Wettbewerbsvariable: definition und beispiele

Eine begleitende Variable (manchmal auch „Kovariate“ genannt) ist eine Variable, die in einer Studie nicht von primärem Interesse ist, die aber dennoch eine gewisse Wechselwirkung mit der/den untersuchten interessierenden Variable(n) haben kann.

Wenn diese Art von Variablen nicht berücksichtigt wird, kann dies zu verzerrten oder irreführenden Ergebnissen in einer Analyse führen. Daher ist es wichtig, sie nach Möglichkeit zu behandeln.

Bei Beobachtungsstudien ist es wichtig, sich darüber im Klaren zu sein, dass gleichzeitig auftretende Variablen zu ungewöhnlichen Interpretationen der Daten und Beziehungen zwischen Variablen führen können. Bei experimentellen Studien ist es wichtig, das Experiment so zu gestalten, dass das Risiko von Begleitvariablen eliminiert oder verringert wird.

Die folgenden Beispiele veranschaulichen mehrere Fälle, in denen Begleitvariablen in einer Studie vorhanden sein können:

Beispiel 1

Forscher wollen den Zusammenhang zwischen Bevölkerungsdichte und Eisverkäufen verstehen. Allerdings ist das Wetter eine Begleitvariable, die sich wahrscheinlich auf den Eisverkauf auswirkt.

Wenn Forscher also einelineare Regression durchführen möchten, um den Zusammenhang zwischen Bevölkerungsdichte und Eisverkäufen zu quantifizieren, sollten sie auch versuchen, Daten zum Wetter zu sammeln, damit sie diese Variable in der Regression berücksichtigen und eine Schätzung erhalten können präzise. des Einflusses der Bevölkerungsdichte auf den Eisverkauf.

Beispiel 2

Forscher wollen den Zusammenhang zwischen den Trainingsstunden und den durchschnittlichen Punkten, die Basketballspieler pro Spiel erzielen, verstehen. Eine begleitende Variable, die sich jedoch wahrscheinlich auf die durchschnittlich erzielten Punkte auswirkt, ist die Anzahl der gespielten Minuten pro Spiel.

Daher sollten Forscher auch die Anzahl der Minuten verfolgen, die ein Spieler pro Spiel spielt, damit sie diese als Variable in die Regressionsanalyse einbeziehen und den Effekt der Übungsstunden auf die durchschnittlich erzielten Punkte pro Spiel isolieren können.

Verwandte Themen: So interpretieren Sie Regressionskoeffizienten

Beispiel 3

Forscher wollen wissen, ob ein bestimmter Dünger das Pflanzenwachstum steigert. Allerdings sind Sonneneinstrahlung und Bewässerungshäufigkeit zwei potenzielle Begleitvariablen, die das Pflanzenwachstum beeinflussen können.

Daher sollten Forscher auch Daten zur Sonneneinstrahlung und zur Bewässerungshäufigkeit sammeln, damit diese als Variablen in die Regressionsanalyse einbezogen werden können und in der Lage sind, die Wirkung von Düngemitteln auf wachsende Pflanzen nach Berücksichtigung der Sonneneinstrahlung und der Bewässerungshäufigkeit zu verstehen.

So identifizieren und beseitigen Sie begleitende Variablen

Um gleichzeitig auftretende Variablen aufzudecken, ist es hilfreich, über Domänenkenntnisse im untersuchten Bereich zu verfügen. Wenn Sie wissen, welche potenziellen Variablen die Beziehung zwischen Studienvariablen beeinflussen könnten, die nicht explizit in die Studie einbezogen werden, können Sie möglicherweise gleichzeitig auftretende Variablen aufdecken.

In Beobachtungsstudien kann es sehr schwierig sein, das Risiko begleitender Variablen auszuschließen. In den meisten Fällen besteht das Beste, was Sie tun können, darin, potenziell gleichzeitig auftretende Variablen, die sich auf die Studie auswirken könnten, einfach zu identifizieren, anstatt sie zu verhindern.

In experimentellen Studien kann der Einfluss begleitender Variablen jedoch durch ein gutes experimentelles Design weitgehend eliminiert werden.

Nehmen wir zum Beispiel an, wir möchten wissen, ob zwei Pillen einen unterschiedlichen Einfluss auf den Blutdruck haben. Wir wissen, dass auch Begleitvariablen wie Ernährung und Rauchgewohnheiten den Blutdruck beeinflussen. Wir können daher versuchen, diese Begleitvariablen mithilfe eines randomisierten Designs zu kontrollieren. Das bedeutet, dass wir den Patienten nach dem Zufallsprinzip entweder die erste oder die zweite Pille zuweisen.

Da wir Patienten nach dem Zufallsprinzip Gruppen zuordnen, können wir davon ausgehen, dass begleitende Variablen beide Gruppen ungefähr gleichermaßen beeinflussen. Dies bedeutet, dass etwaige Blutdruckunterschiede eher auf die Pille als auf die Wirkung einer begleitenden Variablen zurückzuführen sind.