Nejlepší odpověď
Bohužel to není standardizovaná terminologie. Obecná myšlenka však je, že používané v „kvaziexperimentech“: ty, ve kterých výzkumník nemůže provést skutečnou randomizaci do podmínek. Porovnejte dvě situace:
(1) Když vejdete do dveří experimentu, hodíme mincí (nebo hodíme kostkou atd.) A to určuje, ke které podmínce jste přiřazeni. je „nezávislá“ proměnná v tom smyslu, že sama o sobě by neměla být v korelaci s experimentálními výsledky. [Citáty naznačují, že smysl „nezávislé“ je jiný z regresi.]
(2) Když vstoupíte do dveří experimentu, použijeme něco o vás (barvu očí, kolik máte sourozenců, vaše pohlaví, váš major, zda „znovuzrození v lichém nebo sudém roce atd.), aby se určilo, ke které podmínce jste přiřazeni. Jsou to„ kvazi nezávislé “: úrovně nebo kategorie existují před experimentem a, co je důležité, mohou být nějakým způsobem korelovány s experimentálními výsledky samy o sobě .
Mělo by být zřejmé, že pohlaví je hrozná „nezávislá“ proměnná, protože je s ní spojena mnoho dalších tra jeho a experimentální výsledky. Barva očí se zdá být lepší, ale je v korelaci s etnickým původem. Ať už se narodíte v lichý nebo sudý rok, vypadá to skoro jako hod mincí; ale u vysokoškolské populace to může zvyšovat pravděpodobnost, že jsi „nováček, a tedy mladší. Lepší kvazi-randomizační zařízení je tedy to, zda se narodíš v liché nebo sudé rande.
V lékařských studiích je skutečná randomizace téměř nemožná, protože i rozhodnutí o účasti ve studii může ovlivnit výsledky. Přesněji řečeno, lidé, kteří si zvolí jednu léčbu před jinou, tak nečiní náhodně, takže porovnání jejich výsledků může být bezvýznamné; klasickým příkladem je, že lidé častěji umírají ve velkých městských nemocnicích než místní kliniky, protože první vezměte ty nejzávažnější případy.
Ve studiích společenských věd mohou být problémy větší, protože s „léčbou“ je spojeno tolik účinků. Například pokud chceme zjistit, zda jsou pouze děti více sebevědomý než u sourozenců, mohli bychom být v pokušení tyto skupiny jednoduše porovnat. Ale rodiny s jedinými dětmi se mohou systematicky lišit od těch s více – možná se rodiče vzali později, chyběly jim prostředky na výchovu více dětí, byly v městském prostředí prostředí – takže vytváření kauzálních tvrzení může být pomocí kvazi nezávislé proměnné „only child“ extrémně obtížné.
Odpověď
Řídicí proměnná je nezávislá proměnná, pouze ta, která není zaměření studie. Rozdíl je v mysli vyšetřovatele, ne ve statistikách.
Předpokládejme například, že chcete studovat účinek nějaké drogy na určitý stav. Víte však, že stav je ovlivněn také věkem pacienta. Nezajímá vás studium vlivu věku, ale pokud ho budete ignorovat, bude ve vašich výsledcích spousta šumu.
Jednou z jednoduchých strategií s kontrolní proměnnou je udržovat konstantní hodnotu vaše studium – za předpokladu, že máte tuto schopnost. Můžete vyzkoušet svou drogu například pouze na 40letých. To eliminuje rozdíly efektů způsobené věkem bez jakéhokoli modelování.
Související strategií je oddělit data podle věku pacientů a analyzovat je samostatně pro každý věk. To by mohlo být rozumné, kdyby byl účinek zcela odlišný podle věku, ale byl by ve většině případů neúčinný. Přestože věk ovlivňuje výsledky, můžete pravděpodobně použít informace o vlivu na 40leté, abyste získali představu o vlivu na 50leté.
To vede ke třetí hlavní strategii, která zahrnuje věk jako nezávislá proměnná a modelovat její účinek spolu s účinkem léku. Je to stejné, jako byste to dělali ve studii, pokud by primární zájem byl o vliv věku pacienta; nebo pokud by byl zájem jak o účinek léku, tak o účinek na věk pacienta. Jediný rozdíl je v tom, že vás zajímá pouze droga, ignorujete parametry modelu pro věk.
Nakonec je čtvrtým společným přístupem extrakce vlivu věku, než se podíváte na výsledky drogy . Toto se často volí, pokud již existuje dobrý model pro vliv věku. V takovém případě nezkoumáte účinek léku na prvotní výsledek pacienta, ale na věkově upravený výsledek pacienta.