Wat is een verwarrende variabele? (definitie & #038; voorbeeld)

In elk experiment zijn er twee hoofdvariabelen:

De onafhankelijke variabele: de variabele die een onderzoeker wijzigt of controleert om de effecten op de afhankelijke variabele te kunnen waarnemen.

De afhankelijke variabele: de in een experiment gemeten variabele die ‘afhankelijk’ is van de onafhankelijke variabele.

Onderzoekers zijn vaak geïnteresseerd in het begrijpen hoe veranderingen in de onafhankelijke variabele de afhankelijke variabele beïnvloeden.

Soms komt het echter voor dat er geen rekening wordt gehouden met een derde variabele en dat deze de relatie tussen de twee onderzochte variabelen kan beïnvloeden.

Dit type variabele staat bekend als een verstorende variabele en kan de resultaten van een onderzoek verwarren en het laten lijken alsof er een soort oorzaak-gevolgrelatie bestaat tussen twee variabelen die in werkelijkheid niet bestaat.

Confounding variabele: een variabele die niet in een experiment wordt meegenomen, maar wel de relatie tussen de twee variabelen in een experiment beïnvloedt.

Dit type variabele kan de resultaten van een experiment verwarren en tot onbetrouwbare resultaten leiden.

Stel bijvoorbeeld dat een onderzoeker gegevens verzamelt over de verkoop van ijs en aanvallen van haaien en ontdekt dat de twee variabelen sterk gecorreleerd zijn. Betekent dit dat de toegenomen verkoop van ijs meer haaienaanvallen veroorzaakt?

Het is onwaarschijnlijk. De meest waarschijnlijke oorzaak is de verwarrende variabele temperatuur . Als het buiten warmer is, kopen meer mensen ijs en gaan meer mensen naar de oceaan.

Vereisten voor verwarrende variabelen

Wil een variabele een verwarrende variabele zijn, dan moet deze aan de volgende vereisten voldoen:

1. Het moet gecorreleerd zijn met de onafhankelijke variabele.

In het vorige voorbeeld was de temperatuur gecorreleerd met de onafhankelijke variabele ijsverkoop. Vooral warmere temperaturen worden in verband gebracht met een hogere verkoop van ijs en koudere temperaturen met een lagere verkoop.

2. Er moet een causaal verband bestaan met de afhankelijke variabele.

In het vorige voorbeeld had de temperatuur een direct causaal effect op het aantal haaienaanvallen. Vooral warmere temperaturen drijven meer mensen de oceaan in, wat de kans op aanvallen van haaien direct vergroot.

Waarom zijn verwarrende variabelen problematisch?

Verwarrende variabelen zijn om twee redenen problematisch:

1. Verwarrende variabelen kunnen de indruk wekken dat er oorzaak-gevolgrelaties bestaan, terwijl dat niet het geval is.

In ons vorige voorbeeld zorgde de verwarrende temperatuurvariabele ervoor dat het leek alsof er een causaal verband bestond tussen de verkoop van ijs en de aanvallen van haaien.

We weten echter dat de verkoop van ijs geen aanvallen van haaien veroorzaakt. De verwarrende temperatuurvariabele doet het zo lijken.

2. Verwarrende variabelen kunnen de ware oorzaak-gevolgrelatie tussen variabelen verdoezelen.

Stel dat we het vermogen van lichaamsbeweging om de bloeddruk te verlagen bestuderen. Een potentiële verstorende variabele is het startgewicht, dat gecorreleerd is met lichaamsbeweging en een direct causaal effect heeft op de bloeddruk.

Hoewel verhoogde fysieke activiteit kan leiden tot een verlaging van de bloeddruk, heeft het startgewicht van een individu ook een grote invloed op de relatie tussen deze twee variabelen.

Verwarrende variabelen en interne validiteit

In technische termen beïnvloeden verstorende variabelen de interne validiteit van een onderzoek, wat verwijst naar de validiteit van het toeschrijven van eventuele veranderingen in de afhankelijke variabele aan veranderingen in de onafhankelijke variabele.

Als er sprake is van verstorende variabelen, kunnen we niet altijd met zekerheid zeggen dat de veranderingen die we waarnemen in de afhankelijke variabele een direct gevolg zijn van veranderingen in de onafhankelijke variabele.

Hoe u het effect van verwarrende variabelen kunt verminderen

Er zijn verschillende manieren om het effect van verwarrende variabelen te verminderen, waaronder de volgende methoden:

1. Willekeurige toewijzing

Willekeurige toewijzing verwijst naar het proces waarbij individuen in een onderzoek willekeurig worden toegewezen aan een behandelgroep of een controlegroep.

Laten we bijvoorbeeld zeggen dat we het effect van een nieuwe pil op de bloeddruk willen onderzoeken. Als we 100 mensen rekruteren om aan het onderzoek deel te nemen, kunnen we een willekeurige getallengenerator gebruiken om willekeurig 50 mensen toe te wijzen aan een controlegroep (geen pil) en 50 mensen aan een behandelgroep (nieuwe pil).

Door gebruik te maken van willekeurige toewijzing vergroten we de kans dat de twee groepen ongeveer dezelfde kenmerken hebben, wat betekent dat eventuele waargenomen verschillen tussen de twee groepen kunnen worden toegeschreven aan de behandeling.

Dit betekent dat het onderzoek interne validiteit moet hebben: het is geldig om eventuele verschillen in bloeddruk tussen groepen toe te schrijven aan de pil zelf, in tegenstelling tot verschillen tussen individuen in de groepen.

2. Blokkeren

Blokkeren verwijst naar de praktijk waarbij individuen in een onderzoek in „blokken“ worden verdeeld op basis van een bepaalde waarde van een verstorende variabele, om het effect van de verstorende variabele te elimineren.

Stel dat onderzoekers bijvoorbeeld het effect van een nieuw dieet op gewichtsverlies willen begrijpen. De onafhankelijke variabele is het nieuwe dieet en de afhankelijke variabele is de mate van gewichtsverlies.

Eén verstorende variabele die variatie in gewichtsverlies kan veroorzaken, is echter geslacht . Het is waarschijnlijk dat het geslacht van een individu invloed heeft op de hoeveelheid gewicht die hij of zij verliest, of het nieuwe dieet nu werkt of niet.

Eén manier om dit probleem op te lossen is door individuen in een van de volgende twee blokken te plaatsen:

• Mannelijk
• Vrouwelijk

Vervolgens wijzen we binnen elk blok willekeurig individuen toe aan een van de twee behandelingen:

• Een nieuw dieet
• Een standaard dieet

Door dit te doen zou de variatie binnen elk blok veel kleiner zijn dan de variatie tussen alle individuen en zouden we beter kunnen begrijpen hoe het nieuwe dieet het gewichtsverlies beïnvloedt, terwijl we voor seks controleren.

3. Correspondentie

Een matched pair-ontwerp is een soort experimenteel ontwerp waarbij we individuen ‘matchen’ op basis van de waarden van potentiële verstorende variabelen.

Stel dat onderzoekers willen weten hoe een nieuw dieet het gewichtsverlies beïnvloedt in vergelijking met een standaarddieet. Twee potentieel verwarrende variabelen in deze situatie zijn leeftijd en geslacht .

Om hier rekening mee te houden, rekruteren onderzoekers 100 proefpersonen en groeperen ze vervolgens in 50 paren op basis van hun leeftijd en geslacht. Bijvoorbeeld:

• Een 25-jarige man wordt gematcht met een andere 25-jarige man, aangezien zij “matchen” qua leeftijd en geslacht.
• Een 30-jarige vrouw wordt gematcht met een andere 30-jarige vrouw, aangezien zij ook overeenkomen qua leeftijd, geslacht enz.

Vervolgens wordt binnen elk paar willekeurig één proefpersoon toegewezen om het nieuwe dieet gedurende 30 dagen te volgen en de andere proefpersoon wordt toegewezen om gedurende 30 dagen het standaarddieet te volgen.

Aan het einde van de 30 dagen meten onderzoekers het totale gewichtsverlies voor elke proefpersoon.

Door dit type ontwerp te gebruiken, kunnen onderzoekers er zeker van zijn dat eventuele verschillen in gewichtsverlies kunnen worden toegeschreven aan het type dieet dat wordt gebruikt, in plaats van aan de verstorende variabelen leeftijd en geslacht .

Dit type ontwerp heeft een aantal nadelen, waaronder:

1. Verlies twee vakken als een van hen uitvalt. Als een proefpersoon besluit uit de studie te stappen, verlies je feitelijk twee proefpersonen, omdat je geen compleet koppel meer hebt.

2. Het kost tijd om overeenkomsten te vinden . Het vinden van onderwerpen die overeenkomen met bepaalde variabelen, zoals geslacht en leeftijd, kan tijdrovend zijn.

3. Kan de onderwerpen niet perfect matchen . Hoe hard je ook je best doet, er zullen altijd variaties zijn binnen de onderwerpen van elk paar.

Als een onderzoek echter over de middelen beschikt om dit ontwerp te implementeren, kan het zeer effectief zijn in het elimineren van de effecten van verstorende variabelen.