Bias is een systematische afwijking: een meting of onderzoek wijkt steeds in dezelfde richting af van de werkelijkheid. Denk aan een weegschaal die altijd 3 kilo te veel aangeeft, of een enquête die vooral door ontevreden klanten wordt ingevuld. De uitkomsten geven dan geen goed beeld, en beslissingen die je erop baseert, kloppen ook niet.
Bias in een meetsysteem
Bij een verbeterproject wil je beslissingen nemen op basis van betrouwbare gegevens. Daarom onderzoek je in Six Sigma eerst of je meetsysteem deugt, met een meetsysteemanalyse. Is het meetsysteem niet op orde, dan zie je in je gegevens afwijkingen of spreiding die in werkelijkheid niet bestaat.
Fouten in een meetsysteem kunnen komen door het meetmiddel zelf, zoals een slecht afgestelde weegschaal, of door de mensen die meten, bijvoorbeeld als iedereen het op een andere manier doet. Daarbij gaat het om twee dingen, die je bovenaan dit artikel ziet: accuratesse en precisie.
- Accuratesse gaat over de ligging: komt de meting gemiddeld uit op de werkelijke waarde? Een vaste, systematische verschuiving heet bias. Een voorbeeld is de weegschaal die altijd 3 kilo te veel aangeeft.
- Precisie gaat over de spreiding: liggen herhaalde metingen dicht bij elkaar? Een voorbeeld: de doorlooptijd wordt de ene keer vanaf de aanvraag gemeten en de andere keer vanaf de start van het werk.
Een meting kan precies zijn maar niet accuraat (alle metingen dicht bij elkaar, maar ernaast), of andersom. Je hebt beide nodig.
Precisie onderzoek je met een Gage R&R: daarmee meet je hoeveel spreiding er zit in herhaalde metingen door dezelfde persoon (herhaalbaarheid) en tussen verschillende personen (reproduceerbaarheid). Bias spoor je op door te meten met een referentie waarvan je de werkelijke waarde kent, en de afwijking te bepalen.
Bias in onderzoek en dataverzameling
Ook bij enquêtes, interviews en het verzamelen van gegevens kan bias ontstaan. De bekendste vormen:
- Selectiebias: de steekproef is geen goede afspiegeling van de groep die je wilt onderzoeken. Bijvoorbeeld als je alleen klanten van één vestiging ondervraagt.
- Non-responsbias: de mensen die reageren verschillen van de mensen die niet reageren. Bij een klanttevredenheidsonderzoek reageren bijvoorbeeld vooral ontevreden klanten, terwijl de tevreden klanten ondervertegenwoordigd zijn.
- Sociaal wenselijke antwoorden: bij persoonlijke vragen, zoals het aantal glazen alcohol per week, geven mensen eerder het antwoord dat ze denken dat gewenst is.
- Interviewerbias: de interviewer beïnvloedt, vaak onbewust, de antwoorden door hoe vragen worden gesteld of gereageerd wordt.
- Bevestigingsbias (confirmation bias): de onderzoeker heeft al een verwachting en zoekt vooral naar gegevens die die verwachting bevestigen.
- Interpretatiebias: deelnemers of onderzoekers interpreteren een vraag of uitkomst anders dan bedoeld.
Let op: uitschieters zijn op zich geen bias. Een paar extreme waarden kunnen toeval zijn, of juist belangrijke informatie bevatten. Onderzoek ze, maar gooi ze niet zomaar weg.
Hoe voorkom je bias?
- Controleer en kalibreer meetmiddelen, en doe een meetsysteemanalyse voordat je gaat meten.
- Leg een eenduidige meetinstructie vast, zodat iedereen op dezelfde manier meet.
- Kies een steekproef die de hele groep goed vertegenwoordigt, en houd bij wie niet reageert.
- Stel neutrale vragen, en laat de data spreken voordat je conclusies trekt.
Betrouwbaar meten en het voorkomen van bias komen uitgebreid aan bod in de Green Belt-training.