Variável do concorrente: definição e exemplos

Uma variável concomitante (às vezes chamada de “covariável”) é uma variável que não é de interesse primário em um estudo, mas que pode, no entanto, ter alguma interação com a(s) variável(eis) de interesse que estão sendo estudadas.

A não consideração desses tipos de variáveis pode levar a resultados tendenciosos ou enganosos em uma análise. Portanto, é importante tratá-los sempre que possível.

Em estudos observacionais, é importante estar ciente de que variáveis concomitantes podem levar a interpretações incomuns dos dados e relações entre variáveis. Em estudos experimentais, é importante planejar o experimento de forma a eliminar ou reduzir o risco de variáveis concomitantes.

Os exemplos a seguir ilustram vários casos em que variáveis concomitantes podem estar presentes em um estudo:

Exemplo 1

Os pesquisadores querem compreender a relação entre a densidade populacional e as vendas de sorvetes. No entanto, o clima é uma variável concomitante que provavelmente afeta as vendas de sorvetes.

Portanto, se os pesquisadores quiserem realizar uma regressão linear para quantificar a relação entre a densidade populacional e as vendas de sorvete, eles também devem tentar coletar dados sobre o clima para que possam controlar essa variável na regressão e serem capazes de obter uma estimativa preciso. do efeito da densidade populacional nas vendas de sorvetes.

Exemplo 2

Os pesquisadores querem entender a relação entre as horas gastas treinando e a média de pontos marcados por jogo pelos jogadores de basquete. Porém, uma variável concomitante que provavelmente afeta a média de pontos marcados é o número de minutos jogados por jogo.

Assim, os pesquisadores também devem acompanhar o número de minutos que um jogador joga por jogo, para que possam incluí-lo como variável na análise de regressão e isolar o efeito das horas gastas praticando na média de pontos marcados por jogo.

Relacionado: Como interpretar coeficientes de regressão

Exemplo 3

Os pesquisadores querem saber se um determinado fertilizante causa ou não aumento do crescimento das plantas. No entanto, a exposição solar e a frequência de rega são duas potenciais variáveis concomitantes que podem afetar o crescimento das plantas.

Assim, os investigadores também devem recolher dados sobre a exposição solar e a frequência de rega para que possam ser incluídos como variáveis na análise de regressão e possam compreender o efeito do fertilizante nas plantas em crescimento, depois de ter em conta a exposição solar e a frequência de rega.

Como identificar e eliminar variáveis concomitantes

Para descobrir variáveis co-ocorrentes, é útil ter conhecimento especializado na área que está sendo estudada. Ao saber quais variáveis potenciais podem afetar o relacionamento entre as variáveis do estudo que não estão explicitamente incluídas no estudo, você poderá descobrir possíveis variáveis coocorrentes.

Em estudos observacionais, pode ser muito difícil eliminar o risco de variáveis concomitantes. Na maioria dos casos, o melhor que você pode fazer é simplesmente identificar, em vez de prevenir, potenciais variáveis co-ocorrentes que poderiam impactar o estudo.

Contudo, em estudos experimentais, o impacto de variáveis concomitantes pode ser amplamente eliminado através de um bom desenho experimental.

Por exemplo, digamos que queremos saber se dois comprimidos têm um impacto diferente na pressão arterial. Sabemos que variáveis concomitantes como alimentação e hábito de fumar também impactam na pressão arterial. Podemos, portanto, tentar controlar essas variáveis concomitantes usando um desenho randomizado. Isso significa que designamos aleatoriamente os pacientes para tomarem o primeiro ou o segundo comprimido.

Como estamos distribuindo pacientes aleatoriamente em grupos, podemos assumir que variáveis concomitantes afetarão ambos os grupos de forma aproximadamente igual. Isto significa que qualquer diferença na pressão arterial pode ser atribuída à pílula e não ao efeito de uma variável concomitante.