भ्रमित करने वाला चर क्या है? (परिभाषा & #038; उदाहरण)

किसी भी प्रयोग में, दो मुख्य चर होते हैं:

स्वतंत्र चर: वह चर जिसे एक प्रयोगकर्ता आश्रित चर पर प्रभावों का निरीक्षण करने में सक्षम होने के लिए संशोधित या नियंत्रित करता है।

आश्रित चर: एक प्रयोग में मापा गया चर जो स्वतंत्र चर पर “निर्भर” होता है।

शोधकर्ता अक्सर यह समझने में रुचि रखते हैं कि स्वतंत्र चर में परिवर्तन आश्रित चर को कैसे प्रभावित करते हैं।

हालाँकि, कभी-कभी ऐसा होता है कि तीसरे चर को ध्यान में नहीं रखा जाता है और यह अध्ययन किए गए दो चर के बीच संबंध को प्रभावित कर सकता है।

इस प्रकार के चर को भ्रमित करने वाले चर के रूप में जाना जाता है और यह एक अध्ययन के परिणामों को भ्रमित कर सकता है और ऐसा प्रकट कर सकता है जैसे कि दो चर के बीच किसी प्रकार का कारण और प्रभाव संबंध है जो वास्तव में मौजूद नहीं है।

कन्फ़ाउंडिंग वेरिएबल: एक वेरिएबल जो किसी प्रयोग में शामिल नहीं है, लेकिन एक प्रयोग में दो वेरिएबल्स के बीच संबंध को प्रभावित करता है।

इस प्रकार का चर किसी प्रयोग के परिणामों को भ्रमित कर सकता है और अविश्वसनीय परिणाम दे सकता है।

उदाहरण के लिए, मान लीजिए कि एक शोधकर्ता आइसक्रीम की बिक्री और शार्क के हमलों पर डेटा एकत्र करता है और पाता है कि दोनों चर अत्यधिक सहसंबद्ध हैं। क्या इसका मतलब यह है कि आइसक्रीम की बिक्री बढ़ने से शार्क के हमले बढ़ रहे हैं?

यह संभावना नहीं है। सबसे संभावित कारण भ्रमित करने वाला परिवर्तनशील तापमान है। जब बाहर गर्मी होती है, तो अधिक लोग आइसक्रीम खरीदते हैं और अधिक लोग समुद्र में जाते हैं।

भ्रमित करने वाले चरों के लिए आवश्यकताएँ

किसी चर को भ्रमित करने वाला चर बनाने के लिए, उसे निम्नलिखित आवश्यकताओं को पूरा करना होगा:

1. इसे स्वतंत्र चर के साथ सहसंबद्ध होना चाहिए।

पिछले उदाहरण में, तापमान को आइसक्रीम की बिक्री के स्वतंत्र चर के साथ सहसंबद्ध किया गया था। विशेष रूप से, गर्म तापमान आइसक्रीम की अधिक बिक्री से जुड़ा होता है और ठंडा तापमान कम बिक्री से जुड़ा होता है।

2. आश्रित चर के साथ कारण-कारण संबंध होना चाहिए।

पिछले उदाहरण में, तापमान का शार्क के हमलों की संख्या पर सीधा प्रभाव पड़ा था। विशेष रूप से, गर्म तापमान अधिक लोगों को समुद्र में ले जाता है, जिससे सीधे तौर पर शार्क के हमलों की संभावना बढ़ जाती है।

भ्रमित करने वाले चर समस्याग्रस्त क्यों हैं?

भ्रमित करने वाले चर दो कारणों से समस्याग्रस्त हैं:

1. भ्रमित करने वाले चर यह प्रकट कर सकते हैं कि कारण और प्रभाव संबंध मौजूद हैं जबकि वे मौजूद नहीं हैं।

हमारे पिछले उदाहरण में, तापमान के भ्रमित करने वाले परिवर्तन से ऐसा प्रतीत होता है मानो आइसक्रीम की बिक्री और शार्क के हमलों के बीच कोई कारणात्मक संबंध हो।

हालाँकि, हम जानते हैं कि आइसक्रीम की बिक्री से शार्क के हमले नहीं होते हैं। तापमान का भ्रमित करने वाला परिवर्तन ऐसा प्रतीत होता है।

2. भ्रमित करने वाले चर, चरों के बीच वास्तविक कारण और प्रभाव संबंध को अस्पष्ट कर सकते हैं।

मान लीजिए हम रक्तचाप को कम करने के लिए व्यायाम की क्षमता का अध्ययन कर रहे हैं। एक संभावित भ्रमित करने वाला चर शुरुआती वजन है, जो व्यायाम से संबंधित है और इसका रक्तचाप पर सीधा प्रभाव पड़ता है।

हालाँकि बढ़ी हुई शारीरिक गतिविधि से रक्तचाप में कमी आ सकती है, किसी व्यक्ति के शुरुआती वजन का भी इन दो चरों के बीच संबंधों पर बड़ा प्रभाव पड़ता है।

भ्रमित करने वाले चर और आंतरिक वैधता

तकनीकी शब्दों में, भ्रमित करने वाले चर एक अध्ययन की आंतरिक वैधता को प्रभावित करते हैं, जो स्वतंत्र चर में परिवर्तन के लिए आश्रित चर में किसी भी परिवर्तन को जिम्मेदार ठहराने की वैधता को संदर्भित करता है।

जब भ्रमित करने वाले चर मौजूद होते हैं, तो हम हमेशा निश्चितता के साथ नहीं कह सकते हैं कि आश्रित चर में हम जो परिवर्तन देखते हैं, वे स्वतंत्र चर में परिवर्तन का प्रत्यक्ष परिणाम हैं।

भ्रमित करने वाले चरों के प्रभाव को कैसे कम करें

भ्रमित करने वाले चरों के प्रभाव को कम करने के कई तरीके हैं, जिनमें निम्नलिखित विधियाँ शामिल हैं:

1. यादृच्छिक आवंटन

रैंडम असाइनमेंट एक अध्ययन में व्यक्तियों को उपचार समूह या नियंत्रण समूह में यादृच्छिक रूप से आवंटित करने की प्रक्रिया को संदर्भित करता है।

उदाहरण के लिए, मान लें कि हम रक्तचाप पर एक नई गोली के प्रभाव का अध्ययन करना चाहते हैं। यदि हम अध्ययन में भाग लेने के लिए 100 लोगों को भर्ती करते हैं, तो हम एक नियंत्रण समूह (कोई गोली नहीं) में 50 लोगों को और एक उपचार समूह (नई गोली) में 50 लोगों को यादृच्छिक रूप से नियुक्त करने के लिए एक यादृच्छिक संख्या जनरेटर का उपयोग कर सकते हैं।

यादृच्छिक असाइनमेंट का उपयोग करके, हम इस संभावना को बढ़ाते हैं कि दोनों समूहों में लगभग समान विशेषताएं होंगी, जिसका अर्थ है कि दोनों समूहों के बीच देखे गए किसी भी अंतर को उपचार के लिए जिम्मेदार ठहराया जा सकता है।

इसका मतलब यह है कि अध्ययन की आंतरिक वैधता होनी चाहिए: समूहों के बीच रक्तचाप में किसी भी अंतर को गोली के रूप में मानना मान्य है, न कि समूहों में व्यक्तियों के बीच अंतर के लिए।

2. अवरुद्ध करना

ब्लॉकिंग से तात्पर्य कन्फ्यूजिंग वैरिएबल के प्रभाव को खत्म करने के लिए कन्फ्यूजिंग वैरिएबल के एक निश्चित मूल्य के आधार पर अध्ययन में व्यक्तियों को “ब्लॉक” में विभाजित करने की प्रथा से है।

उदाहरण के लिए, मान लीजिए कि शोधकर्ता वजन घटाने पर एक नए आहार के प्रभाव को समझना चाहते हैं। स्वतंत्र चर नया आहार है और आश्रित चर वजन घटाने की मात्रा है।

हालाँकि, एक भ्रमित करने वाला कारक जो वजन घटाने में भिन्नता का कारण बन सकता है वह है लिंग । यह संभावना है कि किसी व्यक्ति का लिंग उसके वजन कम करने की मात्रा को प्रभावित करेगा, चाहे नया आहार काम करे या नहीं।

इस समस्या को हल करने का एक तरीका व्यक्तियों को दो ब्लॉकों में से एक में रखना है:

• पुरुष
• महिला

फिर, प्रत्येक ब्लॉक के भीतर, हम यादृच्छिक रूप से व्यक्तियों को दो में से एक उपचार के लिए नियुक्त करेंगे:

• एक नया आहार
• एक मानक आहार

ऐसा करने से, प्रत्येक ब्लॉक के भीतर भिन्नता सभी व्यक्तियों के बीच भिन्नता से बहुत कम होगी और हम बेहतर ढंग से समझ पाएंगे कि नया आहार सेक्स को नियंत्रित करते हुए वजन घटाने को कैसे प्रभावित करता है।

3. पत्र-व्यवहार

एक मिलान जोड़ी डिज़ाइन एक प्रकार का प्रयोगात्मक डिज़ाइन है जिसमें हम संभावित भ्रमित करने वाले चर के मूल्यों के आधार पर व्यक्तियों को “मिलान” करते हैं।

उदाहरण के लिए, मान लीजिए कि शोधकर्ता जानना चाहते हैं कि मानक आहार की तुलना में नया आहार वजन घटाने को कैसे प्रभावित करता है। इस स्थिति में दो संभावित भ्रमित करने वाले कारक उम्र और लिंग हैं।

इसका हिसाब लगाने के लिए, 100 विषयों के शोधकर्ताओं की भर्ती करें, फिर उन्हें उनकी उम्र और लिंग के आधार पर 50 जोड़ियों में समूहित करें। उदाहरण के लिए:

• एक 25 वर्षीय व्यक्ति का मिलान दूसरे 25 वर्षीय व्यक्ति से किया जाएगा, क्योंकि वे उम्र और लिंग के मामले में “मेल” खाते हैं।
• एक 30 वर्षीय महिला का मिलान दूसरी 30 वर्षीय महिला से किया जाएगा क्योंकि वे उम्र और लिंग आदि के मामले में भी मेल खाती हैं।

फिर, प्रत्येक जोड़ी के भीतर, एक विषय को यादृच्छिक रूप से 30 दिनों के लिए नए आहार का पालन करने के लिए सौंपा जाएगा और दूसरे विषय को 30 दिनों के लिए मानक आहार का पालन करने के लिए सौंपा जाएगा।

30 दिनों के अंत में, शोधकर्ता प्रत्येक विषय के लिए कुल वजन घटाने को मापेंगे।

इस प्रकार के डिज़ाइन का उपयोग करके, शोधकर्ता यह सुनिश्चित कर सकते हैं कि वजन घटाने में किसी भी अंतर को उम्र और लिंग के जटिल चर के बजाय उपयोग किए जाने वाले आहार के प्रकार के लिए जिम्मेदार ठहराया जा सकता है।

इस प्रकार के डिज़ाइन के कुछ नुकसान हैं, जिनमें शामिल हैं:

1. यदि उनमें से एक छूट जाता है तो दो विषय खो दें। यदि कोई विषय अध्ययन छोड़ने का निर्णय लेता है, तो आप वास्तव में दो विषय खो देते हैं क्योंकि अब आपके पास पूरी जोड़ी नहीं है।

2. मिलान ढूंढने में समय लगता है । लिंग और उम्र जैसे कुछ चरों से मेल खाने वाले विषयों को ढूंढना समय लेने वाला हो सकता है।

3. विषयों का पूर्णतया मिलान नहीं हो पाता । चाहे आप कितनी भी कोशिश कर लें, प्रत्येक जोड़ी के विषयों में हमेशा भिन्नता रहेगी।

हालाँकि, यदि किसी अध्ययन में इस डिज़ाइन को लागू करने के लिए संसाधन उपलब्ध हैं, तो यह भ्रमित करने वाले चर के प्रभावों को खत्म करने में बहुत प्रभावी हो सकता है।