اریبی (Bias) بهمعنای انحراف نظاممند و غیرتصادفی در گردآوری، تحلیل یا تفسیر دادههاست که باعث ایجاد فاصله بین واقعیت و نتیجه میشود. این پدیده احساسیترین بخش فرایند پژوهش است زیرا میتواند نتایج آمار و کاربرد آن در مدیریت را مخدوش سازد. نظر به اهمیت موضوع در این نوشتار، «اریبی» مفهومسازی و تعریف خواهد شد.
مبانی نظری و تعریف کلیدواژه کانونی
اریبی یا تورش یکی از بنیادیترین مفاهیم در روش تحقیق، علوم داده و تحلیل تصمیم است و بهعنوان تهدیدی جدی برای اعتبار علمی پژوهشها شناخته میشود. این مفهومی کلیدی برای بهبود توان آزمون در تحلیل آماری است.
ریشههای نظری اریبی را میتوان در مباحث اپیستمولوژی، خطاهای شناختی و روشهای نمونهگیری جستوجو کرد؛ جایی که تأکید میشود انسانها و ابزارهای اندازهگیری هر دو میتوانند ناخودآگاه دادهها را منحرف کنند. در این معنا، اریبی شکلی از انحراف نظاممند است که برخلاف خطای تصادفی، الگوی مشخص و قابل پیگیری دارد.
اریبی (تورش) به انحراف سیستماتیک برآوردهای انجام شده از یک صفت از مقدار واقعی آن گفتهمی شود. این موضوع یکی از مباحث آمار کاربردی در مدیریت است. سیستماتیک به این معنی که برآوردها یا همواره کمتر از واقعیت و یا بیشتر از آن هستند.
در پارادایمهای تحقیق، اریبی زمانی رخ میدهد که دادهها بهطور منسجم از واقعیت فاصله میگیرند؛ مثل زمانیکه سؤالهای پرسشنامه جهتدار باشد یا نمونه انتخابشده، نماینده جامعه آماری نباشد. این پدیده موجب میشود یافتهها نهتنها دقیق نباشند بلکه قابلیت تعمیم نیز از دست برود. از سوی دیگر، در علوم رفتاری و اجتماعی، اریبی اغلب از ذهن و ادراک محقق ناشی میشود؛ مانند پیشداوری، ترجیح شخصی یا انتظار نتایج خاص.
اهمیت مسئله اریبی در پژوهش
شناخت اریبی برای اعتبار علمی پژوهشها و جلوگیری از نتایج غلط حیاتی است. وجود هر نوع تورش میتواند تصمیمگیری را مختل کرده، سیاستگذاری را به خطا ببرد و حتی مسیر توسعه علمی را منحرف سازد.
برخی دلایل اهمیت اریبی عبارتاند از:
- جلوگیری از انحراف نتایج پژوهش و حفظ اعتبار یافتهها
- افزایش دقت در روشهای گردآوری و تحلیل دادهها
- بهبود قابلیت تعمیم نتایج به جامعه هدف
- ارتقای کیفیت مدلهای پیشبینی، یادگیری ماشین و تصمیمگیری
- پیشگیری از خطاهای شناختی و قضاوتهای ناعادلانه در فرآیند تحقیق
توضیح آنکه توجه به این ضرورتها موجب میشود پژوهشگران نسبت به فرایند تحقیق حساستر شده و تدابیر کنترلی مناسبی برای حذف یا کاهش تورشها اتخاذ کنند. بدون این توجه، حتی بهترین ابزارهای علمی نیز نمیتوانند نتایج قابل اعتماد ارائه دهند.
تحلیل آماری پایاننامه و رساله دکتری
راهنمای تحلیل آماری پایاننامه و رساله دکتری مدیریت:
- تحلیل دادههای آماری با روشهای کمی
- تحلیل و کدگذاری مصاحبه با روشهای کیفی
- تحلیل آماری پایاننامه کارشناسی ارشد
- تجزیهوتحلیل روشهای آمیخته رساله دکتری
ابعاد کلیدی تورش
اریبی دارای ابعاد گوناگونی است که هرکدام منشأ و اثر متفاوتی بر نتایج پژوهش بر جای میگذارند. این ابعاد به پژوهشگر کمک میکنند منابع احتمالی خطا را تشخیص داده و قبل از تحلیل دادهها برای کنترل آنها برنامهریزی کند.
برخی از ابعاد مهم اریبی شامل موارد زیر است:
- اریبی انتخاب: نمونهها نماینده واقعی جامعه نیستند.
- اریبی ابزار اندازهگیری: ابزارها یا پرسشها جهتدار طراحی شدهاند.
- اریبی تحلیل: روش تحلیل داده غلط انتخاب شده یا فرضهای آن رعایت نشده است.
- اریبی محقق: پیشداوریها و باورهای فردی بر پژوهش اثر گذاشتهاند.
- اریبی پاسخدهنده: افراد پاسخهایی مطابق انتظار پژوهشگر یا هنجار اجتماعی ارائه میدهند.
پس از شناسایی این ابعاد، پژوهشگر میتواند با طراحی دقیقتر ابزارهای پژوهش، تدوین دستورالعملهای بیطرفانه، اجرای پایلوت و استفاده از روشهای آماری مناسب، سطح اریبی را کاهش داده و دقت نتایج را افزایش دهد. این فرآیند نهتنها کیفیت پژوهش را ارتقا میدهد بلکه زمینه اعتماد به یافتهها را نیز فراهم میسازد.
برآوردگر اریب و نااریب
از آنجایی که براساس هر نمونه تصادفی، برآوردگر مربوط به پارامتر مقدار متفاوتی خواهد داشت، انتظار داریم که با تکرار نمونهگیریها، متوسط مقدار برآوردگرهای حاصل، با پارامتر واقعی جامعه تقریبا برابر شود. در این حالت میزان اریبی برآوردگر (فاصله آن از مقدار واقعی پارامتر) باید با مقدار صفر برابر باشد. چنین برآوردگری را یک برآوردگر «نااریب» (Unbiased) میگویند. در حقیقت وجود چنین خاصیتی برآوردگرهای پارامتر را به دو کلاس برآوردگر اریب و نااریب تفکیک میکند.
همانطور که گفته شد، اریبی برآوردگر را به واسط محاسبه میانگین یا متوسط مقدار آن برای نمونههای تصادفی مختلف، مشخص کردیم. ولی ممکن است به جای استفاده از میانگین مقادیر از میانه آنها استفاده شود. در این صورت اگر میانه مقادیر برآوردگر در این نمونهها با پارامتر واقعی جامعه برابر باشد، برآوردگر را «میانه-نااریب» (Median-Unbiased) میگویند.
ممکن است عضوی از کلاس یا خانواده برآوردگرهای نااریب نسبت به یک برآوردگر خارج از این کلاس، دارای واریانس بیشتری یا در حقیقت دقت کمتری باشد. در نتیجه همیشه وجود خاصیت نااریبی دلیلی بر برتری برآوردگرها نیست. در نتیجه باید نااریبی را فقط به عنوان یکی از خصوصیات بهینه مربوط به برآوردگر، مورد توجه قرار داد. «حداقل بودن واریانس»، «سازگاری» و «ناوردایی» از دیگر مشخصاتی هستند که به منظور پیدا کردن برآوردگر مناسب برای پارامتر نامعلوم جامعه مورد استفاده قرار میگیرند.
اریبی و سوگیری در تحقیقات کیفی
یکی از روشهای عملی برای اندیشیدن در مورد بحث روایی، توجه به خطاها و سوگیریها در پژوهش کیفی اسـت. تـحقیق، خواه کیفی یا کمّی، یک فعالیت انـسانی اسـت و بـنابراین مـمکن است مانند سـایر فـعالیتهای انسان دارای اشتباه یا خطا باشد. برخی از منتقدان تحقیق کیفی معتقدند که سوگیری در این تحقیقات بیشتر اسـت، زیـرا تـحقیقات کیفی نسبت به تحقیقات کمّی ساختارمندی کـمتری دارنـد و مـحققان کـیفی آنـچه را کـه میخواهند مییابند و سپس آنها را در نتایجشان شرح میدهند.
برخی از منابع بالقوه سوگیری در تحقیق عبارتند از:
- تأثیر پژوهشگران بر پاسخگویان و ارائهکنندگان اطلاعات؛
- سوگیریهای انتخاب؛ شامل انتخاب زمانها، مکانها، حوادث و افراد؛
- قابلیت دسترسی بـه منابع یا انواع مختلف دادهها برای پژوهشگران مختلف؛
- مشابهت و میل طبیعی پژوهشگران به انواع خاصی از افراد، طرحها، دادهها، تئوریها و مفاهیم؛
- توانایی پژوهشگران؛ شامل دانش و مهارت هایشان؛
- ترجیحات و تعهدات ارزشی پژوهشگران؛
- قابلیتهای شخصی پژوهشگران؛ بـرای مـثال: ظرفیت شان برای تمرکز، بردباری و تحمل ابهام.
در حالیکه شناسایی منابع سوگیری آسان است اما امکان ایجاد قوانین و رویههای مشخص روش شناختی برای رفع سیستماتیک سوگیری، بسیار کم است، بنابراین ما نـیاز داریـم تا به فرآیندهای شخصی و اجتماعی که میتوانند سوگیریهای پژوهشگران را کاهش داده و کیفیت تحقیق را حفظ کنند، توجه نمائیم.
یک استراتژی کلیدی برای درک سوگیریهای مـحقق، بـازتاب پذیری است. بگونهای که مـحقق فـعالانه سوگیریها و تمایلات خویش را مورد بررسی قرار میدهد و از آنها آگاه میگردد و در جهت نظارت و کنترل آنها گام بر میدارد.
برآوردگر میانه–نااریب
«برآوردگر میانه–نااریب» نام دارد. این مفهوم نخستین بار در سال ۱۹۴۷ توسط آمارشناس آمریکایی جورج براون، استاد دانشگاه ایالتی آیووا، مطرح شد. براون برآوردگری را میانه–نااریب میدانست که میانه توزیع آن دقیقاً برابر با مقدار واقعی پارامتر باشد؛ تعریفی که آن را در کنار، و در عین حال در تقابل با، دو مفهوم شناختهشده اریب و نااریب قرار میدهد.
اهمیت این نوع برآورد زمانی آشکار میشود که برآوردگرهای نااریب یا حتی برآوردگرهای مبتنی بر روش حداکثر درستنمایی وجود نداشته یا محاسبه آنها ممکن نباشد. در چنین شرایطی، برآوردگر میانه–نااریب میتواند جایگزینی معتبر و قابل اتکا ارائه دهد؛ زیرا گرچه ممکن است امیدریاضی آن با مقدار واقعی برابر نباشد، اما میانه توزیع برآورد حول مقدار واقعی متمرکز است و تخمینی پایدار فراهم میکند.
روشهای گوناگونی برای ساخت یا استخراج برآوردگرهای میانه–نااریب وجود دارد. برخی از این روشها مبتنی بر تغییر شکل توزیع برآورد، برخی مبتنی بر اصلاح برآوردگرهای موجود و برخی دیگر مبتنی بر استفاده از توزیع رتبهها هستند.
سخن پایانی
اریبی یا تورش پدیدهای است که اگرچه در ظاهر کوچک بهنظر میرسد، اما میتواند یک پژوهش بزرگ را بیاعتبار کند. شناخت منشأ، انواع و پیامدهای آن نخستین گام در مسیر تولید دانش معتبر است. پژوهشگری که نسبت به وجود اریبی حساس باشد، دادهها را با دقت بیشتری گردآوری میکند، ابزارهای مناسبتر انتخاب میکند و هنگام تحلیل، از روشهای بیطرفانهتری بهره میگیرد. به همین دلیل توجه به این مفهوم تنها یک انتخاب پژوهشی نیست، بلکه ضرورتی برای ارتقای کیفیت تصمیمگیری علمی است. در نهایت میتوان گفت کاهش تورشها زمینهساز افزایش اعتماد به نتایج پژوهش و کارآمدی آن در حوزههای مختلف علمی و اجتماعی خواهد بود.
منبع: حبیبی، آرش؛ سرآبادانی، مونا. (۱۴۰۱). آموزش کاربردی SPSS. تهران: ناروندانش.
نگارنده: پشتیبانی پارسمدیر | 
