数据分析中的两种偏差

总第171篇/张俊红

今天给大家介绍一下数据分析中常见的两种偏差：选择性偏差和幸存者偏差。

1.选择性偏差

选择性偏差指的是在研究过程中因样本选择的非随机性而导致得到的结论存在偏差,是由于人为主观的选择而导致的数据偏差。

我们来看一个关于选择性偏差的例子，现在有一个研究机构想要研究一个主题就是『医院是否可以让人变的更健康』。这个机构随机挑选了10万名群众，测量这10万名群众的健康水平，然后根据最近一年是否有去过医院将10万名群众分为两组，最后得到的统计结果是最近一年没去过医院的群体的健康水平要比去过医院的群体健康水平要好，我们能说明医院让人变的更加不健康吗？

这就是一个很典型的选择性偏差导致的一个结果，因为最近一年没去过医院的群体整体健康水平可能本来就要比去过的要好，所以测试出来的结果也是如此，并不能说明是医院让人的变得更加不健康。

我们在日常分析过程中要尽量避免这种偏差的发生，衡量有没有选择性偏差的一个很重要标准就是，被比较的两组群体之间是否具有可比性。

2.幸存者偏差

幸存者偏差指的是只能看到经过某种筛选而产生的结果，而没有意识到筛选的过程，因此忽略了被筛选掉的关键信息。

我们来看一个比较久远的一个例子，二战的时候美军为了加强战机的防护能力，所以就把参加过战斗的飞机研究了一遍，发现飞机的弹孔大多集中在机翼和尾部，于是分析中心的工作人员认为建议将这些受损最严重的地方加固