La migliore risposta
Sfortunatamente non è una terminologia standardizzata. Ma lidea generale è che “è usati nei “quasi esperimenti”: quelli in cui il ricercatore non può mettere in atto una vera randomizzazione in condizioni. Confronta due situazioni:
(1) Quando entri dalla porta per un esperimento, lanciamo una moneta (o tiriamo un dado, ecc.), E questo determina a quale condizione sei assegnato. Questo è una variabile “indipendente”, nel senso che in sé non dovrebbe essere correlata ai risultati sperimentali. [Le virgolette indicano che il senso di “indipendenza” è diverso da in regressione.]
(2) Quando varchi la porta per un esperimento, usiamo qualcosa su di te (il colore degli occhi, quanti fratelli hai, il tuo sesso, il tuo studente universitario, se tu “sei nato in un anno pari o dispari, ecc.) per determinare a quale condizione sei assegnato. Questi sono” quasi indipendenti “: i livelli o le categorie esistono prima dellesperimento e, cosa importante, può essere correlato in qualche modo ai risultati sperimentali da soli .
Dovrebbe essere ovvio che il genere è una terribile variabile “indipendente”, poiché è collegata a così molti altri tra suoi e risultati sperimentali. Il colore degli occhi sembra migliore, ma è correlato alletnia. Che tu sia nato in un anno pari o dispari sembra quasi come lanciare una moneta; ma, in una popolazione universitaria, potrebbe essere più probabile che tu “sia, diciamo, una matricola, e quindi più giovane. Un dispositivo quasi casuale migliore è quindi se sei nato in una data pari o dispari.
Negli studi medici, la randomizzazione effettiva è quasi impossibile, poiché anche la decisione di partecipare allo studio può influire sui risultati. Più precisamente, le persone che scelgono un trattamento piuttosto che un altro non lo fanno in modo casuale, quindi confrontare i loro risultati può essere privo di significato; lesempio classico è che le persone hanno maggiori probabilità di morire nei grandi ospedali urbani rispetto alle cliniche locali, perché il primo prendere i casi più gravi.
Negli studi di scienze sociali, i problemi possono essere maggiori, poiché ci sono tanti effetti associati al “trattamento”. Ad esempio, se vogliamo determinare se solo i bambini sono più sicuri di sé rispetto a quelli con fratelli, potremmo essere tentati di confrontare semplicemente questi gruppi. Ma le famiglie con figli unici possono differire sistematicamente da quelle con più figli – forse i genitori si sono sposati più tardi, non avevano le risorse per crescere più figli, erano in una città ambiente – quindi fare affermazioni causali può essere estremamente difficile usando la variabile quasi indipendente “figlio unico”.
Risposta
Una variabile di controllo è una variabile indipendente, solo una che non lo è il fulcro dello studio, la differenza è nella mente dellinvestigatore, non nelle statistiche.
Per esempio, supponi di voler studiare leffetto di qualche farmaco su qualche condizione. Tuttavia, sai che la condizione è influenzata anche dalletà del paziente. Non sei interessato a studiare leffetto delletà, ma se lo ignori, avrai molto rumore nei risultati.
Una semplice strategia con una variabile di controllo è mantenerla costante il tuo studio, ammesso che tu abbia questa capacità. Ad esempio, potresti testare il tuo farmaco solo su persone di 40 anni. Ciò elimina le differenze di effetto causate dalletà, senza alcun modello.
Una strategia correlata consiste nel separare i dati in base alletà del paziente e analizzarli separatamente per ciascuna età. Ciò potrebbe essere ragionevole se leffetto fosse totalmente diverso in base alletà, ma sarebbe inefficace nella maggior parte dei casi. Sebbene letà influenzi i risultati, è probabile che tu possa utilizzare le informazioni sulleffetto sui quarantenni per avere unidea delleffetto sui cinquantenni.
Ciò porta alla terza strategia principale, che include letà come variabile indipendente e modellare il suo effetto insieme alleffetto del farmaco. È lo stesso che si farebbe in uno studio se linteresse principale fosse sulleffetto delletà del paziente; o se cera interesse sia per leffetto del farmaco che per leffetto delletà del paziente. Lunica differenza è che, poiché sei interessato solo al farmaco, ignori i parametri del modello per letà.
Infine, il quarto approccio comune è quello di estrarre leffetto delletà prima di esaminare i risultati del farmaco . Questo è spesso scelto se esiste già un buon modello per leffetto delletà. In tal caso, non studi leffetto del farmaco sul risultato grezzo del paziente, ma sul risultato del paziente aggiustato per età.