究方法。
性能偏差是研究小组之间的不平等关怀。表现偏差主要发生在医学研究实验中,如果参与者在实验开始前已经知道计划的干预、治疗或药物试验。
关于营养、运动结果或手术干预的研究很容易受到这种类型的偏见的影响。它可以通过使用最小化基础垫层,这使得参与者和/或研究人员无法知道谁是对照组或治疗组。如果盲法不可行,那么使用客观结果(如入院数据)是最好的方法。
当一个实验研究的对象因为意识到他们正在被研究而改变或改善他们的行为时,这被称为霍索恩效应(或观察者效应)。类似地,约翰·亨利效应当控制组的成员意识到他们正在与实验组进行比较时发生。这导致他们改变自己的行为,以努力弥补他们感知到的劣势。
均值回归(RTM)
均值回归(RTM)统计现象是指一个事实变量这表明在第一次测量时的极值将倾向于在第二次测量时更接近其分布中心。
医学研究对RTM特别敏感。在这里,针对与平均值有很大不同的群体或特征(例如,高血压患者)的干预措施似乎会成功,因为回归到平均值。这可能导致研究人员误解结果,将特定的干预描述为因果关系,而极端群体的变化无论如何都会发生。
采访者的偏见
采访者的偏见源于进行研究的人。这可能源于他们提问或回应的方式,但也可能源于他们身份的任何方面,如性别、种族、社会阶层或感知的吸引力。
采访者偏见会扭曲回答,特别是当特征以某种方式与研究主题相关时。面试官偏见也会影响面试官与被面试者建立融洽关系的能力,导致他们在敏感或个人话题上发表诚实意见时感到不太舒服。
发表偏倚
发表偏倚当发表研究结果的决定是基于研究结果的性质或方向时发生。研究报告的结果被认为是积极的,统计上显著,或者喜欢学习假设更有可能由于发表偏倚而被发表。
发表偏倚与数据挖掘(也称为p黑客),对一组数据进行统计测试,直到出现统计上有意义的情况。由于学术期刊倾向于发表具有统计意义的结果,这可能会迫使研究人员只提交具有统计意义的结果。P-黑客行为还包括一次排除参与者或停止数据收集p价值达到0.05。然而,这导致了假阳性结果和发表的学术文献中阳性结果的过度表述。
研究者的偏见
研究者的偏见当研究人员的信念或期望影响研究设计或数据收集过程时发生。研究人员的偏见可能是故意的(比如声称干预有效,即使它没有),也可能是无意识的(比如让个人感觉、刻板印象或假设影响研究问题)。
研究者偏见的无意识形式与皮格马利翁效应(或罗森塔尔效应),研究人员的高期望(例如,分配到治疗组的患者会成功)会导致更好的表现和更好的结果。
研究者偏见有时也被称为实验者偏见,但它适用于所有类型的调查项目,而不仅仅是实验设计.
反应偏差
反应偏差这是一个通用术语,用来描述许多不同的情况,在这些情况下,受访者倾向于对自我报告的问题提供不准确或错误的答案,比如在调查或在结构化面试.
发生这种情况是因为当人们被问到一个问题时(例如,在一次谈话中)面试),他们整合多个资源来产生他们的反应。正因为如此,研究的任何方面都有可能使受访者产生偏见。例如,调查中问题的措辞,参与者如何看待研究人员,或参与者希望取悦研究人员并提供社会理想响应。
反应偏差也发生在实验性医学研究中。当结果是基于患者的报告时,a安慰剂效应可能发生的。在这里,患者报告尽管接受了安慰剂,而不是积极的药物治疗,但情况有所改善。
常见的反应偏差类型有:
默许的偏见
默许的偏见是指受访者在面对“同意/不同意”、“是/否”或“真/假”等二元选项时,倾向于同意某一说法。默认有时被称为“同意”。
这种类型的偏见要么是由于参与者的个性(即,有些人更倾向于同意而不是不同意,不管他们的内容),要么是因为参与者认为研究人员是专家,更倾向于同意呈现给他们的陈述。
需求的特点
需求的特点这些线索可能会向参与者透露研究议程,可能会改变他们的行为或观点。确保参与者没有意识到研究目标是避免这种偏见的最好方法。
社会可取性偏见
社会可取性偏见参与者倾向于给出他们认为会被研究人员或其他参与者看好的回答。它通常会影响关注敏感话题的研究,比如饮酒或性行为。
请注意,虽然社会可取性和需求特征听起来很相似,但它们之间有一个关键的区别。社会可取性是社会规范的符合性,而需求特征则围绕着研究的目的而展开。
礼貌的偏见
礼貌的偏见源于不愿给出负面反馈,以便礼貌地对待提问者。在小组面试中,参与者以某种方式相互联系(例如,学生、老师和院长),尤其容易出现这种类型的偏见。
问题顺序偏差
问题顺序偏差当面试问题的提问顺序影响了受访者对问题的解释和评价时发生。特别是当前面的问题为后面的问题提供上下文时。
在回答后续问题时,受访者可能会将他们的答案指向之前的问题(称为a光环效应),这可能导致系统的扭曲的反应。
极端的反应
极端的反应被调查者倾向于极端地回答问题,选择最低或最高的答案,即使那不是他们的真实观点。极端反应是常见的调查使用李克特量表,它扭曲了人们的真实态度和观点。
对调查的倾向可能是极端反应的来源,以及文化成分。例如,来自集体主义文化的人往往在同意方面表现出极端的反应,而对所提问题漠不关心的受访者可能在不同意方面表现出极端的反应。
选择性偏差
选择性偏差是一个通用术语,描述从影响研究人群的因素中引入偏见的情况。
常见的选择偏差类型有:
抽样或确定偏差
抽样偏差发生在样本(你为研究获得的个人、群体或数据)的选择方式不能代表你所分析的人群。抽样偏差威胁到外部效度你的发现和影响普遍性你的结果。
防止抽样偏差最简单的方法是使用概率抽样法.这样,你所研究的人口中的每个成员都有均等的机会被包括在你的样本中。
抽样偏差通常被称为确定偏差在医学领域
磨损的偏见
磨损的偏见当参与者退出研究时发生系统地不同于那些留在研究中的人。在医学研究的随机对照试验中,损耗偏差尤其成问题,因为参与者如果不喜欢试验体验或有不想要的副作用,可能会退出试验,从而影响试验结果。
您可以通过为参与者提供完成研究的激励措施(例如,如果他们成功地参加了每个环节,则赠送礼品卡)来最小化损耗偏差。招募更多的参与者也是一个很好的做法,或者尽量减少后续会议或问题的数量。
自我选择或自愿偏见
自己挑选的偏见(也称为志愿者的偏见当自愿参加研究的个体具有与研究目的有关的特定特征时,就会发生这种情况。
志愿者的偏见会导致有偏见的数据,因为选择参与的受访者不会代表你的整个目标人群。可以通过使用随机分配即:,placing participants in a对照组或者在他们自愿参与研究后进行治疗。
与志愿者偏见密切相关的是nonresponse偏见这种情况发生在研究对象拒绝参加某项特定研究或在研究完成前退出时。
生存偏差
生存偏差当您没有完整地评估数据集时发生:例如,只分析在临床试验中幸存下来的患者。
这大大增加了你根据那些通过了某种选择过程的人得出(不正确的)结论的可能性——专注于“幸存者”,而忘记了那些经历了类似过程但没有幸存下来的人。
请注意,“存活”并不总是意味着参与者死亡!相反,它意味着参与者没有成功地完成干预。
Nonresponse偏见
Nonresponse偏见当那些没有对调查或研究项目做出回应的人与那些对研究目标做出回应的人不同时,就会发生这种情况。这是很常见的调查研究,当参与者由于缺乏必要的技能,缺乏时间,或与主题相关的内疚或羞耻等因素而无法或不愿参与时。
您可以通过提供不同格式的调查(例如,在线调查,但也可以通过邮寄的纸质版本)来减轻不回复偏见,确保保密,并向他们发送完成调查的提醒。
总量差额的偏见
总量差额的偏见只发生在样本从你感兴趣的人群的子集中。在线调查特别容易受到覆盖不足偏差的影响。尽管它们比其他方法更具成本效益,但由于排除了不使用互联网的人,它们可能会引入覆盖不足的偏见。
认知偏见
认知偏见指的是由于我们客观处理信息的能力有限而产生的一组可预测的(即非随机的)思维错误。相反,我们的判断受到我们的价值观、记忆和其他个人特质的影响。这创造了“心理捷径”,帮助我们更直观地处理信息,更快地做出决定。然而,认知偏差也会导致我们误解或曲解情况、信息或其他人。
尽管对于认知偏差的类型有多少还没有普遍的共识,但一些常见的类型是:
- 锚定的偏见
- 框架效应
- 行动者观察者偏见
- 可用性启发式(或可用性偏差)
- 确认偏误
- 光环效应
- 巴德尔-迈因霍夫现象
锚定的偏见
锚定的偏见就是人们倾向于关注他们收到的第一条信息,尤其是与数字有关的信息。这条信息成为一个参考点或锚点。因此,人们将所有后续决策都建立在这个锚上。例如,最初的出价对谈判结果的影响比随后的出价更大。
框架效应
框架效应指的是我们倾向于根据有关决策的信息如何呈现给我们来做决定。换句话说,我们的反应取决于选择是消极的还是积极的,例如,获得还是损失,奖励还是惩罚,等等。这意味着相同的信息可能会更有吸引力,也可能不那么有吸引力,这取决于措辞或突出的特征。
行动者观察者偏见
行动者观察者偏见当你把别人的行为归因于内在因素,如技能或个性,而把自己的行为归因于外部或情境因素时,就会发生这种情况。
换句话说,当你是演员在某种情况下,你更有可能将事件与外部因素联系起来,比如你的环境或环境。然而,当你是观察别人的行为,你更有可能把他们的行为与他们的个性、本性或气质联系起来。
可用性启发式
可用性启发式(或可用性偏差)描述用我们能迅速回忆起来的信息来评估一个主题的倾向,即,我们可以得到的信息。然而,这并不一定是最好的信息,而是最生动或最近的信息。即便如此,由于这种心理捷径,我们倾向于认为我们能回忆起的一定是正确的,而忽略了任何其他信息。
确认偏误
确认偏误是一种倾向,即寻求支持我们现有信念的信息,同时拒绝任何与这些信念相悖的信息。确认偏误通常是无意的,但仍然会导致倾斜结果和糟糕的决策。
光环效应
的光环效应指的是我们对一个人、一个品牌或一个产品的总体印象是由一个单一的特征形成的情况。例如,当我们根据我们注意到的一些积极的事情,自动地对某人做出积极的假设时,就会发生这种情况,而实际上,我们对他们知之甚少。
巴德尔-迈因霍夫现象
巴德尔-迈因霍夫现象(或频率错觉)当你最近学到的东西在第一次引起你的注意后,似乎“无处不在”。然而,事实并非如此。增加的是你对某些事物的意识,比如一个新词或一首你从来不知道存在的老歌,而不是它们的频率。
如何避免研究中的偏见
虽然很难完全消除,但研究偏差可以通过适当的研究设计和实施来减轻。这里有一些建议,当你开始时要记住。
- 清楚地解释方法部分如何研究设计将帮助你达到研究目标,以及为什么这是最合适的研究设计。
- 在定量研究,确保你使用概率抽样来选择参与者。如果你在做实验,一定要用随机分配分配你的对照组和治疗组。
- 考虑在研究过程中退出或失去随访的参与者。如果他们因为特定的原因退出,这可能会影响你的结果。这尤其适用于长期或纵向研究.
- 使用三角测量以加强有效性以及你发现的可信度。
- 句话你调查或面试用中立、非评判的语气提问。要非常小心,你的问题不要把你的参与者引向任何特定的方向。
- 考虑使用反射日志。在这里,您可以记录每个细节面试,特别注意你可能对参与者产生的任何影响。你可以在最后的分析中包括这些。
关于研究偏见的常见问题
-
观察者偏倚和行动者-观察者偏倚的区别是什么?
-
观察者偏见当研究人员的假设、观点或先入之见影响了他们在研究中看到和记录的内容时,就会发生偏见,而行为者-观察者偏见指的是受访者将内部因素(例如,坏的性格)归因于他人的行为,而外部因素(困难的环境)归因于自己的相同行为。