样本选择偏差
Sample selection bias
学到 认得 就够:听到能明白
你可能会说
“我只拿到仍在村里并愿意回答的农户,得到的结论能代表所有农户吗?”
样本选择偏差是进入资料或进入分析的人与没进入的人存在相关差异,导致所观察到的关系不能直接代表想研究的对象。
使用 AI
科研里的例子
假设农业农村研究只访到留村农户,外出务工家庭较少进入资料,作者把结论限于实际覆盖的人群,并报告招募与缺访情况。
先区分希望研究的人群、实际接触到的人群,以及最终进入分析的人群。抽样范围、拒答、中途退出和只保留填全记录,都可能改变谁被看见。如果是否进入分析与研究结果或影响结果的因素有关,仅分析留下的人就可能产生系统差异。样本更多不一定消除这种差异,给观察到的人加权也需要知道适当信息和成立条件。研究时应追踪各步人数、说明未进入的原因,并比较可观察到的特征。还要区分参与处理的自我选择与进入样本的选择,两者可能同时存在,但不能套同一说法就认为已经解决。
在你的学科里,直接拿去用
把研究问题变成可审查的识别设计
我研究[政策或处理 X]对[结果 Y]的影响,目标人群为[人群]。请仅依据我提供的[实施规则、日期、数据说明和设计材料],先区分描述性、关联性与因果性问题,再定义处理、比较状态、分析单位、时间和目标效应。提出至多两种与现有条件相符的候选设计,逐项列明所需假设、当前支持材料、主要威胁和缺失信息。涉及分期实施时,说明谁与谁在何时比较。输出设计对照表及需要我补充的最少信息;不能识别时明确说只能回答什么。方法名称或提示词本身不能补出可信比较,未提供的制度事实和数据不要编造。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PE01
从研究问题设计招募与半结构访谈
我研究[问题],拟访谈[参与者],通过[进入渠道]招募,时长约[时间]。请先列出为理解差异应覆盖的经历或位置,并说明当前招募方式可能漏掉谁;不要把便利招募说成统计代表。设计六个日常语言主问题,按具体经历、行动过程、关系变化和例外安排,分别配中性追问。标注可能引起压力、隐私暴露或迎合回答的问法,并给改写。最后列出研究者[身份关系]可能影响材料的地方。输出招募覆盖表、访谈提纲与试访检查项,不生成虚构访谈或给出保证饱和的固定人数。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PS03
判断
亲手检查一次
画出从目标人群到最终分析样本的人数变化,给每一步的排除和未回应注明原因,核对是否与研究结果有关。
它做不到的
非随机样本不一定对每个问题都产生同样偏差,但不能未经论证外推。仅报告最终样本很大,不足以说明选择问题不重要。
增量,由你来写
读完这张,你的理解变了什么?
留言功能会在后面的版本开放。现在可以先在 X 上 @knowledgedelta 告诉我。
来源
- Gertler 等 / World Bank — Impact Evaluation in Practice, Second Edition2026-11-08 核对
- 北京大学中国家庭追踪调查(CFPS)— 处理 CFPS 数据缺失值时需要注意的问题2026-11-08 核对
卡片底稿由 AI 协助整理,经过核对;发现错误请告诉我。