Variabele van de concurrent: definitie en voorbeelden

Een gelijktijdige variabele (ook wel een „covariabele“ genoemd) is een variabele die niet van primair belang is in een onderzoek, maar die niettemin enige interactie kan hebben met de variabele(n) die van belang zijn die wordt onderzocht.

Als er geen rekening wordt gehouden met dit soort variabelen, kan dit leiden tot vertekende of misleidende resultaten in een analyse. Het is daarom belangrijk om ze waar mogelijk te behandelen.

Bij observationeel onderzoek is het belangrijk om te beseffen dat gelijktijdig voorkomende variabelen kunnen leiden tot ongebruikelijke interpretaties van de gegevens en relaties tussen variabelen. Bij experimentele onderzoeken is het belangrijk om het experiment zo te ontwerpen dat het risico op gelijktijdige variabelen wordt geëlimineerd of verminderd.

De volgende voorbeelden illustreren verschillende gevallen waarin gelijktijdige variabelen aanwezig kunnen zijn in een onderzoek:

voorbeeld 1

Onderzoekers willen de relatie tussen bevolkingsdichtheid en de verkoop van ijs begrijpen. Het weer is echter een bijkomende variabele die waarschijnlijk de verkoop van ijs beïnvloedt.

Dus als onderzoekers eenlineaire regressie willen uitvoeren om de relatie tussen bevolkingsdichtheid en ijsverkoop te kwantificeren, moeten ze ook proberen gegevens over het weer te verzamelen, zodat ze voor deze variabele in de regressie kunnen controleren en een schatting kunnen krijgen. nauwkeurig. van het effect van de bevolkingsdichtheid op de ijsverkoop.

Voorbeeld 2

Onderzoekers willen inzicht krijgen in de relatie tussen de trainingsuren en de gemiddelde punten die basketbalspelers per wedstrijd scoren. Een bijkomende variabele die waarschijnlijk van invloed is op de gemiddelde gescoorde punten, is echter het aantal gespeelde minuten per wedstrijd.

Onderzoekers moeten dus ook het aantal minuten bijhouden dat een speler per spel speelt, zodat ze dit als variabele kunnen opnemen in de regressieanalyse en het effect kunnen isoleren van uren oefenen op het gemiddelde aantal punten dat per spel wordt gescoord.

Gerelateerd: Regressiecoëfficiënten interpreteren

Voorbeeld 3

Onderzoekers willen weten of een bepaalde meststof wel of niet zorgt voor een verhoogde plantengroei. Blootstelling aan de zon en waterfrequentie zijn echter twee potentiële bijkomende variabelen die de plantengroei kunnen beïnvloeden.

Onderzoekers moeten dus ook gegevens verzamelen over de blootstelling aan de zon en de waterfrequentie, zodat deze als variabelen in de regressieanalyse kunnen worden opgenomen en het effect van kunstmest op groeiende planten kan worden begrepen, nadat rekening is gehouden met de blootstelling aan de zon en de waterfrequentie.

Hoe gelijktijdige variabelen te identificeren en te elimineren

Om gelijktijdig voorkomende variabelen te ontdekken, is het nuttig om domeinexpertise te hebben op het gebied dat wordt bestudeerd. Door te weten welke potentiële variabelen de relatie tussen onderzoeksvariabelen die niet expliciet in het onderzoek zijn opgenomen, kunnen beïnvloeden, kunt u mogelijk gelijktijdig voorkomende variabelen ontdekken.

In observationele onderzoeken kan het erg moeilijk zijn om het risico van bijkomende variabelen te elimineren. In de meeste gevallen is het beste wat u kunt doen eenvoudigweg het identificeren, in plaats van het voorkomen van, potentiële bijkomende variabelen die van invloed kunnen zijn op het onderzoek.

In experimentele onderzoeken kan de impact van gelijktijdige variabelen echter grotendeels worden geëlimineerd door een goed experimenteel ontwerp.

Laten we bijvoorbeeld zeggen dat we willen weten of twee pillen een verschillende invloed hebben op de bloeddruk. We weten dat bijkomende variabelen zoals voeding en rookgewoonten ook van invloed zijn op de bloeddruk. We kunnen daarom proberen deze bijkomende variabelen te beheersen met behulp van een gerandomiseerd ontwerp. Dit betekent dat we patiënten willekeurig toewijzen aan het nemen van de eerste of de tweede pil.

Omdat we patiënten willekeurig aan groepen toewijzen, kunnen we ervan uitgaan dat gelijktijdige variabelen beide groepen ongeveer in gelijke mate zullen beïnvloeden. Dit betekent dat elk verschil in bloeddruk kan worden toegeschreven aan de pil en niet aan het effect van een bijkomende variabele.