통계상의 차단: 정의 및 예

실험에서 연구자들은 설명 변수 와 반응 변수 사이의 관계를 이해하고 싶어하는 경우가 많습니다.

불행하게도 실험 연구에는 설명 변수와 반응 변수 사이의 관계에 영향을 주지만 연구자에게는 관심이 없는 변수인 성가신 변수가 자주 나타납니다.

예를 들어, 연구자들이 체중 감량에 대한 새로운 식단의 효과를 이해하고 싶어한다고 가정해 보겠습니다. 설명변수는 새로운 식단이고, 반응변수는 체중감량 정도이다.

그러나 변화를 일으킬 수 있는 장애 변수 중 하나는 성별 입니다. 새로운 다이어트의 효과 여부에 관계없이 개인의 성별이 체중 감량에 영향을 미칠 가능성이 높습니다.

차단 개요

성가신 변수의 효과를 제어하는 일반적인 방법은 방해 변수의 값을 기반으로 실험에서 개인을 나누는 차단을 통한 것입니다.

이전 예에서는 다음 두 블록 중 하나에 개인을 배치했습니다.

• 남성
• 여성

그런 다음 각 블록 내에서 개인을 두 가지 치료법 중 하나에 무작위로 할당합니다.

• 새로운 다이어트
• 표준 다이어트

이렇게 하면 각 블록 내 변동이 모든 개인 간의 변동보다 훨씬 낮아질 것이며, 성별을 조절하면서 새로운 식단이 체중 감량에 어떤 영향을 미치는지 더 잘 이해할 수 있을 것입니다.

이를 설명하기 위해 연구에 참여한 16명의 총 체중 감소를 보여주는 다음 표를 고려하십시오.

언뜻 보면 새로운 식단이 체중 감소 증가와 관련이 있는 것 같지 않습니다.

그러나 성별에 따라 개인을 두 블록으로 나누면 새로운 식단이 체중 감소 증가와 관련이 있는 것으로 보인다는 것이 분명해집니다.

개인을 블록으로 배치함으로써 성별의 무질서한 변수를 통제할 수 있었기 때문에 새로운 식단과 체중 감소 사이의 관계가 더 명확해졌습니다.

추가 차단 예시

성별은 실험에서 차단 요소로 사용되는 일반적인 귀찮은 변수입니다. 남성과 여성은 다양한 치료에 다르게 반응하는 경향이 있기 때문입니다.

그러나 차단 요인으로 사용될 수 있는 다른 일반적인 방해 변수는 다음과 같습니다.

• 연령대
• 소득계층
• 교육 수준
• 운동량
• 지역

실험의 성격에 따라 여러 차단 요인을 동시에 사용하는 것도 가능합니다. 그러나 실제로 의미 있는 결과를 얻으려면 차단 요인이 많을수록 더 큰 표본 크기가 필요하므로 일반적으로 한두 개만 사용됩니다.

유해변수와 숨겨진 변수

이전 예에서 성별은 연구자들이 체중 감소에 영향을 미친다고 믿는 알려진 장애 변수였습니다. 그러나 실험에는 종종 설명 변수와 반응 변수 사이의 관계에 영향을 주는 변수인 숨겨진 변수도 있지만, 알 수 없거나 이에 대한 데이터 수집이 어렵기 때문에 연구에 포함되지 않는 변수가 있는 경우가 많습니다.

예를 들어, 모든 개인이 더 많은 체중을 감량하기 위해 의지할 수 있는 타고난 규율을 가지고 있다고 가정해 보겠습니다. 징계는 측정하기 어렵기 때문에 연구에 차단 요인으로 포함되지 않지만 이를 통제하는 한 가지 방법은 무작위 배정을 사용하는 것입니다.

연구자들은 개인을 새로운 식단이나 표준 식단에 무작위로 배정함으로써 두 그룹 간의 개인의 전반적인 규율 수준이 대략 동일할 가능성을 최대화할 수 있습니다.

따라서 차단을 사용하는 모든 실험에서는 잠재적인 숨겨진 변수의 효과를 제어하기 위해 개인을 치료에 무작위로 할당하는 것도 중요합니다.

추가 리소스

설명변수와 반응변수
숨겨진 변수
일치하는 쌍 디자인
분할된 플롯의 설계