자기 선택 편향: 그것이 무엇인지, 방법과 예

대부분의 경우 연구자들은 목표 집단에서 일어나는 일과 일치하지 않는 결과를 얻는 데 어려움을 겪습니다. 여기에는 많은 이유가 있지만 자기 선택 편향이 가장 중요한 것 중 하나입니다.

" 선택 편향 "이라고 하는 것은 실험이 잘못되어 관심 모집단이 잘못 표현되거나 과소 표현되었음을 의미합니다.

이러한 편견은 프로그램이나 제품을 조사할 때 문제가 됩니다. 자기 선택은 시장 조사를 하고 프로그램을 평가하기 어렵게 만듭니다.

이 블로그에서는 자기 선택 편향의 정의와 편향을 줄이기 위해 따라야 할 방법을 살펴보고 이러한 편향에 대한 몇 가지 예도 제공합니다.

자기 선택 편향이란 무엇입니까?

자기 선택 편향은 사람들이 스스로 그룹에 가입하기로 선택할 때 발생합니다. 비확률 샘플링을 사용할 때 편향된 샘플이 발생합니다. 그것은 종종 그룹에 속한 사람들의 특성으로 인해 그룹에 이상하거나 나쁜 일이 발생하는 상황을 설명하는 데 사용됩니다.

무응답 편향 은 설문에 응답한 그룹이 응답하지 않은 그룹과 다른 응답을 제공하는 경우 와 유사합니다 .

이제 우리는 이 편향을 줄이는 방법에 대해 논의할 것입니다. 우리는 또한 그것에 대한 몇 가지 예를 제공할 것입니다. 자세히 알아보려면 끝까지 우리와 함께 하세요.

자기 선택 편향을 줄이는 방법

자기 선택 편향을 제거하는 가장 확실한 방법은 사람들이 설문 조사를 위해 스스로를 선택하도록 하지 않는 것입니다. 샘플을 얻으려면 확률 샘플링 기술이 이상적입니다.

확률 샘플링 방법

확률표본추출은 확률론에 기초한 체계적인 연구를 위해 모집단을 선택하는 방법이다. 여기에서 연구원은 특성을 추정하고자 하는 전체 인구 중에서 소수의 사람들을 선택합니다.

확률 표본 추출은 무작위화 원칙을 기반으로 하며, 이는 연구 모집단의 모든 구성원이 표본 모집단에 포함될 확률이 평등하다는 것을 의미합니다.

예를 들어, 모집단 크기가 500인 경우 모집단의 모든 사람이 연구 표본에 포함될 확률은 500분의 1입니다.

이 방법의 기본 아이디어는 전체를 대표하는 무작위 표본을 선택할 수 있다면 추정치가 정확하다는 것입니다. 표본 모집단이 충분히 크면 통계 기법을 사용하여 표본을 기반으로 전체 모집단을 결론지을 수 있습니다.

다음은 확률 샘플링 방법의 몇 가지 예입니다.

• 단순 무작위 표본: American Community Survey는 사람들을 무작위로 선택하여 미국 생활에 대한 정보를 수집합니다.

미국 인구 조사국은 자세한 정보를 위해 해당 국가의 무작위 표본을 요청합니다. 그런 다음 이 정보를 사용하여 전체 모집단을 결정합니다.

• 체계적인 샘플링: 체계적인 샘플링은 연구자가 연구 모집단의 구성원을 찾기 위해 임의의 시작점과 고정된 간격을 사용하는 확률 샘플링 유형입니다. 지금 일어나고 있는 일입니다. 체계적인 샘플링의 예

800번에 관심이 있는 사람을 가정해 봅시다. 6번째 사람을 무작위로 시작점으로 선택하고 10명의 무작위 샘플링 간격을 선택할 수 있습니다. 이는 연구 모집단이 연속적으로 10번째 요소마다 구성된다는 것을 의미합니다.

• 계층화된 샘플링: 계층화의 아이디어는 계층화된 샘플링이 작동하도록 만드는 것입니다. 연구 인구가 성별, 연령, 소득 수준 및 기타 유사한 요소에 따라 하위 그룹("계층"이라고 함)으로 분할되는 경우 이를 "계층화"라고 합니다. 각 레이어는 크기에 따라 가중치가 부여됩니다. 그런 다음 각 계층에 무작위로 시작할 장소를 지정하여 샘플을 선택합니다.
• 클러스터 샘플링: 클러스터 샘플링은 확률에 따라 대규모 모집단에서 연구 샘플을 선택하는 방법입니다. 이 경우 연구원은 인구를 이웃 및 도시와 같은 기존 그룹으로 나눕니다. 다단계 샘플링이라고도 합니다. 다단계 샘플링이라고도 합니다.

연구 샘플을 클러스터링하기 위해 연구원은 샘플을 다양한 특성을 가진 자연 발생 하위 그룹으로 나눕니다. 다음으로 샘플로 사용할 클러스터를 무작위로 선택하고 필요한 정보를 얻습니다.

자기 선택 편향의 예

다음 예는 자기 선택 편향이 발생할 가능성이 있는 몇 가지 상황을 보여줍니다.

실시예 1

한 교사가 시험을 잘 보는 방법에 대한 새로운 과정이 학생들의 성적 향상에 도움이 되는지 알고 싶어 합니다. 그녀는 등록 용지를 교실 밖에 놓고 학생들이 수업을 듣고 싶은지 스스로 결정할 수 있도록 합니다.

자기 선택 편향은 학교에 대해 더 진지한 학생이 등록할 가능성이 더 높기 때문일 수 있습니다. 그것은 코스를 수강하는 학생들의 표본이 아마도 그 코스를 들을 수 있는 전체 그룹처럼 보이지 않는다는 것을 의미합니다.

실시예 2

지방 정부가 영어를 못하는 사람들이 더 쉽게 이동할 수 있도록 거리 표지판도 영어 이외의 언어로 작성해야 하는지 묻는 설문조사를 보낸다고 상상해 보십시오.

영어를 읽을 수 있는 거주자만 설문조사에 응답하기 때문에 자기 선택 편향이 있을 수 있습니다. 설문에 응한 사람들의 의견이 그 마을에 사는 모든 사람들의 의견과 같지 않을 수도 있다는 뜻입니다.

실시예 3

생물학자가 특정 종의 평균 키가 얼마나 되는지 알아내려면 열린 초원에 사슴 먹이를 놓고 먹이를 먹기 위해 오는 사슴의 사진을 찍을 수 있습니다.

이 경우, 그러한 종류의 사슴 먹이를 좋아하거나 야외에 있는 것이 더 편한 사슴만이 초원에 들어가 표본 데이터에 포함될 가능성이 높기 때문에 자기 선택 편향이 발생할 가능성이 높습니다.

따라서 이 샘플에서 사슴의 평균 키가 모든 사슴의 평균 키와 같을 가능성은 거의 없습니다.

결론

우리는 자기 선택 편향과 이 편향을 줄이는 방법에 대해 배웠습니다. 또한 우리는 몇 가지 예를 들었습니다. 자기 선택 편향은 연구에서 큰 문제입니다. 비확률 샘플링을 사용할 때 편향된 샘플을 만듭니다. 우리는 비즈니스에서 이러한 편향을 방지하는 데 도움이 될 수 있는 확률 샘플링 방법에 대해 논의했습니다.

QuestionPro는 단순한 설문조사 소프트웨어 그 이상입니다. 우리는 모든 문제와 비즈니스에 대한 솔루션을 제공합니다. InsightsHub 연구 라이브러리와 같은 데이터 관리 플랫폼도 있습니다.

전 세계의 조직은 InsightsHub와 같은 지식 관리 시스템 및 솔루션을 사용하여 데이터를 더 잘 관리하고, 통찰력을 얻기 위한 시간을 절약하고, 비용을 낮추고 ROI를 높이는 동시에 과거 데이터 사용을 향상시킵니다.

더 알아보기