Systematischer Fehler

Was versteht man unter systematischem Fehler?

Ein systematischer Fehler (engl. bias) ist eine gerichtete, konsistente Abweichung eines gemessenen oder geschätzten Wertes vom wahren Wert einer Größe. Im Gegensatz zu zufälligen Fehlern tritt er nicht unregelmäßig auf, sondern beeinflusst alle Messungen oder Schätzungen in dieselbe Richtung – entweder systematisch zu hoch oder systematisch zu niedrig.

Formal lässt sich der Bias eines Schätzers für einen wahren Parameter wie folgt definieren:

Ist der Bias gleich null, spricht man von einem erwartungstreuen (unverzerrten) Schätzer. Ein positiver Bias bedeutet, dass der Schätzer den wahren Wert im Durchschnitt überschätzt; ein negativer Bias, dass er ihn unterschätzt.

Warum ist systematischer Fehler für statistische Analysen wichtig?

Systematische Fehler sind in der Forschungspraxis besonders tückisch, weil sie sich nicht durch eine größere Stichprobe beheben lassen. Ein zufälliger Fehler streut um den wahren Wert herum und mittelt sich bei vielen Beobachtungen heraus. Ein systematischer Fehler hingegen bleibt bestehen – unabhängig davon, wie viele Daten erhoben werden.

Typische Quellen systematischer Fehler in der empirischen Forschung sind:

• Selektionsbias: Die Stichprobe repräsentiert die Grundgesamtheit nicht korrekt, z. B. weil bestimmte Gruppen über- oder unterrepräsentiert sind.
• Messfehler: Ein fehlkalibriertes Instrument oder eine schlecht formulierte Umfragefrage erfasst das Merkmal systematisch verzerrt.
• Confounding: Eine nicht kontrollierte Drittvariable beeinflusst das Ergebnis und täuscht einen Effekt vor oder verschleiert ihn.
• Reporting Bias: Ergebnisse werden selektiv berichtet, z. B. weil nur signifikante Befunde veröffentlicht werden (Publikationsbias).

In der Methodenplanung sollte systematischen Fehlern daher frühzeitig entgegengewirkt werden: durch sorgfältige Stichprobenziehung, validierte Messinstrumente, Randomisierung in Experimenten und die Kontrolle relevanter Störvariablen.

Praxisbeispiel zu systematischem Fehler

Eine Forscherin möchte untersuchen, wie zufrieden Beschäftigte eines Unternehmens mit ihrer Work-Life-Balance sind. Sie verteilt einen Online-Fragebogen per E-Mail – allerdings nur während der regulären Arbeitszeit. Mitarbeitende im Schichtdienst oder mit stark eingeschränktem Internetzugang nehmen kaum teil.

Das Ergebnis: Die Befragten sind im Schnitt deutlich zufriedener als die Belegschaft insgesamt. Der Grund ist kein Zufall, sondern ein Selektionsbias: Systematisch benachteiligte Gruppen fehlen in der Stichprobe. Selbst wenn die Forscherin die Befragung tausendmal wiederholt, würde sich daran nichts ändern – der Fehler steckt in der Erhebungsweise, nicht im Stichprobenumfang.