Pristrasnost prikupljanja podataka događa se kada pogrešno odaberemo subjekte koji će pripadati slučajnom uzorku koji se analizira.
Imamo problem kada ovaj odabir čini slučajni uzorak ne reprezentativnim za statističku populaciju. Stoga je bilo koji rezultat koji dobijemo iz uzorka pristran i nismo mogli potvrditi da je ispunjen u analiziranoj populaciji. Unutar te pristranosti možemo razlikovati različite vrste, što ćemo objasniti u nastavku.
Pristranost preživljavanja
Pojavljuje se kada se podaci izuzmu iz analize jer više ne postoje u vrijeme analize.
Drugim riječima, fokusiramo se samo na podatke koji postoje i odbacujemo one koji su prije postojali u populaciji. U praksi postoji mnogo primjera ove vrste pristranosti. Jedna od njih je provođenje anketa samo za klijente tvrtke, isključujući potencijalne klijente. Druga bi bila procjena ponašanja burzovnih indeksa uklanjanjem iz analize tvrtki koje su bile i više nisu u tom indeksu.
Rješenje ove pristranosti vrlo je jednostavno. Izvršite studiju sa svim postojećim i prethodno postojećim podacima.
Pristranost u predviđanju
Pojavljuje se kada se analiza vrši pomoću podataka koji nisu dostupni u vrijeme analize. Primjer bi bio napraviti analizu odnosa cijene dionice s nekom varijablom financijske bilance. Cijena dionice je dinamička varijabla koja, ako u trenutku analize imamo točne podatke. Međutim, varijable utvrđene u bilanci su statične i zato bismo trebali pričekati objavljivanje financijskih izvještaja za ovu analizu.
Pretpostavimo da želimo proučiti odnos između cijene i kapitala za brojne tvrtke na kraju fiskalne godine. U ovom slučaju nećemo imati podatke o neto vrijednosti do objave financijskih izvještaja. Publikacija koja se daje nekoliko mjeseci nakon završetka fiskalne godine.
Stoga bi rješenje za tu pristranost bilo pričekati objavu financijskih izvještaja. I izvršite analizu s objavljenim podacima zajedno s cijenom u trenutku objavljivanja.
Pristranost vremenskog razdoblja
Ova pristranost javlja se kada je razdoblje odabrano za podatke prekratko ili predugo. Ako je prekratko, analiza bi mogla odražavati određene rezultate koji su postignuti samo za to razdoblje. Odnosno, ne bi bili reprezentativni dulje vrijeme.
Zamislite petogodišnji okvir u kojem su male tvrtke nadmašile velike tvrtke na burzi. Iz ovoga bismo mogli izvući zaključak da će u budućnosti male tvrtke uvijek nadmašiti velike. Ali za tako kratko vrijeme ne mogu se donijeti takvi zaključci. Zbog uglavnom činjenice da bi se u dužim vremenskim razdobljima situacija mogla promijeniti. Stoga su dobiveni rezultati pristrani prema ovom smanjenom vremenskom razdoblju.
