L’auto-sélection rend la détermination de la causalité plus difficile. Par exemple, lorsque l’on tente d’évaluer l’effet d’un cours de préparation aux tests sur l’augmentation des scores aux tests des participants, des scores aux tests significativement plus élevés peuvent être observés chez les étudiants qui choisissent de participer au cours de préparation lui-même. En raison de l’auto-sélection, il peut y avoir un certain nombre de différences entre les personnes qui choisissent de suivre le cours et celles qui choisissent de ne pas le faire, telles que la motivation, le statut socio-économique ou l’expérience préalable de la prise de test. En raison de l’auto-sélection en fonction de ces facteurs, une différence significative des scores moyens aux tests a pu être observée entre les deux populations indépendamment de toute capacité du cours à obtenir des scores plus élevés aux tests. Un résultat pourrait être que ceux qui choisissent de suivre le cours de préparation auraient de toute façon obtenu des scores plus élevés au test réel. Si l’étude mesure une amélioration des scores absolus aux tests en raison de la participation au cours de préparation, ils peuvent être biaisés pour montrer un effet plus élevé. Une mesure relative d' » amélioration  » pourrait améliorer quelque peu, mais seulement partiellement, la fiabilité de l’étude.

Le biais d’auto-sélection pose des problèmes pour la recherche sur les programmes ou les produits. En particulier, l’auto-sélection a une incidence sur l’évaluation de l’effet ou non d’un programme donné et complique l’interprétation des études de marché.

Le modèle de Roy fournit l’une des premières illustrations académiques du problème de l’auto-sélection.