최상의 답변
안타깝게도 표준화 된 용어가 아닙니다.하지만 일반적인 생각은 “준 실험”에 사용됨 : 연구원이 조건으로 진정한 무작위 화를 실행할 수없는 실험. 두 가지 상황을 비교합니다.
(1) 실험을 위해 문에 들어 서면 동전을 던지고 (또는 주사위를 굴리는 등) 어떤 조건에 할당되는지 결정합니다. 자체 는 실험 결과와 상관 관계가 없어야한다는 의미에서 “독립”변수입니다. [따옴표는 “독립”이라는 의미가 다르다는 것을 나타냅니다. 회귀 분석에서.]
(2) 실험을 위해 문에 들어 서면 우리는 당신에 대한 정보 (눈 색깔, 형제 자매 수, 성별, 학부 전공, “홀수 또는 짝수 연도에 태어남 등)”에 할당 된 조건을 결정합니다. 이는 “준 독립”입니다. 레벨 또는 범주는 실험 전에 존재하며, 중요한 것은 그 자체로 실험 결과와 어떤 식 으로든 상관 관계가있을 수 있습니다 .
성별은 끔찍한 독립적변수라는 것이 분명합니다. 다른 많은 tra 그것과 실험적인 결과. 눈 색깔은 더 좋아 보이지만 인종과 관련이 있습니다. 당신이 홀수 년이든 짝수 년이든 당신이 태어 났는지 여부는 거의 동전을 던지는 것처럼 보입니다. 그러나 대학 인구의 경우 “신입생이어서 더 젊어 질 가능성이 더 커질 수 있습니다. 따라서 더 나은 준 랜덤 화 장치는”이상한 날짜 또는 짝수 날짜에 태어 났는지 여부입니다.
”
의학 연구에서는 연구에 참여하기로 결정하더라도 결과에 영향을 미칠 수 있으므로 실제 무작위 배정은 거의 불가능합니다. 요컨대, 다른 치료보다 한 치료를 선택하는 사람들은 무작위로 그렇게하지 않으므로 결과를 비교하는 것은 의미가 없습니다. 고전적인 예는 사람들이 지역 병원보다 큰 도시 병원에서 사망 할 가능성이 더 높다는 것입니다. 가장 심각한 경우를 선택합니다.
사회 과학 연구에서는 “치료”와 관련된 많은 영향이 있기 때문에 문제가 더 클 수 있습니다. 예를 들어, 어린이 만 더 많은지 여부를 확인하려는 경우 형제 자매가있는 가족보다 자기 확신이 있기 때문에 단순히 그 그룹을 비교하고 싶을 수도 있습니다.하지만 자녀 만있는 가족은 더 많은 가족이있는 가족과 체계적으로 다를 수 있습니다. 아마도 나중에 결혼 한 부모가 더 많은 자녀를 키울 수있는 자원이 부족하고 도시에있었습니다. 환경-따라서 준 독립 변수 “only child”를 사용하여 인과 관계 진술을 작성하는 것은 매우 어려울 수 있습니다.
Answer
제어 변수는 독립 변수입니다. 연구의 초점입니다. 차이점은 통계가 아니라 조사자의 마음을 염두에 두어야합니다.
예를 들어 어떤 약물이 어떤 상태에 미치는 영향을 연구한다고 가정 해보십시오. 그러나 상태가 환자의 나이에도 영향을 받는다는 것을 알고 있습니다. 연령의 영향을 연구하는 데는 관심이 없지만 무시하면 결과에 많은 노이즈가 발생합니다.
통제 변수를 사용하는 간단한 전략 중 하나는 일정하게 유지하는 것입니다. 그 능력이 있다고 가정합니다. 예를 들어, 40 세에 대해서만 약물을 테스트 할 수 있습니다. 따라서 모델링없이 연령에 따른 효과 차이를 제거 할 수 있습니다.
관련 전략은 환자의 연령별로 데이터를 분리하고 각 연령에 대해 별도로 분석하는 것입니다. 나이에 따라 효과가 완전히 다르면 합리적 일 수 있지만 대부분의 경우 비효율적입니다. 나이가 결과에 영향을 미치지 만, 아마도 40 세에 미치는 영향에 대한 정보를 사용하여 50 세에 미치는 영향에 대한 아이디어를 얻을 수 있습니다.
나이를 포함하는 세 번째 주요 전략으로 이어집니다. 독립 변수로 사용하고 약물 효과와 함께 그 효과를 모델링합니다. 이것은 주된 관심이 환자 연령의 영향 인 경우 연구에서 수행하는 것과 동일합니다. 또는 약물의 효과와 환자 연령의 영향에 관심이있는 경우. 유일한 차이점은 약물에만 관심이 있기 때문에 연령에 대한 모델 매개 변수를 무시한다는 것입니다.
마지막으로 네 번째 일반적인 접근 방식은 약물 결과를보기 전에 연령의 영향을 추출하는 것입니다. . 이것은 이미 나이 효과에 대한 좋은 모델이있는 경우에 자주 선택됩니다. 이 경우 약물이 원시 환자 결과에 미치는 영향이 아니라 연령 조정 환자 결과에 미치는 영향을 연구합니다.