1 定义与基本概念
1.1 选择偏倚的含义
选择偏倚是指在研究对象的进入、保留或纳入过程中，由于个体被选入研究的概率与研究变量、暴露因素或结局本身存在关联，最终使研究样本与目标总体之间出现系统性差异，从而导致研究结论偏离真实情况的一类偏倚。它并不单纯表现为样本量不足，而是样本构成在某种方向上发生了失衡。
这种偏倚可出现在研究设计的多个环节，例如抽样、招募、分组、随访、数据清理与最终分析阶段。由于其影响具有方向性，因此即使样本数量较大，也未必能抵消其对结果的扭曲。
1.2 选择偏倚与随机误差的区别
选择偏倚属于系统性误差，通常会使估计结果朝某一方向持续偏移；随机误差则来自抽样波动，表现为结果的偶然起伏，增加的是不确定性而非固定方向的偏离。
前者即便在重复研究中也可能反复出现，后者则会随着样本量增加而逐渐减小。换言之，随机误差影响精确度，选择偏倚影响准确度。
1.3 选择偏倚与信息偏倚的区别
选择偏倚主要发生在“谁进入研究、谁被保留、谁被纳入分析”的过程中；信息偏倚则主要发生在“数据如何被测量、记录或分类”的过程中。两者都属于偏倚，但作用环节不同。
例如，若患者因病情严重更容易进入医院样本，这属于选择偏倚；若同一疾病在记录时被误分到错误类别，则更接近信息偏倚。二者有时会并存，但分析时需要分别识别。
1.4 选择偏倚在研究方法中的地位
在研究方法学中，选择偏倚是影响内部效度与外部效度的重要因素之一。内部效度关注研究结论是否真实反映样本中的因果关系，外部效度则关注结果能否推广到更广泛的人群。
若选择过程存在偏差，研究结论可能在样本内就已失真，也可能只能适用于极其有限的对象范围。因此，控制选择偏倚通常被视为研究设计优先于统计修正的基础工作。
2 形成机制
2.1 样本选择过程中的系统性差异
选择偏倚往往源于样本进入研究时并非“等概率”发生，而是受到某些与研究问题有关的因素影响。这样一来，进入样本的个体在特征上就可能不同于未被纳入者。
这种差异如果与暴露、结局或二者的关系相关，便会改变样本中变量之间的分布结构，使得观察到的关联不再代表总体真实状况。
2.1.1 入组概率与研究变量相关
当一个人是否能进入研究，与其健康状况、行为习惯、暴露程度或结局风险有关时，就容易形成偏倚。例如，病情较重者更可能住院并进入医院样本，而病情较轻者则可能留在社区中未被覆盖。
此时，样本中某些特征被过度代表，另一些特征则被低估，导致结果在方向和大小上都可能偏离真实值。
2.1.2 受试者自我选择
自我选择指个体主动决定是否参与研究，而这一决定常常与其兴趣、需求、风险感知或个人经历相关。愿意参与的人往往并不随机，他们可能更关注某个问题，也可能更愿意表达意见或接受检查。
这种机制在问卷调查、网络研究和部分临床招募中尤为常见。若参与意愿与研究变量有关，样本就会带有明显的自选色彩。
2.2 数据保留与排除过程中的偏差
研究对象并非只在招募时面临选择，后续的保留、随访和分析阶段同样可能产生系统性差异。某些人因联系不到、拒绝继续、无法完成测量或被规则排除而退出，剩余样本便可能不再均衡。
如果退出或排除与研究结局相关，那么最终分析对象与最初纳入对象之间就会发生结构性变化。
2.2.1 失访导致的偏差
失访是长期研究中常见的偏倚来源。若失访者与留存者在暴露水平或结局风险上存在差异，最终结果就会受到影响。
例如，健康状况较差者更容易中断随访，而研究又只分析完成随访的人群，便可能低估不良结局的发生率。
2.2.2 退出研究导致的偏差
受试者主动退出、研究者根据规则剔除，或因依从性差而被排除，都可能造成分析样本偏斜。若退出本身与干预效果、耐受性或预后相关，结果就会出现方向性改变。
在干预研究中，这类问题尤其值得注意，因为退出并不是随机发生的，而是往往与体验、获益或不良反应有关。
2.3 研究场景中的来源差异
不同来源的人群在健康状况、社会特征、行为模式和接触研究机会方面常常存在差异。若研究样本仅来自某一类机构或场域，就可能与总体形成系统性偏离。
这种偏差并不一定意味着研究无效，但会限制其代表性，并影响结果解释。
2.3.1 医疗机构样本偏差
医疗机构样本通常更容易纳入病情较重、就医频率较高或资源利用更多的人群，因此与普通人群存在差异。若直接用这类样本推断总体，常会夸大某些疾病或症状的严重程度。
此外，医院中的患者分布也受专科属性影响，不同科室的样本结构可能进一步发生偏移。
2.3.2 社区样本与总体差异
社区调查虽然比机构样本更接近一般人群，但仍可能因居住区域、调查时段、联系方式覆盖范围或参与意愿不同而产生差异。尤其在老年人、流动人口或数字接触受限群体中，这种差异更为明显。
因此，社区样本也并不天然等同于总体，仍需结合抽样框和响应情况判断其代表性。
3 常见类型
3.1 志愿者偏倚
志愿者偏倚发生在主动报名参与者与未参与者存在系统差异时。愿意报名的人往往更关注主题、更重视健康，或在某些特征上与普通人不同。
这种偏倚在健康宣教、在线问卷、心理学实验招募中较为典型，可能使结果过于乐观或过于极端。
3.2 入院/转诊偏倚
入院偏倚是指研究对象主要来自住院人群，而住院者通常比门诊或社区个体病情更重、共病更多。转诊偏倚则与转入专科中心的患者结构有关，这类患者往往经过筛选，病程或复杂程度也更高。
因此，基于医院样本得出的关联，不一定适用于一般人群。
3.3 幸存者偏倚
幸存者偏倚指只观察到“存活到某一时点”或“保留到某一阶段”的对象，而早期退出、死亡或失败者未被纳入分析，从而造成对风险的低估或对优势的高估。
这类偏倚常见于回顾性研究、慢性病研究以及某些长期观察设计中。
3.4 失访偏倚
失访偏倚是因随访过程中部分对象无法继续观察，而这些对象与留存者不同所导致的偏差。失访率并非唯一判断标准，关键在于失访是否具有选择性。
若高风险者更容易失访，研究结果往往会显得比真实情况更“好看”。
3.5 非响应偏倚
非响应偏倚多见于问卷、访谈和人口调查。收到调查邀请但未作答者，可能在教育水平、收入、健康意识或时间安排上与响应者不同。
当这种差异与研究主题相关时，调查结果便会偏离目标人群的真实分布。
3.6 纳入排除偏倚
纳入排除偏倚来自研究者设定的条件过于严格、方向性过强或执行不一致，导致样本被系统筛选。若纳入标准只保留较健康、依从性较高或资料完整的人，研究结果可能被人为“净化”。
这种偏倚有时会提升数据整洁度，却牺牲了代表性。
4 典型表现
4.1 研究样本不具代表性
最直观的表现是样本特征与目标总体不一致，例如年龄、性别、疾病严重度、社会背景或行为习惯分布明显不同。此时，样本虽可用于分析，但结论的适用范围受到限制。
若研究者忽视这一点，便可能将局部结果误当作普遍规律。
4.2 暴露组与对照组不可比
在比较研究中，若两组在进入研究时就已存在系统差异，那么后续观察到的效果可能并非由暴露或干预造成，而是由组间初始不平衡引起。此时即使统计上进行了调整，也未必能完全恢复可比性。
这类问题常见于招募过程不均衡或自然形成的对照样本中。
4.3 效应估计被高估或低估
选择偏倚既可能放大关联，也可能掩盖真实效应。具体方向取决于哪些对象更容易进入、留下或被分析，以及这些对象在研究变量上处于何种位置。
因此，选择偏倚不是单向的“夸大器”，而是一种会改变估计值方向和幅度的系统扰动。
4.4 结果外推性下降
即使研究内部分析较为严谨，若样本来源单一或筛选过程过窄，结果也难以推广到更广泛人群。外推性下降意味着研究结论更适用于特定场景，而不宜轻易推广到不同地区、机构或人群。
这也是许多高质量研究仍需在多中心或多样本中重复验证的原因。
5 产生选择偏倚的研究设计情境
5.1 队列研究中的选择问题
队列研究需要在基线时纳入不同暴露状态的人群，并持续观察结局。若暴露组和未暴露组的纳入来源不同，或高风险者更容易失访，便可能形成选择偏倚。
此外，若研究仅保留完成长期随访者，则分析对象可能不再代表最初队列。
5.2 病例对照研究中的选择问题
病例对照研究对选择偏倚尤其敏感，因为病例与对照的来源必须可比。若对照选择不当，使其不能代表病例原本所属的人群来源，暴露分布就可能失真。
一旦对照组在某些方面过于“健康”或过于“特殊”，研究结果便容易被扭曲。
5.3 横断面研究中的选择问题
横断面研究通常在某一时间点获取样本，若调查对象的参与意愿或可及性与研究变量有关，选择偏倚就会出现。比如，身体不适者可能更愿意参加健康调查，而无症状者参与率较低。
5.4 随机对照试验中的选择问题
随机对照试验通常具有较强的方法学优势，但选择偏倚仍可能在分配前或试验期间出现。随机分配并不能自动解决所有环节的选择问题。
5.4.1 分配前筛选偏差
在随机分配之前，如果研究者根据某些主观或客观条件筛选对象，便可能使进入试验的人群已经发生偏移。此时，随机化只能平衡已纳入者之间的差异，无法纠正前置筛选造成的总体偏离。
5.4.2 试验期间脱落偏差
若两组脱落情况不同，且脱落与疗效或不良反应相关，试验结论便可能受到影响。尤其在依从性差异较大的情形下，意向性分析与实际完成分析之间的差异值得特别关注。
6 识别与评估
6.1 研究对象来源审查
识别选择偏倚的第一步，是审查样本来自何处、如何招募、是否覆盖目标人群，以及未纳入者是否具有系统特征。来源越单一，越需要警惕代表性不足。
研究对象的来源链条越清晰，越有助于判断偏倚可能出现在哪一环。
6.2 纳入排除标准分析
纳入和排除标准是否合理，直接决定样本会向何种方向收缩。若标准过于严格，研究对象可能过度理想化；若执行不一致，则不同中心或不同研究者之间也可能产生选择差异。
因此，标准不仅要写得清楚，还要在实施中保持一致。
6.3 失访率与脱落率评估
失访率和脱落率可作为重要警示指标，但不能仅看数值大小，还要结合原因、时点和组间差异进行判断。少量失访并不一定安全，较高失访也不必然严重，关键在于是否选择性发生。
对失访者特征的描述越充分，研究可信度通常越高。
6.4 基线特征比较
比较不同组在研究开始时的年龄、性别、病情、暴露水平及其他关键变量，有助于发现潜在的选择问题。若基线差异显著且无法解释，就提示样本生成过程可能存在偏移。
不过，基线平衡并不等于完全没有选择偏倚，只是说明已观察到的差异相对有限。
6.5 敏感性分析
敏感性分析可用于检验在不同假设下结论是否稳定，例如假设失访者结局更差或更好，再重新估计效应。如果结论在多种情境下都大体一致，则说明结果对选择偏倚的稳健性较强。
这类分析不能消除偏倚，但能帮助评估其可能影响的范围。
7 控制与减少方法
7.1 随机抽样
随机抽样可提高样本被选中的机会均衡性，使样本更接近目标总体。它尤其适用于调查研究和人群抽样研究，是减少选择偏倚的重要基础。
但随机抽样只有在抽样框完整、执行规范的前提下才更有效。
7.2 随机分配
随机分配主要用于比较研究和临床试验，目的是使各组在已知和未知因素上尽量平衡。虽然它主要针对组间可比性，但也能减少某些由人为分组带来的选择问题。
需要注意的是，随机分配只能在进入研究之后发挥作用，不能替代前期招募的公正性。
7.3 严格的纳排标准
明确而一致的纳排标准可降低研究对象被随意筛选的风险。标准应尽量基于研究目的与安全性考虑，而不是研究者的主观偏好。
不过，标准越严格，样本越可能远离真实人群，因此需要在纯度与代表性之间取得平衡。
7.4 提高随访完整性
保持随访完整性是降低失访偏倚的重要措施。研究者应尽可能减少联系中断、信息丢失和随访终止，确保数据链条连续。
7.4.1 多次联系与追踪
通过电话、短信、邮件、上门或多渠道联络，可以提高受试者回访率。对长期研究而言，建立稳定的追踪机制尤为关键。
适当的提醒和沟通不仅能提升完成率，也有助于收集失访原因。
7.4.2 降低脱落率
减少脱落通常包括优化流程、降低受试者负担、提高研究体验以及增强依从性。若研究过程复杂、耗时或不便，参与者更容易中途退出。
因此，改善研究设计本身，也是在控制选择偏倚。
7.5 统计校正方法
当选择偏倚难以完全避免时，可借助统计方法进行一定程度的校正。但这类方法更多是补救而非根治，前提是研究者对偏倚来源有较清晰的认识。
7.5.1 加权分析
加权分析通过为不同个体赋予不同权重，纠正样本构成与总体之间的差异。若某类人群在样本中被低估，则可在分析时提高其权重。
这种方法依赖于权重模型的准确性，若模型设定不当，校正效果会受限。
7.5.2 倾向评分方法
倾向评分方法常用于调整非随机分配造成的组间差异，可通过匹配、分层或加权等方式减少不平衡。它主要针对可观测协变量带来的选择问题。
但对未观测因素无能为力，因此不能被视为对所有偏倚的万能修复。
7.5.3 缺失数据处理
对缺失数据进行合理处理，可减轻因不完整记录造成的选择性分析偏差。常见做法包括多重插补、最大似然估计等。
需要强调的是，缺失数据处理并不等于消除失访偏倚，关键仍在于缺失机制是否可被合理假设和建模。
8 相关概念与延伸
8.1 选择偏倚与混杂
混杂是指第三变量同时影响暴露与结局，从而干扰二者关系；选择偏倚则是样本进入或保留过程导致的系统性差异。两者都会影响因果推断，但来源不同。
在实际研究中，它们可能相互交织，使结果解释更加复杂。
8.2 选择偏倚与碰撞偏倚
碰撞偏倚是一种由于对共同结果变量进行条件化而产生的偏差，常在统计控制、分层或筛选特定样本后出现。它与一般意义上的选择偏倚有重叠，但机制更具体。
可以说，碰撞偏倚往往是选择过程的一种特殊形式或具体表现。
8.3 选择偏倚与幸存者偏倚的关系
幸存者偏倚通常被视为选择偏倚的一种表现形式。两者都涉及“留下来的人”与“未留下来的人”之间的系统差异。
区别在于，幸存者偏倚更强调时间维度上的存留过程，而一般选择偏倚的范围更广，涵盖招募、保留和纳入等多个阶段。
8.4 在社会科学研究中的特殊表现
在社会科学中，选择偏倚常表现为样本对特定群体的过度集中，例如高教育水平者更愿意参与调查，或网络样本更偏向数字使用频繁者。此类偏倚会影响观点分布、行为模式和态度测量。
由于社会科学研究常依赖自愿参与与问卷响应，因此选择问题往往比单纯抽样误差更值得重视。
9 典型案例
9.1 临床试验中的招募偏差
某些临床试验只从大型医疗中心招募受试者，且优先纳入依从性较高、基础疾病较少的人群。这样得到的结果可能显示治疗效果较好、副作用较少，但这未必能反映普通患者的真实情况。
招募偏差使试验更“整齐”，却也可能更不贴近现实。
9.2 问卷调查中的自选参与偏差
一项关于生活习惯的在线问卷如果完全依赖自愿填写，往往会吸引对该主题更敏感的人。结果可能显示某些行为的发生率偏高或偏低，因为参与者并不是随机进入样本的。
这种情况在互联网调查中十分常见，也是解释“问卷结果为什么总比现实更极端”的重要原因之一。
9.3 长期追踪研究中的失访影响
在一项持续多年的追踪研究中，若健康状况恶化者更容易中途退出，最终留在样本中的对象就会相对更健康。研究得出的疾病进展速度可能因此被低估，甚至使某些风险因素看起来“无害”。
长期研究越长，越需要警惕这种时间累积型偏倚。
9.4 二手数据研究中的样本筛选问题
利用现成数据库开展研究时，研究者常会因数据缺失、编码不一致或记录质量不佳而排除大量样本。若这些被排除者在关键特征上系统不同，最终分析结果就可能偏离原始总体。
二手数据研究的便利性较高，但样本筛选的透明度和影响评估同样不可忽视。
10 研究与教学中的应用
10.1 方法学课程中的案例分析
选择偏倚常被用作方法学教学中的核心案例，用于帮助学习者理解“样本如何影响结论”。通过比较不同抽样方式、不同随访结果和不同筛选策略，学生可以更直观地认识偏倚的形成过程。
这类案例有助于训练研究设计思维，而不仅仅是统计计算能力。
10.2 论文审稿中的偏倚检查
在论文审稿中，选择偏倚通常是重点审查内容之一。审稿者会关注样本来源、招募方式、失访情况、排除理由以及组间可比性，以判断结论是否可靠。
如果这些信息描述不充分，研究即使统计结果显著，也可能因方法学缺陷而削弱说服力。
10.3 研究报告规范中的相关要求
许多研究报告规范都强调对对象来源、纳入排除、随访过程和脱落情况进行清晰报告，以便读者评估选择偏倚的可能性。透明的流程说明有助于提高研究可重复性和可评价性。
从规范角度看，充分披露并不是形式要求，而是判断研究可信度的重要前提。