التحكم في متغير

في النماذج السببية ، يعني التحكم في متغير ما تصنيف البيانات وفقًا للقيم المقاسة لهذا المتغير. ويتم ذلك عادةً حتى لا يعود المتغير عاملًا مُربكًا ، على سبيل المثال، في دراسة رصدية أو تجربة .

عند تقدير تأثير المتغيرات التفسيرية على النتيجة باستخدام الانحدار ، يتم تضمين المتغيرات التي يتم التحكم فيها كمدخلات من أجل فصل تأثيراتها عن المتغيرات التفسيرية. ^{[ 1 ]}

من عيوب ضبط المتغيرات الحاجة إلى نموذج سببي لتحديد العوامل المربكة المهمة ( يُستخدم معيار الباب الخلفي لهذا الغرض). فبدون هذا النموذج، قد يبقى عامل مربك محتمل دون ملاحظة. ومن المشكلات الأخرى المرتبطة بذلك أنه إذا تم ضبط متغير ليس عاملاً مربكاً حقيقياً، فقد يؤدي ذلك في الواقع إلى جعل متغيرات أخرى (ربما لم تُؤخذ في الحسبان) عوامل مربكة، بينما لم تكن كذلك من قبل. وفي حالات أخرى، قد يؤدي ضبط متغير غير مربك إلى التقليل من شأن التأثير السببي الحقيقي للمتغيرات التفسيرية على النتيجة (مثلاً عند ضبط متغير وسيط أو أحد مشتقاته ). ^{[ 2 ]}^{[ 3 ]} ويُخفف التفكير الافتراضي من تأثير العوامل المربكة دون هذا العيب . ^{[ 3 ]}

التجارب

تهدف التجارب إلى تقييم تأثير تغيير متغير مستقل واحد أو أكثر على متغير تابع واحد أو أكثر . ولضمان عدم تأثر التأثير المقاس بعوامل خارجية، يجب تثبيت المتغيرات الأخرى. وتُعرف هذه المتغيرات التي تُثبّت خلال التجربة بالمتغيرات الضابطة .

على سبيل المثال، إذا أُجريت تجربة خارجية لمقارنة تأثير تصميمات أجنحة مختلفة لطائرة ورقية (المتغير المستقل) على مسافة طيرانها (المتغير التابع)، فمن الضروري التأكد من إجراء التجربة في أوقات يكون فيها الطقس ثابتًا، لتجنب تأثير الطقس عليها. في هذه الحالة، قد تكون متغيرات التحكم هي سرعة الرياح واتجاهها وهطول الأمطار. إذا أُجريت التجربة في يوم مشمس بلا رياح، ثم تغير الطقس، فمن الأفضل تأجيل إكمال التجربة حتى تعود متغيرات التحكم (سرعة الرياح وهطول الأمطار) إلى حالتها الأصلية عند بدء التجربة.

في التجارب المضبوطة لخيارات العلاج الطبي على البشر، يقوم الباحثون بتوزيع الأفراد عشوائياً على مجموعة علاجية أو مجموعة ضابطة . ويتم ذلك للحد من تأثير المتغيرات غير ذات الصلة التي لا يتم دراستها، مثل تأثير الدواء الوهمي .

الدراسات الرصدية

في الدراسة القائمة على الملاحظة ، لا يملك الباحثون أي سيطرة على قيم المتغيرات المستقلة، مثل من يتلقى العلاج. بدلاً من ذلك، يجب عليهم التحكم في المتغيرات باستخدام الإحصاءات .

تُستخدم الدراسات الرصدية عندما تكون التجارب المضبوطة غير أخلاقية أو غير عملية. على سبيل المثال، إذا أراد باحث دراسة تأثير البطالة ( المتغير المستقل ) على الصحة ( المتغير التابع )، فسيعتبر من غير الأخلاقي، وفقًا للجان المراجعة المؤسسية، توزيع المشاركين عشوائيًا بين عاملين وعاطلين عن العمل. بدلًا من ذلك، سيتعين على الباحث إنشاء عينة تضم بعض العاملين وبعض العاطلين عن العمل. مع ذلك، قد توجد عوامل تؤثر على كل من حالة العمل والصحة. قد يُعزى جزء من أي ارتباط مُلاحَظ بين المتغير المستقل (الحالة الوظيفية) والمتغير التابع (الصحة) إلى هذه العوامل الخارجية الدخيلة ، بدلًا من أن يُشير إلى وجود صلة حقيقية بينهما. قد يُشكل هذا إشكالية حتى في العينة العشوائية الحقيقية . من خلال ضبط المتغيرات الدخيلة، يستطيع الباحث الاقتراب من فهم التأثير الحقيقي للمتغير المستقل على المتغير التابع.

في هذا السياق، يمكن التحكم في المتغيرات الدخيلة باستخدام الانحدار المتعدد . يستخدم الانحدار كمتغيرات مستقلة ليس فقط المتغير أو المتغيرات التي تُدرس آثارها على المتغير التابع، بل أيضًا أي متغيرات مُربكة محتملة، وبالتالي تجنب تحيز المتغيرات المحذوفة . والمقصود بـ"المتغيرات المُربكة" في هذا السياق هي عوامل أخرى لا تؤثر فقط على المتغير التابع (النتيجة)، بل تؤثر أيضًا على المتغير المستقل الرئيسي . ^{[ 3 ]}

انحدارات المربعات الصغرى العادية والمتغيرات الضابطة

أبسط الأمثلة على المتغيرات الضابطة في تحليل الانحدار تأتي من مُقدِّرات المربعات الصغرى العادية (OLS). يفترض إطار عمل OLS ما يلي:

العلاقة الخطية - نماذج المربعات الصغرى العادية (OLS) خطية. لذا، يجب أن تكون العلاقة بين المتغيرات التفسيرية ومتوسط Y خطية.
تجانس التباين - يتطلب هذا تجانس التباينات، أي تباينات متساوية أو متشابهة عبر هذه البيانات.
الاستقلالية/عدم وجود ارتباط ذاتي - لا يمكن أن تتأثر حدود الخطأ من ملاحظة واحدة (أو أكثر) بحدود الخطأ للملاحظات الأخرى.
توزيع الأخطاء طبيعي - الأخطاء موزعة توزيعاً طبيعياً وغير مترابطة، وهذا يعني أن $(\epsilon _{i})_{i\in N}$ أي أن حدود الخطأ هي مجموعة مستقلة وموزعة توزيعًا متطابقًا (iid). وهذا يعني أن المتغيرات غير القابلة للملاحظة بين المجموعات أو الملاحظات المختلفة مستقلة.
لا يوجد ارتباط خطي متعدد - يجب ألا تكون المتغيرات المستقلة مرتبطة ارتباطًا وثيقًا ببعضها البعض. بالنسبة للانحدارات التي تستخدم ترميز المصفوفة، يجب أن تكون المصفوفة كاملة الرتبة، أي $X^{'}X$ قابلة للعكس.

وبناءً على ذلك، يمكن تفسير متغير التحكم على أنه متغير تفسيري خطي يؤثر على القيمة المتوسطة لـ Y (الافتراض 1)، ولكنه لا يمثل المتغير الأساسي قيد الدراسة، والذي يستوفي أيضًا الافتراضات الأخرى المذكورة أعلاه. ^{[ 4 ]}

مثال

لنفترض دراسةً حول ما إذا كان التقدم في السن يؤثر على رضا الفرد عن حياته . (يلاحظ بعض الباحثين منحنىً على شكل حرف "U": حيث يبدو أن الرضا عن الحياة ينخفض أولًا ثم يرتفع بعد منتصف العمر. ^{[ 5 ]} ) لتحديد المتغيرات الضابطة اللازمة هنا، يمكن التساؤل عن المتغيرات الأخرى التي لا تحدد رضا الفرد عن حياته فحسب، بل تحدد عمره أيضًا. هناك العديد من المتغيرات الأخرى التي تحدد الرضا عن الحياة. ولكن لا يوجد متغير آخر يحدد عمر الفرد (طالما أنه على قيد الحياة). (يستمر جميع الناس في التقدم في السن، بنفس المعدل، بغض النظر عن خصائصهم الأخرى). لذا، لا حاجة إلى متغيرات ضابطة هنا. ^{[ 6 ]}

لتحديد متغيرات التحكم المطلوبة، يمكن أن يكون من المفيد إنشاء رسم بياني موجه غير دوري . ^{[ 3 ]}

انظر أيضاً

مراجع

↑ فروست، جيم. "تكريم لتحليل الانحدار | مينيتاب" . تم الاسترجاع في 2015-08-04 .
↑ ستراينر، ديفيد ل. (فبراير 2016). "التحكم أم الإفراط في التحكم بالمتغيرات المصاحبة؟" . الصحة العقلية القائمة على الأدلة . 19 (1): 4-5 . doi : 10.1136/eb-2015-102294 . PMC 10699339. PMID 26755716. S2CID 11155639 .
1 2 3 4 بيرل، جوديا؛ ماكنزي، دانا (2018). كتاب لماذا: العلم الجديد للسبب والنتيجة . لندن: ألين لين. ISBN 978-0-241-24263-6.
↑ وايزبيرغ، سانفورد (2021). الانحدار الخطي التطبيقي . جون وايلي. ISBN 978-1-119-58014-0. OCLC 1225621417 .
↑ بلانشفلاور، د.؛ أوزوالد، أ. (2008). "هل يتخذ الرفاه شكل حرف U على مدار دورة الحياة؟" (ملف PDF) . العلوم الاجتماعية والطب . 66 (8): 1733-1749 . doi : 10.1016/j.socscimed.2008.01.030 . PMID 18316146 .
↑ بارترام، د. (2020). "العمر والرضا عن الحياة: ضبط المتغيرات المؤثرة" . علم الاجتماع . 55 (2): 421-437 . doi : 10.1177/0038038520926871 .

للمزيد من القراءة

فريدمان، ديفيد؛ بيزاني، روبرت؛ بورفيس، روجر (2007). الإحصاء . دبليو دبليو نورتون وشركاه. ISBN 978-0393929720.

[1] فروست، جيم. "تكريم لتحليل الانحدار | مينيتاب" . تم الاسترجاع في 2015-08-04 .

[2] ستراينر، ديفيد ل. (فبراير 2016). "التحكم أم الإفراط في التحكم بالمتغيرات المصاحبة؟" . الصحة العقلية القائمة على الأدلة . 19 (1): 4-5 . doi : 10.1136/eb-2015-102294 . PMC 10699339. PMID 26755716. S2CID 11155639 .

[:0-3] 1 2 3 4 بيرل، جوديا؛ ماكنزي، دانا (2018). كتاب لماذا: العلم الجديد للسبب والنتيجة . لندن: ألين لين. ISBN 978-0-241-24263-6.

[4] وايزبيرغ، سانفورد (2021). الانحدار الخطي التطبيقي . جون وايلي. ISBN 978-1-119-58014-0. OCLC 1225621417 .

[5] بلانشفلاور، د.؛ أوزوالد، أ. (2008). "هل يتخذ الرفاه شكل حرف U على مدار دورة الحياة؟" (ملف PDF) . العلوم الاجتماعية والطب . 66 (8): 1733-1749 . doi : 10.1016/j.socscimed.2008.01.030 . PMID 18316146 .

[6] بارترام، د. (2020). "العمر والرضا عن الحياة: ضبط المتغيرات المؤثرة" . علم الاجتماع . 55 (2): 421-437 . doi : 10.1177/0038038520926871 .

[ 1 ]

[ 2 ]

[ 4 ]

[ 5 ]

[ 6 ]