Confounding Variable: Eenvoudige definitie en voorbeeld

Ontwerp van experimenten >Belastende variabele

Bekijk de video of lees het artikel hieronder.

Wat is een verstorende variabele?

Een verstorende variabele is een “extra” variabele waar je geen rekening mee hebt gehouden. Ze kunnen een experiment verpesten en nutteloze resultaten opleveren. Ze kunnen suggereren dat er een correlatie is, terwijl dat in feite niet zo is. Ze kunnen zelfs vooringenomenheid veroorzaken. Daarom is het belangrijk om te weten wat ze zijn, en hoe je kunt voorkomen dat ze in je experiment terechtkomen.

Een verwarrende variabele kan een verborgen effect hebben op de uitkomst van je experiment.

In een experiment heeft de onafhankelijke variabele meestal een effect op je afhankelijke variabele. Als u bijvoorbeeld onderzoekt of gebrek aan lichaamsbeweging leidt tot gewichtstoename, dan is gebrek aan lichaamsbeweging uw onafhankelijke variabele en gewichtstoename uw afhankelijke variabele. Verstorende variabelen zijn alle andere variabelen die ook een effect hebben op uw afhankelijke variabele. Ze zijn als extra onafhankelijke variabelen die een verborgen effect hebben op je afhankelijke variabelen. Verstorende variabelen kunnen twee grote problemen veroorzaken:

• Verhoogt de variantie
• Veroorzaakt bias.

Let op: je test 200 vrijwilligers (100 mannen en 100 vrouwen). Je ontdekt dat gebrek aan beweging leidt tot gewichtstoename. Een probleem met je experiment is dat er geen controlevariabelen zijn. Bijvoorbeeld, het gebruik van placebo’s, of willekeurige toewijzing aan groepen. Je kunt dus niet met zekerheid zeggen of gebrek aan beweging leidt tot gewichtstoename. Een beïnvloedende variabele is hoeveel mensen eten. Het is ook mogelijk dat mannen meer eten dan vrouwen; dit zou ook het geslacht tot een verwarrende variabele kunnen maken. Er werd ook niets gezegd over startgewicht, beroep of leeftijd. Een slechte studieopzet als deze kan leiden tot vertekening. Als bijvoorbeeld alle vrouwen in de studie van middelbare leeftijd waren, en alle mannen van 16 jaar, zou leeftijd een direct effect hebben op gewichtstoename. Dat maakt leeftijd tot een confounding variabele.

Confounding Bias

Technisch gezien is confounding geen echte bias, omdat bias meestal het gevolg is van fouten bij het verzamelen of meten van gegevens. Een definitie van vertekening is echter “…de neiging van een statistiek om een parameter te overschatten of te onderschatten”, dus in die zin is confounding een vorm van vertekening.

Confounding bias is het resultaat van het hebben van confounding variabelen in je model. Het heeft een richting, afhankelijk van of het de effecten van je model over- of onderschat:

• Positieve confounding is wanneer de waargenomen associatie afwijkt van de nul. Met andere woorden, het effect wordt overschat.
• Negatieve confounding is wanneer het waargenomen verband vertekend is in de richting van de nul. Met andere woorden, het effect wordt onderschat.

Hoe beperk je verwarrende variabelen

Zorg ervoor dat je alle mogelijke verwarrende variabelen in je studie identificeert. Maak een lijst van alles wat je kunt bedenken en ga een voor een na of die opgesomde items de uitkomst van je studie kunnen beïnvloeden. Meestal heeft iemand vóór jou al een soortgelijk onderzoek gedaan. Kijk dus in de academische databanken voor ideeën over wat je op je lijst kunt zetten. Als je de variabelen eenmaal hebt uitgezocht, gebruik dan een van de volgende technieken om het effect van die verstorende variabelen te verminderen:

1. Bias kan worden geëlimineerd met aselecte steekproeven.
2. Ontdek controlevariabelen om te controleren op verstorende variabelen. Je zou bijvoorbeeld leeftijd kunnen controleren door alleen 30-jarigen te meten.
3. Within subjects designs testen elke keer dezelfde proefpersonen. Er kan van alles gebeuren met de proefpersoon in de “tussen”-periode, dus dit zorgt niet voor een perfecte immuniteit voor verstorende variabelen.
4. Contrabalansen kunnen worden gebruikt als je gepaarde ontwerpen hebt. Bij counterbalancing wordt de helft van de groep gemeten onder conditie 1 en de andere helft onder conditie 2.

Age Graded Influences
Confounding by Indication
History Graded Influences
Nonormative Influences

——————————————————————————

Heb je hulp nodig bij een huiswerk- of toetsvraag? Met Chegg Study kunt u stap-voor-stap oplossingen voor uw vragen krijgen van een expert op dit gebied. Uw eerste 30 minuten met een Chegg-leraar zijn gratis!