概念进阶抽样估计与假设检验
抽样偏误
也叫：Sampling Bias
抽样过程系统性出错、使基于样本的结论出错的现象。
核心讲解
抽样偏误指在抽样过程中产生的各种偏误，导致基于样本得出错误的结论。它与抽样误差不同：抽样误差是随机波动，抽样偏误则是系统性的，方向一致，不会因为样本变大就自动消失。
教材归纳了四类主要偏误。数据挖掘偏误，指反复挖掘数据只得到统计显著却无法预测未来的结论；样本选择偏误，最典型的表现是幸存者偏差；前视偏误，指使用了预测时还拿不到的信息；时间段偏误，指结论只在某一特定时期成立，不能推广到所有时期。
识别它们的关键是追问两句：样本是怎么来的，信息是什么时候可得的。弄清这四点，才能在建模和数据使用时避开陷阱，这也是CFA考试要求掌握的内容。
费曼版：用大白话再讲一遍
称体重时秤本身就偏了两斤，不管你称多少次、站多稳，读数都会一直偏——这就是系统误差。抽样偏误就像这杆偏了的秤，问题出在取数方式上，多称几下也纠正不了。
要点
- 抽样偏误是抽样过程的系统性错误，方向一致。
- 与随机性的抽样误差不同，它不会随样本变大而消失。
- 主要四类：数据挖掘偏误、样本选择偏误、前视偏误、时间段偏误。
- 识别关键是追问样本来源与信息可得时点。
常见误区
- 把它当成抽样误差，以为增大样本就能消除。
- 只记得幸存者偏差，漏掉其余三类偏误。
- 以为偏误只在数据处理阶段产生，忽略抽样设计本身的问题。