Zmienna konkurencji: definicja i przykłady

Zmienna towarzysząca (czasami nazywana „zmienną towarzyszącą”) to zmienna, która nie jest głównym przedmiotem zainteresowania w badaniu, ale która mimo to może wchodzić w interakcję z badanymi zmiennymi będącymi przedmiotem zainteresowania.

Nieuwzględnienie tego typu zmiennych może prowadzić do stronniczych lub mylących wyników analizy. Dlatego ważne jest, aby je leczyć, jeśli to możliwe.

W badaniach obserwacyjnych należy mieć świadomość, że współwystępujące zmienne mogą prowadzić do nietypowych interpretacji danych i relacji między zmiennymi. W badaniach eksperymentalnych ważne jest zaprojektowanie eksperymentu w sposób eliminujący lub zmniejszający ryzyko wystąpienia zmiennych towarzyszących.

Poniższe przykłady ilustrują kilka przypadków, w których w badaniu mogą występować zmienne towarzyszące:

Przykład 1

Naukowcy chcą zrozumieć związek między gęstością zaludnienia a sprzedażą lodów. Pogoda jest jednak zmienną towarzyszącą, która prawdopodobnie wpływa na sprzedaż lodów.

Jeśli więc badacze chcą przeprowadzić regresję liniową , aby określić ilościowo związek między gęstością zaludnienia a sprzedażą lodów, powinni również spróbować zebrać dane na temat pogody, aby móc kontrolować tę zmienną w regresji i móc uzyskać szacunki dokładny. wpływu gęstości zaludnienia na sprzedaż lodów.

Przykład 2

Naukowcy chcą zrozumieć związek między godzinami spędzonymi na treningach a średnią liczbą punktów zdobytych na mecz przez koszykarzy. Jednakże towarzyszącą zmienną, która prawdopodobnie wpływa na średnią zdobytych punktów, jest liczba minut rozegranych na mecz.

Dlatego badacze powinni również śledzić liczbę minut spędzonych przez gracza na meczu, aby móc uwzględnić ją jako zmienną w analizie regresji i wyizolować wpływ godzin spędzonych na ćwiczeniach na średnią liczbę punktów zdobytych w meczu.

Powiązane: Jak interpretować współczynniki regresji

Przykład 3

Naukowcy chcą wiedzieć, czy dany nawóz powoduje zwiększony wzrost roślin. Jednakże ekspozycja na słońce i częstotliwość podlewania to dwie potencjalne współistniejące zmienne, które mogą wpływać na wzrost roślin.

Dlatego badacze powinni również gromadzić dane dotyczące nasłonecznienia i częstotliwości podlewania, aby można je było uwzględnić jako zmienne w analizie regresji i móc zrozumieć wpływ nawozu na rosnące rośliny po uwzględnieniu nasłonecznienia i częstotliwości podlewania.

Jak zidentyfikować i wyeliminować współistniejące zmienne

Aby odkryć współwystępujące zmienne, pomocne jest posiadanie wiedzy specjalistycznej w badanym obszarze. Wiedząc, jakie potencjalne zmienne mogą wpłynąć na związek między zmiennymi badania, które nie zostały wyraźnie uwzględnione w badaniu, możesz odkryć potencjalne zmienne współwystępujące.

W badaniach obserwacyjnych wyeliminowanie ryzyka wystąpienia zmiennych towarzyszących może być bardzo trudne. W większości przypadków najlepsze, co można zrobić, to po prostu zidentyfikować, a nie zapobiegać potencjalnym współwystępującym zmiennym, które mogą mieć wpływ na badanie.

Jednakże w badaniach eksperymentalnych wpływ zmiennych towarzyszących można w dużej mierze wyeliminować poprzez dobry projekt eksperymentu.

Załóżmy na przykład, że chcemy wiedzieć, czy dwie pigułki mają różny wpływ na ciśnienie krwi. Wiemy, że na ciśnienie krwi wpływają również czynniki towarzyszące, takie jak dieta i palenie tytoniu . Możemy zatem próbować kontrolować te współistniejące zmienne, stosując projekt losowy. Oznacza to, że losowo przydzielamy pacjentów do przyjęcia pierwszej lub drugiej pigułki.

Ponieważ losowo przypisujemy pacjentów do grup, możemy założyć, że współistniejące zmienne będą miały w przybliżeniu jednakowy wpływ na obie grupy. Oznacza to, że jakąkolwiek różnicę w ciśnieniu krwi można przypisać pigułce, a nie działaniu towarzyszącej zmiennej.