Soorten Research Bias | Betekenis & Voorbeelden
Research bias (onderzoeksbias) treedt op als onderzoeksresultaten worden beïnvloed door externe factoren, waardoor vertekende resultaten worden gevonden en verkeerde conclusies worden getrokken.
Bias (vertekening, vooringenomenheid) kan zich voordoen in elke fase van je onderzoek (bijvoorbeeld tijdens dataverzameling, data-analyse, interpretatie of publicatie) en treedt op bij zowel kwalitatief als kwantitatief onderzoek. Het is belangrijk om bias zoveel mogelijk te voorkomen en te bestrijden, omdat bias de validiteit en betrouwbaarheid van je resultaten vermindert.
Zo zal het succespercentage waarschijnlijk worden beïnvloed als mensen afhaken. Proefpersonen die gedemotiveerd raken omdat ze niet afvallen, haken mogelijk af, terwijl proefpersonen die er wel in slagen af te vallen, het programma eerder zullen afmaken. Hierdoor kan het lijken of het programma heel goed werkt, omdat je de afhakers niet meeneemt in je analyse.
Om bias te voorkomen is het belangrijk rekening te houden met de verschillen tussen mensen die aan een onderzoek blijven deelnemen en degenen die zich terugtrekken.
Inhoudsopgave
- Actor-waarnemer bias (actor-observer bias)
- Bevestigingsbias (confirmation bias)
- Informatiebias (information bias)
- Interviewerbias
- Publicatiebias (publication bias)
- Onderzoekersbias (researcher bias)
- Responsbias (response bias)
- Selectiebias (selection bias)
- Hoe vermijd je bias in je onderzoek?
- Veelgestelde vragen over onderzoeksbias
Actor-waarnemer bias (actor-observer bias)
Actor-waarnemer bias (actor-observer bias) treedt op als je het gedrag van anderen toeschrijft aan interne factoren, zoals vaardigheden of persoonlijkheid, maar je eigen gedrag toeschrijft aan externe of situationele factoren.
In andere woorden: als je de actor bent in een situatie, zul je eerder gebeurtenissen koppelen aan externe factoren, zoals de omgeving. Als je echter de waarnemer bent in een situatie, en het gedrag van anderen observeert, zul je eerder geneigd zijn om hun gedrag in verband te brengen met hun persoonlijkheid, aard of temperament.
Eén van de geïnterviewden herinnert zich een ochtend waarop het hevig regende. Hij haastte zich om zijn kinderen op school af te zetten en op tijd op zijn werk te zijn. Terwijl hij over de snelweg reed, werd hij afgesneden door een andere auto bij het invoegen. De geïnterviewde vertelt hoe gefrustreerd hij zich voelde en roept uit dat die andere persoon een erg onbeleefd persoon moet zijn geweest.
Op een ander moment herinnert dezelfde geïnterviewde zich iets soortgelijks: hij sneed per ongeluk een andere bestuurder af terwijl hij de juiste afslag probeerde te nemen. Deze keer beweert de geïnterviewde echter dat hij altijd heel voorzichtig rijdt en gaf hij de schuld aan het slechte zicht door de regen.
Dit interview is beïnvloed door actor-waarnemer bias. De geïnterviewde schreef interne factoren (onbeleefheid) toe aan anderen en externe factoren (regen) aan zichzelf, terwijl hij identiek gedrag beschreef (gevaarlijk rijden).
Bevestigingsbias (confirmation bias)
Bevestigingsbias (confirmation bias) is de neiging om informatie te zoeken op een manier die je bestaande overtuigingen ondersteunt en tegelijkertijd alle informatie te negeren die deze overtuigingen tegenspreekt. Dit is vaak onbedoeld, maar leidt wel tot vertekende resultaten en onjuiste (of oneerlijke) conclusies.
Je bent zelf opgegroeid met een ouder in het leger. De kans is groot dat je veel complexe emoties hebt rondom overzeese uitzendingen. Dit kan ertoe leiden dat je te veel nadruk legt op bevindingen die “bewijzen” dat jouw ervaring het geval is voor de meeste gezinnen, en andere verklaringen en ervaringen negeert.
Als onderzoeker is het van cruciaal belang om beslissingen te nemen die gebaseerd zijn op bewijs als je een hypothese ondersteunt of verwerpt en om te vermijden dat je handelt op basis vooringenomenheid over een bepaalde uitkomst.
Informatiebias (information bias)
Informatiebias (information bias), ook wel metingsbias (measurement bias) genoemd, doet zich voor als belangrijke onderzoeksvariabelen onnauwkeurig worden gemeten of geclassificeerd. Informatiebias treedt op tijdens de dataverzameling en komt vaak voor bij onderzoek waarbij gebruik wordt gemaakt van zelfrapportage en retrospectieve dataverzameling. Het kan ook het gevolg zijn van slechte interviewtechnieken of verschil in de mate van herinnering van de proefpersonen.
De belangrijkste vormen van informatiebias zijn:
- Recall bias
- Observer bias
- Perfomance bias
- Regressie naar het gemiddelde (regression to the mean, RTM)
Gedurende een periode van vier weken vraag je de scholieren een dagboek bij te houden waarin ze noteren hoeveel tijd ze op hun mobiel doorbrengen en welke symptomen ze hebben (bijvoorbeeld spiertrekkingen, spierpijn of vermoeidheid).
Aan het eind van het onderzoek vergelijk je de zelfrapportages van de scholieren met de gebruiksdata die op hun mobiel zijn geregistreerd. Je merkt dat voor gebruik van minder dan 3 uur per dag de scholieren de neiging hadden om in hun zelfrapportage hun smartphonegebruik te overschatten. Omgekeerd hadden de scholieren met gebruik van meer dan 3 uur per dag de neiging om hun smartphonegebruik te onderschatten.
Dit toont aan dat informatiebias binnen een onderzoeksgroep in meer dan één richting kan optreden.
Recall bias
Recall bias (soms herinneringsbias genoemd) is een vorm van informatiebias. Deze treedt op als respondenten worden gevraagd zich gebeurtenissen uit het verleden te herinneren en komt vaak voor in studies waarbij zelfrapportage een rol speelt.
Meestal worden onregelmatige gebeurtenissen (e.g., de aankoop van een huis of auto) langer onthouden dan routinematige gebeurtenissen (e.g., dagelijks gebruik van het openbaar vervoer). Je kunt recall bias verminderen door een pilot-enquête te houden en de herinneringstermijnen zorgvuldig te toetsen. Toets indien mogelijk zowel langere als kortere perioden en controleer op verschillen in herinnering.
- Een groep kinderen die gediagnosticeerd zijn (de behandelgroep);
- Een groep kinderen bij wie de diagnose niet is gesteld (de controlegroep).
Aangezien de ouders wordt gevraagd zich te herinneren wat hun kinderen over het algemeen aten gedurende een periode van enkele maanden, is er een groot risico op recall bias.
Als de onderzoekers aan de ouders uit de behandelgroep vragen naar de voeding van hun kinderen, zullen deze ouders waarschijnlijk heel goed nadenken over wat hun kinderen wel en niet hebben gegeten de afgelopen jaren, omdat ze bezorgd zijn over alles wat kan hebben bijgedragen aan de ziekte van hun kinderen.
De ouders uit de controlegroep zullen zich minder zorgen over maken over het herinneren van de voeding van hun (over het algemeen gezonde) kinderen.
De beste manier om bias te verminderen is door ervoor te zorgen dat de controlegroep geen recall bias heeft. Daarom kan voor een controlegroep worden gekozen van ouders van kinderen met een andere ziekte. Van deze ouders kan ook worden verwacht dat zij zich de voeding van hun kinderen op een vergelijkbare manier herinneren als ouders van de behandelgroep.
Observer bias
Observer bias is de neiging van onderzoeksparticipanten om te zien wat zij verwachten of willen zien, in plaats van wat er werkelijk gebeurt. Observer bias kan de resultaten beïnvloeden in observatieonderzoek en experimenteel onderzoek, waar subjectieve beoordeling (zoals het beoordelen van een medisch beeld) of meting (zoals het naar boven of beneden afronden van bloeddrukmetingen) deel uitmaakt van dataverzamelingsproces.
Observer bias leidt tot over- of onderschatting van werkelijke waarden, waardoor de validiteit van je bevindingen in gevaar wordt gebracht. Je kunt observer bias verminderen door gebruik te maken van enkelblind en dubbelblind onderzoek.
Jij en je collega volgen de 10 personeelsleden gedurende een maand. Telkens wanneer je iemand ziet telefoneren, een persoonlijk gesprek voeren of een e-mail sturen, maak je een aantekening.
Op basis van gesprekken die je hebt gevoerd met andere onderzoekers voordat je begon met observeren, ben je geneigd te denken dat medisch personeel de gewoonte heeft met elkaar te bellen.
Na een maand vergelijk je je jouw resultaten met die van je collega. Jouw conclusie is dat het medisch personeel de voorkeur geeft aan bellen als ze informatie nodig hebben, terwijl je collega heeft geconcludeerd dat het medisch personeel vooral vertrouwt op persoonlijke gesprekken.
Aangezien je verwachtingen de waarnemingen kunnen hebben beïnvloed, besluiten jij en je collega om interviews af te nemen met het medisch personeel om de observaties te verduidelijken.
Observer bias vloeit voort uit de metingen en verwachtingen van de observer (waarnemer) en beïnvloedt de verzameling en registratie van data. Actor-observer bias heeft te maken met hoe wij hetzelfde gedrag anders interpreteren afhankelijk van of we het gedrag zelf vertonen of anderen het gedrag vertonen.
Performance bias
Perfomance bias vindt plaats bij ongelijke behandeling van de onderzoeksgroepen. Performance bias komt vooral voor bij medische experimenten wanneer de participanten op de hoogte zijn van de geplande interventie, therapie of behandeling voordat deze begint.
Studies over voeding, lichaamsbeweging of chirurgische ingrepen zijn erg vatbaar voor deze vorm van vertekening. De bias kan tot een minimum worden beperkt door gebruik te maken van blindering, waardoor participanten en/of onderzoekers niet weten wie in de behandel- of controlegroep zit. Indien blindering niet mogelijk is, is het gebruik van objectieve uitkomsten (zoals data van ziekenhuisopnames) de beste aanpak.
Als de participanten van een experimenteel onderzoek hun gedrag veranderen of verbeteren omdat zij weten dat ze worden bestudeerd, wordt dit het Hawthorne-effect (of waarnemerseffect) genoemd. Het John Henry-effect treedt op als participanten uit de controlegroep zich ervan bewust zijn dat zij worden vergeleken met een behandelgroep. Hierdoor veranderen zij hun gedrag in een poging hun veronderstelde ongelijk te compenseren.
De controlegroep weet niet dat het onderzoek gaat over het verband tussen eiwit en gewichtsverlies, maar ze kunnen gemakkelijk raden dat het over voeding gaat. Als de participanten dit van tevoren weten, kunnen zij mogelijk hun gedrag veranderen, bijvoorbeeld door hun eiwitinname te verhogen of door te proberen gezonder te eten dan dat ze normaal doen.
Regressie naar het gemiddelde (regression to the mean)
Regressie naar het gemiddelde (regression to the mean, RTM) is een statistisch verschijnsel dat verwijst naar het feit dat een variabele die bij de eerste meting een extreme waarde heeft, bij een tweede meting de neiging heeft dichter bij het middelpunt van de verdeling te liggen.
Medisch onderzoek is bijzonder gevoelig voor RTM. Hier zullen interventies die gericht zijn op een groep die, of een kenmerk dat, sterk afwijkt van het gemiddelde (e.g., mensen met een hoge bloeddruk) succesvol lijken vanwege de regressie naar het gemiddelde. Dit kan ertoe leiden dat onderzoekers resultaten verkeerd interpreteren, bijvoorbeeld door een specifieke interventie als causaal te bestempelen terwijl de verandering in de extreme groepen toch wel zou zijn opgetreden.
Over het algemeen is bij mensen met een depressie waargenomen dat bepaalde lichamelijke en geestelijke kenmerken afwijken van het gemiddelde van de populatie.
Dit kan ertoe leiden dat je denkt dat de interventie effectief is als de participanten verbetering vertonen op gemeten indicatoren na de behandeling, zoals een verminderde ernst van depressieve episoden.
Aangezien deze kenmerken bij mensen met depressie echter meer van het populatiegemiddelde afwijken van bij mensen zonder depressie, zou deze verbetering ook aan RTM kunnen worden toegeschreven.
Om onderscheid te kunnen maken tussen RTM en echte verbetering, kun je overwegen om een controlegroep in te voeren, zoals een onbehandelde groep van vergelijkbare personen of een groep van vergelijkbare personen die een alternatieve behandeling ondergaat.
Interviewerbias
Interviewerbias is gerelateerd aan de persoon die het onderzoek uitvoert. Deze vorm van bias kan het gevolg zijn van de manier waarop onderzoekers vragen stellen of reageren op antwoorden, maar ook van andere aspecten van hun identiteit, zoals gender, etniciteit, sociale klasse of waargenomen aantrekkelijkheid.
Interviewerbias vertekent de antwoorden, vooral als de kenmerken op de een of andere manier verband houden met het onderzoeksonderwerp. Interviewer bias kan ook van invloed zijn op het vermogen van de interviewer om een band op te bouwen met de geïnterviewden, waardoor zij zich minder op hun gemak voelen om hun eerlijke mening te delen over gevoelige of persoonlijke onderwerpen.
Participant: “Ik hou ervan om puzzels op te lossen, of soms wat te tuinieren.”
Jij: “Ik hou ook van tuinieren!”
In dit geval zou het zien van jouw enthousiaste reactie de participant kunnen bewegen meer over tuinieren te vertellen.
Vertrouwen kweken tussen jou en de geïnterviewden is cruciaal om ervoor te zorgen dat ze zich op hun gemak voelen om zich open op te stellen en hun ware gedachten en gevoelens te onthullen. Tegelijkertijd kan overdreven empathie de reacties van de geïnterviewden beïnvloeden, zoals hierboven te zien was.
Een betere aanpak is om neutrale antwoorden te gebruiken die toch laten zien dat je oplet en betrokken bent bij het gesprek. Enkele voorbeelden zijn: “Bedankt voor het delen” of “Kun je me daar meer over vertellen?”
Publicatiebias (publication bias)
Publicatiebias (publication bias) treedt op als de beslissing om onderzoeksresultaten te publiceren gebaseerd is op de aard of de richting van de resultaten. Onderzoeken met resultaten die als positief, statistisch significant of gunstig voor de onderzoekshypothesen worden beschouwd, zullen eerder worden gepubliceerd vanwege publicatiebias.
Publicatiebias houdt verband met data baggeren (data dredging, ook wel p-hacking genoemd), waarbij statistische toetsen op een dataset worden uitgevoerd tot er iets statistisch significants uitkomt. Aangezien academische tijdschriften de neiging hebben statistisch significante resultaten te publiceren, kan dit onderzoekers onder druk zetten om alleen statistisch significante resultaten in te dienen.
P-hacking kan ook inhouden dat participanten worden uitgesloten of dat de dataverzameling wordt stopgezet zodra een p-waarde van 0.05 is bereikt. Dit leidt echter tot vals-positieve resultaten (Type I-fout) en een oververtegenwoordiging van positieve resultaten in de gepubliceerde wetenschappelijke literatuur.
Onderzoekersbias (researcher bias)
Onderzoekersbias (researcher bias) doet zich voor als de overtuigingen of verwachtingen van de onderzoeker de onderzoeksopzet of het dataverzamelingsproces beïnvloeden. Onderzoekersbias kan opzettelijk zijn (zoals beweren dat een interventie werkte, zelfs als dat niet het geval is) of onbewust (zoals persoonlijke gevoelens, stereotypen of veronderstellingen de onderzoeksvragen laten beïnvloeden).
De onbewuste vorm van researcher bias wordt geassocieerd met het Pygmalion-effect (ook Rosenthal-effect genoemd), waarbij de hoge verwachtingen van de onderzoeker (e.g., dat patiënten die in een behandelgroep zijn ingedeeld de behandeling succesvol zullen afronden) leiden tot betere prestaties en betere resultaten.
Observer bias beïnvloedt de manier waarop gedragingen worden geregistreerd of metingen worden verricht, vaak in het stadium van dataverzameling of data-interpretatie. Onderzoekersbias is een breder begrip en kan elk deel van de onderzoeksopzet beïnvloeden.
Onderzoekersbias wordt soms ook experimenter bias genoemd, maar deze vorm van bias geldt voor alle soorten onderzoeksprojecten, en niet alleen voor experimentele designs.
In plaats van neutraal en niet-oordelend te zijn, lopen de vragen het risico jouw vooroordelen over alcoholgebruik te weerspiegelen. Hierdoor kan je enquête bevooroordeeld zijn.
- Voorbeeld goede vraag: Wat is jouw mening over alcoholgebruik onder leeftijdsgenoten?
- Voorbeeld slechte vraag: Vind je het slecht dat jongeren zoveel drinken?
Responsbias (response bias)
Responsbias (response bias) is een algemene term die wordt gebruikt om een aantal verschillende situaties te beschrijven waarin respondenten de neiging hebben onnauwkeurige of valse antwoorden te geven in enquêtes en gestructureerde interviews als er persoonlijke vragen worden gesteld.
Dit komt doordat mensen bij de beantwoording van een vraag (bijv. tijdens een interview) meerdere informatiebronnen samenvoegen om hun antwoorden te formuleren. Daarom kan elk aspect van een onderzoek een respondent mogelijk beïnvloeden. Voorbeelden hiervan zijn de formulering van vragen in enquêtes, de manier waarop participanten de onderzoeker zien, of de drang van de participant om de onderzoeker een plezier te doen en sociaal-wenselijke antwoorden te geven.
Responsbias komt ook voor in experimenteel medisch onderzoek. Als de resultaten gebaseerd zijn op de verslagen van patiënten, kan een placebo-effect optreden. Hierbij melden patiënten een verbetering ondanks het feit dat zij een placebo hebben ontvangen, en geen echte medische behandeling.
Tijdens het interviewen van een student, vraag je:
“Vind je het oké om te spieken tijdens een tentamen?”
Aangezien spieken over het algemeen als iets slechts wordt beschouwd, heeft het woord zelf een negatieve lading. Hier kan de student de behoefte voelen om zijn ware gevoelens te verbergen en zich te conformeren aan wat als het meest sociaal aanvaardbare wordt beschouwd – in dit geval, dat spieken niet oké is.
De meest voorkomende vormen van responsbias zijn:
- Acquiescence bias
- Vraagkenmerken (demand characteristics)
- Sociale waarschijnlijkheidsbias (social desirability bias)
- Beleefheidsbias (courtesy bias)
- Vraagvolgordebias (question order bias)
- Extreme antwoorden (extreme responding)
Acquiescence bias
Acquiescence bias is de neiging van respondenten om het eens te zijn met een stelling als zij geconfronteerd worden met binaire antwoordopties zoals “eens/niet eens”, “ja/nee” of “waar/niet waar”. Acquiescence wordt ook wel “ja-zeggen” genoemd.
Deze vorm van bias ontstaat ofwel door de persoonlijkheid van de respondenten (i.e., sommige mensen zijn het eerder eens met uitspraken dan oneens, waar het ook over gaat), of omdat respondenten de onderzoeker als een expert zien en meer geneigd zijn het eens te zijn met uitspraken die worden voorgelegd door de onderzoeker.
V: Ben je een sociaal persoon?
- Ja
- Nee
Mensen die geneigd zijn het eens te zijn met stellingen die hen worden voorgelegd, lopen het risico de eerste optie te kiezen, zelfs als die niet volledig ondersteund wordt door hun ervaringen.
Om voor acquiescence bias te controleren, kun je overwegen je formulering aan te passen om respondenten aan te moedigen een keuze te maken die echt gebaseerd is op hun voorkeuren. Hier volgt een voorbeeld:
V: Wat zou je het liefste willen?
- Een rustig avondje thuis
- Een avond uit met vrienden
Vraagkenmerken (demand characteristics)
Vraagkenmerken (demand characteristics) zijn signalen die het onderzoeksdoel aan de respondenten zouden kunnen onthullen, met het risico dat hun gedragingen of opvattingen veranderen. Ervoor zorgen dat participanten niet op de hoogte zijn van van de onderzoeksdoelstellingen is de beste manier om dit soort vertekening te voorkomen.
Bij elke gelegenheid meldden de patiënten dat hun pijn minder was dan voor de operatie. Hoewel dit in de eerste instantie lijkt te suggereren dat de operatie inderdaad tot minder pijn leidt, is er een vraagkenmerk aanwezig. Tijdens de interviews fronste de onderzoeker onbewust haar wenkbrauwen wanneer patiënten meer postoperatieve pijn rapporteerden. Dit verhoogde het risico dat patiënten erachter kwamen dat de onderzoeker hoopte dat de operatie een gunstig effect zou hebben.
De patiënten verzwijgen de ernst van hun klachten in het interview in een poging de onderzoeker tevreden te stellen. De frons van de onderzoeker diende als signaal (vraagkenmerk) dat de patiënten hielp te achterhalen wat de onderzoeksagenda was.
Sociale waarschijnlijkheidsbias (social desirability bias)
Sociale waarschijnlijkheidsbias (beter bekend als social desirability bias) is de neiging van participanten om antwoorden te geven waarvan zij denken dat die door de onderzoekers of de andere participanten gunstig zullen worden beoordeeld. Deze vorm van bias beïnvloedt vaak studies die zich richten op gevoelige onderwerpen, zoals alcoholgebruik of seksueel gedrag.
Je neemt face-to-face semigestructureerde interviews af bij een aantal werknemers van verschillende afdelingen. Op de vraag of ze geïnteresseerd zouden zijn in een programma om te stoppen met roken, was er alom enthousiasme voor het idee.
Als je echter aan het einde van de dag het gebouw verlaat, kom je een paar geïnterviewde werknemers tegen die buiten staan te roken. Je hoort ze zeggen dat ze het idee van een programma om te stoppen met roken niet zien zitten, maar dat ze dat niet echt konden zeggen omdat roken tegenwoordig als een slechte gewoonte wordt beschouwd.
Beleefdheidsbias (courtesy bias)
Beleefheidsbias (courtesy bias) komt voort uit een terughoudendheid om negatieve feedback te geven om zo beleefd te zijn tegen de persoon die de vraag stelt. Interviews in kleine groepen, waarbij de participanten op de een of andere manier met elkaar te maken hebben (e.g., een student, een coach en een decaan), zijn bijzonder vatbaar voor deze vorm van bias in onderzoek.
Courtesy bias, waaronder angst voor repercussies, kan ertoe leiden dat sommige participanten negatieve ervaringen niet willen delen. De beste aanpak is om de interviews in een meer neutrale setting af te nemen.
Vraagvolgordebias (question order bias)
Vraagvolgorde bias (beter bekend als question order bias) treedt op als de volgorde waarin de vragen worden gesteld van invloed is op de manier waarop de respondent de vragen interpreteert en beoordeelt. Dit doet zich vooral voor wanneer eerdere vragen context bieden voor latere vragen.
Bij het beantwoorden van opeenvolgende vragen kunnen respondenten hun antwoorden baseren op eerdere vragen (ook wel een halo-effect genoemd), wat kan leiden tot systematische vertekening van antwoorden.
In dit geval kun je de question order bias minimaliseren door algemene vragen (over tevredenheid in het leven) te stellen voordat je de specifieke vragen (over tevredenheid in het huwelijk) stelt.
Extreme antwoorden (extreme responding)
Extreme antwoorden of extreme responding is de neiging van een respondent om een extreem antwoord te geven, waarbij het laagste of hoogste antwoord wordt gekozen, zelfs als dat niet de echte mening is. Extreem reageren komt vaak voor in enquêtes die gebruikmaken van likertschalen. Deze vorm van bias vertekent de ware gedragingen en meningen van mensen.
Zowel de houding tegenover de enquête als culturele componenten kunnen een oorzaak van extreme responding zijn. Mensen uit culturen waar het collectief belang is, hebben bijvoorbeeld de neiging extreme antwoorden te geven in termen van instemming, terwijl respondenten die uit een individualistische samenleving komen of die onverschillig zijn over de vragen extreme antwoorden kunnen geven (in termen van het oneens zijn).
In je pilotstudie merk je dat enkele respondenten alleen de uiterste opties voor elke vraag selecteren. Om dit te voorkomen, besluit je de vragenlijst in te korten en de vragen te diversifiëren. In plaats van alleen een likertschaal te gebruiken, voeg je ook enkele meerkeuzevragen en open vragen toe.
Selectiebias (selection bias)
Selectiebias (selection bias) is een overkoepelende term voor situaties waarin bias in het onderzoek wordt geïntroduceerd door factoren die de onderzoekspopulatie beïnvloeden.
Veelvoorkomende vormen van selectiebias zijn:
- Steekproefbias (sampling bias)
- Uitvalsbias (attrition bias)
- Zelfselectiebias (self selection bias)
- Overlevingsbias (survivorship bias)
- Participatiebias (participation bias)
- Ondervertegenwoordigingsbias (undercoverage bias)
Als je je data enkel verzamelt door ouderen te interviewen die naar buiten komen bij een openbaar zwembad, leidt dat tot selectiebias in je data. In dit geval sluit je ouderen uit die niet bereid of in staat zijn om een actieve levensstijl te hebben.
Steekproefbias (sampling bias)
Sampling bias (ook wel steekproefbias of ascertainment bias) treedt op als je steekproef (de individuen, groepen of data die je voor je onderzoek verkrijgt) zodanig is geselecteerd dat deze niet representatief is voor de populatie die je analyseert. Sampling bias bedreigt de externe validiteit van je bevindingen en beïnvloedt de generaliseerbaarheid van je resultaten.
De makkelijkste manier om sampling bias te voorkomen is door een aselecte steekproef te gebruiken. Op die manier heeft elk lid van de populatie die je bestudeert een gelijke kans om in je steekproef te worden opgenomen.
In de medische wereld wordt sampling bias vaak ascertainment bias genoemd.
Deze verzamelmethode omvat niet de mensen die bedlegerig zijn of erg ziek door een hartaandoening. Omdat velen van hen waarschijnlijk aan huis gebonden zijn of in een ziekenhuis zijn opgenomen, en niet in een winkelcentrum rondwandelen, is je steekproef vertekend.
Attrition bias
Attrition bias (ook (selectieve) uitvalsbias genoemd) treedt op als participanten die met een onderzoek stoppen systematisch verschillen van participanten die blijven deelnemen. Attrition bias is vooral problematisch bij een gerandomiseerd onderzoek met controlegroep (RCT) voor medisch onderzoek, omdat participanten die de ervaringen niet leuk vinden of ongewenste neveneffecten hebben kunnen afhaken en de resultaten kunnen beïnvloeden.
Je kunt attrition bias minimaliseren door participanten redenen te geven om het onderzoek te voltooien (e.g., een cadeaubon als ze elke sessie met succes bijwonen). Het is ook een goede aanpak om meer participanten te werven dan je nodig hebt, of het aantal vervolgsessies of vragen tot een minimum te beperken.
Je biedt een behandelgroep wekelijkse sessies van 1 uur over een periode van 2 maanden, terwijl een controlegroep sessies bijwoont over een ongerelateerd onderwerp. Je verzamelt data in vijf golven om de resultaten te vergelijken: een initiële enquête (de nulmeting), drie enquêtes tijdens het programma en een enquête na het onderzoek (post-test).
Tijdens je onderzoek merk je dat een aantal participanten afhaakt, de sessies niet bijwoont of de enquêtes niet invult. Je controleert de data van de nulmeting om degenen die afhaken te vergelijken met degenen die blijven, en ontdekt dat degenen die afhaken significant hogere niveaus van angst rapporteren dan degenen die blijven. Dit betekent dat je onderzoek attrition bias (selectieve uitval) vertoont.
Zelfselectiebias (self selection bias)
Zelfselectiebias (self selection bias), ook wel volunteer bias genoemd, doet zich voor als personen die zich vrijwillig voor een onderzoek aanmelden, bepaalde kenmerken hebben die van belang zijn voor het onderzoek.
Zelfselectiebias leidt tot vertekende data, omdat de respondenten die ervoor kiezen deel te nemen niet representatief zijn voor de populatie. Je kunt deze vorm van bias vermijden door gebruik te maken van willekeurige toewijzing (randomisatie), bijvoorbeeld door participanten in een behandelgroep of controlegroep te plaatsen nadat ze zich vrijwillig hebben opgegeven voor deelname aan het onderzoek.
De participatiebias (non-responsbias) is hier sterk aan gerelateerd. Deze vorm van bias treedt op als een participant weigert deel te nemen aan een bepaald onderzoek of zich terugtrekt voordat het onderzoek is afgerond.
Aangezien het ziekenhuis in een welvarend deel van de stad ligt, is de kans groot dat de vrijwilligers een hogere sociaaleconomische status, een hogere opleiding en een betere voeding hebben dan de bevolking in het algemeen.
Dit betekent dat volunteer bias van invloed kan zijn op je bevindingen, aangezien de participanten aanzienlijk zullen verschillen van niet-participanten op manieren die verband houden met de onderzoeksdoelstellingen (i.e., de relatie tussen voeding en cognitieve achteruitgang).
Overlevingsbias (survivorship bias)
Overlevingsbias (survivorship bias) treedt op als je niet alle participanten evalueert, bijvoorbeeld door alleen de patiënten te analyseren die een klinische behandeling hebben overleefd.
Dit verhoogt de kans dat je onjuiste conclusies trekt op basis van degenen die een soort selectieproces hebben doorstaan. Je concentreert je op de “overlevenden” en vergeet degenen die een soortgelijk proces hebben doorgemaakt en het niet hebben overleefd.
De meeste schoolverlaters worden echter geen miljardairs. In feite zijn er veel meer aspirant-ondernemers die hun studie hebben afgebroken om een bedrijf te beginnen en die hebben gefaald dan die erin zijn geslaagd.
Als je je concentreert op mensen die van school zijn gegaan en vervolgens succes hebben geboekt, en de veel grotere groep van voortijdige schoolverlaters zonder een succesvolle onderneming negeert, is er sprake van overlevingsbias. Dit betekent dat een zichtbare succesvolle groep wordt aangezien voor de hele groep, omdat de “mislukte” groep niet zichtbaar is.
Participatiebias (participation bias)
Participatiebias (ook wel non-responsbias genoemd) treedt op als degenen die niet reageren op een enquête of onderzoek anders zijn dan degenen die wel reageren op manieren die van cruciaal belang zijn voor de doelstellingen van het onderzoek. Dit komt vaak voor bij enquêteonderzoek, als participanten niet kunnen of willen deelnemen vanwege factoren zoals gebrek aan de nodige vaardigheden, gebrek aan tijd, of schuldgevoel of schaamte in verband met het onderwerp.
Je kunt non-responsbias beperken door de enquête in verschillende formaten aan te bieden (e.g., een online enquête maar ook een papieren versie die per post wordt verstuurd), door vertrouwelijkheid te garanderen en door herinneringen te sturen om de enquête in te vullen.
Je stuurt per mail een enquête naar alle 1.000 klanten die in de afgelopen twee maanden een fysieke aankoop hebben gedaan in de meubelwinkel. Uiteindelijk vullen 362 respondenten de enquête volledig in.
Om erachter te komen of deze steekproef representatief is, kijk je naar de klachten die de afgelopen twee maanden zijn binnengekomen bij de klantenservice. Het overgrote deel van de respondenten blijkt na aankoop een klacht te hebben ingediend over het product of de service.
Bij een tevredenheidsonderzoek komt het vaker voor dat enkel de klanten die ontevreden zijn over hun aankoop de moeite en tijd nemen om een enquête in te vullen. Klanten die tevreden zijn, worden dan niet voldoende meegenomen in het onderzoek. De steekproef is dus niet representatief en er is sprake van participatiebias.
Undercoverage bias
Undercoverage bias (soms ook ondervertegenwoordigingsbias genoemd) treedt op als je een steekproef trekt uit slechts een deel van de populatie waarin je geïnteresseerd bent. Online enquêtes zijn bijzonder gevoelig voor undercoverage bias. Hoewel ze goedkoper en effectiever zijn dan andere onderzoeksmethoden, kunnen ze tot undercoverage bias leiden omdat mensen zonder internet worden buitengesloten.
Undercoverage is geen probleem als internetgebruikers niet verschillen van niet-internetgebruikers. Je weet echter uit eerdere onderzoeken dat het aandeel niet-internetgebruikers een positieve relatie heeft met leeftijd en een negatieve relatie met opleidingsniveau. Dit betekent dat je het risico loopt ouderen en respondenten met een lager opleidingsniveau uit te sluiten van je steekproef.
Aangezien de verschillen tussen internetgebruikers en niet-internetgebruikers een belangrijk rol kunnen spelen voor de onderzoeksvariabelen, kun je geen valide conclusie kunnen trekken op basis van je online enquête.
Hoe vermijd je bias in je onderzoek?
Het is niet mogelijk om bias in je onderzoek helemaal te voorkomen, maar bias kan worden beperkt door een goede opzet en uitvoering van het onderzoek. Hier zijn enkele tips:
- Leg in je methodologie duidelijk uit hoe je onderzoeksopzet zal helpen de onderzoeksdoelstellingen te halen en waarom dit de meest geschikte onderzoeksopzet is.
- Zorg er bij kwantitatieve studies voor dat je een aselecte steekproef gebruikt om de participanten te selecteren. Als je een experiment uitvoert, zorg er dan voor dat je randomisatie gebruikt om de participanten aan je behandel- en controlegroep toe te wijzen.
- Houd rekening met participanten die zich tijdens het onderzoek terugtrekken of de follow-up niet opvolgen. Als zij zich om een bepaalde reden terugtrekken, kan dat je resultaten vertekenen. Dit geldt met name voor longitudinale onderzoeken.
- Gebruik triangulatie om de validiteit en betrouwbaarheid van je bevindingen te waarborgen.
- Formuleer je enquête- en interviewvragen op een neutrale, niet-oordelende toon. Zorg ervoor dat je vragen de participanten niet in een bepaalde richting sturen.
Overweeg het gebruik van een logboek. Daarin kun je de details van elk interview noteren, met speciale aandacht voor de invloed die je op de participanten hebt gehad. Deze data kun je opnemen in je uiteindelijke analyse en verslag (bijvoorbeeld in de discussiesectie).
Veelgestelde vragen over onderzoeksbias
- Waarom is bias in onderzoek een probleem?
-
Research bias tast de validiteit en betrouwbaarheid van je onderzoeksresultaten aan. Bias leidt tot onjuiste conclusies en een verkeerde interpretatie van de waarheid. Dit kan ernstige gevolgen hebben in bepaalde vakgebieden, zoals medisch onderzoek, waarin nieuwe behandelingsvormen worden geëvalueerd.
- Wat is het verschil tussen observer bias en actor-observer bias?
-
Observer bias treedt op als veronderstellingen, opvattingen of vooroordelen van de onderzoeker van invloed zijn op wat de onderzoeker ziet en vastlegt in het onderzoek.
Actor-observer bias heeft betrekking op situaties waarin respondenten interne factoren (e.g., slechte karakter) gebruiken om het gedrag van anderen te verklaren, en externe factoren (e.g., moeilijke omstandigheden) om hetzelfde gedrag bij henzelf te rechtvaardigen.
- Wat is het verschil tussen response en non-responsbias (participatiebias)?
-
Response bias is een algemene term die wordt gebruikt om enkele verschillende omstandigheden of factoren te beschrijven die respondenten ertoe aanzetten om tijdens enquêtes of interviews onnauwkeurige of foute antwoorden te geven. Deze factoren variëren van de sociale positie of het voorkomen van de onderzoeker, tot de formulering van vragen in enquêtes.
Non-response bias (participatiebias) doet zich voor als mensen die een enquête invullen verschillen van degenen die dat niet deden op manieren die relevant zijn voor het onderzoeksonderwerp. Non-respons kan het gevolg zijn van het feit dat mensen niet in staat zijn of niet bereid zijn deel te nemen aan het onderzoek.
- Wat is een sampling bias?
-
Een sampling bias treedt op als bepaalde individuen uit een populatie een grotere kans hebben om in de steekproef te worden opgenomen dan andere individuen uit die populatie.