혼란 변수 또는 요인:연구의 확실한 가이드

연구에서 혼란 변수의 예

• 어머니의 경력

연구는 유아에 대한 공식 수유와 유아의 지능 사이의 상관 관계의 정도를 결정하기 위해 수행된다. 그것은 그들이 모유에 포함 된 영양소,비타민,미네랄을하지 않기 때문에 공식 공급되는 아이들이 덜 지능적 일 수 있다는 논리적 나타납니다.

그러나 포뮬러를 먹은 아이들은 모유 수유를하는 아이들보다 훨씬 더 지능적 일 수 있습니다. 유아 수유 공식에는 실제로 어린이의 지능을 높이고 감염으로부터 어린이를 보호하는 데 도움이되는 영양소,비타민 및 미네랄이 포함되어 있습니다.

이 경우 혼란스러운 변수는 어머니의 경력,즉 어머니가 주부 또는 노동 계급의 어머니 인 경우 일 수 있습니다. 이 제 3 요인이 고려될 때,당신은 노동 계급 어머니가 그들의 일이 그(것)들이 항상 그들의 유아를 모유로 기르는 것을 허용하지 않을지도 모르기 때문에 공식 먹이기 선택하게 확률이 높다는 것을 알아낼 것입니다.

• 날씨

연구는 돈과 아이스크림의 판매 사이의 상관 관계의 정도를 결정하기 위해 수행된다. 논리는이 두 변수 사이에 양의 상관 관계가 있음을 제안 할 수있다;그들은 더 많은 돈이있을 때 즉,사람들은 더 많은 아이스크림을 구입할 수 있습니다.

이 연구에서 혼란스러운 변수는 날씨가 상관 적 원인 인자라는 것을 분명히 알 수 있도록 날씨가 될 수 있습니다. 따라서 날씨가 추울 때 사람들은 덜 일하고 아이스크림을 살 돈이 적으며 날씨가 더울 때 사람들은 더 많이 일하고 아이스크림에 더 많은 돈을 가지고 있습니다.

이 예에서 돈과 아이스크림 사이의 관계를 일으키는 변수는 날씨입니다.

통계의 혼란 변수의 예

• 기울어 진 판자

통계적으로,혼란 변수는 공을 던지기 위해 가해지는 힘과 공이 이동하는 거리 사이의 관계의 경우에 작용할 수 있습니다. 논리적으로,그것은 더 많은 힘이 공에 가해지는 것으로 가정한다;멀리 여행 할 것이다.

그러나 혼란 변수는 공이 기울어 진 판자에서 이동하는 방향입니다. 공이 위쪽으로 여행하는 경우에,힘에 관계 없이 더 느린 여행할지도 모르곱니다,아래쪽으로 여행하는 경우에,조금 힘 노력에 빨리 여행할 것입니다.

• 식습관

혼란스러운 변수는 운동과 체중 감소 사이의 상관 관계를 유발할 수 있습니다. 자연적인 논리는 운동할수록 체중 감량 가능성이 높아질 수 있지만,이 연구에서 혼란스러운 변수는 식습관 일 수 있습니다.

즉,더 많은 사람들이 먹을수록 체중이 증가하고 그 반대도 마찬가지입니다.

심리학의 혼란 변수의 예

• 수면

심리적으로 혼란 변수는 카페인과 농도 사이의 연결 또는 관계에 영향을 줄 수 있습니다. 당신은 당신이 걸릴 더 많은 카페인,더 나은 당신이 클래스에 집중 것을 알 수 있습니다; 여기서 농도는 독립 변수 인 카페인 수준에 따라 다릅니다.

이 경우 혼란 변수는 수면 일 수 있습니다;즉,카페인 섭취 수준에 관계없이 더 나은 집중 수준으로 이어지는 더 나은 수면을 취했을 수 있습니다. 혼란 변수는,이 경우,연구 독립 변수와는 아무 상관이 없다;즉,카페인 소비이다.

혼란 변수가 종속 변수와 독립 변수에 어떤 영향을 미칩니 까?

연구에서 혼란 변수가 종속 변수와 독립 변수에 미치는 영향을 제대로 이해하려면 종속 변수와 독립 변수가 무엇인지 이해해야합니다. 이것은 당신이 명확하게 이러한 연구 요소를 모두 상황화하는 데 도움이 될 것입니다.

독립 변수는 연구 환경의 다른 요소의 변화를 유발하는 리드 인자입니다. 같은 맥락에서 종속 변수는 연구에서 작용 하는 요인 이며 독립 변수의 영향에서 결과.

혼란 변수는 독립 변수와 종속 변수 사이의 상관 관계에 영향을 미칠 수 있습니다;종종 잘못된 상관 관계의 결과로 그것은 아무도 없을 때 양의 상관 관계를 제안 할 수 있습니다. 또한 종속 변수의 극단적 인 변화를 유발하고 결과적으로 연구 결과를 유발할 수 있습니다.

독립 변수의 관점에서,혼란 변수 또는 혼란 변수는 상관 관계 및 연구 과정에서 완전히 제거함으로써이 요소에 영향을 줄 수 있습니다. 이것은 연구 결과가 독립적 인 연구 변수

보다는 혼동 자에 의해 유발 된 변화로 인한 결과 일 때 발생합니다 혼란 편향&변수

혼란 편향은 연구에서 혼란 변수 또는 세 번째 요인을 갖는 효과 중 하나입니다. 이 노출과 결과 사이의 연관성의 정도에 왜곡의 결과 인 경우 연구에 노출.

혼란스러운 편향은 본질적으로 음수 또는 양수 일 수 있습니다. 이러한 의미에서 부정적인 편견은 연구 결과를 과소 평가하는 반면 긍정적 인 혼란 편견은 연구 결과를 과대 평가하고 결과의 왜곡을 가속화합니다.

혼란스러운 편향은 연구 데이터 세트가 열악한 수집 기술을 통해 손상되어 전체 연구 프로세스 자체가 충분한 통제없이 설정 될 때 발생합니다. 이를 통해 혼란스러운 변수가 발생하고 연구 결과에 영향을 줄 수 있습니다.

통계에서 혼란 변수를 피하는 방법&연구

연구 과정에서 혼란 변수 또는 혼란의 효과를 제한하거나 제어하는 것이 중요하다. 일반적으로 연구원은 연구 환경에서 가능한 세 번째 요인을 식별하고 측정 할 수있을 때만 연구에서 혼란스러운 변수를 제어하거나 궁극적으로 피할 수 있습니다.

혼란스러운 변수를 줄이거 나 피하는 5 가지 일반적인 전략이 있습니다. 이들은:

• 무작위 화

무작위 화 방법은 연구 데이터에 혼란을 분산시키는 것을 산발적으로 포함합니다. 그것은 무작위로 연구에서 제어 그룹에 변수를 할당하는 기계 학습에 사용되며 연구 작업에서 선택 편향의 경우를 방지하는 데 도움이됩니다.

무작위 화는 일반적으로 연구자가 이러한 변수를 제어 할 수 있도록 실험 연구에서 채택됩니다. 그것은 통계 도구가 결과를 해석하는 데 사용되는 관찰의 컬렉션으로 개별 사례를보고에서 실험을 리디렉션합니다.

무작위 샘플은 샘플링 그룹의 모든 구성원이 동일한 기회를 갖는 샘플 유형입니다. 그것은 관찰의 완벽하게 무작위 샘플을 수집하는 것이 어렵다는 것을주의하는 것이 중요하다 그래서,연구원은 가능한 한 가깝게 무작위화를 달성하기 위해 노력하고 있습니다.

• 제한

이 방법은 연구를 혼란 변수에 대한 통제가있는 연구 변수 연구로 제한하며,신중하게 수행하지 않으면 혼란스러운 편견을 초래할 수 있습니다. 그것은 혼란 변수를 제한하기 위해 제어 변수를 도입하여 연구 데이터를 제한하는 것을 포함합니다.

• 매칭

매칭 방법은 실험 전후와 같이 통제 된 연구 프로세스를 사용하여 연구 데이터 전체에 혼란 변수를 균등하게 분배합니다. 그것은 쌍으로 관측치를 만드는 것을 포함한다;가능한 혼동 변수와 유사한 독립 변수의 각 값에 대해 하나씩.

일반적인 매칭 방법은 유사한 특성의 변수를 동일한 컨트롤 세트와 일치시키는 케이스 컨트롤 연구입니다. 사례 통제 연구는 각 사례에 대해 2 개 이상의 통제를 가질 수 있는데,이는 연구 과정에서 더 많은 통계적 정확성을 제공하기 때문입니다.

• 계층화

계층화는 연구 데이터 분석의 각 수준에서 이러한 요소를 동일하게 분배하여 혼란자의 활동을 확인하는 방법입니다. 데이터 샘플을 더 작은 그룹으로 나누고 각 그룹의 종속 변수와 독립 변수 간의 관계를 조사하는 작업이 포함됩니다.

• 다변량 분석

이 방법은 전적으로 연구의 모든 세 번째 요소를 식별하고 측정하는 연구자의 능력에 달려 있습니다.

다른 팁에는 다른 연구 분석 매개 변수를 도입하여 균형을 맞추는 것이 포함되며,여기서 그룹의 절반은 조건 1 에서 검사되고 나머지 절반은 조건 2 에서 검사됩니다. “주제 내 방법”을 사용하여 중간 기간이 혼란스러운 변수를 트리거 할 수 있으므로 매번 주제를 테스트 할 수 있습니다.

외부&혼동 변수에 차이가 있습니까?

다소 유사하지만 혼동 변수와 관계없는 변수 사이에는 근본적인 차이가 있습니다. 모든 연구자가 연구 결과에 작용하는 변수를 정확하게 식별하기 위해 이러한 차이를 명확하게 인식 할 수있는 것이 중요합니다.

외부 변수는 인과 관계가없는 2 개의 연구 변수 간의 연관성 또는 상관 관계를 트리거 할 수있는 변수 유형입니다. 두 변수 사이의 관계;ㅏ 과 비,전적으로 세 번째 변수에 의해 발생합니다.

반면에 혼란 변수는 가짜로 관련되지 않은 2 개의 변수,즉 세 번째 요소에 의해서만 관련되지 않은 2 개의 변수에 영향을 미칩니다. 이 경우 변수 사이의 관계 ㅏ 과 비 이미 인과 관계,즉 ㅏ 원인 비.

변수 사이의 인과 관계 ㅏ 과 변수 비 또한 세 번째 변수에 의해 영향을받습니다. 1448>

혼란 변수의 영향

혼란 변수는 2 개의 극단적 인 연구 문제를 야기 할 수 있으며,이는 분산과 연구 편향을 증가시킨다. 이러한 각 효과는 아래에서 완전히 고려 될 것이며,연구 결과를 과대 평가하거나 과소 평가하도록 크게 기울일 수 있습니다.

• 증가 된 분산

증가 된 분산은 연구에서 가능한 원인 및 독립 변수의 수가 증가하는 것을 의미합니다. 이것은 종속 변수의 변화가 다른 변수에 의해 트리거 될 수 있도록 제어 변수가없는 연구에서 일반적입니다.

예를 들어,연구에 따르면 체중 증가가 운동 부족으로 인한 것으로 나타났습니다. 그러나 제어 변수가 없기 때문에 종속 변수에 영향을 줄 수 있는 여러 요인이 있으므로 연구 결과를 신뢰할 수 없습니다.

예를 들어,이 경우 혼동 변수 중 하나는 유전자 또는 유전 적 요인 일 수 있습니다. 또 다른 혼란 변수는 결과를 왜곡 결국 너무 많은 가능한 원인이 요인이 있으므로 개인의 식습관이 될 수 있습니다.

• 혼란 편향

혼란 편향은 통계적 매개 변수가 연구 매개 변수를 과대 평가하거나 과소 평가할 가능성을 나타냅니다. 혼란스러운 편견이 명확한 설문 조사 디자인은 높은 설문 조사 중퇴율과 연구 결과에 영향을 미치는 설문 조사 응답 편향으로 이어질 수 있습니다.

혼란스러운 편향은 본질적으로 긍정적이거나 부정적 일 수 있으며 실험의 내부 타당성을 망칠 수 있습니다. 긍정적 인 혼란 바이어스는 관찰 된 연관성이 널에서 편향되어 효과를 과대 평가할 때 발생합니다.

한편,음의 혼란 바이어스는 관찰된 연관성이 효과를 과소 평가하는 방식으로 널쪽으로 편향될 때 발생한다. 부정적인 혼란 편향은 귀무 가설을 잘못 거부 할 수 있습니다.

• 잘못된 연구 결과

혼란스러운 변수는 연구 결과를 바꿀 수 있습니다. 외부 변수로,세 번째 요소는 연구에서 종속 및 독립 변수 모두의 효과를 변경할 수 있습니다;따라서 상관 관계 또는 실험 연구의 결과에 영향을 미치는.

혼란 변수는 연구 과정에서 설명되지 않은 세 번째 요소이기 때문에 부정확 한 연구 결과를 생성하여 실험에 영향을 줄 수 있습니다. 예를 들어 종속 변수와 독립 변수 간의 잘못된 상관 관계를 제안 할 수 있습니다.

결론

세 번째 요소는 연구 과정에서 일반적으로 유효하지 않은 변수로 간주되지만 변수 간의 잘못된 상관 관계를 반영하여 연구 과정을 변경할 수 있습니다. 따라서 혼란스러운 변수의 영향을 줄이기 위해 항상 연구 환경을 제어 할 필요가 있습니다.

이 기사에서는 무작위 화,일치,계층화 및 제한을 포함한 변수를 혼동하기위한 5 가지 간단하고 일반적인 제어 방법을 강조했습니다. 이러한 전략은 세 번째 요인의 영향을 제한하여 연구 결과를 더 잘 관리하는 데 도움이됩니다.