ตัวแปรการกลั่นกรองคืออะไร? คำจำกัดความและตัวอย่าง

ตัวแปรโมเดอเรเตอร์ คือประเภทของตัวแปรที่ส่งผลต่อความสัมพันธ์ระหว่าง ตัวแปรตาม และ ตัวแปรอิสระ

เมื่อเราทำการ วิเคราะห์การถดถอย เรามักจะต้องการเข้าใจว่าการเปลี่ยนแปลงของตัวแปรอิสระส่งผลต่อตัวแปรตามอย่างไร อย่างไรก็ตาม ตัวแปรการกลั่นกรองบางครั้งอาจส่งผลต่อความสัมพันธ์นี้ได้

ตัวอย่างเช่น สมมติว่าเราต้องการปรับแบบจำลองการถดถอยโดยเราใช้ ชั่วโมงที่แปรผันตามอิสระในการออกกำลังกายในแต่ละสัปดาห์ เพื่อทำนาย อัตราการเต้นของหัวใจที่เหลืออยู่ของ ตัวแปรตาม

เราเชื่อว่าชั่วโมงการออกกำลังกายที่มากขึ้นสัมพันธ์กับอัตราการเต้นของหัวใจขณะพักที่ลดลง อย่างไรก็ตาม ความสัมพันธ์นี้อาจได้รับผลกระทบจากตัวแปรการกลั่นกรอง เช่น เพศ

อาจเป็นไปได้ว่าการออกกำลังกายเพิ่มเติมแต่ละชั่วโมงส่งผลให้อัตราการเต้นของหัวใจที่เหลืออยู่ในผู้ชายลดลงมากกว่าผู้หญิง

อีกตัวอย่างหนึ่งของตัวแปรการกลั่นกรองอาจเป็น อายุ มีแนวโน้มว่าการออกกำลังกายเพิ่มเติมแต่ละชั่วโมงส่งผลให้อัตราการเต้นของหัวใจที่เหลืออยู่ในคนอายุน้อยกว่าลดลงมากกว่าในผู้สูงอายุ

คุณสมบัติของตัวแปรการกลั่นกรอง

ตัวแปรการควบคุมมีคุณสมบัติดังต่อไปนี้:

1. ตัวแปรกลั่นกรองอาจเป็นเชิงคุณภาพหรือเชิงปริมาณ

ตัวแปรเชิงคุณภาพ คือตัวแปรที่ใช้ชื่อหรือป้ายกำกับ ตัวอย่างได้แก่:

• เพศ (ชายหรือหญิง)
• ระดับการศึกษา (ปริญญาตรี ปริญญาตรี ปริญญาโท ฯลฯ)
• สถานภาพการสมรส (โสด, แต่งงานแล้ว, หย่าร้าง)

ตัวแปรเชิงปริมาณ คือตัวแปรที่รับค่าตัวเลข ตัวอย่างได้แก่:

• อายุ
• ความสูง
• ตารางฟุต
• ขนาดประชากร

ในตัวอย่างก่อนหน้านี้ เพศ เป็นตัวแปรเชิงคุณภาพที่อาจส่งผลต่อความสัมพันธ์ระหว่างชั่วโมงที่ศึกษากับอัตราการเต้นของหัวใจที่เหลืออยู่ ในขณะที่ อายุ เป็นตัวแปรเชิงปริมาณที่อาจส่งผลต่อความสัมพันธ์

2. ตัวแปรโมเดอเรเตอร์สามารถส่งผลต่อความสัมพันธ์ระหว่างตัวแปรอิสระและตัวแปรตามได้หลายวิธี

การกลั่นกรองตัวแปรอาจมีผลกระทบดังต่อไปนี้:

• กระชับความสัมพันธ์ระหว่างสองตัวแปร
• ทำให้ความสัมพันธ์ระหว่างสองตัวแปรอ่อนลง
• ยกเลิกความสัมพันธ์ระหว่างตัวแปรสองตัว

ตัวแปรกลั่นกรองสามารถ กลั่นกรอง ความสัมพันธ์ระหว่างตัวแปรสองตัวด้วยวิธีที่แตกต่างกัน ขึ้นอยู่กับสถานการณ์

วิธีทดสอบตัวแปรการกลั่นกรอง

ต้นยู

Y = β ₀ + β ₁

หากเราสงสัยว่าตัวแปรอื่น Z เป็นตัวแปรที่ต้องควบคุม เราก็จะใส่แบบจำลองการถดถอยต่อไปนี้ได้:

Y = β ₀ + β ₁ X ₁ + β ₂ Z   + β ₃ XZ

ในสมการนี้ เทอม XZ เรียกว่า เทอมปฏิสัมพันธ์

ถ้า ค่า p สำหรับสัมประสิทธิ์ของ XZ ในผลลัพธ์การถดถอยมีนัยสำคัญทางสถิติ ก็บ่งชี้ว่ามีปฏิสัมพันธ์ที่มีนัยสำคัญระหว่าง X และ Z และ Z ควรรวมไว้ในแบบจำลองการถดถอยเป็นตัวแปรในการกลั่นกรอง

เราจะเขียนโมเดลสุดท้ายดังนี้:

Y = β ₀ + β ₁ X + β ₂ Z   + β ₃ XZ

หากค่า p ของสัมประสิทธิ์ XZ ในผลลัพธ์การถดถอยไม่มีนัยสำคัญทางสถิติ Z ก็ไม่ใช่ตัวแปรในการกลั่นกรอง

อย่างไรก็ตาม อาจเป็นไปได้ว่าค่าสัมประสิทธิ์ Z ยังคงมีนัยสำคัญทางสถิติ ในกรณีนี้ เราจะรวม Z ไว้เป็นตัวแปรอิสระอีกตัวหนึ่งในแบบจำลองการถดถอย

จากนั้นเราก็เขียนโมเดลสุดท้ายดังนี้:

Y = β ₀ + β ₁ X + β ₂ Z

แหล่งข้อมูลเพิ่มเติม

วิธีอ่านและตีความตารางการถดถอย
วิธีใช้ตัวแปรจำลองในการวิเคราะห์การถดถอย
ความรู้เบื้องต้นเกี่ยวกับตัวแปรที่น่าสับสน