Distorsion systématique des relations estimées qui survient lorsque l'échantillon utilisé pour l'analyse n'est pas représentatif de la population cible parce que la probabilité d'inclusion est liée au traitement, au résultat ou aux deux.

Principe

Lorsque le mécanisme déterminant l'apparition d'une observation dans les données est corrélé avec des variables d'intérêt, les estimations naïves seront biaisées à moins que le processus de sélection ne soit modélisé ou correctement ajusté.

Démonstration

Dans l'analyse de l'emploi, n'utiliser que les travailleurs actuellement en poste sous-estime le risque de rotation car ceux qui sont partis sont exclus (biais de survivance) ; dans le scoring de crédit, entraîner un modèle uniquement sur les demandeurs acceptés induit un biais d'acceptation qui fausse l'estimation des taux de défaut pour l'ensemble des demandeurs.

Mauvaise application

Ignorer le mécanisme de sélection ou tenter de corriger la sélection en conditionnant sur un collier ; utiliser des pondérations post-stratifiées sans corriger les mécanismes de mesure ou de non-réponse produit un biais résiduel.

Conséquence

Non traité, le biais de sélection produit des estimations trompeuses et de mauvaises décisions — par exemple surestimer l'efficacité d'un traitement ou sous-estimer un risque — conduisant à une mauvaise allocation des ressources ou à des politiques erronées.

Inversion

Un échantillon aléatoire ou correctement pondéré, représentatif de la population cible pour les paramètres d'intérêt, élimine le biais de sélection ; des expériences bien conçues qui randomisent l'inclusion évitent de nombreux problèmes de sélection.

Limite

Le biais de sélection se réfère spécifiquement aux biais provenant du mécanisme d'échantillonnage ou d'inclusion ; il est distinct de l'erreur de mesure, de la confusion due à des variables omises et des erreurs de spécification de modèle, bien que ces problèmes puissent coexister et interagir.

Tension sémantique

Souvent confondu avec la confusion ou les mécanismes de données manquantes ; la tension clé est entre la sélection en tant que processus d'échantillonnage/inclusion et d'autres sources de biais qui opèrent via la causalité ou la mesure.

Synthèse

Le biais de sélection est la classe de distorsions qui survient lorsque le processus déterminant qui ou quoi est observé est corrélé avec les quantités qu'on cherche à estimer ; le diagnostiquer nécessite de comprendre les mécanismes d'inclusion et de corriger par le design, la pondération, la modélisation ou l'analyse de sensibilité.