Variable confondante : Définition simple et exemple

.

Plans d’expériences > Variable confondante

Voir la vidéo ou lire l’article ci-dessous.

Qu’est-ce qu’une variable confondante ?

Une variable confondante est une variable  » supplémentaire  » que vous n’avez pas prise en compte. Elles peuvent ruiner une expérience et vous donner des résultats inutiles. Elles peuvent suggérer qu’il y a une corrélation alors qu’en fait il n’y en a pas. Elles peuvent même introduire un biais. C’est pourquoi il est important de savoir ce qu’elles sont, et comment éviter de les introduire dans votre expérience en premier lieu.

Une variable de confusion peut avoir un effet caché sur le résultat de votre expérience.

Dans une expérience, la variable indépendante a généralement un effet sur votre variable dépendante. Par exemple, si vous cherchez à savoir si le manque d’exercice entraîne une prise de poids, alors le manque d’exercice est votre variable indépendante et la prise de poids est votre variable dépendante. Les variables confusionnelles sont toutes les autres variables qui ont également un effet sur votre variable dépendante. Elles sont comme des variables indépendantes supplémentaires qui ont un effet caché sur vos variables dépendantes. Les variables confusionnelles peuvent causer deux problèmes majeurs :

• Augmenter la variance
• Introduire un biais.

Disons que vous testez 200 volontaires (100 hommes et 100 femmes). Vous constatez que le manque d’exercice physique entraîne une prise de poids. Un des problèmes de votre expérience est qu’elle manque de variables de contrôle. Par exemple, l’utilisation de placebos, ou l’affectation aléatoire à des groupes. Vous ne pouvez donc pas vraiment dire avec certitude si le manque d’exercice entraîne une prise de poids. L’une des variables confusionnelles est la quantité de nourriture que les gens mangent. Il est également possible que les hommes mangent plus que les femmes, ce qui pourrait également faire du sexe une variable confusionnelle. Rien n’a été mentionné non plus sur le poids de départ, la profession ou l’âge. Une mauvaise conception de l’étude comme celle-ci pourrait entraîner un biais. Par exemple, si toutes les femmes participant à l’étude étaient d’âge moyen et que tous les hommes étaient âgés de 16 ans, l’âge aurait un effet direct sur la prise de poids. Cela fait de l’âge une variable de confusion.

Biaissement par confusion

Techniquement, la confusion n’est pas un véritable biais, car le biais est généralement le résultat d’erreurs dans la collecte ou la mesure des données. Cependant, une définition du biais est « …la tendance d’une statistique à surestimer ou sous-estimer un paramètre », donc dans ce sens, la confusion est un type de biais.

Le biais de confusion est le résultat de la présence de variables de confusion dans votre modèle. Il a une direction, selon qu’il surestime ou sous-estime les effets de votre modèle :

• La confusion positive est lorsque l’association observée est biaisée loin de la valeur nulle. En d’autres termes, elle surestime l’effet.
• La confusion négative est lorsque l’association observée est biaisée vers la valeur nulle. En d’autres termes, elle sous-estime l’effet.

Comment réduire les variables de confusion

Veillez à identifier toutes les variables de confusion possibles dans votre étude. Faites une liste de tout ce à quoi vous pouvez penser et, un par un, examinez si ces éléments listés peuvent influencer le résultat de votre étude. En général, quelqu’un a réalisé une étude similaire avant vous. Consultez donc les bases de données universitaires pour trouver des idées sur les éléments à inclure dans votre liste. Une fois que vous avez déterminé les variables, utilisez l’une des techniques suivantes pour réduire l’effet de ces variables confusionnelles :

1. Les biais peuvent être éliminés avec des échantillons aléatoires.
2. Introduisez des variables de contrôle pour contrôler les variables confusionnelles. Par exemple, vous pourriez contrôler l’âge en ne mesurant que les personnes de 30 ans.
3. Les conceptions intra-sujet testent les mêmes sujets à chaque fois. N’importe quoi pourrait arriver au sujet testé dans la période « entre », donc cela ne permet pas une immunité parfaite contre les variables confusionnelles.
4. La contrebalance peut être utilisée si vous avez des conceptions par paires. Dans le contrebalancement, la moitié du groupe est mesurée dans la condition 1 et l’autre moitié dans la condition 2.

Influences graduées en fonction de l’âge
Fondation par indication
Influences graduées en fonction de l’histoire
Influences non normatives

——————————————————————————

Vous avez besoin d’aide pour un devoir ou une question de test ? Avec Chegg Study, vous pouvez obtenir des solutions étape par étape à vos questions de la part d’un expert dans le domaine. Vos 30 premières minutes avec un tuteur Chegg sont gratuites !