Bir faktör / değişken için nasıl “kontrol” yaparsınız?


19

Anladığım kadarıyla, "Kontrol" istatistiğin iki anlamı olabilir.

  1. Kontrol grubu: Bir deneyde, kontrol grubu üyesine herhangi bir tedavi verilmez. Örn: Plasebo ve Uyuşturucu: "Kontrollü deney" olarak da adlandırılan diğer gruba (kontrol) değil, bir gruba ilaç verirsiniz.

  2. Bir değişken için kontrol: Belirli bir bağımsız değişkenin etkisini ayırma tekniği. Bu tekniklere verilen diğer isimlerden bazıları "muhasebeleştirme", "sabit tutma", "kontrol etme", bazı değişkenlerdir. Örneğin: Futbol izleme çalışmasında (beğen ya da beğenme gibi), cinsiyetin önyargıya neden olduğunu düşündüğümüz için cinsiyetin etkisini çıkarmak isteyebilirsiniz, yani erkek kadından daha fazla hoşlanabilir.

Benim sorum sorum (2) için. İki soru:

Genel olarak, "değişkenleri" nasıl kontrol edersiniz "/". Hangi teknikler kullanılıyor? (Regresyon açısından, ANOVA çerçevesi).

Yukarıdaki örnekte, erkek ve dişi seçimi rastgele kontrol teşkil ediyor mu? Yani, "rasgelelik" diğer etkileri kontrol etme tekniklerinden biri midir?


3
Regresyon ve ANOVA açısından, bir değişkenin kontrol edilmesi genellikle değişkenin modele dahil edildiği anlamına gelir.
Glen

Glen'in dediği gibi, modele dahil etmenin yolu budur. Ancak, modelde yer almayan etkilerden yanlılığı önlemek için randomizasyon kullanılır. Bir tasarım üretildikten sonra, insanlar her tedavide her bir cinsiyetin yaklaşık aynı sayıda olduğundan emin olmak için genellikle dengeyi dengeler. Sadece randomizasyon ve dengelemeye dayanma problemi, bu sapmayı varyansa dönüştürmeleri ve bu nedenle hangi faktörlerinizin aktif olduğunu gözlemlemenin daha zor olmasıdır.
neverKnowsBest

Yanıtlar:


16

Zaten bir gerileme bir değişken olmak üzere genellikle denetlemenin anlamı söylediği gibi (@EMS tarafından sivri out gibi, bu ulaşmada herhangi başarıyı garanti etmez, o bu bağlantılar ). Bu konuda zaten çok oylanan bazı sorular ve cevaplar var, örneğin:

Bu sorulardaki kabul edilen cevapların hepsi, gözlemsel (korelasyonel diyebilirim) bir çerçevede sorduğunuz sorunun çok iyi tedavileridir, burada daha fazla soru bulunabilir .

Ancak, sorunuzu özellikle deneysel veya ANOVA çerçevesinde soruyorsunuz, bu konu hakkında daha fazla düşünce verilebilir.

Deneysel bir çerçeve içinde, değişkenleri farklı deneysel koşullar üzerinde rastgele (ya da diğer gözlem birimlerini) randomize ederek kontrol edersiniz. Temel varsayım, sonuç olarak koşullar arasındaki tek farkın deneysel tedavidir. Doğru bir şekilde randomize edildiğinde (yani, her bireyin her durumda olma şansı aynıdır) bu makul bir varsayımdır. Ayrıca, yalnızca randomizasyon gözleminizden nedensel çıkarımlar çekmenize izin verir, çünkü sonuçlarınızdan başka faktörlerin sorumlu olmadığından emin olmanın tek yolu budur.

Bununla birlikte, deneysel bir çerçevede, yani bu bağımlı değişkeni de etkileyen başka bir bilinen faktör olduğunda değişkenlerin kontrol edilmesi de gerekli olabilir. İstatistiksel gücü arttırmak ve daha sonra bu değişkeni kontrol etmek için iyi bir fikir olabilir. Bunun için kullanılan olağan istatistiksel prosedür, temelde sadece değişkeni modele ekleyen kovaryans analizidir (ANCOVA).

Şimdi en önemli nokta: ANCOVA'nın makul olması için, gruplara atamanın rasgele olması ve kontrol edildiği değişkenin gruplandırma değişkeni ile ilişkili olmaması kesinlikle çok önemlidir.
Ne yazık ki bu göz ardı edilir ve yorumlanamaz sonuçlara yol açar. Bu kesin konuya gerçekten okunabilir bir giriş (yani, ANCOVA'nın ne zaman kullanılacağı veya kullanılmaması) Miller & Chapman (2001) tarafından verilmektedir :

Birçok mekanda sayısız teknik tedaviye rağmen, kovaryans analizi (ANCOVA), özellikle psikopatoloji araştırmalarında, potansiyel ortak değişkenler üzerindeki önemli grup farklılıklarıyla başa çıkmak için yaygın olarak kötüye kullanılan bir yaklaşım olmaya devam etmektedir. Yayınlanan makaleler asılsız sonuçlara varır ve bazı istatistik metinleri konuyu ihmal eder. Bu gibi durumlarda ANCOVA ile ilgili sorun gözden geçirilmektedir. Birçok durumda, potansiyel bir ortak değişken üzerinde gerçek grup farklılıklarını "düzeltmek" veya "kontrol etmek" için yüzeysel olarak çekici hedefe ulaşmanın bir yolu yoktur. ANCOVA'nın kötüye kullanımını kısıtlamak ve uygun kullanımı teşvik etmek amacıyla, halihazırda mevcut olan matematiksel eleştirileri tamamlamak için ders kitaplarında ve diğer genel sunumlarda nadiren dile getirilen önemli bir karışıklığı vurgulayan teknik olmayan bir tartışma sunulmaktadır.


Miller, GA ve Chapman, JP (2001). Kovaryansın yanlış anlaşılması analizi. Anormal Psikoloji Dergisi , 110 (1), 40-48. DOI: 10,1037 / 0021-843X.110.1.40


Sadece bu sorudaki noktayı vurgulamak için (çok sık sorulur), bir modele bir değişkenin dahil edilmesinin, değişken olmakla ilgili son derece güçlü varsayımlar altında bile, etkisi için "kontrol" edilebileceğini düşünmek iyidir. bağımlı değişkenle monoton olarak ilişkilidir. Diğer yorumumda bağlantılı makaleye bakın.
ely

1
@EMS İyi bir nokta. Metnin başına bir uyarı notu ve bağlantınızı ekledim. Eklenecek daha çok şey olduğunu düşünüyorsanız, metnimi düzenlemekten çekinmeyin.
Henrik

0

Bir değişkeni kontrol etmek için, ilgili bir özellik üzerindeki iki grup eşitlenebilir ve daha sonra araştırdığınız konudaki fark karşılaştırılabilir. Bunu sadece bir örnekle açıklayabilirim, resmi olarak değil, B-okulu geçmişte kaldı, bu yüzden orada.

Eğer şöyle derseniz:

Brezilya İsviçre'den daha zengindir çünkü Brezilya'nın milli geliri 3524 milyar $ ve İsviçre sadece 551 milyar

mutlak anlamda doğru olursunuz, ancak 12 yaşın üzerindeki dünya hakkında bilgi sahibi olan herkes de bu ifadede yanlış bir şey olduğundan şüphelenir.

Switzerlands nüfusunu Brezilya nüfusuna yükseltmek ve daha sonra geliri tekrar karşılaştırmak daha iyi olurdu. Yani, Switzerlands nüfusu Brazils büyüklüğünde olsaydı, gelirleri şöyle olurdu:

(210 milyon / 8,5 milyon) * 551 milyar dolar = 13612 milyar dolar

Bu onları 3524 milyar dolar ile Brezilya'nın yaklaşık 4 kat daha zengin yapıyor.

Ve evet, ortalama gelirleri karşılaştırdığınız kişi başına yaklaşımı da kullanabilirsiniz. Ancak yukarıdaki yaklaşım, bunu birkaç kez uygulayabilirsiniz.


1
Sorunda ifade edilen anlamda "kontrol" yerine normalleştirme biçimini tarif ediyor gibi görünüyorsunuz .
whuber

Aslında, bunların aynı olduğunu düşünüyorum. Eğer böyle düşünmüyorsanız, ikisi arasındaki fark üzerinde
durmaktan çekinmeyin

Ben zaten bu iş parçacığında görünen diğer cevapları eklemek gerektiğini sanmıyorum.
whuber
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.