Matoucí proměnná nebo faktor: definitivní průvodce ve výzkumu

matoucí proměnné jsou ve výzkumu běžné a mohou ovlivnit výsledek Vaší studie. To je proto, že vnější vliv matoucích proměnných nebo třetí faktor může zničit váš výzkum výsledek a vytvářejí zbytečné výsledků naznačuje, neexistující spojení mezi proměnnými.

aby bylo možné kontrolovat matoucí proměnné ve výzkumu, je důležité vědět, jak jasně identifikovat tyto třetí faktory a vědět, jak ovlivňují výsledek vašeho výzkumu. Porozumění a ovládání matoucích proměnných vám pomůže dosáhnout přesnějších výsledků ve vašem výzkumu.

co je matoucí proměnná?

matoucí proměnná, zjednodušeně řečeno, označuje proměnnou, která není v experimentu započítána. Působí jako vnější vliv, který může rychle změnit účinek závislých i nezávislých výzkumných proměnných; často přináší výsledky, které se velmi liší od toho, co je případ.

v korelačním výzkumu mohou matoucí proměnné ovlivnit vnímaný vztah mezi uvažovanými proměnnými 2; ať už pozitivní, negativní nebo nula. Matoucí proměnná může být také definována jako faktor, který výzkumník nebyl schopen ovládat nebo odstranit, a může narušit platnost výzkumné práce.

jak identifikovat matoucí proměnné

existuje několik výzkumných metod používaných k identifikaci matoucích proměnných. Nejběžnější metodou je sledovat, do jaké míry odstranění faktoru ve výzkumu způsobí změnu koeficientu dalších nezávislých proměnných ve výzkumu.

v tomto smyslu výzkumník pozoruje a měří odhadovanou úroveň asociace mezi nezávislými a závislými proměnnými, a to jak před, tak po provedení úprav. Pokud je rozdíl mezi 2 měřicími parametry větší než 10%, je přítomna matoucí proměnná.

další metodou identifikace matoucí proměnné je určení, zda může být proměnná spojena jak s expozicí zájmu, tak s výsledkem zájmu ve výzkumu. Pokud existuje smysluplné a měřitelné spojení mezi proměnnou a rizikovým faktorem a mezi proměnnou a výsledkem, pak je taková proměnná matoucí.

existuje několik hypotetických a formálních testovacích metod pro identifikaci matoucích proměnných. Základní model, biologický model, a binární logistické a multivariační logistické regresní modely jsou některé společné výzkumné hypotetické metody používají k identifikaci matoucích proměnných.

matoucí proměnné lze také identifikovat pomocí různých testů kolinearity, jako je měření inflačních faktorů rozptylu. Můžete vypočítat rozptyl inflačního faktoru pro všechny proměnné ve vašem výzkumu, abyste zjistili, zda je tento ukazatel vysoký pro některou z proměnných; tedy označující zmatek.

matoucí proměnné jsou často spojeny jak s rizikovým faktorem zájmu, tak s jeho výsledkem. Obvykle jsou nerovnoměrně rozděleny mezi nezávislé a závislé proměnné ve výzkumu a, matoucí proměnné neleží mezi zájmem a výsledkem výzkumu.

matoucí proměnné může fungovat ve 3 možné způsoby výzkumu: jako rizikový faktor, jako preventivní faktor nebo jako náhradní nebo značky proměnné. Společné vzorce pro výpočet rozsahu matení ve výzkumu jsou:

• Stupeň Matoucích = (RRcrude – RRadjusted)/RRcrude
• Stupeň Matoucích = (RRcrude – RRadjusted)/RRadjusted

Příkladů Matoucích Proměnných

Matoucích proměnných, které jdou napříč několika obory, zejména Statistiky, Metodika Výzkumu, a Psychologie. Ve všech těchto oblastech, tyto třetí faktorů uchovávají své základní vlastnosti velmi ovlivňují výsledky výzkumu o závislých a nezávislých proměnných mimo kontrolované prostředí.

Příklad Matoucích Proměnných ve Výzkumu

• Matka Kariéra

Výzkum se provádí s cílem určit stupeň korelace mezi vzorec krmení pro miminka a inteligence u dětí. Zdá se logické, že děti, které jsou krmeny vzorcem, mohou být méně inteligentní, protože nedostávají živiny, vitamíny a minerály obsažené v mateřském mléce.

skutečností však může být, že děti krmené vzorcem mohou být ještě inteligentnější než děti, které jsou kojeny. Kojenecké formule obsahuje živiny, vitamíny a minerály, které mohou pomoci zvýšit inteligenci dítěte a pomáhají chránit dítě před infekcí.

matoucí proměnnou v tomto případě může být kariéra matky, to znamená, že matka je žena v domácnosti nebo matka dělnické třídy. Při této 3. faktor je považováno, by jste zjistili, že pracující matky jsou více pravděpodobné, že si vybrat formule-krmení, protože jejich práce nemusí umožnit jim, aby se vždy kojit své děti.

• počasí

výzkum se provádí za účelem stanovení rozsahu korelace mezi penězi a prodejem zmrzliny. Logika může naznačovat, že mezi těmito 2 proměnnými existuje pozitivní korelace; to znamená, že lidé kupují více zmrzliny, když mají více peněz.

matoucí proměnnou v tomto výzkumu může být počasí, takže je zřetelně možné, že počasí je korelační příčinný faktor. Tak, když je chladné počasí, lidé pracují méně a méně peněz na nákup zmrzliny a, když je teplé počasí, lidé pracují více a mají více peněz na zmrzlinu.

v tomto příkladu je proměnná způsobující vztah mezi penězi a zmrzlinou počasí.

Příkladů Matoucích Proměnných ve Statistice

• Šikmé Prkno

Statisticky, matoucí proměnné mohou vstoupit do hry v případě, že vztah mezi silou působící na hodit míč a vzdálenost, kterou míč urazí. Logicky se předpokládá, že čím více síly působí na míč; čím dále by cestoval.

matoucí proměnnou by však bylo, jakým směrem se míč pohybuje na šikmém prkně. Pokud míč cestuje nahoru, může cestovat pomaleji bez ohledu na sílu a pokud cestuje dolů, cestuje rychleji s malou námahou síly.

• Stravovacích Návyků

matoucí proměnná může být také odpovědný za spojitost mezi cvičení a hubnutí. Přirozenou logikou může být, že čím více cvičíte, tím je pravděpodobnější, že zhubnete, ale matoucí proměnnou v tomto výzkumu mohou být stravovací návyky.

to znamená, že čím více lidí jedí, tím větší váhu získávají a naopak.

Příklad Matoucích Proměnných v Psychologii

• Spánek

Psychologicky matoucí proměnné mohou mít vliv na připojení nebo vztah mezi kofeinem a koncentrace. Všimnete si, že čím více kofeinu užíváte, tím lépe se koncentrujete ve třídě; zde je koncentrace závislá na hladině kofeinu, která je nezávislou proměnnou.

matoucí proměnné, v tomto případě, může být spánek; to znamená, že může být stále lepší spánek, což vede k lepší koncentraci úrovních, bez ohledu na úroveň spotřeby kofeinu. Matoucí proměnná v tomto případě nemá nic společného s proměnnou nezávislou na výzkumu; to znamená spotřebu kofeinu.

jak matoucí proměnné ovlivňují závislé a nezávislé proměnné?

správně pochopit vliv matoucích proměnných na závislé a nezávislé proměnné ve výzkumu, je nutné pochopit, co závislé a nezávislé proměnné. To vám pomůže jasně kontextualizovat oba tyto výzkumné faktory.

nezávislá proměnná je hlavním faktorem, který spouští změnu ostatních faktorů ve výzkumném prostředí. Ve stejném duchu je závislá proměnná faktorem, na který se ve výzkumu pracuje, a vyplývá z vlivu nezávislé proměnné.

matoucí proměnná může ovlivnit korelační vztah mezi nezávislými a závislými proměnnými; často vede k falešným korelačním vztahům, protože může naznačovat pozitivní korelaci, pokud žádná neexistuje. Může také vyvolat extrémní změnu závislé proměnné a následně i výsledek výzkumu.

pokud jde o nezávislou proměnnou, matoucí proměnná nebo matoucí může ovlivnit tento faktor tím, že ji zcela odstraní z korelačního vztahu a výzkumného procesu. To se stane, když výsledek výzkumu výsledky ze změny vyvolané confounder spíše než nezávislý výzkum proměnná

Vztah Mezi Matoucích Zkreslení & Proměnná

Matoucí zaujatost je jedním z účinků, že matoucích proměnných nebo třetí faktory ve svém výzkumu. Je výsledkem zkreslení stupně asociace mezi expozicí a výsledkem expozice if ve výzkumu.

matoucí zkreslení může mít negativní nebo pozitivní povahu. V tomto smyslu negativní zkreslení podceňuje výsledky výzkumu, zatímco pozitivní matoucí zkreslení nadhodnocuje výsledek výzkumu; což způsobuje zrychlené zkreslení výsledku.

Matoucí zkreslení dochází, když výzkumný soubor dat je poškozen díky špatné shromažďování techniky tak, že celý výzkumný proces sám o sobě je nastaven bez dostatečné kontroly. To umožňuje matoucí proměnné vzniknout a ovlivnit výsledek výzkumu.

Jak se Vyvarovat Matoucích Proměnných ve Statistice & Výzkum

je důležité omezit nebo kontrolovat vliv dalších proměnných nebo zkreslující jevy v procesu výzkumu. Výzkumník může obvykle kontrolovat nebo se nakonec vyhnout matoucím proměnným ve výzkumu, pouze pokud dokáže identifikovat a měřit možné třetí faktory ve výzkumném prostředí.

existuje 5 společných strategií pro snížení nebo zamezení matoucích proměnných. Jedná se o:

• Randomizace

randomizace metoda zahrnuje distribuci zkreslující jevy přes své výzkumné údaje sporadicky. Používá se ve strojovém učení k náhodnému přiřazení proměnných kontrolní skupině ve výzkumu a pomáhá předcházet případům zkreslení výběru ve výzkumné práci.

Randomizace se obvykle používá v experimentálním výzkumu, aby výzkumník mohl tyto proměnné ovládat. Přesměruje experiment z pohledu na jednotlivý případ na sbírku pozorování, kde se statistické nástroje používají k interpretaci zjištění.

náhodný vzorek je typ vzorku, ve kterém má každý člen skupiny pro odběr vzorků stejnou šanci na odběr vzorků. Je důležité si uvědomit, že dokonale náhodný vzorek pozorování je obtížné shromáždit, a tak musí výzkumník pracovat na dosažení randomizace co nejblíže.

• Omezení

Tato metoda omezuje výzkumné studie o výzkumu proměnných s ovládáním pro matoucí proměnné, a, pokud to není provedeno pečlivě, může to vést k matoucí předsudky. Zahrnuje omezení výzkumných dat zavedením kontrolních proměnných k omezení matoucích proměnných.

• Odpovídající

odpovídající metoda rozděluje matoucích proměnných přes výzkumných dat, rovnoměrně; pomocí kontrolovaného výzkumného procesu jako před a po experimentu. Zahrnuje to pozorování ve dvojicích; jeden pro každou hodnotu nezávislé proměnné, která je podobná možné matoucí proměnné.

běžnou metodou párování je případová kontrolní studie, která zahrnuje porovnávání proměnných podobných charakteristik se stejnou sadou kontrol. Případová kontrolní studie může mít 2 nebo více kontrol pro každý případ, protože to poskytuje větší statistickou přesnost ve vašem výzkumném procesu.

• Stratifikace

Stratifikace je způsob kontroly činnosti confounders o distribuci těchto faktorů, stejně na každé úrovni výzkumu analýza dat. Zahrnuje rozdělení vzorku dat do menších skupin a Zkoumání vztahu mezi závislými a nezávislými proměnnými v každé skupině.

• multivariační analýza

tato metoda je zcela závislá na schopnosti výzkumného pracovníka identifikovat a měřit všechny třetí faktory ve výzkumu.

Další tipy patří kompenzovat zavedením různých výzkumných parametry analýzy, kde polovina skupiny je zkoumáno, za stavu 1 a druhá polovina je zkoumal pod stav 2. Můžete použít “metodu v rámci subjektu” k testování subjektu pokaždé, protože mezi obdobími může vyvolat matoucí proměnné.

existují nějaké rozdíly v cizích & matoucích proměnných?

i když je poněkud podobný, existuje zásadní rozdíl mezi matoucí proměnnou a cizí proměnnou. Je důležité, aby každý výzkumný pracovník byl schopen tento rozdíl jasně rozpoznat, aby přesně identifikoval proměnnou působící ve výsledku výzkumu.

cizí proměnná je typ proměnné, která může vyvolat asociaci nebo korelaci mezi 2 výzkumnými proměnnými, které nemají příčinný vztah. Pokud vztah mezi 2 proměnnými; a a B, je způsobeno pouze 3 proměnné; C, pak takový vztah je podvržený a proměnná C je nadbytečné proměnné.

na druhé straně matoucí proměnná ovlivňuje 2 proměnné, které nejsou nápadně příbuzné, tj. V tomto případě je vztah mezi proměnnou a A B již kauzální, tj.

je-li kauzální vztah mezi proměnnou a a proměnnou B ovlivněn také třetí proměnnou C, je proměnná C matoucí proměnnou. To znamená, že asociace mezi a a B může přehánět kauzální efekt na B, protože sdružení je nafouknut vliv C na a a B.

Vliv Matoucích Proměnných

Matoucích proměnných může mít za následek 2 extreme výzkumné problémy, které jsou zvýšené rozptylu a zkreslení výzkumu. Každý z těchto účinků bude plně zvážen níže a mohou do značné míry naklonit váš výsledek výzkumu, aby byl nakonec přeceňován nebo podceňován.

• zvýšený rozptyl

zvýšený rozptyl se týká eskalace počtu možných příčinných a nezávislých proměnných ve výzkumu. To je běžné u výzkumu, který nemá žádné řídicí proměnné, takže změny závislé proměnné mohou být vyvolány jinými proměnnými.

váš výzkum například ukazuje, že zvýšený přírůstek hmotnosti je důsledkem nedostatku pohybu. Protože však neexistují žádné kontrolní proměnné, nemůžete věřit výsledku výzkumu, protože existuje řada faktorů, které mohou ovlivnit závislou proměnnou.

například jednou z matoucích proměnných mohou být v tomto případě geny nebo genetické faktory. Další matoucí proměnnou mohou být stravovací návyky jednotlivce, takže existuje příliš mnoho možných příčinných faktorů, které nakonec zkreslují výsledky .

• matoucí zkreslení

matoucí zkreslení označuje šance statistického parametru nadhodnotit nebo podcenit výzkumný parametr. Návrh průzkumu, který má jasné výskyty matoucí zaujatosti, by mohl vést k vysoké míře předčasného ukončení průzkumu a zkreslení odezvy průzkumu, které ovlivňuje výsledek výzkumu.

matoucí zkreslení může být pozitivní nebo negativní povahy a může zničit vnitřní platnost experimentu. Pozitivní matoucí zkreslení nastane, když je pozorovaná asociace zkreslená od nuly tak, že nadhodnocuje účinek.

Na druhou stranu, negativní matoucích zkreslení dochází, když je pozorována asociace je zkreslená směrem null takovým způsobem, že to podceňuje efekt. Negativní matoucí zkreslení může vést k falešnému odmítnutí nulové hypotézy.

• nesprávné výsledky výzkumu

matoucí proměnná může změnit výsledky výzkumu. Jako externí proměnná může třetí faktor změnit účinek závislých i nezávislých proměnných ve výzkumu; čímž ovlivňuje výsledek korelačního nebo experimentálního výzkumu.

Od matoucích proměnných je 3 faktor, který není tvořily ve výzkumném procesu, a to může mít vliv na experiment tím, že produkuje nepřesné výsledky výzkumu. Může například navrhnout falešný korelační vztah mezi závislými a nezávislými proměnnými.

Závěr

i když třetí faktory jsou obvykle považovány za neplatné proměnných ve výzkumném procesu, mohou změnit průběh výzkumu odráží falešně související vztah mezi proměnnými. Proto je nutné vždy kontrolovat své výzkumné prostředí, aby se snížily účinky matoucích proměnných.

v tomto článku jsme zdůraznili 5 jednoduchých a běžných kontrolních metod pro matoucí proměnné včetně randomizace, párování, stratifikace a omezení. Tyto strategie vám pomohou lépe spravovat výsledky výzkumu tím, že omezí účinky třetích faktorů.