Asıl sorunuzu yanıtlamak için, "Bağımsız bir değişkenin değişiklik puanları üzerindeki etkisini test ederken kontrol değişkeni olarak bir temel ölçü eklemek geçerli midir?" Cevabı hayırdır . Bu sorunun cevabı hayır, çünkü yapı itibariyle temel puan, değişim puanının bağımlı değişken olarak kullanıldığı zaman hata terimiyle ilişkilendirilir, bu nedenle taban çizginin değişim skoru üzerindeki tahmini etkisi yorumlanamaz.
kullanma
- Y1İlk ağırlık olarak
- Y2Son ağırlık olarak
- ΔYAğırlık değişimi olarak (yani )ΔY=Y2−Y1
- TRasgele atanan bir tedavi olarak , ve
- XAğırlığı etkileyen diğer dışsal faktörler olarak (örneğin, sonuçla ilgili olan ancak rastgele atama nedeniyle tedavi ile ilişkili olmayan diğer kontrol değişkenleri)
Bir sonra gerileyen bir model vardır üzerindeki ve ;ΔYTX
ΔY=β1T+β2X+e
Tanımı gereği hangisi;
Y2−Y1=β1T+β2X+e
Şimdi, taban çizgisini bir değişken olarak , denklemin her iki tarafında da terimine sahip olmanız bir sorun . Bu, yorumlanamaz olduğunu gösterir , çünkü doğası gereği hata terimiyle ilişkilendirilir.Y1β3Y1
Y2−Y1Y2=β1T+β2X+β3Y1+e=β1T+β2X+β3Y1+(e+Y1)
Şimdi, çeşitli yanıtları karışıklık parçası farklı model için aynı sonuçlar verecektir gerçeğinden kaynaklanıyor gibi görünüyor tedavi etkisinin , benim yukarıdaki formülasyonda. Bu nedenle, eğer biri “seviyeler” kullanarak modele bağımlı değişken olarak değişiklik puanları kullanarak modelin tedavi etkisini karşılaştırdıysa (her biri bir ortak değişken olarak dahil olmak üzere her modelle birlikte ), tedavi etkisinin yorumunu yapanlar; aynı. izleyen iki modelde aynı olacaktır ve bunlara dayanan çıkarımlar da olacaktır (Bruce Weaver'ın denkliği de gösteren bazı SPSS kodları vardır ).β1TY1β1T
Change Score ModelLevels Model:Y2−Y1=β1T+β2X+β3Y1+e:Y2=β1T+β2X+β3Y1+e
Bu yüzden bazıları tartışacak ( Felix'in bu başlıkta olduğu gibi ve Bruce Weaver'ın SPSS google grubundaki bazı tartışmalarda yaptığı gibi).) modeller aynı tahmini tedavi etkisine neden olduğundan, hangisini seçtiğinizin bir önemi yoktur. Değişiklik puanı modelindeki temel değişkenler yorumlanamadığı için aynı fikirde değilim, çünkü tahmin edilen etkinin aynı olup olmadığına bakılmaksızın, temel değeri asla bir değişken olarak eklememelisiniz. Bu da başka bir soruyu gündeme getiriyor; değişim puanlarını bağımlı değişkenler olarak kullanmanın anlamı nedir? Felix'in daha önce de belirttiği gibi, değişim puanını, bir değişken olarak taban çizgisi hariç bağımlı değişken olarak kullanan model, seviyeleri kullanan modelden farklıdır. Açıklığa kavuşturmak için sonraki modeller farklı tedavi etkileri verecektir (özellikle tedavinin başlangıç ile ilişkili olduğu durumlarda);
Change Score Model Without BaselineLevels Model:Y2−Y1=β1T+β2X+e:Y2=β1T+β2X+β3Y1+e
Bu önceki literatürde "Lord'un Paradoksu" olarak belirtilmiştir. Peki hangi model doğru? Peki, randomize deneyler durumunda, Düzeyler modelinin tercih edilebilir olduğunu söyleyebilirim (rastgele bir işi iyi yapsanız bile, ortalama tedavi etkisinin modeller arasında çok yakın olması gerekir). Diğerleri, seviye modelinin tercih edilmesinin nedenlerini belirttiler, Charlie'nin cevabı , seviye modelindeki taban çizgisi ile etkileşim etkilerini tahmin edebilmeniz için iyi bir noktaya değiniyor (ancak değişim puanı modelinde bulunamıyorsunuz). Whuber bu soruya çok benzer bir soruya yanıt olarak değişim puanlarının farklı tedaviler arasında nasıl korelasyon yarattığını göstermektedir.
Tedavinin rastgele atanmadığı durumlarda, bağımlı değişken olarak değişim puanlarını kullanan modele daha fazla önem verilmelidir. Değişim skoru modelinin asıl yararı, sonucun değişmez tahmin edicileri için kontrol edilmesinin herhangi bir zaman olmasıdır. Dolayısıyla, yukarıdaki formülasyonda, zaman içinde sabittir (örneğin, belirli bir ağırlıkta olmak üzere genetik bir yatkınlık söyleyin) ve , bir bireyin egzersiz yapmayı seçip seçmemesiyle (ve gözlemlenmemiş olmasıyla) ilişkili olduğu söylenebilir . Bu durumda, değişiklik puanı modeli tercih edilir. Ayrıca, tedavi seçiminin temel değer ile korele olduğu durumlarda, değişiklik skoru modeli tercih edilebilir. Paul Allison gazetesinde,XXXRegresyon Analizinde Bağımlı Değişkenler Olarak Puanları Değiştir , aynı örnekleri verir (ve konuya bakış açımı büyük ölçüde etkiledi, bu yüzden okumayı şiddetle tavsiye ederim).
Bu, rastgele olmayan ayarlarda değişim puanlarının her zaman tercih edildiğini söylemek değildir. Taban çizgisinin post ağırlık üzerinde gerçek bir nedensel etkiye sahip olmasını beklediğiniz takdirde, seviyeleri modelini kullanmalısınız. Baz çizgisinin nedensel bir etkiye sahip olmasını beklediğiniz ve tedaviye seçimin baz çizgisi ile korele olması durumunda, muamele etkisi baz çizgisi etkisiyle karıştırılır.
Charlie'nin notuna aldırmadım ki, ağırlığın logaritması bağımlı değişken olarak kullanılabiliyordu. Bunun bir olasılık olabileceğinden şüphem olmasa da, ilk soruya bir şekilde cevap veremem . Başka bir soru değişkenin logaritmalarını kullanmanın uygun olduğu (ve bu durumda hala geçerli olanlar) hakkında tartışmıştır. Günlük ağırlığının kullanılmasının da uygun olup olmadığına dair size rehberlik edecek bir konuyla ilgili literatür muhtemelen vardır.
Alıntı
Allison, Paul D. 1990. Regresyon analizinde puanları bağımlı değişkenler olarak değiştirin . Sosyolojik Metodoloji 20: 93-114. Genel PDF versiyonu .