Der Survivorship-Bias (Überlebenden-Verzerrung) entsteht, wenn man nur Fälle betrachtet, die ein Auswahlverfahren „überlebt“ haben, und die ausgeschiedenen nicht sieht. Der Name geht auf eine Geschichte um den Mathematiker Abraham Wald zurück: Im Zweiten Weltkrieg sollte die Panzerung von Bombern verbessert werden. Untersucht wurden zurückgekehrte Flugzeuge, die an bestimmten Stellen viele Treffer zeigten. Wald erkannte, dass gerade die fehlenden Treffer an anderen Stellen auf Flugzeuge hindeuteten, die nicht zurückgekommen waren. Die populäre Erzählung vereinfacht stark; Walds tatsächliche Arbeiten sind statistische Schätzmethoden zur Verwundbarkeit (Mangel & Samaniego 1984, Casselman 2016).
In der Wirtschaft ist der Fehler gut dokumentiert. Brown, Goetzmann, Ibbotson und Ross (1992) zeigten für Investmentfonds, dass die Beschränkung auf bestehende Fonds die gemessene Rendite nach oben verzerrt, weil aufgelöste Fonds fehlen. Denrell (2003) argumentiert, dass auch Management-Erkenntnisse leiden, wenn die Untersuchten nach ihrem Erfolg ausgewählt wurden.
Im Wissensbereich taucht der Begriff immer dort auf, wo die Beleglage aus Erfolgsberichten besteht: in der Literatur zum Innovationsmanagement, bei Fallstudien zur disruptiven Innovation und bei Kennzahlen, die nur erfassen, wer geblieben ist (Wie Dashboards Entscheidungen verzerren). Als Gegenmittel gilt die Frage, wer aus der Auswahl herausgefallen ist und ob er sich erfassen lässt.
Quellen
- Mangel, M. & Samaniego, F. J. (1984). Abraham Wald’s Work on Aircraft Survivability. Journal of the American Statistical Association, 79(386), 259–267.
- Casselman, B. (2016). The Legend of Abraham Wald. American Mathematical Society, Feature Column, Juni 2016.
- Brown, S. J., Goetzmann, W., Ibbotson, R. G. & Ross, S. A. (1992). Survivorship Bias in Performance Studies. The Review of Financial Studies, 5(4), 553–580.
- Denrell, J. (2003). Vicarious Learning, Undersampling of Failure, and the Myths of Management. Organization Science, 14(3), 227–243.