Paras vastaus
Valitettavasti se ei ole standardoitu terminologia. Mutta yleinen ajatus on, että se on käytetään ”näennäiskokeissa”: ne, joissa tutkija ei voi toteuttaa todellista satunnaistamista olosuhteisiin. Vertaa kahta tilannetta:
(1) Kun kävelet ovesta kokeilua varten, käännämme kolikon (tai rullamme muotin jne.) Ja se määrittää, mihin tilaan sinut on määrätty. on ”riippumaton” muuttuja siinä mielessä, että se sinänsä ei saisi olla korreloinnissa kokeellisten tulosten kanssa. [Lainausmerkit osoittavat, että ”itsenäisen” tunne on erilainen taantumasta.]
(2) Kun kävelet ovesta kokeilua varten, käytämme jotain sinusta (silmäsi väri, kuinka monta sisarusta sinulla on, sukupuolesi, ala-ikäsi, riippumatta siitä, oletko ”syntynyt parittomana tai parillisena vuotena jne.) sen määrittämiseksi, mihin ehtoon olet määrittänyt. Nämä ovat” lähes riippumattomia ”: tasot tai luokat ovat olemassa ennen kokeilua ja, mikä tärkeintä, voidaan jollain tavalla korreloida kokeellisiin tuloksiin itsestään .
On ilmeistä, että sukupuoli on kauhea ”itsenäinen” muuttuja, koska se liittyy siihen monet muut tra sen ja kokeelliset tulokset. Silmien väri näyttää paremmalta, mutta se korreloi etnisen alkuperän kanssa. Olitpa syntynyt parittomassa vai parillisessa vuodessa, näyttää melkein kuin kolikon kääntämistä; mutta yliopistoväestössä se voi tehdä todennäköisemmäksi, että olet sanottu fuksi ja siten nuorempi. Parempi lähes satunnaistava laite on siis syntynyt parittomalla vai parillisella päivämäärällä.
Lääketieteellisissä tutkimuksissa todellinen satunnaistaminen on melkein mahdotonta, koska jopa päätös osallistua tutkimukseen voi vaikuttaa tuloksiin. Tarkemmin sanottuna ihmiset, jotka valitsevat yhden hoidon toiselle, eivät tee niin satunnaisesti, joten niiden tulosten vertaaminen voi olla merkityksetöntä; klassinen esimerkki on, että ihmiset kuolevat todennäköisemmin suurissa kaupunkisairaaloissa kuin paikallisissa klinikoissa, koska edelliset ota vakavimmat tapaukset.
Yhteiskuntatieteellisissä tutkimuksissa ongelmat voivat olla suurempia, koska ”hoitoon” liittyy niin monia vaikutuksia. Esimerkiksi, jos haluamme selvittää, ovatko vain lapset enemmän itsevarma kuin sisarusten kanssa, meillä saattaa olla houkutus verrata yksinkertaisesti näitä ryhmiä. Mutta vain lapsiperheet voivat poiketa järjestelmällisesti niistä, joilla on enemmän – ehkä vanhemmilla naimisissa olleilla vanhemmilla ei ollut resursseja kasvattaa enemmän lapsia, olivat kaupungissa ympäristö – joten syy-lauseiden tekeminen voi olla erittäin vaikeaa käyttämällä lähes riippumatonta muuttujaa ”vain lapsi”.
Vastaus
Ohjausmuuttuja on riippumaton muuttuja, vain sellainen, jota ei ole Tutkimuksen painopiste on tutkijan mielessä, ei tilastoissa.
Oletetaan esimerkiksi, että haluat tutkia jonkin lääkkeen vaikutusta johonkin sairauteen. Tiedät kuitenkin, että tilaan vaikuttaa myös potilaan ikä. Et ole kiinnostunut tutkimaan iän vaikutusta, mutta jos jätät sen huomiotta, tuloksissasi on paljon melua.
Yksi yksinkertainen strategia kontrollimuuttujan kanssa on pitää se vakiona tutkimuksesi – olettaen, että sinulla on tämä kyky. Voit testata huumeitasi vain 40-vuotiailla. Tämä eliminoi iän aiheuttamat vaikutuserot ilman mallintamista.
Tähän liittyvä strategia on erottaa tietosi potilaan iän mukaan ja analysoida sitä erikseen kullekin ikälle. Se voisi olla kohtuullista, jos vaikutus olisi täysin erilainen iän perusteella, mutta se olisi tehotonta useimmissa tapauksissa. Vaikka ikä vaikuttaa tuloksiin, voit todennäköisesti käyttää tietoa vaikutuksesta 40-vuotiaisiin saadaksesi jonkinlaisen kuvan vaikutuksesta 50-vuotiaisiin.
Tämä johtaa kolmanteen tärkeimpään strategiaan, mukaan lukien ikä riippumattomana muuttujana ja mallintaa sen vaikutusta yhdessä lääkevaikutuksen kanssa. Tämä on sama kuin tekisit tutkimuksessa, jos ensisijainen kiinnostus olisi potilaan iän vaikutukseen; tai jos kiinnostus oli sekä lääkkeen vaikutukseen että potilaan iän vaikutukseen. Ainoa ero on, että koska olet kiinnostunut vain lääkkeestä, sivuutat mallin ikäparametrit.
Lopuksi neljäs yleinen lähestymistapa on poimia iän vaikutus ennen kuin tarkastelet huumeiden tuloksia . Tämä valitaan usein, jos iän vaikutukselle on jo olemassa hyvä malli. Siinä tapauksessa et tutki lääkkeen vaikutusta potilaan raakaan lopputulokseen, mutta iän mukaan mukautettuun potilaan tulokseen.