EM Onderzoek kennisbank:
Wat is bias?

Zeven voorbeelden van bias die voor kunnen komen als je een onderzoek uitvoert.
Altijd handig om te weten, want zo kun je bias ten minste ook voorkomen.

Wat is bias, en wat zijn de gevolgen?

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 zes 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. Het is dus van groot belang dat de steekproef recht doet aan de totale groep personen die centraal staat in het onderzoek.

2. Interviewer bias

Deze vorm van komt voor bij die methoden 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 tegenover een echt persoon, 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.

Interviewer bias kan ook andersom werken, dus vanuit de interviewer zelf. Deze persoon is bijvoorbeeld vooringenomen of stuurt bewust danwel onbewust de antwoorden van de respondent. Het spreekt voor zich dat de antwoorden die dan gegeven worden door een respondent niet geheel conform de waarheid of werkelijkheid zijn en van invloed zijn op de resultaten.

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 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 en beïnvloeden daarmee het onderzoek.
Een voorbeeld van straightlining in een online vragenlijst - voorbeeld van respons bias

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 (confirmation) bias

Bias nummer zes in deze lijst 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.

7. Interpretatie (interpretative) bias

De zevende en laatste vorm van bias in dit artikel gaat over deelnemers aan een onderzoek die iets in het onderzoek onjuist interpreteren. En dus kan dan spraken zijn van, je raadt het al, interpretatie bias.

Het zal zeker niet het meest voorkomende type bias zijn en bij veel onderzoeken hoef je geen zorgen te hebben. Je stelt namelijk vragen die niet op meerdere manieren te interpreteren zijn en waarbij de antwoorden ook voor zich spreken. Dat is in ieder geval het idee van een goede vragenlijst: op feiten gebaseerd, zodat het voor de respondent allemaal kraakhelder en duidelijk is. Maar stel nu dat je met afbeeldingen of een filmpje iets duidelijk wil maken en hier vervolgens vragen over stelt. En dat beeldmateriaal wordt anders geïnterpreteerd door de respondent dan jij vooraf had gedacht. Zijn de antwoorden op de vragen dan nog wel juist, passend of bruikbaar? Grote kans van niet. De beelden moeten kortom echt op een enkele manier te interpreteren zijn, zodat antwoorden er ook echt bij passen.

Heel veel succes met je onderzoek!

Hopelijk kun je echt je voordeel doen met bovenstaande uitleg over bias. Nu je weet welke vormen van bias kunnen optreden, kun je er ook alles aan doen om te voorkomen dat er spraken zal zijn van bias in je onderzoek. En dat zorgt er gelukkig voor dat je een echt goed onderzoek uit zal voeren met goede data en de juiste resultaten.

EM Onderzoek wenst je heel veel succes met het uitvoeren ervan. Mocht je hier nog aanvullende tips bij kunnen gebruiken, dan hebben we nog iets voor je. Op onze website vind je namelijk een artikel waarin de beste 15 tips voor geweldig goed marktonderzoek zijn uitgewerkt. Wil je die tips bij de hand hebben? Dan hoef je alleen maar even op onderstaande button te klikken en kom je direct bij deze tips uit. Altijd goed om bij de hand de hebben nietwaar.

Heiweg 219
6533 PC
Nijmegen

T: 024 - 78 55 663
@: info@emonderzoek.nl

Nieuw: @YourSurvey!
Met @YourSurvey is goed marktonderzoek eindelijk toegankelijk voor iedereen! Onderzoek van hoge kwaliteit tegen een zeer scherp tarief. Je hoeft niet meer zelf aan de slag te gaan of stagiair in dienst te nemen. En je hebt de garantie dat het marktonderzoek wordt uitgevoerd door een ervaren marktonderzoeker. Waar wacht je dus nog op?

EM Onderzoek conformeert zich aan de nationale en internationale normen en gedragsregels van de MOA en ESOMAR

Jouw unieke onderzoeksvraag verdient echt een goed, bruikbaar en bovenal uniek antwoord. Ga dus nu op onderzoek uit en sla samen met ons die brug tussen vraag en antwoord.

Ga je zelf een marktonderzoek uitvoeren? Dan moet je daar wel de 15 allerbeste marktonderzoek tips bij gebruiken!

Shares
Share This