Słownik metodologiczny · Projekt badania

Błąd przeżywalności (survivorship bias) – dlaczego ocalali zawyżają wyniki?

Błąd przeżywalności pojawia się, gdy analizujemy tylko jednostki, które przetrwały, a pomijamy te, które odpadły. Pokazujemy samoloty Walda, fundusze inwestycyjne, symulację w R i różnice wobec błędu selekcji, braku odpowiedzi i przypominania.

Strona główna / Słownik / Błąd przeżywalności
W skrócie: Błąd przeżywalności (survivorship bias) to systematyczne zniekształcenie wniosków, gdy analizuje się tylko jednostki, które przetrwały proces selekcji (działające firmy, notowane fundusze, żyjących pacjentów), a pomija te, które odpadły. Jest szczególnym przypadkiem błędu selekcji i zwykle daje zbyt optymistyczny obraz.

Co to jest błąd przeżywalności?

Błąd przeżywalności (ang. survivorship bias) to zniekształcenie wniosków, które powstaje, gdy analizuje się tylko jednostki, które „przetrwały” jakiś proces – firmy wciąż działające, fundusze nadal notowane, pacjentów, którzy dożyli zabiegu – i pomija te, które po drodze odpadły. Ponieważ odpadają zwykle jednostki słabsze, obraz ocalałych jest systematycznie zbyt optymistyczny.

Klasyczny przykład to praca Abrahama Walda nad samolotami z czasów II wojny światowej. Mangel i Samaniego (1984) opisują, jak Wald szacował podatność maszyn na trafienia na podstawie danych z samolotów, które wróciły. Sedno problemu: miejsca rzadko trafione u ocalałych mogą być właśnie tymi, których trafienie kończyło się utratą maszyny, więc nie wolno ich uznać za mniej ważne.

Czym różni się od podobnych błędów

  • Błąd selekcji to szersza kategoria: próba różni się systematycznie od populacji z powodu sposobu doboru. Błąd przeżywalności to jego szczególny przypadek, w którym kryterium wejścia do danych jest „przetrwanie”.
  • Błąd braku odpowiedzi dotyczy osób, które mogły odpowiedzieć, ale tego nie zrobiły; tu jednostki zniknęły, zanim mogły trafić do badania.
  • Błąd przypominania to błąd pomiaru: badani są w próbie, ale różnie pamiętają przeszłość.

Przykład

Elton i in. (1996) śledzili wszystkie fundusze inwestycyjne istniejące pod koniec 1976 roku. Fundusze znikały głównie z powodu słabych wyników, więc analiza tylko tych, które przetrwały, zawyżała ocenę zarządzania. W naszej symulacji w R 1000 firm miało prawdziwą średnią roczną stopę zwrotu równą 0. Spośród 557 firm, które nie straciły ponad 30% kapitału, średnia wyniosła 3.3% rocznie, a w całej populacji – 0.2%.

W badaniach kohortowych pokrewnym problemem jest immortal time bias. Suissa (2008) pokazał, że gdy definicja ekspozycji wymaga przeżycia pewnego okresu, leki wydają się skrajnie skuteczne. Obciążenie rośnie wraz z długością tego okresu.

Na rysunku

Ta sama symulacja co w przykładzie, ale w nowej wersji: 500 firm różni się ryzykiem strategii (roczna zmienność stopy zwrotu od 5% do 30%), a prawdziwa średnia stopa zwrotu każdej z nich wynosi 0. Zakres zmienności i próg upadku (utrata ponad 30% kapitału) ustawiono ręcznie; ziarna nie zmieniano.

Dwa panele. A: histogram średnich rocznych stóp zwrotu 500 firm, słupki złożone z firm, które zniknęły (pomarańczowe, głównie po lewej stronie zera) i które przetrwały (niebieskie, głównie po prawej); pionowa linia przerywana przy średniej wszystkich firm, około 0%, i ciągła przy średniej ocalałych, 3.0%. B: wykres rozrzutu zmienności stopy zwrotu (od 5% do 30%) i średniej stopy zwrotu; pełne niebieskie kropki to firmy, które przetrwały, puste pomarańczowe kółka – te, które zniknęły; czarna linia przerywana dla wszystkich firm jest pozioma, a niebieska linia ciągła dla ocalałych rośnie od około 0% do około 9%
Rysunek 1. Średnia roczna stopa zwrotu wszystkich firm i tylko ocalałych (A) oraz zmienność stopy zwrotu a średni zwrot (B). Obliczenia: R, pakiety ggplot2 i patchwork (dane symulowane, set.seed(470)).

Co widać. Przetrwało 277 z 500 firm. Średnia stopa zwrotu wszystkich firm wynosi −0.1% rocznie, a ocalałych 3.0% (panel A): odcięcie lewego ogona przesuwa średnią w prawo, choć żadna firma nie miała przewagi. Panel B pokazuje coś groźniejszego. W całej populacji zmienność nie wiąże się ze zwrotem (r = −.03), a wśród ocalałych korelacja wynosi .60, a nachylenie 0.37. Ryzykowne strategie częściej kończą się upadkiem (przetrwało 32.9% firm z najwyższego tercyla zmienności wobec 83.2% z najniższego), więc wśród ocalałych zostają tylko te, którym się poszczęściło. Analiza samych ocalałych „odkrywa”, że ryzyko się opłaca.

Na co uważać. Na prawdziwych danych nie zobaczysz pomarańczowych punktów – właśnie ich brak jest problemem. Wykres pokazuje skutek selekcji, gdy zarówno cecha (zmienność), jak i wynik wpływają na przetrwanie; to ten sam mechanizm co dobór próby według zmiennej zderzeniowej, pokazany na innych przykładach we wpisie Zmienna zakłócająca i collider – wizualizacja. Rysunek nie mówi, jak duże jest obciążenie w Twoich danych: zależy ono od tego, jak ostra była selekcja i od czego zależała.

Podpis do pracy:

Rysunek 1. Rozkład średniej rocznej stopy zwrotu wszystkich firm i firm, które przetrwały 10 lat (A), oraz związek zmienności stopy zwrotu ze średnim zwrotem (B). Uwaga. Dane symulowane: 500 firm o prawdziwej średniej stopie zwrotu równej 0; firma znikała z danych po utracie ponad 30% kapitału. Linia przerywana – wszystkie firmy, linia ciągła – tylko firmy, które przetrwały.

Kod rysunku jest samowystarczalny: paletę Okabe–Ito i prosty motyw definiuje sam. Rysunek na stronie powstał z tego samego obiektu p1, w którym podmieniono tylko motyw (krój czcionki, siatka).

Kod R rysunku 1
# Rysunek 1. Średnia stopa zwrotu wszystkich firm i tylko ocalałych (A) oraz zmienność a zwrot (B)
library(ggplot2)
library(patchwork)

kol <- c("przetrwała" = "#0072B2", "zniknęła" = "#D55E00")   # Okabe–Ito, czytelne przy deuteranopii
ksz <- c("przetrwała" = 16, "zniknęła" = 1)                    # kształt niesie tę samą informację co kolor
motyw <- theme_minimal(base_size = 13) +
  theme(panel.grid.minor = element_blank(), legend.position = "bottom",
        plot.title = element_text(face = "bold", size = rel(0.95)))

set.seed(470)
n_firm <- 500; lata <- 10
zmiennosc <- runif(n_firm, 0.05, 0.30)          # SD rocznej stopy zwrotu firmy (ryzyko strategii)
r <- matrix(rnorm(n_firm * lata, mean = 0, sd = rep(zmiennosc, lata)), n_firm)  # prawdziwa średnia 0
wartosc <- t(apply(1 + r, 1, cumprod))           # skumulowana wartość kapitału
przetrwala <- apply(wartosc, 1, min) > 0.7       # firma znika, gdy straci ponad 30% kapitału
firmy <- data.frame(zmiennosc, zwrot = rowMeans(r),
                    status = factor(ifelse(przetrwala, "przetrwała", "zniknęła"), names(kol)))

nach <- function(d) unname(coef(lm(zwrot ~ zmiennosc, data = d))[2])
ocalale <- subset(firmy, status == "przetrwała")
print(round(c(przetrwalo = sum(przetrwala), srednia_wszystkie = mean(firmy$zwrot),
              srednia_ocalale = mean(ocalale$zwrot),
              r_wszystkie = cor(firmy$zmiennosc, firmy$zwrot), r_ocalale = cor(ocalale$zmiennosc, ocalale$zwrot),
              nachylenie_wszystkie = nach(firmy), nachylenie_ocalale = nach(ocalale)), 3))
# odsetek ocalałych w tercylach zmienności
print(round(tapply(przetrwala, cut(zmiennosc, quantile(zmiennosc, 0:3 / 3), include.lowest = TRUE,
                                   labels = c("niska", "średnia", "wysoka")), mean), 3))

# A: histogram średnich stóp zwrotu – słupki złożone z firm, które przetrwały, i tych, które zniknęły
srednie <- data.frame(grupa = c("wszystkie firmy", "tylko ocalałe"),
                      x = c(mean(firmy$zwrot), mean(ocalale$zwrot)))
pA <- ggplot(firmy, aes(zwrot, fill = status)) +
  geom_histogram(binwidth = 0.01, boundary = 0, colour = "white", linewidth = 0.2) +
  geom_vline(data = srednie, aes(xintercept = x, linetype = grupa), linewidth = 0.8) +
  scale_fill_manual(NULL, values = kol) +
  scale_linetype_manual("Średnia:", values = c("wszystkie firmy" = "dashed", "tylko ocalałe" = "solid")) +
  scale_x_continuous(labels = function(v) paste0(100 * v, "%")) +
  guides(fill = guide_legend(order = 1), linetype = guide_legend(order = 2)) +
  labs(x = "Średnia roczna stopa zwrotu (10 lat)", y = "Liczba firm",
       title = "A. Ocalałe przesuwają średnią w prawo")

# B: zmienność a średni zwrot – linia dla wszystkich firm i tylko dla ocalałych
pB <- ggplot(firmy, aes(zmiennosc, zwrot)) +
  geom_hline(yintercept = 0, colour = "grey60") +
  geom_point(aes(colour = status, shape = status), size = 1.5) +
  geom_smooth(method = "lm", formula = y ~ x, se = FALSE, colour = "black",
              linetype = "dashed", linewidth = 0.9) +
  geom_smooth(data = ocalale, method = "lm", formula = y ~ x, se = FALSE,
              colour = kol[["przetrwała"]], linewidth = 1.2) +
  annotate("text", x = 0.05, y = c(0.25, -0.22), hjust = 0, size = 3.6,
           label = c("linia ciągła: tylko ocalałe", "linia przerywana: wszystkie firmy")) +
  scale_colour_manual(NULL, values = kol) +
  scale_shape_manual(NULL, values = ksz) +
  scale_x_continuous(labels = function(v) paste0(100 * v, "%")) +
  scale_y_continuous(labels = function(v) paste0(100 * v, "%")) +
  labs(x = "Zmienność rocznej stopy zwrotu (SD)", y = "Średnia roczna stopa zwrotu",
       title = "B. Wśród ocalałych ryzyko „się opłaca”")
p1 <- (pA | pB) & motyw
p1
Wynik w R
          przetrwalo    srednia_wszystkie      srednia_ocalale 
             277.000               -0.001                0.030 
         r_wszystkie            r_ocalale nachylenie_wszystkie 
              -0.030                0.600               -0.024 
  nachylenie_ocalale 
               0.371 
  niska średnia  wysoka 
  0.832   0.500   0.329 

Jak opisać w pracy

Aby ograniczyć błąd przeżywalności, do analizy włączono wszystkie firmy zarejestrowane w 2015 roku, także te, które później zakończyły działalność (ich liczbę i przyczyny wyjścia podano w tabeli 1). Wyniki porównano z analizą ograniczoną do firm działających w 2025 roku, by pokazać wielkość błędu przeżywalności.

Na co uważać

  • Bazy z bieżącą listą jednostek. Zapytaj, kto wypadł z rejestru i dlaczego; szukaj danych historycznych.
  • Odpadanie w trakcie badania. Porównaj osoby, które ukończyły badanie, z tymi, które odpadły (zob. utrata uczestników i obserwacja cenzurowana).
  • Literatura. Do przeglądu trafiają głównie badania „udane” – to błąd publikacji.
Przykład reprodukowalny

Błąd przeżywalności w R

Kod symuluje dziesięcioletnie stopy zwrotu 1000 firm o prawdziwej średniej równej 0 i porównuje średnią w całej populacji ze średnią tylko w firmach, które przetrwały.

Średnia stopa zwrotu w populacji i wśród ocalałych

Dane wejściowe: 1000 symulowanych firm, 10 lat, roczne stopy zwrotu z rozkładu normalnego (średnia 0, SD 0.15); firma znika, gdy jej kapitał spadnie poniżej 70% wartości początkowej; set.seed(4701).

Co odczytać: liczbę firm, które przetrwały, oraz średnią roczną stopę zwrotu w całej populacji i wśród ocalałych.

R
set.seed(4701)
n_firm <- 1000; lata <- 10
r <- matrix(rnorm(n_firm * lata, mean = 0, sd = 0.15), n_firm)  # roczne stopy zwrotu, prawdziwa średnia 0
wartosc <- t(apply(1 + r, 1, cumprod))           # skumulowana wartość kapitału
przetrwala <- apply(wartosc, 1, min) > 0.7       # firma znika, gdy straci ponad 30% kapitału
round(c(przetrwalo = sum(przetrwala),
        srednia_wszystkie = mean(r),             # cała populacja
        srednia_ocalale = mean(r[przetrwala, ])), 4)  # tylko firmy, które przetrwały
Wynik w R
       przetrwalo srednia_wszystkie   srednia_ocalale 
         557.0000            0.0022            0.0330

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3. Symulacja w tej sekcji nie wymaga dodatkowych pakietów; rysunek 1 wykonano w pakiecie ggplot2, panele złożono pakietem patchwork i zapisano pakietem svglite. W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
  3. patchwork (wersja 1.3.2): Pedersen, T. L. (2025). patchwork: The composer of plots [R package]. https://doi.org/10.32614/CRAN.package.patchwork
  4. svglite (wersja 2.2.2): Wickham, H., Henry, L., Pedersen, T. L., Luciani, T. J., Decorde, M., & Lise, V. (2025). svglite: An 'SVG' graphics device [R package]. https://doi.org/10.32614/CRAN.package.svglite

Najczęstsze pytania

Czy błąd przeżywalności to to samo co błąd selekcji?

Jest jego szczególnym przypadkiem. Błąd selekcji obejmuje każdy dobór, przez który próba różni się od populacji, a błąd przeżywalności – sytuację, w której do danych trafiają tylko jednostki, które przetrwały.

Jak wykryć błąd przeżywalności we własnych danych?

Sprawdź, jak powstała lista jednostek: czy obejmuje też te, które zniknęły (zamknięte firmy, zmarłych pacjentów, osoby, które odpadły). Porównaj wyniki z analizą na danych historycznych lub na pełnej kohorcie.

Czy błąd przeżywalności dotyczy ankiet wśród studentów?

Tak. Badanie tylko studentów ostatniego roku pomija osoby, które zrezygnowały ze studiów, więc np. satysfakcja ze studiów będzie zawyżona. Opisz to ograniczenie lub dotrzyj także do osób, które odeszły.

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Elton, E. J., Gruber, M. J., & Blake, C. R. (1996). Survivor bias and mutual fund performance. Review of Financial Studies, 9(4), 1097–1120. https://doi.org/10.1093/rfs/9.4.1097
  2. Mangel, M., & Samaniego, F. J. (1984). Abraham Wald's work on aircraft survivability. Journal of the American Statistical Association, 79(386), 259–267. https://doi.org/10.1080/01621459.1984.10478038
  3. Suissa, S. (2008). Immortal time bias in pharmacoepidemiology. American Journal of Epidemiology, 167(4), 492–499. https://doi.org/10.1093/aje/kwm324

Cytowania BibTeX

@article{elton1996survivor, author={Elton, Edwin J. and Gruber, Martin J. and Blake, Christopher R.}, title={{Survivor bias and mutual fund performance}}, journal={Review of Financial Studies}, year={1996}, volume={9}, number={4}, pages={1097--1120}, doi={10.1093/rfs/9.4.1097}}
@article{mangel1984abraham, author={Mangel, Marc and Samaniego, Francisco J.}, title={{Abraham Wald's work on aircraft survivability}}, journal={Journal of the American Statistical Association}, year={1984}, volume={79}, number={386}, pages={259--267}, doi={10.1080/01621459.1984.10478038}}
@article{suissa2008immortal, author={Suissa, S.}, title={{Immortal time bias in pharmacoepidemiology}}, journal={American Journal of Epidemiology}, year={2008}, volume={167}, number={4}, pages={492--499}, doi={10.1093/aje/kwm324}}
R