Gözlemsel (yani randomize olmayan) bir çalışmada bağımsız olmayan ortak değişkenleri kontrol etmek ne kadar problemlidir?


11

Miller ve Chapman (2001), gözlemsel (randomize olmayan) bir çalışmada hem bağımsız hem de bağımlı değişkenlerle ilişkili bağımsız olmayan ortak değişkenleri kontrol etmenin kesinlikle uygunsuz olduğunu savunmaktadır - bu, sosyal bilimlerde rutin olarak yapılsa bile. Bunu yapmak ne kadar sorunlu? Bu sorunla başa çıkmanın en iyi yolu nasıl? Kendi araştırmanızdaki bir gözlemsel çalışmada bağımsız olmayan ortak değişkenleri rutin olarak kontrol ediyorsanız, bunu nasıl haklı çıkarsınız? Son olarak, bu meslektaşları ile metodoloji tartışırken toplamaya değer bir mücadele mi (yani, gerçekten önemli mi)?

Teşekkürler

Miller, GA ve Chapman, JP (2001). Kovaryansın yanlış anlaşılması analizi. Anormal Psikoloji Dergisi, 110, 40-48. - http://mres.gmu.edu/pmwiki/uploads/Main/ancova.pdf


"Çoklu bağışıklığın sezgisel açıklaması" ile ilgili aşağıdaki soru yukarıdaki bağlamda yardımcı olabilir.

Yanıtlar:


4

Korelasyon derecesi kadar problemlidir.

İroni, değişkenlerden biri ile beklenen bir korelasyon olmasaydı kontrol etmekten rahatsız olmamanızdır. Ve eğer bağımsız değişkeninizin bağımlılığınızı etkilemesini bekliyorsanız, mutlaka her ikisi ile de bir şekilde ilişkilidir. Bununla birlikte, eğer yüksek derecede korelasyonu varsa, belki de kontrol etmemelisiniz çünkü gerçek bağımsız veya bağımlı değişkeni kontrol etmekle eşdeğerdir.


Bunun eski bir cevap olduğunu biliyorum, ama wrt daha ayrıntılı bazı referanslar var mı. ilk satırınız, özellikle bunu Miller & Chapman'a açıkça atıfta bulunarak tartışanlar?
jona

4

Sosyal bilimlerde bu konuya genellikle "tedavi sonrası yanlılık" diyoruz. Tedaviden sonra ortaya çıkan değişkenler de dahil olmak üzere (nedensel anlamda) bazı tedavilerin (bağımsız değişkeniniz) etkisini düşünüyorsanız, tedavi etkisi tahmininiz önyargılı olabilir. Bu değişkenleri dahil ederseniz, bir anlamda tedavinin etkisini kontrol ediyorsunuz. T tedavisi sonuç Y'ye ve diğer değişken A ve A'nın Y'ye neden olması durumunda, A'yı kontrol etmek, T'nin A üzerindeki A üzerindeki etkisini A yoluyla yok sayar. Bu sapma pozitif veya negatif olabilir.

Sosyal bilimlerde bu özellikle zor olabilir, çünkü A, A'yı geri besleyen T'ye neden olabilir ve A ve T'nin ikisi de Y'ye neden olur. Örneğin, yüksek GSYİH, yüksek düzeyde demokratikleşmeye (tedavimiz) yol açabilir, bu da daha yüksek GSYİH ve daha yüksek GSYİH ve daha fazla demokratikleşme hükümetlerin daha az yolsuzluğa neden olduğunu söylüyor. GSYİH demokratikleşmeye neden olduğu için, bunu kontrol etmezsek, bir içsellik sorunumuz veya "değişkenler yanlılığı atlanır". Ancak GSYİH için kontrol yaparsak, tedavi sonrası yanlılığımız olur. Mümkün olduğunda randomize denemeleri kullanmak dışında, gemimizi Scylla ve Charybdis arasında yönlendirmek için yapabileceğimiz çok az şey var. Gary Kral Harvard'ın "Sosyal Bilimlerde en zor Çözülmemiş Sorunlar" girişimi için adaylığını olarak bu konularda bahsediyor burada .


3

Gördüğüm gibi, gözlemsel çalışmalarda birkaç bağımsız değişkeni "kontrol eden" iki temel sorun vardır. 1) Açıklayıcı değişkenleri kaçırmak ve böylece model yanlış tanımlamak probleminiz var. 2) Çoklu korelasyonlu bağımsız değişkenler probleminiz - (iyi) tasarlanmış deneylerde mevcut olmayan bir problem - ve ortak değişkenlerin regresyon katsayılarının ve ANCOVA testlerinin kısmi temel alması ve yorumlanmasını zorlaştırmanız. Birincisi, gözlemsel araştırmanın doğasına özgüdür ve bilimsel bağlamda ve rekabetçi detaylandırma sürecinde ele alınmaktadır. İkincisi bir eğitim meselesidir ve regresyon ve ANCOVA modellerinin net bir şekilde anlaşılmasına ve bu katsayıların tam olarak neyi temsil ettiğine dayanmaktadır.

İlk konu ile ilgili olarak, bazı bağımlı değişkenler üzerindeki tüm etkilerin bilinmesi ve bir modele dahil edilmesi durumunda, istatistiksel kontrol yöntemlerinin etkili olduğunu ve bireysel değişkenler için iyi tahminler ve etki tahminleri ürettiğini göstermek kolaydır. "Yumuşak bilimler" deki sorun, tüm ilgili etkilerin nadiren dahil edilmesi veya hatta bilinmesi ve bu nedenle modellerin kötü tanımlanmış ve yorumlanması zor olmasıdır. Yine de, bu alanlarda birçok değerli sorun bulunmaktadır. Cevaplar kesin değildir. Bilimsel sürecin güzelliği, kendiliğinden düzeltici olması ve modellerin sorgulanması, detaylandırılması ve rafine edilmesidir. Alternatif olarak, deney tasarlayamadığımızda bu sorunları bilimsel olarak araştıramayacağımızı öne sürmektir.

İkinci konu, ANCOVA ve regresyon modellerinin doğasında teknik bir konudur. Analistlerin bu katsayıların ve testlerin neyi temsil ettiği konusunda net olması gerekir. Bağımsız değişkenler arasındaki korelasyonlar regresyon katsayılarını ve ANCOVA testlerini etkilemektedir. Bunlar kısmi testlerdir. Bu modeller, belirli bir bağımsız değişken ve modeldeki diğer tüm değişkenlerle ilişkili bağımlı değişken içindeki varyansı çıkarır ve daha sonra bu artıklardaki ilişkiyi inceler. Sonuç olarak, tek tek katsayıları ve testleri, dahil edilen tüm değişkenler kümesinin ve bunların karşılıklı ilişkilerinin net bir kavramsal anlayışı bağlamında yorumlamak çok zordur. Ancak bu, tahmin için HİÇBİR problem üretmez - sadece belirli testleri ve katsayıları yorumlama konusunda dikkatli olun.

Bir yan not: İkinci konu, daha önce bu forumda, diğer öngörücüler bir modele dahil edildiğinde, regresyon işaretlerinin tersine çevrilmesi (örneğin, olumsuzdan olumluya) ile ilgili bir sorunla ilgilidir. İlişkili öngörücülerin varlığında ve tüm öngörücüler kümesi arasındaki çoklu ve karmaşık ilişkilerin net bir şekilde anlaşılması olmadan, belirli bir işarete sahip olmak için (tabiat kısmi olarak) bir regresyon katsayısının BEKLENMESİ için hiçbir neden yoktur. Güçlü bir teori ve bu ilişkilerin net bir şekilde anlaşılması durumunda, bu tür "ters kayıtlar" aydınlatıcı ve teorik olarak yararlı olabilir. Yine de, birçok sosyal bilim probleminin karmaşıklığı göz önüne alındığında, yeterli anlayışın yaygın olmayacağını düşünürdüm.

Feragatname: Eğitim yoluyla bir sosyolog ve kamu politikası analistiyim.


2

Makalelerinin ilk sayfasını okudum ve bu yüzden onların noktasını yanlış anlamış olabilirim ama bana göre, temel olarak analize çok yönlü doğrusal değişkenleri dahil etme problemini tartışıyorlar. Yaş ve not aldıkları örnek, bu fikri şu şekilde ifade eder:

Yaş, okuldaki notla o kadar yakından ilişkilidir ki, basketbol yeteneğinde yaşla ilişkili varyansın kaldırılması, basketbolda notla ilişkili önemli (belki de neredeyse hepsi) varyansı ortadan kaldıracaktır.

ANCOVA, kukla değişkenler olarak temsil edilen düzeylerle doğrusal regresyon olup, değişkenler de regresyon denkleminde bağımsız değişkenler olarak ortaya çıkmaktadır. Bu nedenle, (yanlış okuduğum için oldukça mümkün olan) onların noktasını yanlış anlamadımsa, çok eşli değişkenlerden kaçınmak anlamına gelen 'bağımlı eş değişkenleri dahil etmeyin' diyorlar gibi görünüyor.


Argümanları, kendileriyle ilişkili değişkenlerle değil, birbirlerinden neredeyse ayrılmaz değişkenlerle ilgilidir. Neredeyse "bu onsuz anlamsızdır" diyebilen değişkenler. İstatistiksel olarak değerlendirilebilen korelasyon derecesi yerine, konu kavramsal olarak ele alınacak olan bir konudur. Yaş artışı olmadan not yükselebilir mi? Zorlukla. Depresyon anksiyete artışı olmadan yoğunlaşabilir mi? Bu daha zor olanı.
rolando2

1

(En büyük) sorun, grup değişken (ler) i ve eş değişken (ler) denklemin yordayıcı tarafında birlikte olduğu için, grup değişken (ler) i artık grup değişken (ler) i değildir, eşdeğeri kısmi olan değişkenlerdir, bu nedenle artık çalıştığınızı düşündüğünüz grup değişkenleri olarak tanınamaz veya yorumlanamaz. Büyük problem.

Kilit hat, 45. sayfada "ANCOVA" Grup "un anlamlı varyansını kaldırır ve Grup'un temsil ettiği yapı ile belirsiz bir ilişkisi olan karakterize olmayan, kalıntı bir Grup değişkeni bırakır".

Şu anki çözümüm değişkenin DV'den kısmi olarak alınması ve daha sonra DV kalıntısının ANCOVA kullanımına alternatif olarak normal bir ANOVA'ya sunulması.


2
Ama bu ancova ile aynı mı ?!

Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.