Wat is bias

Er is sprake van bias wanneer externe factoren een negatieve invloed hebben op de uitkomsten van een onderzoek. Het gevolg hiervan is dat de uitkomsten geen goede afspiegeling zijn van de werkelijkheid en daarmee hun nut en meerwaarde verliezen. Er zijn meerdere soorten bias die bij een onderzoek kunnen optreden, zoals non-respons bias en interviewer bias.

Hieronder zijn vijf vormen van bias op een rijtje gezet die kunnen optreden bij het uitvoeren van een marktonderzoek:

 

1. Selectie bias

Er is sprake van selectie bias wanneer de getrokken steekproef geen goede afspiegeling vormt van de populatie die centraal staat in het onderzoek. Een simpel voorbeeld maakt dit duidelijk. Stel dat de doelgroep van een onderzoek bestaat uit huisdierenbezitters. Vervolgens worden enkel eigenaren van honden geselecteerd om deel te nemen. Alle overige huisdierenbezitters, van katten tot cavia's, zijn niet vertegenwoordigd in de steekproef en daarmee doen de uitkomsten van het onderzoek geen recht aan de werkelijkheid.

 

2. Interviewer bias

Deze vorm van bias komt voor bij die vormen van dataverzameling waarbij er daadwerkelijk een gesprek is tussen een interviewer en een respondent. De bekendste vormen hiervan zijn face-to-face onderzoek en telefonisch onderzoek. De respondent kan, wil of durft de vragen niet naar eer en geweten te beantwoorden, maar kiest ervoor om sociaal wenselijke antwoorden te geven. Het spreekt voor zich dat deze gegevens de uiteindelijke uitkomsten van een onderzoek sterk kunnen beïnvloeden.

 

3. Respons bias

Je hebt kans op respons bias 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. Neem een relatief simpele vraag als hoe vaak drink je alcohol of hoe vaak per maand heb je seks. Respondenten zullen op dit soort vragen vaak niet echt de waarheid te vertellen. Dit komt bij alle vormen van dataverzameling voor. Een ander risico op respons bias loop je bij het voorleggen van meerdere lange matrixvragen, wat helaas met enige regelmaat voorkomt bij online onderzoek. Deze lange en saaie vragen nodigen uit tot het geven van willekeurige antwoorden, om maar zo snel mogelijk naar de volgende vraag te kunnen. Ook dan is sprake van respons bias, want deelnemers beantwoorden de vragen niet naar waarheid.

 

4. Non respons bias

Je hebt binnen een onderzoek te maken met non respons bias 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. En dat terwijl beide groepen wel onderdeel zijn van de onderzoekspopulatie. 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.

 

5. Extreme data bias

Dit is een beetje een vreemde eend in de bijt en je kan er als onderzoeker in eerste instantie helemaal niets aan doen. 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, bijvoorbeeld bij een simpele leeftijdsvraag. Je wil representatieve uitspraken doen op leeftijd en er blijken ineens drie deelnemers in te zitten van 100 jaar of ouder. Deze respondenten zullen, omdat hun leeftijd sterk afwijkt van de overige respondenten, ineens een grote invloed uitoefenen op de uitkomsten. De oplossing is gelukkig eenvoudig: filter deze extremen uit je data en start dan met analyseren.

 

6. Bevestigings bias (confirmation bias)

Een laatste vorm van bias die hier besproken wordt is de bevestigings bias. En hierbij zijn de respondenten niet de boosdoener, maar ligt de oorzaak echt bij de onderzoeker zelf.  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. Verzamelde data moeten altijd met een open en onbevooroordeelde blik bekeken worden om deze vorm van bias niet op te laten treden.