Làm thế nào để bạn kiểm soát các điểm số cho một yếu tố / biến?

Theo hiểu biết của tôi, "Kiểm soát" có thể có hai ý nghĩa trong thống kê.

1. Nhóm kiểm soát: Trong một thí nghiệm, không có biện pháp điều trị nào được đưa ra cho thành viên của nhóm kiểm soát. Ví dụ: giả dược vs ma túy: Bạn cung cấp thuốc cho một nhóm chứ không phải cho nhóm khác (đối chứng), còn được gọi là "thử nghiệm có kiểm soát".

2. Kiểm soát một biến: Kỹ thuật tách hiệu ứng của một biến độc lập cụ thể. Một số tên khác được đặt cho kỹ thuật này là "kế toán", "giữ hằng số", "kiểm soát", một số biến. Ví dụ: Trong một nghiên cứu xem bóng đá (thích hay không thích), bạn có thể muốn loại bỏ ảnh hưởng của giới tính vì chúng tôi nghĩ giới tính gây ra sự thiên vị, nghĩa là nam có thể thích nó hơn nữ.

Vì vậy, câu hỏi của tôi là cho điểm (2). Hai câu hỏi:

Nói chung, làm thế nào để bạn "kiểm soát" / "tài khoản cho" các biến. Những kỹ thuật được sử dụng? (Về mặt hồi quy, khung ANOVA).

Trong ví dụ trên, việc chọn ngẫu nhiên nam và nữ có cấu thành kiểm soát không? Đó là, "ngẫu nhiên" là một trong những kỹ thuật để kiểm soát các hiệu ứng khác?

Như đã nói, kiểm soát thường có nghĩa là bao gồm một biến trong hồi quy (như được chỉ ra bởi @EMS, điều này không đảm bảo bất kỳ thành công nào trong việc đạt được điều này, anh ta liên kết với điều này ). Đã tồn tại một số câu hỏi và câu trả lời được bình chọn cao về chủ đề này, chẳng hạn như:

• Chính xác thì một người điều khiển thế nào cho các biến số khác?
• Có sự khác biệt giữa 'kiểm soát' và 'bỏ qua' các biến khác trong hồi quy bội không?
• Giải thích điều chỉnh mô hình, bằng tiếng Anh

Các câu trả lời được chấp nhận cho những câu hỏi này đều là những cách xử lý rất tốt cho câu hỏi bạn đang hỏi trong khuôn khổ quan sát (tôi sẽ nói tương quan), nhiều câu hỏi như vậy có thể được tìm thấy ở đây .

Tuy nhiên, bạn đang đặt câu hỏi cụ thể trong khuôn khổ thử nghiệm hoặc ANOVA, một số suy nghĩ khác về chủ đề này có thể được đưa ra.

Trong khuôn khổ thử nghiệm, bạn kiểm soát một biến bằng cách chọn ngẫu nhiên các cá nhân (hoặc các đơn vị quan sát khác) trên các điều kiện thử nghiệm khác nhau. Giả định cơ bản là do hậu quả, sự khác biệt duy nhất giữa các điều kiện là điều trị thực nghiệm. Khi ngẫu nhiên chính xác (nghĩa là, mỗi cá nhân có cơ hội giống nhau trong từng điều kiện) đây là một giả định hợp lý. Hơn nữa, chỉ có ngẫu nhiên cho phép bạn rút ra những suy luận nguyên nhân từ quan sát của bạn vì đây là cách duy nhất để đảm bảo rằng không có yếu tố nào khác chịu trách nhiệm cho kết quả của bạn.

Tuy nhiên, cũng có thể cần phải kiểm soát các biến trong khuôn khổ thử nghiệm, cụ thể là khi có một yếu tố đã biết khác cũng ảnh hưởng đến biến phụ thuộc đó. Để tăng cường sức mạnh thống kê và sau đó có thể là một ý tưởng tốt để kiểm soát biến này. Quy trình thống kê thông thường được sử dụng cho việc này là phân tích hiệp phương sai (ANCOVA), về cơ bản cũng chỉ cần thêm biến vào mô hình.

Bây giờ đến mấu chốt: Để ANCOVA hợp lý, điều cực kỳ quan trọng là việc gán cho các nhóm là ngẫu nhiên và hiệp phương sai mà nó được kiểm soát không tương quan với biến nhóm.
Điều này không may thường bị bỏ qua dẫn đến kết quả không thể giải thích. Một giới thiệu thực sự dễ đọc về vấn đề chính xác này (nghĩa là khi nào nên sử dụng ANCOVA hay không) được đưa ra bởi Miller & Chapman (2001) :

Mặc dù có nhiều phương pháp điều trị kỹ thuật ở nhiều địa điểm, phân tích hiệp phương sai (ANCOVA) vẫn là một cách tiếp cận bị lạm dụng rộng rãi để đối phó với sự khác biệt nhóm thực chất trên các hiệp phương tiềm năng, đặc biệt là trong nghiên cứu tâm lý học. Các bài báo được xuất bản đạt được kết luận vô căn cứ, và một số văn bản thống kê bỏ qua vấn đề này. Vấn đề với ANCOVA trong những trường hợp như vậy được xem xét. Trong nhiều trường hợp, không có cách nào để đạt được mục tiêu hấp dẫn bề ngoài là "sửa lỗi" hoặc "kiểm soát" sự khác biệt nhóm thực sự trên một hiệp phương sai tiềm năng. Với hy vọng hạn chế lạm dụng ANCOVA và thúc đẩy sử dụng phù hợp, một cuộc thảo luận phi kỹ thuật được đưa ra, nhấn mạnh một vấn đề khó hiểu hiếm khi được đưa ra trong sách giáo khoa và các bài thuyết trình chung khác, để bổ sung cho các phê bình toán học đã có sẵn.

Miller, GA, & Chapman, JP (2001). Phân tích hiểu lầm về hiệp phương sai. Tạp chí Tâm lý học bất thường , 110 (1), 40 trận48. doi: 10.1037 / 0021-843X.110.1.40

Để kiểm soát một biến, người ta có thể cân bằng hai nhóm trên một đặc điểm có liên quan và sau đó so sánh sự khác biệt về vấn đề bạn đang nghiên cứu. Tôi chỉ có thể giải thích điều này với một ví dụ, không chính thức, B-school là năm trong quá khứ, vì vậy có.

Nếu bạn muốn nói:

Brazil giàu hơn Thụy Sĩ vì Brasil có thu nhập quốc dân là 3524 tỷ USD và Thụy Sĩ chỉ 551 tỷ

bạn sẽ đúng về mặt tuyệt đối, nhưng bất cứ ai trên 12 tuổi có kiến ​​thức về thế giới đều nghi ngờ rằng cũng có điều gì đó không đúng với tuyên bố đó.

Sẽ tốt hơn nếu nâng dân số Switzerlands lên thành Brasil và sau đó so sánh thu nhập một lần nữa. Vì vậy, nếu dân số Switzerlands là người Brazil, thu nhập của họ sẽ là:

(210 triệu / 8,5 triệu) * 551 tỷ đô la = 13612 tỷ đô la

Điều này khiến họ giàu gấp 4 lần Brazil với 3524 tỷ đô la.

Và vâng, bạn cũng có thể thực hiện phương pháp bình quân đầu người, nơi bạn so sánh thu nhập trung bình. Nhưng cách tiếp cận trên, bạn có thể áp dụng điều đó nhiều lần.