概念2：选择性偏差（Selection Bias）概念2：选择性偏差（Selection Bias）

星盘

选择性偏差（Selection Bias）

在一些情况下，“虚假相关”很容易出现。这也真是选择性偏差非常容易出现的原因。“选择性偏差”这个术语指的是特定主体和环境之间的关系。当不同生理、行为、心理特点的人们选择不同类型的环境时，就有可能出现选择性偏差。选择性偏差造成环境特征和行为—生物特征之间的“虚假相关”。

选择性偏差并不总是那么容易辨别。

尤其是当我们事先就期望看到因果联系时，这种偏差经常会被忽略，就像在“自尊”的例子中那样。充满诱惑的相关性证据加上固有的偏见，就能够欺骗最聪明的大脑。

在测试中，如果所选择使用的是有代表性的样本，而不是自我选择样本分析（National Assessment for Educational Progress ,NAEP）,这样得出的关系会呈现相反的情况。

因此，应该提防选择性偏差的发生。当只有相关时，应避免因果推论。不可否认，复杂的相关数据里确实存在着有限的因果关系。但是同样不可否认的是，相关的证据有助于证明假设的聚合效度。然而，对于心理学知识的消费者来说，宁可站在怀疑的角度，也不要被那些错误地暗示了因果关系的相关所蒙蔽。

两个变量之间仅仅存在“相关”，并不能保证一个变量的变化就会导致另一个的变化。即，相关并不意味着因果关系。在第三变量问题里，两个变量之间的相关并不意味着它们之间存在直接因果路径，因为相关的产生可能是由于这两个变量或许都与未被测量的第三变量有相关。

事实上，如果潜在的第三变量也经过了测量，就可以用相关统计，如“偏相关”来评估第三变量是否决定了这种关系。让相关统计的解释变得困难的另一个原因，就是方向性问题。实际上，如果两个变量有直接的因果关系，因果关系的方向就不能根据相关来判断。

在行为科学中，选择性偏差是造成诸多“虚假相关”的罪魁祸首。事实上人们在一定程度上选择他们的环境，并人为创造了行为特征和环境变量之间的相关。因此，确保选择性偏差不会捣乱的唯一方法，就是在操纵所有变量的情况下进行真正的实验。