Cel mai bun răspuns
Din păcate nu este o terminologie standardizată. Dar ideea generală este că utilizate în „cvasi-experimente”: acelea în care cercetătorul nu poate adopta adevărata randomizare în condiții. Comparați două situații:
(1) Când intrați pe ușă pentru un experiment, răsucim o monedă (sau aruncăm o matriță etc.) și asta determină la ce condiție sunteți repartizat. este o variabilă „independentă”, în sensul că ea în sine ar trebui să fie necorelată cu rezultate experimentale. [Citatele indică faptul că sensul de „independent” este diferit din regresie.]
(2) Când intri în ușă pentru un experiment, folosim ceva despre tine (culoarea ochilor tăi, câți frați ai, sexul tău, majorul tău de licență, indiferent dacă „sunteți născuți într-un an impar sau parțial etc.) pentru a determina la ce condiție v-ați atribuit. Acestea sunt„ cvasi-independente ”: nivelurile sau categoriile există înainte de experiment și, important, poate fi corelat într-un fel cu rezultatele experimentale de la sine .
Ar trebui să fie evident că genul este o variabilă „independentă” teribilă, deoarece este legată de multe alte tra rezultatele sale și experimentale. Culoarea ochilor pare mai bună, dar este „corelată cu etnia. Fie că te-ai născut într-un an impar sau pare pare să arunci o monedă; dar, într-o populație de facultate, poate fi mai probabil să fiți, să zicem, boboc și, prin urmare, mai tânăr. Un dispozitiv mai bun de cvasi-randomizare este, prin urmare, dacă vă „nașteți la o dată impară sau pară.
În studiile medicale, randomizarea reală este aproape imposibilă, deoarece chiar și decizia de a participa la studiu poate afecta rezultatele. Mai mult, persoanele care aleg un tratament în locul altuia nu fac acest lucru la întâmplare, astfel încât compararea rezultatelor lor poate fi lipsită de sens; exemplul clasic este că oamenii sunt mai predispuși să moară în spitale mari, urbane, decât în clinicile locale, deoarece primele luați cele mai grave cazuri.
În studiile de științe sociale, problemele pot fi mai mari, deoarece există atât de multe efecte asociate „tratamentului”. De exemplu, dacă dorim să stabilim dacă numai copiii sunt mai mulți sigur de sine decât cei cu frați, am putea fi tentați să comparăm pur și simplu acele grupuri. Dar familiile cu numai copii pot diferi sistematic de cele cu mai mulți – poate că părinții s-au căsătorit mai târziu, nu au avut resursele pentru a crește mai mulți copii, au fost într-un oraș mediu – deci formularea enunțurilor cauzale poate fi extrem de dificilă folosind variabila cvasi-independentă „singurul copil”.
Răspuns
O variabilă de control este o variabilă independentă, doar una care nu este centrul studiului.Diferența este în mintea investigatorului, nu în statistici.
De exemplu, să presupunem că doriți să studiați efectul unui medicament asupra unei anumite afecțiuni. Cu toate acestea, știți că afecțiunea este afectată și de vârsta pacientului. Nu vă interesează să studiați efectul vârstei, dar dacă îl ignorați, veți avea mult zgomot în rezultatele dvs.
O strategie simplă cu o variabilă de control este să o mențineți constantă în studiul tău – presupunând că ai acea abilitate. S-ar putea să vă testați medicamentul doar pe copiii de 40 de ani, de exemplu. Aceasta elimină diferențele de efect cauzate de vârstă, fără nicio modelare.
O strategie asociată este să vă separați datele în funcție de vârsta pacientului și să le analizați separat pentru fiecare vârstă. Acest lucru ar putea fi rezonabil dacă efectul ar fi total diferit în funcție de vârstă, dar ar fi ineficient în majoritatea cazurilor. Deși vârsta afectează rezultatele, probabil că puteți folosi informații despre efectul asupra persoanelor de 40 de ani pentru a vă face o idee despre efectul asupra celor de 50 de ani.
Aceasta duce la a treia strategie majoră, care include vârsta ca variabilă independentă și își modelează efectul împreună cu efectul medicamentului. Acest lucru este la fel cum ați face într-un studiu dacă interesul principal ar fi asupra efectului vârstei pacientului; sau dacă ar exista interes atât pentru efectul medicamentului, cât și pentru efectul vârstei pacientului. Singura diferență este că, deoarece sunteți interesat doar de medicament, ignorați parametrii modelului pentru vârstă.
În cele din urmă, a patra abordare comună este de a extrage efectul vârstei înainte de a analiza rezultatele medicamentului. . Acest lucru este adesea ales dacă există deja un model bun pentru efectul vârstei. În acest caz, nu studiați efectul medicamentului asupra rezultatului pacientului brut, ci asupra rezultatului pacientului ajustat în funcție de vârstă.