Confounding Variable: Einfache Definition und Beispiel

Design of Experiments > Confounding Variable

Schauen Sie sich das Video an oder lesen Sie den Artikel unten.

Was ist eine Confounding Variable?

Eine Confounding Variable ist eine „zusätzliche“ Variable, die Sie nicht berücksichtigt haben. Sie kann ein Experiment ruinieren und unbrauchbare Ergebnisse liefern. Sie können eine Korrelation suggerieren, die in Wirklichkeit gar nicht vorhanden ist. Sie können sogar zu Verzerrungen führen. Deshalb ist es wichtig zu wissen, was eine Störvariable ist und wie man sie von vornherein ausschließt.

Eine Störvariable kann einen versteckten Effekt auf das Ergebnis Ihres Experiments haben.

In einem Experiment hat die unabhängige Variable typischerweise einen Effekt auf Ihre abhängige Variable. Wenn Sie zum Beispiel untersuchen, ob Bewegungsmangel zu einer Gewichtszunahme führt, dann ist Bewegungsmangel Ihre unabhängige Variable und Gewichtszunahme Ihre abhängige Variable. Störvariablen sind alle anderen Variablen, die ebenfalls einen Einfluss auf die abhängige Variable haben. Sie sind wie zusätzliche unabhängige Variablen, die einen versteckten Effekt auf Ihre abhängigen Variablen haben. Störvariablen können zwei Hauptprobleme verursachen:

• Erhöhen Sie die Varianz
• Erzeugen Sie Verzerrungen.

Angenommen, Sie testen 200 Freiwillige (100 Männer und 100 Frauen). Sie stellen fest, dass Bewegungsmangel zu einer Gewichtszunahme führt. Ein Problem bei Ihrem Experiment ist, dass es an Kontrollvariablen fehlt. Zum Beispiel die Verwendung von Placebos oder die zufällige Zuweisung zu Gruppen. Sie können also nicht mit Sicherheit sagen, ob Bewegungsmangel zu einer Gewichtszunahme führt. Eine verwirrende Variable ist, wie viel die Leute essen. Es ist auch möglich, dass Männer mehr essen als Frauen; dies könnte auch das Geschlecht zu einer Störvariable machen. Es wurde auch nichts über das Ausgangsgewicht, den Beruf oder das Alter erwähnt. Ein schlechtes Studiendesign wie dieses könnte zu Verzerrungen führen. Wenn zum Beispiel alle Frauen in der Studie im mittleren Alter waren und alle Männer im Alter von 16 Jahren, hätte das Alter einen direkten Einfluss auf die Gewichtszunahme. Das macht das Alter zu einer Confounding-Variable.

Confounding Bias

Technisch gesehen ist Confounding kein echter Bias, da Bias normalerweise ein Ergebnis von Fehlern bei der Datenerfassung oder Messung ist. Eine Definition von Bias ist jedoch „…die Tendenz einer Statistik, einen Parameter zu überschätzen oder zu unterschätzen“, in diesem Sinne ist Confounding also eine Art von Bias.

Der Confounding Bias ist das Ergebnis von Confounding-Variablen in Ihrem Modell. Er hat eine Richtung, je nachdem, ob er die Effekte Ihres Modells über- oder unterschätzt:

• Positives Confounding liegt vor, wenn die beobachtete Assoziation von der Null weg verzerrt ist. Mit anderen Worten, es überschätzt den Effekt.
• Negatives Confounding liegt vor, wenn die beobachtete Assoziation in Richtung der Null verzerrt ist. Mit anderen Worten, der Effekt wird unterschätzt.

Wie man Störvariablen reduziert

Stellen Sie sicher, dass Sie alle möglichen Störvariablen in Ihrer Studie identifizieren. Machen Sie eine Liste mit allem, was Ihnen einfällt, und überlegen Sie nacheinander, ob die aufgelisteten Punkte das Ergebnis Ihrer Studie beeinflussen könnten. Normalerweise hat jemand vor Ihnen eine ähnliche Studie durchgeführt. Suchen Sie also in den akademischen Datenbanken nach Ideen, was Sie in Ihre Liste aufnehmen sollten. Sobald Sie die Variablen herausgefunden haben, verwenden Sie eine der folgenden Techniken, um den Effekt dieser Störvariablen zu reduzieren:

1. Vorurteile können mit Zufallsstichproben eliminiert werden.
2. Führen Sie Kontrollvariablen ein, um Störvariablen zu kontrollieren. Zum Beispiel könnte man für das Alter kontrollieren, indem man nur 30-Jährige misst.
3. Intra-Subjekt-Designs testen jedes Mal die gleichen Probanden. In der „Zwischen“-Periode kann der Versuchsperson alles Mögliche passieren, so dass dies keine perfekte Immunität gegenüber Störvariablen bietet.
4. Bei gepaarten Designs kann Counterbalancing verwendet werden. Beim Counterbalancing wird die Hälfte der Gruppe unter Bedingung 1 und die andere Hälfte unter Bedingung 2 gemessen.

Altersabhängige Einflüsse
Confounding by Indication
Geschichtsabhängige Einflüsse
Nonormative Einflüsse

——————————————————————————

Brauchen Sie Hilfe bei einer Hausaufgabe oder einer Prüfungsfrage? Mit Chegg Study können Sie Schritt-für-Schritt-Lösungen zu Ihren Fragen von einem Experten auf dem Gebiet erhalten. Ihre ersten 30 Minuten mit einem Chegg Tutor sind kostenlos!