Войти
В причинных моделях, управление переменной означает группирование данные в соответствии с измеренными значениями переменной. Обычно это делается для того, чтобы переменная больше не могла действовать как вмешивающийся фактор, например, в наблюдательном исследовании или эксперименте.
При оценке эффекта пояснительной переменные в результате регрессии, контролируемые переменные включены в качестве входных данных, чтобы отделить их влияние от независимых переменных.
Ограничение контроля переменных заключается в том, что скрытые пути к неизвестным искажающим факторам. Контрфактические рассуждения смягчают влияние искажающих факторов без этого недостатка.
Эксперименты пытаются оценить влияние манипулирования одной или несколькими независимыми переменными на одну или несколько зависимых переменных. Чтобы на измеряемый эффект не влияли внешние факторы, другие переменные должны оставаться постоянными. Переменные, которые должны оставаться постоянными во время эксперимента, называются контрольными переменными.
. Например, если бы проводился открытый эксперимент для сравнения различных конструкций крыльев бумажного самолетика ( независимая переменная) влияют на то, как далеко он может пролететь (зависимая переменная), хотелось бы убедиться, что эксперимент проводится в то время, когда погода одинакова, потому что не хотелось бы, чтобы погода влияла на эксперимент. В этом случае контрольными переменными могут быть скорость, направление ветра и осадки. Если бы эксперимент проводился в солнечную погоду без ветра, но погода изменилась, можно было бы отложить завершение эксперимента до тех пор, пока контрольные переменные (ветер и уровень осадков) не станут такими же, как и при его начале.
В контролируемых экспериментах вариантов лечения на людях исследователи случайным образом распределяли людей в группу лечения или контрольную группу. Это сделано для уменьшения смешивающего эффекта нерелевантных переменных, которые не изучаются, например, эффект плацебо.
В наблюдательном исследовании, исследователи не могут контролировать значения независимых переменных, например, кто получает лечение. Вместо этого они должны контролировать переменные с помощью статистики.
Наблюдательные исследования используются, когда контролируемые эксперименты могут быть неэтичными или непрактичными. Например, если исследователь хотел бы изучить влияние безработицы (независимая переменная ) на здоровье (зависимая переменная ), институциональные контрольные комиссии сочли бы это неэтичным. случайным образом назначить некоторых участников для работы, а для некоторых - нет. Вместо этого исследователь должен будет создать выборку, которая включает некоторых занятых и некоторых безработных. Однако могут быть факторы, которые влияют как на то, работает ли человек, так и на то, насколько он или она здоров. Частично любая наблюдаемая связь между независимой переменной (статус занятости) и зависимой переменной (здоровье) может быть связана с этими внешними, ложными факторами, а не с указанием истинной связи между ними. Это может быть проблематично даже в истинно случайной выборке. Контролируя посторонние переменные, исследователь может приблизиться к пониманию истинного влияния независимой переменной на зависимую.
В этом контексте посторонние переменные можно контролировать с помощью множественной регрессии. Регрессия использует в качестве независимых переменных не только ту или те, чье влияние на зависимую переменную изучается, но также и любые потенциально мешающие переменные, что позволяет избежать смещения пропущенной переменной. «Смешивающие переменные» в этом контексте означают другие факторы, которые не только влияют на зависимую переменную (результат), но также влияют на основную независимую переменную.
Исследование о том, влияет ли старение на чьи-то удовлетворенность жизнью. (Некоторые исследователи воспринимают «U-образную форму»: удовлетворенность жизнью сначала снижается, а затем повышается после среднего возраста.) Чтобы определить необходимые здесь контрольные переменные, можно спросить, какие еще переменные определяют не только удовлетворенность жизнью, но и возраст. Многие другие переменные определяют удовлетворенность жизнью. Но никакая другая переменная не определяет, сколько лет кому-то (пока они живы). (Все люди стареют с одинаковой скоростью, независимо от других их характеристик.) Таким образом, здесь не нужны управляющие переменные.
Чтобы определить необходимые управляющие переменные, может быть полезно построить направленный ациклический граф.
.
