Steekproefvertekening

Steekproefvertekening, in de statistiek vaak aangeduid als sampling bias, is een systematische vertekening waarbij de eigenschappen van een steekproef afwijken van die van de doelpopulatie doordat de selectie of de verwerking van de gegevens op een niet-willekeurige manier plaatsvindt. Hierdoor kunnen conclusies over de populatie vertekend zijn, zelfs als de steekproef groot is.

Oorzaken vormen onder meer een onrepresentatieve selectie (delen van de populatie hebben geen kans om geselecteerd te worden), non-responserisico of self-selection (wie meedoet verschilt systematisch), meetfouten of verschillende meetmethoden tussen groepen, en survivorship bias (studies die alleen op overlevers zijn gericht).

Voorbeelden zijn onder meer telefonische enquêtes die alleen huisnummers bereiken, online enquêtes die bepaalde leeftijds- of sociaal-economische groepen benadelen, of studies die uitsluitend klinisch aanwezige patiënten includeren. Ook in winkel- of consumentenonderzoek kan vertekening ontstaan wanneer respondenten met specifieke kenmerken vaker reageren.

Gevolgen van steekproefvertekening zijn onder meer een vertekende schatting van parameters zoals gemiddelden en verhoudingen, verminderde generaliseerbaarheid van resultaten en mogelijk verkeerde beleids- of wetenschappelijke besluiten.

Detectie en mitigatie richten zich op het verminderen van vertekening. Dit kan door representatieve opzet en sampling, het vergelijken van steekproefkenmerken met de populatie, en door correcties zoals gewichtsbepaling (weights) of post-stratificatie. Verder kan het gebruik van meerdere wervingskanalen, follow-up om non-response te beperken, en robuuste statistische methoden zoals imputatie of gevoeligheidsanalyses helpen om de impact van steekproefvertekening te beperken.