Wat is Bias?

Bias kun je definiëren als ‘de mate waarin het ontvangen signaal verstoord is’. In de statistiek vertalen we dit als de afwijking van de meting ten opzichte van de werkelijkheid, de vertekening in het resultaat van een steekproef.

Er is sprake van bias wanneer externe factoren een negatieve invloed hebben op de uitkomsten van een onderzoek of een meting. Het gevolg hiervan is dat de uitkomsten geen goede afspiegeling zijn van de werkelijkheid en daarmee hun nut en meerwaarde verliezen.

Six Sigma en meetsysteemanalyse

Bias is een term die voorkomt bij de meetsysteemanalyse. Bij het verzamelen van data is het belangrijk om te weten of je meetsysteem wel betrouwbaar is. Het meetsysteem zal je vooraf moeten analyseren en zo mogelijk moeten bijstellen om bij het meten betrouwbare data te krijgen. Wanneer je meetsysteem niet op orde is, zullen je waarnemingen een grotere variatie laten zien dan dat er in werkelijkheid is. Er is dan sprake van een meetfout. Zie hieronder.

Er zijn verschillende soorten meetfouten, meetvariatie. De meetvariatie kan optreden door het meetmiddel of door de personen die meten.

Accuratesse, zegt iets over de locatie, beschrijft of de gemeten waarden gemiddeld dicht bij de werkelijke waarde liggen. Het gaat hier om de afstanden tot de werkelijke waarde. De systematische verschuiving noemen we bias. Bv. de weegschaal die verkeerd is afgesteld en altijd 3 kilo te veel aanwijst.

Precisie, zegt iets over de spreiding, beschrijft of de spreiding nauwkeurig genoeg gemeten kan worden. Het gaat hier om de onderlinge, gemeten waarden. Bv. het meten van de doorlooptijd wordt steeds op een andere manier gedaan. Bij precisie gaat het om de herhaalbaarheid en de reproduceerbaarheid van de meting.

Soorten bias

Er treden verschillende soorten bias bij onderzoeken en het verzamelen van data op. Bijvoorbeeld:

• Selectiebias

Er is sprake van selectiebias wanneer de getrokken steekproef geen goede afspiegeling vormt van de populatie die centraal staat in het onderzoek.

• Interviewerbias

Deze vorm van komt voor bij die methoden van dataverzameling waarbij er daadwerkelijk een gesprek is tussen een interviewer en een respondent. De respondent kan, wil of durft de vragen niet naar eer en geweten te beantwoorden tegenover de interviewer, maar kiest ervoor om sociaal wenselijke antwoorden te geven.

• Responsbias

Je hebt kans op responsbias wanneer de vragen die gesteld worden in een onderzoek van een dusdanig persoonlijke aard zijn dat mensen besluiten om niet de waarheid te vertellen, maar over gaan op sociaal wenselijke antwoorden. Bv. het aantal glazen alcohol per week.

• Nonresponsbias

Je hebt binnen een onderzoek te maken met no responsbias wanneer er een groot verschil is in de samenstelling van de groep mensen die wel hebben deelgenomen aan een onderzoek en zij die dat niet hebben gedaan. Een voorbeeld is een klanttevredenheidsonderzoek waarbij voornamelijk de ontevreden klanten hun mening geven. De tevreden klanten, die er wel degelijk zijn, komen in onvoldoende mate voor in de data en dat heeft een negatieve invloed op de uitkomsten.

• Extreme databias

Bias op basis van extreme data gebeurt gewoon en kan ook eenvoudig worden verholpen. Het treedt op wanneer binnen een set van antwoorden op een vraag ineens een paar extreme antwoorden voorkomen die op toeval berusten.

• Bevestigings (confirmation) bias

Hier ligt de oorzaak bij de onderzoeker. Hij of zij heeft namelijk voorafgaand aan het onderzoek enkele aannames geformuleerd en zoekt nu naar bevestiging door een onderzoek uit te voeren. Bij het analyseren van de data zoekt de onderzoeker vervolgens enkel en alleen naar cijfers die de aannames bevestigen en dat zorgt natuurlijk voor uitkomsten en conclusies die de waarheid geweld aan doen.

• Interpretatie (interpretative) bias

Deze bias treedt op wanneer deelnemers aan een onderzoek die iets in het onderzoek onjuist interpreteren.