Distorsión sistemática en las relaciones estimadas que surge cuando la muestra utilizada para el análisis no es representativa de la población objetivo porque la probabilidad de inclusión está relacionada con el tratamiento, el resultado o ambos.

Principio

Cuando el mecanismo que determina si una observación aparece en los datos está correlacionado con variables de interés, las estimaciones ingenuas estarán sesgadas a menos que se modele o ajuste correctamente el proceso de selección.

Demostración

En análisis de empleo, usar solo trabajadores actualmente empleados subestima el riesgo de rotación porque quienes se fueron están excluidos (sesgo de supervivencia); en modelos de riesgo crediticio, entrenar solo con solicitantes aceptados provoca sesgo de aceptación que distorsiona la estimación de tasas de impago en la población general de solicitantes.

Aplicación incorrecta

Ignorar el mecanismo de selección o intentar corregir la selección condicionando sobre un colisionador; usar pesos de post-estratificación sin corregir los mecanismos de medición o no respuesta conduce a sesgos residuales.

Consecuencia

Si no se aborda, el sesgo de selección produce estimaciones engañosas y decisiones incorrectas —por ejemplo, sobreestimar la efectividad de un tratamiento o subestimar un riesgo— conduciendo a una mala asignación de recursos o políticas erróneas.

Inversión

Una muestra aleatoria o correctamente ponderada, representativa de la población objetivo para los estimandos definidos, elimina el sesgo de selección; los experimentos bien diseñados que aleatorizan la inclusión evitan muchos problemas de selección.

Límite

El sesgo de selección se refiere específicamente a sesgos que surgen del mecanismo de muestreo o inclusión; se distingue del error de medición, la confusión por variables omitidas y la mala especificación del modelo, aunque estos problemas pueden coexistir e interactuar.

Tensión semántica

A menudo se confunde con confounding o con mecanismos de datos faltantes; la tensión clave es entre la selección como proceso de muestreo/inclusión y otras fuentes de sesgo que operan vía causalidad o medición.

Síntesis

El sesgo de selección es la clase de distorsiones que surgen cuando el proceso que determina quién o qué se observa está correlacionado con las cantidades que se pretenden estimar; diagnosticarlo requiere comprender los mecanismos de inclusión y corregir mediante diseño, ponderación, modelado o análisis de sensibilidad.