サンプリング・バイアスとは、ある集団の一部が他の集団よりも選択される可能性が体系的に高い場合に発生します。

サンプリング・バイアスは、外的妥当性、特に母集団の妥当性を脅かすものであるため、調査結果の一般化を制限します。

Causes of sampling bias

研究デザインやデータ収集方法の選択が、サンプリングバイアスにつながる可能性があります。

Sampling bias in probability samples

確率論的サンプリングでは、母集団のすべてのメンバーが選択される確率がわかっています。

この手順は、サンプリング バイアスのリスクを軽減しますが、排除することはできません。

単純無作為抽出におけるサンプリング・バイアスの例
あなたは、単純無作為抽出を用いて、大学の学部生の先延ばしと社会不安のレベルを調査したいと考えています。 あなたは、研究参加者データベースのすべての学生に1から1500までの番号を割り当て、乱数発生器を使用して120の番号を選択しました。

あなたは無作為のサンプルを使用しましたが、対象集団であるあなたの大学の学部生全員が選択されるチャンスがあるわけではありません。 このサンプルには、研究に参加するために連絡を受けることにサインアップしなかった人が含まれていません。

非確率サンプルにおけるサンプリング・バイアス

非確率サンプルは、ランダムではない基準に基づいて選択されます。

コンビニエンス・サンプルにおけるサンプリング・バイアスの例 あなたは、大学の学部生の間での植物性食品の人気を調査したいと考えています。 便宜上、あなたは大学の心理学入門コースに登録している全員にアンケートを送りました。

これは便宜的なサンプルなので、対象となる母集団を代表するものではありません。 このコースを受講している人たちは、あなたの大学の他の人たちよりもリベラルで植物由来の食品に惹かれているかもしれません。

サンプリングバイアスの種類

mg src=”/FileUpload/Features/2/Photo/2.jpg”.

タイプ タイプ 説明
自己の選択 特定の特徴を持つ人は、他の人よりも研究に参加することに同意する可能性が高い。 よりスリルを求める人は、痛みの研究に参加する可能性があります。
Non-response 研究への参加を拒否したり、研究から脱落した人は、参加した人とは系統的に異なります。 ストレスと仕事量に関する研究では、仕事量の多い従業員は参加する可能性が低くなります。
Undercoverage 人口のいくつかのメンバーは、サンプルの中で十分に表現されていません。 一般的な国民調査をオンラインで実施すると、高齢者や低所得世帯など、インターネットへのアクセスが限られたグループを見逃す可能性があります。
Survivorship 成功した観察結果、人や物は失敗したものよりもサンプルに含まれる可能性が高いです。 科学雑誌では、肯定的な結果に対して強い出版バイアスがかかります。
事前のスクリーニングや広告 参加者が事前にスクリーニングされる方法や、研究が広告される場所は、サンプルにバイアスをかける可能性があります。 新規の睡眠介入をテストするためにボランティアを募集する場合、他の人々よりも睡眠習慣を改善することに意欲的なサンプルになるかもしれません。
健康ユーザー 予防的な介入のためのボランティアは、他の人口のメンバーよりも健康を増進する行動や活動を追求する傾向があります。 予防的な介入のサンプルは、より良い食事、より高い身体活動レベル、禁酒、禁煙をしている人口のほとんどよりも。 実験結果は、治療そのものというよりも、治療がサンプルのこれらの特性と相互作用した結果であるかもしれません。

あなたの盗用スコアは?

あなたの論文を600億以上のウェブページや3,000万以上の出版物と比較してみましょう。

  • 2020年最高の剽窃チェッカー
  • 剽窃レポート&割合
  • 最大の剽窃データベース

Scribbr 剽窃チェッカー Checker

How to avoid or correct sampling bias

慎重な研究デザインとサンプリング手順を使用することで、サンプリングバイアスを回避することができます。

  • 対象となる母集団とサンプリングフレーム(サンプルが抽出される個人のリスト)を定義する。
  • オンライン調査は、できるだけ短く、アクセスしやすいものにしてください。
  • コンビニエンス・サンプリングは避ける

偏りを避けるためのオーバーサンプリング

オーバーサンプリングは、定義されたグループのメンバーが十分にカバーされていない(アンダーカバレッジ)状況において、サンプリング・バイアスを避けるために使用することができます。

すべてのデータが収集された後、オーバーサンプリングされたグループからの回答は、母集団における実際の割合に合わせて重み付けされ、サンプリングバイアスが取り除かれます。

サンプリングバイアスを避けるためのオーバーサンプリングの例
ある研究者が、アメリカのさまざまな民族グループの政治的意見を調査したいと考え、アメリカの人口の5.6%しか占めていないアジア系アメリカ人に深く焦点を当てました。 この研究者は、各民族グループを個別に調査すると同時に、正確な結論を得るためにアジア系アメリカ人に関する十分なデータを収集したいと考えています。

彼らは、アジア系アメリカ人に偏った1500人の回答者からなる全国代表サンプルを集めました。 アジア系アメリカ人の数が多い地域から、より多くのサンプルを抽出するために、ランダムディジットダイヤルを使用しました。 1500人の回答者のうち、336人がアジア系アメリカ人です。

アジア系アメリカ人の回答が全体の5.6%を占めるように重み付けをしています。

サンプリングバイアスについてのよくある質問

サンプリングとは何ですか?

サンプルとは、より大きな集団からの個人の部分集合のことです。 サンプリングとは、研究で実際にデータを収集する集団を選ぶことです。

統計学では、サンプリングによって母集団の特徴に関する仮説を検証することができます。

サンプリング・バイアスとは何ですか?

サンプリングバイアスとは何ですか?
サンプリングバイアスの種類にはどのようなものがありますか?

一般的なサンプリングバイアスの種類には、自己選択、無回答、アンダーカバー、サバイバーシップ、事前スクリーニングや広告、健全なユーザーバイアスなどがあります。

サンプリングバイアスを回避するには?

慎重な研究デザインとサンプリング手順を用いることで、サンプリングバイアスを回避することができます。 オーバーサンプリングはアンダーカバーバイアスを修正するために使用することができます。

なぜ研究にサンプルが使われるのですか?

サンプルは、集団に関する推論を行うために使用されます。 サンプルは、実用的で費用対効果が高く、便利で管理しやすいため、データを集めやすいのです。

コメントを残す

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です