Undercoverage Bias: Ursachen, Beispiele und mehr Lineare Regression-Voxco

Undercoverage Bias: Ursachen, Beispiele und mehr

SHARE THE ARTICLE ON

Table of Contents

Das Sammeln von Informationen Tests in der Umfrage Forschung ist nicht in hohem Kontrast die ganze Zeit schattiert. Gelegentlich werden Personen aus Ihrer Forschung Population nicht ausreichend berücksichtigt, was zu einer so genannten Untererfassung führt.

Unter Erfassungsfehler sind in der Umfrageforschung normal. Ebenso wie andere Verstrickungen in der Umfrageforschung kann eine Untererfassung die Ergebnisse Ihrer Untersuchung erheblich verändern und die Legitimität Ihrer Forschung beeinflussen.

Was ist Undercoverage Bias?

Bei der Erhebung von Daten aus Ihrer Stichprobe Population können Sie nicht feststellen, wie echt sie sind und ob sie vom Forscher beeinflusst wurden oder nicht. Auch wenn es viele andere Stichprobenverzerrungen gibt, die sich auf die Forschungsdaten auswirken, werden wir in diesem Artikel die am häufigsten auftretende Verzerrung besprechen.

Die Untererfassung ist eine Art von Stichprobenverzerrung, die auftritt, wenn eine Information aus den Stichproben Antworten in den Ergebnissen fehlt oder unentdeckt bleibt. Dies geschieht häufig, wenn eine große signifikante Einheit nicht ausgewählt wird oder keine Chance hat, in die repräsentative Stichprobe aufgenommen zu werden.

Undercoverage Bias: Ursachen, Beispiele und mehr Lineare Regression-Voxco

Ein Beispiel: Ein Forscher möchte wissen, wie sich ein bestimmtes Medikament auf Diabetiker auswirkt.

Es wird neue Patienten geben, die mit der Einnahme des Medikaments begonnen haben, und Patienten, die das Medikament bereits seit Jahren einnehmen. Die Nichtberücksichtigung einer dieser Gruppen in Ihrer Untersuchung wird Ihre Ergebnisse erheblich beeinträchtigen, da die Erfahrungen beider Gruppen für die Untersuchung entscheidend sind, um die Wirkung des Medikaments auf Diabetiker genau zu bestimmen.

Und bei der Durchführung von Forschungsarbeiten geht es doch darum, zu genauen Schlussfolgerungen zu gelangen, oder? Nun, die Untererfassung wirkt dem genau entgegen.

Sie fragen sich, wie hoch die Kosten für die Durchführung von Umfragen mit Voxco sein werden?

Was sind die Ursachen für die Untererfassung bei Umfragen?

Undercoverage Bias: Ursachen, Beispiele und mehr Lineare Regression-Voxco

Es ist wichtig, darauf hinzuweisen, dass es nicht immer die Schuld des Forschers ist, wenn in Ihrer Forschung eine Untererfassung auftritt. Es gibt bestimmte Ursachen, die sich der Kontrolle des Forschers entziehen.

In diesem Abschnitt möchten wir Ihnen helfen, die häufigsten Ursachen für eine Untererfassung zu verstehen, damit Sie sie leicht erkennen können:

  • Bequeme Stichproben

Der häufigste Fehler bei der Auswahl von Stichproben besteht darin, dass sie nach der Bequemlichkeit des Forschers ausgewählt werden. So kann es vorkommen, dass ein Forscher nur mit denjenigen Probanden interagiert, die seiner Meinung nach leicht verfügbar sind oder mit denen er leicht interagieren kann.

Dies wird manchmal als Nicht-Wahrscheinlichkeitsstichprobe bezeichnet, da nur die Daten berücksichtigt werden, die leicht zugänglich sind. Bei solchen Stichproben besteht ein hohes Risiko der Untererfassung, da sie für die Zielpopulation nicht repräsentativ sind.

Bei diesem Stichprobenverfahren besteht die Gefahr von Informationslücken, was wiederum zu ungenauen Ergebnissen führt.

  • Unzureichende Kenntnis der Bevölkerung

Eine weitere Lücke, die durch den Forscher verursacht wird, kann sein halbgares oder gar nicht vorhandenes Wissen über die Zielpopulation sein. Dies ist dann der Fall, wenn die Person, die für die Stichprobenziehung zuständig ist, keine gute Vorstellung davon hat, wofür genau sie Stichproben zieht oder wer die potenziellen Stichproben für die Untersuchung sind.

Sie müssen alle Informationen darüber haben, von WEM und WIE Sie Ihre Daten erheben wollen.

  • Unzureichende Ressourcen

Manchmal stammen Ihre Daten von Leuten, die dafür bezahlt werden. Und wenn „Kosten“ in die Forschung einfließen, bringt das gewisse Einschränkungen mit sich. Der Mangel an Ressourcen ist der häufigste Grund für solche Verzerrungen.

Sponsoring, Zuschüsse und Investitionen spielen eine große Rolle, vor allem, wenn Ihre Daten von einer Stelle stammen, die dafür genügend Mittel benötigt.

  • Umfrage-Design

Manchmal kann die Art und Weise, wie Ihre Umfrage gestaltet ist, die Befragten abschrecken. Die Art und Weise, wie Sie die Sprache, die Kanäle, die Fragen und das Design verwenden, spielt eine große Rolle, wenn es um diese Ursache der Untererfassung geht.

Achten Sie darauf, wie Sie Ihre Umfrage auslagern. Wenn sie sich beispielsweise an eine jüngere Bevölkerung richtet, ist es eine gute Idee, sie über Social-Media-Plattformen zu verteilen. Für ältere Menschen ist dies jedoch nicht so gut geeignet. Versuchen Sie, einen E-Mail-Kanal oder sogar ein Papierstiftformat für die ältere Bevölkerung zu verwenden, und Sie werden eine bessere Chance haben, Ihre Informationen von ihnen zu erhalten.

  • Zeitliche Beschränkungen

Die Forschung kann nicht ewig weitergehen, oder? Nun, sie soll eine Lösung oder eine Schlussfolgerung finden und muss daher innerhalb eines bestimmten Zeitrahmens durchgeführt werden. Dies ist Grund genug für den Forscher, nicht alle potenziellen und bedeutenden Bevölkerungsstichproben zu erfassen.

In solchen Fällen muss der Forscher, wenn die Zeit abläuft, mit dem auskommen, was er hat, und die Ergebnisse abwarten. Um dieses Problem zu lösen, sollten Sie den Zeitplan im Voraus planen und einen Hintergrundprozess zur Interaktion mit der Bevölkerung einleiten.

Beispiele für Undercoverage Bias

Werfen wir einen Blick darauf, wie dieser Undercover-Bias in realen Szenarien aussieht:

  • Wahlen

Angenommen, wir lassen die Menschen ihre Stimme per Online-Wahlzettel abgeben, um das Verfahren zu vereinfachen. Die folgenden Personen werden an dieser Umfrage nicht teilnehmen können:

    • Menschen, die überhaupt keinen Zugang zum Internet haben.
    • Und Personen, die keine Ahnung von Technik und elektronischen Geräten haben.
    • Mit dieser Methode wird eine große Lücke in den Daten entstehen, die für die Wahl des Personals gesammelt wurden, da ein erheblicher Teil der Daten grundsätzlich fehlt.
  • Statistik

Nehmen wir an, ein Forscher möchte die Gesamtzahl der Luxusautos in einer Stadt zählen. Er wählt eine stark befahrene Straße aus, um die vorbeifahrenden Autos zu zählen. Bei seiner Zählung wird er die folgenden Luxusautos übersehen:

    • Die Autos, die auf anderen Straßen unterwegs sind.
    • Die Autos, die gar nicht gefahren werden und vielleicht in den heimischen Garagen stehen.
    • Die Autos, die in den Werkstätten stehen.
    • Und die Autos, die noch in den Ausstellungsräumen stehen.
  • Forschung

Ein Forscher möchte untersuchen, wie viele Menschen in der IT-Branche arbeiten. Also beschließt er, in einen IT-Park zu gehen und die dort arbeitenden Menschen zu befragen. Aber die Leute, die er nicht befragt, sind:

    • Die IT-Beschäftigten, die an einem anderen Ort als dem IT-Park arbeiten.
    • Und die Leute, die überhaupt nicht in der IT-Branche arbeiten.
    • Dies kann ein gutes Beispiel für eine geeignete Stichprobe sein.

Erkunden Sie die Funktionen im Detail

Benötigen Sie einen Überblick über unsere Plattform? Durchsuchen Sie alles, was wir zu bieten haben

Nachteile von Undercoverage Bias

  • Er beeinträchtigt die Gültigkeit Ihrer Ergebnisse und verändert sie.
  • Ihr Ergebnis ist nicht repräsentativ für das, was im Forschungskontext erreicht werden kann.
  • Die Untererfassung führt zu einer erhöhten Variabilität, die letztlich die Gültigkeit der Ergebnisse beeinträchtigt.
  • Da nur wenige Antworten gesammelt werden, werden die Forschungsergebnisse in Richtung der Meinung dieser kleinen Stichprobe Population verzerrt sein.
  • Dies führt zu einer Verzerrung der Ergebnisse einer systematischen Untersuchung.

Sehen Sie die Voxco Umfrage-Software in Aktion mit einer kostenlosen Demo.

See Voxco survey software in action with a Free demo.

Wege zur Vermeidung von Undercoverage Bias

  • E-Mail-Einladung – Versenden Sie E-Mail-Einladungen an Ihre Befragten und verfolgen Sie die eingehenden Antworten. Dies minimiert die Stichprobenbildung und ermöglicht Ihnen einen einfachen Zugang zur Grundgesamtheit. Auf diese Weise behalten Sie ohne großen Aufwand die Kontrolle über die Antworten.

 

  • Offline-Formulare – Nutzen Sie Umfragetools, mit denen Sie Offline-Umfragen durchführen und die Beantwortungen dann effektiv synchronisieren können. Damit entfällt das Internetproblem, mit dem die meisten Befragten konfrontiert sind.

 

  • Bedingte Logik – Sie können Ihre Umfrage so gestalten, dass die Fragen und der Entwurf die Art und Weise ändern, wie die Befragten auf die Fragen antworten. Auf diese Weise können Sie vermeiden, dass bestimmte Gruppen übersehen werden, und den Abfrageentwurf je nach Antwort der Person ändern.

 

  • Mobile Formulare – Sie können Ihre Umfrage auf Mobiltelefone auslagern, was es der Bevölkerung erleichtert, die Umfrage so zu beantworten, wie sie es für richtig hält.

 

  • Mehrere Optionen für die Weitergabe – Nutzen Sie eine Omni-Channel-Umfragesoftware, um Ihre Daten über alle möglichen Kanäle zu verteilen, von Ihrer eigenen Website bis hin zu verschiedenen Social-Media-Plattformen, um die größtmögliche Bevölkerungsgruppe zu erreichen und aussagekräftige Daten zu erhalten.

Fazit

Undercoverage Bias tritt häufig aufgrund von Bequemlichkeit Prüfungen auf. Um die Auswirkungen des Undercoverage Bias zu beseitigen (oder zumindest einzuschränken), ist die Verwendung eines einfachen, willkürlichen Beispiels die beste Art der Prüfung.

Bei dieser Art von Test hat jede Person aus einer Population die gleiche Chance, für das Beispiel ausgewählt zu werden.

Der Vorteil dieses Ansatzes besteht darin, dass einfache unregelmäßige Beispiele in der Regel die Bevölkerung, an der wir interessiert sind, veranschaulichen, da jeder Teil eine gleichwertige Möglichkeit hat, für das Beispiel in Erinnerung zu bleiben.

Wenn wir diese Methode anstelle einer einfachen Untersuchung anwenden, können wir sicherer sein, dass wir in der Lage sind, die Entdeckungen aus dem Beispiel auf die gesamte Bevölkerung zu übertragen, da mit ziemlicher Sicherheit Individuen aus jedem (oder praktisch jedem) Haufen der Bevölkerung für das Beispiel ausgewählt wurden.

Explore all the survey question types
possible on Voxco

Read more

Undercoverage Bias: Ursachen, Beispiele und mehr Lineare Regression-Voxco

 Methodik der Kundenbefragung

Methodik der Kundenbefragung SHARE THE ARTICLE ON Table of Contents Was ist die Methodik der Kundenbefragung? Die Kundenstimme ist eine Methode, mit der die Erwartungen

Read More »
Undercoverage Bias: Ursachen, Beispiele und mehr Lineare Regression-Voxco

Balkendiagramm

Balkendiagramm SHARE THE ARTICLE ON Table of Contents Ein Balken- oder Säulendiagramm ist ein Diagramm, bei dem rechteckige Balken verwendet werden, deren Höhe oder Länge

Read More »