Viés de seleção

Na Segunda Guerra, engenheiros queriam reforçar a blindagem dos aviões nos pontos mais atingidos dos que voltavam das missões. O estatístico Abraham Wald inverteu o raciocínio: reforcem onde os aviões que voltaram não têm furos, porque os atingidos ali não voltaram. A amostra (aviões sobreviventes) tinha se selecionado sozinha. Esse é o viés de seleção: concluir a partir de quem está visível, esquecendo que a peneira que o tornou visível é a verdadeira protagonista da história.

O viés está em toda parte

Conheça as variações do mesmo truque. Sobrevivência: os fundos de investimento com histórico brilhante são os que não fecharam; os traders milionários do Instagram são os 3% visíveis de uma estatística de 97% de perdas. Autosseleção: quem responde pesquisas de satisfação são os muito felizes e os furiosos; quem faz o curso caro de sucesso já era diferente de quem não fez. Comparações injustas: a escola privada parece melhor em parte porque seleciona alunos que já chegariam mais longe.

Como se defender

Duas perguntas desmontam a maioria dos casos. Quem ficou de fora da amostra, e por quê? (Os mortos não dão depoimento: empresas quebradas, fundos fechados, alunos que desistiram.) E: a comparação é entre grupos que já eram diferentes antes? Se a resposta é sim, o resultado mistura o efeito estudado com o efeito da peneira, e a parte da peneira costuma dominar.

O viés de seleção é, formalmente, a quebra da representatividade: a probabilidade de uma observação entrar na amostra correlaciona-se com o próprio fenômeno estudado, tornando as médias amostrais estimadores enviesados das populacionais. O episódio de Abraham Wald no Statistical Research Group é o exemplo canônico de seleção por sobrevivência; a sistematização econométrica é de James Heckman (Nobel de 2000), cujo modelo de seleção (1979) trata o problema em dois estágios, a equação de participação e a de resultado, mostrando que ignorar quem escolhe participar (do mercado de trabalho, de um programa, de uma pesquisa) contamina qualquer estimativa do resultado, e oferecendo a correção que leva seu nome.

Na gramática da inferência causal, o viés de seleção é o termo que separa a comparação ingênua do efeito verdadeiro: a diferença observada entre tratados e não tratados é igual ao efeito do tratamento mais a diferença que os grupos já tinham antes (seleção). A randomização zera o segundo termo por construção; todo método observacional é uma estratégia para neutralizá-lo sob hipóteses declaradas. O catálogo aplicado é vasto e cotidiano: avaliação de políticas (participantes voluntários de programas diferem dos não participantes), finanças (bases de fundos expurgam os mortos, inflando retornos históricos, o survivorship bias documentado na literatura), medicina e tecnologia (usuários precoces não representam a população), e a meta-camada da própria ciência: o viés de publicação, em que estudos com resultados nulos somem da literatura, é viés de seleção operando sobre o conhecimento. A defesa profissional combina desenho (aleatorizar quando possível), correções estatísticas (Heckman, ponderação) e a humildade da pergunta de Wald: onde estão os furos que não estou vendo?