Actualizado por ultima vez el 7 de mayo de 2021, por .
El sesgo de autoselección ocurre cuando los individuos se seleccionan a sí mismos para ser incluidos en una encuesta.
Por ejemplo, suponga que un gobierno local envía por correo una encuesta a todos sus residentes preguntándoles si creen que se debería colocar una nueva intersección en el medio de la ciudad.
Los residentes que conducen a menudo por esa parte particular de la ciudad y los residentes que tienen que lidiar con el tráfico diario tienen más probabilidades de tener una opinión firme sobre una nueva intersección y es mucho más probable que realmente respondan a la encuesta.
Por otro lado, es poco probable que los residentes que trabajan desde casa o simplemente no están interesados en lo que sucede en la ciudad se tomen el tiempo para responder la encuesta.
Por lo tanto, es poco probable que el porcentaje de personas en la encuesta que están a favor de la nueva intersección coincida con el porcentaje de todos los residentes de la ciudad que están a favor de la nueva intersección.
Sesgo de autoselección: cuando las personas se eligen a sí mismas para ser incluidas en una encuesta.
Esto da como resultado una muestra de individuos que no es representativa de la población general.
Esto dificulta la generalización de los hallazgos de la muestra a la población .
En otras palabras, existe un sesgo en los datos de nuestra muestra. Esto hace que sea difícil generalizar los hallazgos de los datos de la muestra a la población general de interés.
Ejemplos de sesgo de autoselección
Los siguientes ejemplos ilustran algunos escenarios en los que es probable que se produzca un sesgo de autoselección.
Ejemplo 1: preparación de la prueba
Suponga que un maestro quiere saber si un nuevo curso de preparación para exámenes ayuda a los estudiantes a mejorar las calificaciones de los exámenes. Publica una hoja de registro fuera de su salón de clases y deja que los estudiantes decidan si les gustaría participar en el curso.
Es probable que se produzca un sesgo de autoselección porque los estudiantes que son más estudiosos tienen más probabilidades de inscribirse, lo que significa que es poco probable que la muestra de estudiantes que toman el curso coincida con la población general de estudiantes que potencialmente podrían tomar el curso.
Ejemplo 2: varios idiomas
Suponga que un gobierno local envía por correo una encuesta preguntando a sus residentes si deberían incluir otros idiomas además del inglés en los letreros de las calles para facilitar que las personas que hablan otros idiomas se desplacen por la ciudad.
Es probable que ocurra un sesgo de autoselección porque solo los residentes que realmente pueden leer inglés responderán a la encuesta. Esto significa que es poco probable que las opiniones de los encuestados coincidan con las opiniones de todos los residentes de la ciudad.
Ejemplo 3: Investigación en biología
Suponga que un biólogo está tratando de estimar la altura promedio de cierta especie de ciervo, por lo que coloca cierto alimento para ciervos en un prado abierto y toma fotografías de los ciervos que entran en el prado para comer la comida.
En este ejemplo, es probable que ocurra un sesgo de autoselección porque solo los ciervos a los que les gusta ese tipo de alimento para ciervos o que se sienten más cómodos al estar al aire libre probablemente ingresen al prado y, por lo tanto, se incluyan en los datos de muestra.
Por lo tanto, es poco probable que la altura promedio de los ciervos en esta muestra coincida con la altura promedio de los ciervos en la población general.
Por qué el sesgo de autoselección es un problema
El sesgo de autoselección es un problema porque hace que los individuos de la muestra no sean representativos de la población.
Recuerde que el propósito de recopilar datos de muestra es utilizarlos para sacar conclusiones sobre alguna población de interés. Sin embargo, solo podemos sacar conclusiones válidas si utilizamos una muestra representativa.
Muestra representativa: muestra en la que las características de los individuos coinciden estrechamente con las características de la población en general.
Idealmente, nos gustaría que la muestra fuera como una “mini versión” de la población. Esto nos permite tener confianza en el uso de la muestra para sacar conclusiones sobre la población.
Cómo reducir el sesgo de autoselección
La forma obvia de reducir el sesgo de autoselección es no dar a los individuos la capacidad de seleccionarse a sí mismos para ser incluidos en una encuesta.
Idealmente, se debería utilizar un método de muestreo probabilístico para obtener una muestra.
Método de muestreo probabilístico: método de muestreo en el que cada miembro de una población tiene la misma probabilidad de ser seleccionado para formar parte de la muestra.
Ejemplos de métodos de muestreo probabilístico incluyen:
1. Muestra aleatoria simple: seleccione individuos aleatoriamente mediante el uso de un generador de números aleatorios o algún medio de selección aleatoria.
2. Muestra aleatoria sistemática: ordena a todos los miembros de una población. Elija un punto de partida aleatorio y seleccione cada enésimo miembro para estar en la muestra.
3. Muestra aleatoria estratificada: Divida una población en grupos. Seleccione al azar algunos miembros de cada grupo para que estén en la muestra.
4. Muestra aleatoria de conglomerados: divida una población en conglomerados. Seleccione aleatoriamente algunos conglomerados y use a cada individuo en los conglomerados elegidos para estar en la muestra.
Es probable que cada uno de estos métodos produzca muestras que sean representativas de la población que nos interesa, lo que nos permite generalizar los hallazgos de los datos de la muestra a la población.
Recursos adicionales
¿Qué es el sesgo de referencia?
¿Qué es el sesgo de agregación?
¿Qué es el sesgo de cobertura insuficiente?
¿Qué es el sesgo de falta de respuesta?
- https://r-project.org
- https://www.python.org/
- https://www.stata.com/
