準独立変数は、真の独立変数とどのように異なりますか?


ベストアンサー

残念ながら、標準化された用語ではありません。しかし、一般的な考え方は、 「準実験」で使用される:研究者が条件への真のランダム化を実行できないもの。 2つの状況を比較してください。

(1)実験のためにドアに入ると、コインを投げる(またはサイコロを振るなど)と、割り当てられる条件が決まります。これはは「独立した」変数であり、それ自体は実験結果と無相関である必要があります。[引用符は、「独立した」という意味が異なることを示しています。 ]

(2)実験のためにドアを歩くとき、私たちはあなたについて何かを使用します(あなたの目の色、あなたが持っている兄弟の数、あなたの性別、あなたの学部生の専攻、あなたが「奇数年または偶数年に生まれるなど)、どの条件に割り当てられるかを決定します。これらは「準独立」です。レベルまたはカテゴリは実験の前に存在し、重要なことに、何らかの方法で実験結果と相関させることができます。

性別はひどい「独立」変数であることが明らかです。これは、それに関連しているためです。他の多くのトラその実験結果。目の色は良いように見えますが、それは民族性と相関しています。あなたが奇数年または偶数年に生まれたかどうかは、まるでコインを投げるようなものです。しかし、大学の人口では、あなたが「たとえば新入生であり、したがって若い」可能性が高くなる可能性があります。したがって、より良い準ランダム化デバイスは、あなたが奇数または偶数の日付で生まれたかどうかです。

医学研究では、研究への参加を決定したとしても結果に影響を与える可能性があるため、実際のランダム化はほぼ不可能です。さらに重要なことに、ある治療法を別の治療法よりも選択する人はランダムに選択しないため、結果を比較しても意味がありません。典型的な例は、地元の診療所よりも大都市の病院で死亡する可能性が高いことです。最も深刻なケースを取り上げます。

社会科学の研究では、「治療」に関連する影響が非常に多いため、問題が大きくなる可能性があります。たとえば、子供だけが多いかどうかを判断したい場合などです。兄弟のいる人よりも自信があるので、単純にそれらのグループを比較したくなるかもしれませんが、子供しかいない家族は、それ以上の家族とは体系的に異なる可能性があります-おそらく、後で結婚した両親、より多くの子供を育てるリソースが不足していた、都市にいた環境-したがって、準独立変数「一人っ子」を使用して因果関係を記述することは非常に困難な場合があります。

回答

制御変数は独立変数であり、そうではない変数です。研究の焦点。違いは統計ではなく、研究者の心の中で。

たとえば、ある状態に対するある薬の効果を研究したいとします。しかし、あなたはその状態が患者の年齢によっても影響を受けることを知っています。年齢の影響を調べることに興味はありませんが、それを無視すると、結果に多くのノイズが発生します。

制御変数を使用した簡単な戦略の1つは、年齢を一定に保つことです。あなたの研究-あなたがその能力を持っていると仮定します。たとえば、40歳の人だけで薬をテストするかもしれません。これにより、モデリングなしで、年齢による影響の違いが排除されます。

関連する戦略は、データを患者の年齢別に分離し、年齢ごとに個別に分析することです。年齢によって効果がまったく異なる場合は合理的かもしれませんが、ほとんどの場合非効率的です。年齢は結果に影響しますが、おそらく40歳への影響に関する情報を使用して、50歳への影響を把握することができます。

これは、年齢を含めるという3番目の主要な戦略につながります。独立変数として、薬の効果とともにその効果をモデル化します。これは、主な関心が患者の年齢の影響にある場合の研究で行うのと同じです。または、薬の効果と患者の年齢の効果の両方に関心があった場合。唯一の違いは、薬物にのみ関心があるため、年齢のモデルパラメータを無視することです。

最後に、4番目の一般的なアプローチは、薬物の結果を確認する前に年齢の影響を抽出することです。 。これは、年齢の影響に関する優れたモデルがすでに存在する場合によく選択されます。その場合、生の患者の転帰に対する薬の効果を研究するのではなく、年齢調整された患者の転帰に対する薬の効果を研究します。

コメントを残す

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です