Confounding variabel eller faktor: definitiv vejledning i forskning

Confounding variabler er almindelige i forskning og kan påvirke resultatet af din undersøgelse. Dette skyldes, at den eksterne indflydelse fra den forvirrende variabel eller tredje faktor kan ødelægge dit forskningsresultat og producere ubrugelige resultater ved at foreslå en ikke-eksisterende forbindelse mellem variabler.

for at kontrollere forvirrende variabler i forskning er det vigtigt at vide, hvordan man tydeligt identificerer disse tredje faktorer og ved, hvordan de påvirker dit forskningsresultat. At forstå og kontrollere forvirrende variabler hjælper dig med at opnå mere nøjagtige resultater i din forskning.

hvad er den forvirrende variabel?

en forvirrende variabel henviser i enkle vendinger til en variabel, der ikke er taget højde for i et eksperiment. Det fungerer som en ekstern indflydelse, der hurtigt kan ændre effekten af både afhængige og uafhængige forskningsvariabler; producerer ofte resultater, der adskiller sig ekstremt fra hvad der er tilfældet.

i korrelationsforskning kan forvirrende variabler påvirke det opfattede forhold mellem de 2 variabler, der overvejes; hvad enten det er positivt, negativt eller nul. En forvirrende variabel kan også defineres som en faktor, som en forsker ikke var i stand til at kontrollere eller fjerne, og det kan fordreje gyldigheden af forskningsarbejde.

Sådan identificeres forvirrende variabler

der er flere forskningsmetoder, der bruges til at identificere forvirrende variabler. Den mest almindelige metode er at observere, i hvilket omfang fjernelse af en faktor i forskning får koefficienten for andre uafhængige variabler i forskningen til at ændre sig.

i denne forstand observerer og måler forskeren det estimerede niveau af sammenhæng mellem uafhængige og afhængige variabler, både før og efter justeringer. Hvis forskellen mellem de 2 måleparametre er mere end 10%, er der en forvirrende variabel til stede.

en anden metode til at identificere en forvirrende variabel er at bestemme, om variablen kan knyttes til både eksponeringen af interesse og resultatet af interesse for forskning. Hvis der er en meningsfuld og målbar forbindelse mellem variablen og risikofaktoren og mellem variablen og resultatet, så er en sådan variabel forvirrende.

der er flere hypotetiske og formelle testmetoder til identifikation af forvirrende variabler. Basismodellen, biologisk model, og binær Logistik og multivariate logistiske regressionsmodeller er nogle af de almindelige forskningshypotetiske metoder, der bruges til at identificere forvirrende variabler.

forvirrende variabler kan også identificeres ved hjælp af forskellige test af co-linearitet, såsom måling af variansinflationsfaktorer. Du kan beregne variansinflationsfaktoren for alle variabler i din forskning for at se, om denne indikator er høj for nogen af variablerne; dermed indikerer en forvirrer.

forvirrende variabler er ofte forbundet med både risikofaktoren af interesse og dens resultat. De fordeles normalt ulige mellem de uafhængige og afhængige variabler i forskning, og forvirrende variabler ligger ikke mellem interesse og resultat i forskning.

en forvirrende variabel kan fungere på 3 mulige måder i forskningen: som en risikofaktor, som en forebyggende faktor eller som en surrogat-eller markørvariabel. De almindelige formler til beregning af omfanget af forvirring i forskning er:

• grad af Confounding = (RRcrude – RRadjusted)/RRcrude
• grad af Confounding = (RRcrude – RRadjusted)/Rradjusted

eksempler på Confounding variabler

Confounding variabler skåret på tværs af flere fagområder især statistik, forskning metodologi og psykologi. På alle disse områder bevarer disse tredje faktorer deres primære egenskaber ved ekstremt at påvirke forskningsresultaterne af afhængige og uafhængige variabler uden for det kontrollerede miljø.

eksempel på forvirrende variabler i forskning

• en mors karriere

forskning udføres for at bestemme graden af sammenhæng mellem formelfodring til babyer og intelligens hos spædbørn. Det forekommer logisk, at børn, der er formel-fodret, kan være mindre intelligente, fordi de ikke får næringsstoffer, vitaminer og mineraler indeholdt i modermælk.

fakta kan dog være, at formelfodrede børn kan være endnu mere intelligente end børn, der ammer. Modermælkserstatning indeholder faktisk næringsstoffer, vitaminer og mineraler, der kan bidrage til at øge et barns intelligens og hjælpe med at beskytte barnet mod infektioner.

en forvirrende variabel i dette tilfælde kan være moderens karriere, det vil sige hvis moderen er en husmor eller arbejderklassemor. Når denne 3. faktor overvejes, vil du finde ud af, at arbejderklassemødre er mere tilbøjelige til at vælge formelfodring, fordi deres job muligvis ikke tillader dem altid at amme deres spædbørn.

• vejr

forskning udføres for at bestemme omfanget af sammenhæng mellem penge og salg af is. Logik kan tyde på, at der er en positiv sammenhæng mellem disse 2 variabler; det vil sige, folk køber mere is, når de har flere penge.

en forvirrende variabel i denne forskning kan være vejret, så det er tydeligt muligt, at vejret er den korrelative årsagsfaktor. Når vejret er koldt, arbejder folk mindre og har færre penge til at købe is, og når vejret er varmt, arbejder folk mere og har flere penge til is.

i dette eksempel er variablen, der forårsager forholdet mellem penge og is, vejret.

eksempler på forvirrende variabler i statistik

• skrå planke

statistisk set kan en forvirrende variabel komme i spil i tilfælde af forholdet mellem den kraft, der påføres for at kaste en bold, og den afstand, som bolden bevæger sig. Logisk antages det, at jo mere kraft der udøves på en bold; jo længere det ville rejse.

den forvirrende variabel ville imidlertid være, hvilken retning bolden bevæger sig på en skrå planke. Hvis bolden bevæger sig opad, kan den rejse langsommere uanset kraften, og hvis den bevæger sig nedad, ville den rejse hurtigere med lidt kraftanstrengelse.

• spisevaner

en forvirrende variabel kan også være ansvarlig for sammenhængen mellem motion og vægttab. Den naturlige logik kan være, at jo mere du træner, jo mere sandsynligt er du at tabe dig, men en forvirrende variabel i denne forskning kan være spisevaner.

det betyder, at jo flere mennesker spiser, jo mere vægt får de og omvendt.

eksempel på forvirrende variabler i psykologi

• søvn

psykologisk kan en forvirrende variabel påvirke forbindelsen eller forholdet mellem koffein og koncentration. Du bemærker, at jo mere koffein du tager, jo bedre koncentreret er du i klassen; her er koncentrationen afhængig af niveauet af koffein, som er den uafhængige variabel.

den forvirrende variabel kan i dette tilfælde være søvn; det vil sige, at du måske har fået bedre søvn, hvilket fører til bedre koncentrationsniveauer, uanset niveauet af koffeinforbrug. Den forvirrende variabel har i dette tilfælde intet at gøre med den forskningsuafhængige variabel; det vil sige koffeinforbrug.

Hvordan påvirker forvirrende variabler de afhængige og uafhængige variabler?

for korrekt at forstå effekten af forvirrende variabler på afhængige og uafhængige variabler i forskning er det nødvendigt at forstå, hvilke afhængige og uafhængige variabler der er. Dette vil hjælpe dig med klart at kontekstualisere begge disse forskningsfaktorer.

en uafhængig variabel er en ledende faktor, der udløser en ændring i de andre faktorer i forskningsmiljøet. På samme måde er den afhængige variabel den faktor, der handles i forskning, og den er resultatet af indflydelsen fra en uafhængig variabel.

en forvirrende variabel kan påvirke korrelationsforholdet mellem uafhængige og afhængige variabler; ofte resulterer i falske korrelationsforhold, da det kan antyde en positiv korrelation, når der ikke er nogen. Det kan også udløse en ekstrem ændring i en afhængig variabel og følgelig forskningsresultatet.

med hensyn til den uafhængige variabel kan en forvirrende variabel eller konfunder påvirke denne faktor ved helt at fjerne den fra korrelationsforholdet og forskningsprocessen. Dette sker, når forskningsresultatet skyldes en ændring udløst af confounderen snarere end den uafhængige forskningsvariabel

forholdet mellem Confounding Bias & variabel

Confounding bias er en af virkningerne af at have confounding variabler eller tredje faktorer i din forskning. Det er resultatet af en forvrængning i graden af sammenhæng mellem en eksponering og resultatet, hvis eksponering i forskning.

en forvirrende bias kan være negativ eller positiv. I denne forstand undervurderer en negativ bias resultaterne af forskning, mens en positiv forvirrende bias overvurderer resultatet af forskning; forårsager en accelereret forvrængning af resultatet.

Confounding bias opstår, når et forskningsdatasæt er ødelagt gennem dårlige indsamlingsteknikker, således at hele forskningsprocessen i sig selv er oprettet uden nok kontrol. Dette giver mulighed for forvirrende variabler at opstå og påvirke forskningsresultatet.

hvordan man undgår forvirrende variabler i statistik & Forskning

det er vigtigt at begrænse eller kontrollere effekten af forvirrende variabler eller forvirrere i forskningsprocessen. Normalt kan en forsker kun kontrollere eller i sidste ende undgå forvirrende variabler i forskning, når han eller hun kan identificere og måle de mulige tredje faktorer i forskningsmiljøet.

der er 5 fælles strategier for at reducere eller undgå forvirrende variabler. Disse er:

• randomisering

randomiseringsmetoden involverer distribution af confounders på tværs af dine forskningsdata sporadisk. Det bruges i maskinlæring til tilfældigt at tildele variabler til en kontrolgruppe i forskning, og det hjælper med at forhindre tilfælde af selektionsforstyrrelse i forskningsarbejde.

randomisering vedtages normalt i eksperimentel forskning for at gøre det muligt for forskeren at kontrollere disse variabler. Det omdirigerer eksperimentet fra at se på en individuel sag til en samling observationer, hvor statistiske værktøjer bruges til at fortolke resultaterne.

en tilfældig prøve er en type prøve, hvor hvert medlem af prøvetagningsgruppen har en lige chance for at blive udtaget. Det er vigtigt at bemærke, at en perfekt tilfældig prøve af observationer er vanskelig at indsamle, og forskeren skal derfor arbejde for at opnå randomisering så tæt som muligt.

• begrænsning

denne metode begrænser forskningen til undersøgelsen af forskningsvariabler med kontrol for forvirrende variabler, og hvis det ikke gøres omhyggeligt, kan det føre til forvirrende bias. Det indebærer at begrænse forskningsdataene ved at indføre kontrolvariabler for at begrænse forvirrende variabler.

• Matching

matchningsmetoden fordeler de forvirrende variabler på tværs af forskningsdataene jævnt; ved hjælp af en kontrolleret forskningsproces som før og efter eksperimenter. Det indebærer at foretage observationer parvis; en for hver værdi af den uafhængige variabel, der ligner en mulig forvirrende variabel.

en almindelig metode til matchning er case-control-undersøgelsen, der involverer matchende variabler med lignende egenskaber med det samme sæt kontroller. En case-control-undersøgelse kan have 2 eller flere kontroller for hvert tilfælde, da dette giver mere statistisk nøjagtighed i din forskningsproces.

• stratificering

stratificering er en metode til kontrol af confounders aktiviteter ved at distribuere disse faktorer ligeligt på hvert niveau af forskningsdataanalysen. Det indebærer at opdele dataprøven i mindre grupper og undersøge forholdet mellem de afhængige og uafhængige variabler i hver gruppe.

• multivariat analyse

denne metode er helt afhængig af forskerens evne til at identificere og måle alle de tredje faktorer i forskningen.

andre tip inkluderer modvægt ved at indføre forskellige forskningsanalyseparametre, hvor halvdelen af gruppen undersøges under betingelse 1 og den anden halvdel undersøges under betingelse 2. Du kan bruge “inden-emne metode” til at teste emnet hver gang som i-mellem perioder kan udløse forvirrende variabler.

er der nogen forskelle i fremmede & forvirrende variabler?

selvom der er noget lignende, er der en grundlæggende forskel mellem en forvirrende variabel og en fremmed variabel. Det er vigtigt for enhver forsker at være i stand til klart at genkende denne forskel for nøjagtigt at identificere variablen, der handler i et forskningsresultat.

en fremmed variabel er en type variabel, der kan udløse en sammenhæng eller sammenhæng mellem 2 forskningsvariabler, der ikke har nogen årsagssammenhæng. Hvis forholdet mellem de 2 variabler; A og B, skyldes udelukkende en 3.variabel; C, så er et sådant forhold falsk og variabel C er en fremmed variabel.

en forvirrende variabel påvirker på den anden side 2 variabler, der ikke er spuriøst relaterede, det vil sige ikke udelukkende relateret til 3.faktor. I dette tilfælde er forholdet mellem variabel A og B allerede kausal, det vil sige A forårsager B.

når årsagsforholdet mellem variabel A og variabel B også påvirkes af en tredje variabel C, er variabel C en forvirrende variabel. Således kan sammenhængen mellem A og B overdrive årsagseffekten af A på B, fordi foreningen er oppustet af effekten af C på både A og B.

effekt af forvirrende variabler

forvirrende variabler kan resultere i 2 ekstreme forskningsproblemer, der er øget varians og forskningsforstyrrelse. Hver af disse effekter vil blive overvejet fuldt ud nedenfor, og de kan stort set vippe dit forskningsresultat for at blive overvurderet eller undervurderet i sidste ende.

• øget varians

øget varians refererer til en eskalering i antallet af mulige årsagsmæssige og uafhængige variabler i forskning. Dette er almindeligt med forskning, der ikke har nogen kontrolvariabler, således at ændringerne i den afhængige variabel kan udløses af andre variabler.

for eksempel afslører din forskning, at øget vægtøgning skyldes manglende motion. Men fordi der ikke er nogen kontrolvariabler, kan du ikke stole på dit forskningsresultat, fordi der er en række faktorer, der kan påvirke den afhængige variabel.

for eksempel kan en af de forvirrende variabler i dette tilfælde være gener eller genetiske faktorer. En anden forvirrende variabel kan være en persons spisevaner, så der er for mange mulige årsagsfaktorer, der ender med at fordreje resultaterne .

• Confounding Bias

en confounding bias henviser til chancerne for, at en statistisk parameter overvurderer eller undervurderer en forskningsparameter. Et undersøgelsesdesign, der har klare forekomster af forvirrende bias, kan føre til høje frafaldshastigheder for undersøgelser og bias for undersøgelsesrespons, der påvirker forskningsresultatet.

en forvirrende bias kan være positiv eller negativ og kan ødelægge den interne gyldighed af et eksperiment. En positiv forvirrende bias opstår, når den observerede tilknytning er partisk væk fra Nullen, således at den overvurderer effekten.

på den anden side opstår en negativ forvirrende bias, når den observerede tilknytning er partisk mod null på en sådan måde, at den undervurderer effekten. Negativ forvirrende bias kan føre til en falsk afvisning af en nulhypotese.

• forkerte forskningsresultater

en forvirrende variabel kan ændre resultaterne i forskning. Som en ekstern variabel kan den tredje faktor ændre effekten af både afhængige og uafhængige variabler i forskning; derved påvirke resultatet af korrelations-eller eksperimentel forskning.

da en forvirrende variabel er en 3.faktor, der ikke tages højde for i en forskningsproces, kan den påvirke et eksperiment ved at producere unøjagtige forskningsresultater. For eksempel kan det antyde et falsk korrelationsforhold mellem afhængige og uafhængige variabler.

konklusion

selvom tredje faktorer normalt betragtes som ugyldige variabler i en forskningsproces, kan de ændre forløbet af en forskning ved at afspejle falsk korrelationsforhold mellem variabler. Derfor er det nødvendigt altid at kontrollere dit forskningsmiljø for at reducere virkningerne af forvirrende variabler.

i denne artikel har vi fremhævet 5 enkle og almindelige kontrolmetoder til forvirrende variabler, herunder randomisering, matchning, stratificering og begrænsning. Disse strategier vil hjælpe dig med bedre at styre dine forskningsresultater bedre ved at begrænse virkningerne af tredje faktorer.