datafälla

Datafälla är ett begrepp inom dataanalys och statistik som beskriver fallgropar där slutsatser och modeller blir missvisande på grund av hur data samlats in, hanterats eller används. Begreppet används ofta när man vill varna för tolkningar av korrelationer eller prognoser som inte generaliserar utanför den uppsättning data som studerats.

Vanliga former av datafällor inkluderar urvalsbias när data inte är representativt för populationen, överlevnadsbias som gör att man fokuserar på det som observerats utan att se vad som saknas, mätfel och missklassificeringar som förvrider variabler, samt bortfall och hur saknade data hanteras. Andra källor är confounding-variabler som inte kontrolleras i analysen, informationsläckage i maskininlärning där målvariabeln oavsiktligt finns i indata, samt överanpassning och omfattande datautforskning som hittar slumpmässiga mönster.

Konsekvenserna av datafällor kan vara felaktiga slutsatser, falsk trygghet i modellernas prestanda och dåligt beslutsunderlag i verksamheter och politik. För att motverka dem är det viktigt med tydlig studiedesign, transparent dokumentation, oberoende validering, robust hantering av saknade data samt att kontrollera för informationsläckage och uppdatera modeller vid förändringar i data och miljö.