Předpětí při shromažďování údajů

Předpětí sběru dat nastává, když chybně vybereme subjekty, které budou patřit do náhodně analyzovaného vzorku.

Máme problém, když tento výběr činí náhodný vzorek nereprezentativním pro statistickou populaci. Jakýkoli výsledek, který získáme ze vzorku, je tedy zkreslený a nemohli jsme potvrdit, že byl v analyzované populaci splněn. V rámci tohoto zkreslení můžeme rozlišovat různé typy, které vysvětlíme níže.

Zkreslení přežití

Nastane, když jsou data vyloučena z analýzy, protože v době analýzy již neexistují.

Jinými slovy, zaměřujeme se pouze na data, která existují, a zahodíme ta, která dříve existovala v populaci. V praxi existuje mnoho příkladů tohoto typu zkreslení. Jedním z nich je provádět průzkumy pouze u klientů společnosti a vyloučit potenciální klienty. Další by bylo vyhodnotit chování akciových indexů vyřazením z analýzy společností, které v tomto indexu byly a již nejsou.

Řešení tohoto zkreslení je velmi jednoduché. Proveďte studii se všemi existujícími i dříve existujícími údaji.

Předpětí zaujatosti

Dochází k ní při provádění analýzy pomocí dat, která nejsou v době analýzy k dispozici. Příkladem by mohla být analýza vztahu ceny akcie s nějakou proměnnou finanční rovnováhy. Cena akcie je dynamická proměnná, která, pokud máme v době analýzy správné informace. Proměnné stanovené v rozvaze jsou však statické, a proto bychom si pro tuto analýzu měli počkat na zveřejnění účetní závěrky.

Předpokládejme, že chceme na konci fiskálního roku studovat vztah mezi cenou a vlastním kapitálem u řady společností. V tomto případě nebudeme mít údaje o čistém jmění až do zveřejnění účetní závěrky. Publikace, která se obvykle vydává několik měsíců po skončení fiskálního roku.

Řešením této zaujatosti by proto bylo počkat na zveřejnění účetní závěrky. A proveďte analýzu s publikovanými daty spolu s cenou v době zveřejnění.

Předpětí časového období

K tomuto zkreslení dochází, když je období vybrané pro data příliš krátké nebo příliš dlouhé. Pokud je příliš krátké, analýza by mohla odrážet konkrétní výsledky, které jsou splněny pouze pro dané období. To znamená, že by nebyli reprezentativní po delší dobu.

Představte si pětiletý časový rámec, kdy malé společnosti překonaly na akciovém trhu velké společnosti. Z toho bychom mohli vyvodit závěr, že v budoucnu budou malé společnosti vždy překonávat velké společnosti. Za tak krátkou dobu však nelze vyvodit žádné takové závěry. Hlavně kvůli tomu, že v delších časových obdobích se situace mohla změnit. Získané výsledky jsou proto zkresleny na toto zkrácené časové období.