변수에 대한 제어
Controlling for a variable |
인과 모형에서 변수에 대한 제어는 변수의 측정 값에 따라 데이터를 빈 상태로 만드는 것을 의미한다. 이것은 일반적으로 변수가 관찰 연구나 실험에서 더 이상 교란자로 작용하지 않도록 하기 위해 수행된다.
회귀에 의한 결과에 대한 설명 변수의 영향을 추정할 때, 해당 변수의 효과를 설명 변수와 분리하기 위해 제어 변수가 입력값으로 포함된다.[1]
변수에 대한 제어의 한계는 중요한 교란자를 식별하기 위해 인과적 모델이 필요하다는 것이다(식별을 위해 백도어 기준이 사용된다). 만약 교란자가 없다면, 가능한 교란자는 눈에 띄지 않을 수도 있다. 또 다른 관련 문제는 실제 교란 요인이 아닌 변수를 제어한다면, 다른 변수(아마도 고려하지 않은 변수)가 이전에 교란 요인이 되지 않은 상태에서 교란 요인이 될 수 있다는 점이다. 다른 경우, 교란하지 않은 변수에 대한 통제는 결과에 대한 설명 변수의 실제 인과적 효과를 과소평가할 수 있다(예:[2] 중재자 또는 그 후손을 통제할 때). [3] 반사실적 추론은 이러한 단점이 없이 교란자의 영향력을 완화시킨다.[3]
실험
|
하나 이상의 종속 변수에 대한 하나 이상의 독립 변수 조작의 효과를 평가하기 위한 실험. 측정된 효과가 외부 요인의 영향을 받지 않도록 하려면 다른 변수를 일정하게 유지해야 한다. 실험 중에 일정하게 유지하기 위해 만들어진 변수를 제어 변수라고 한다.
예를 들어, 종이비행기의 날개 설계가 (독립 변수)가 비행할 수 있는 거리(의존 변수)에 미치는 영향을 비교하기 위해 실외 실험을 실시한다면, 날씨가 체험에 영향을 주는 것을 원하지 않기 때문에, 날씨가 같은 때에 실험을 실시하도록 보장하고 싶을 것이다.nt. 이 경우 제어 변수는 풍속, 방향 및 강수량일 수 있다. 바람이 불지 않고 해가 쨍쨍한데 날씨가 변했을 때 실험을 했다면 실험이 시작되었을 때와 대조 변수(바람과 강수량)가 같을 때까지 실험 완료를 미루고 싶을 것이다.
인간에 대한 치료 옵션의 통제된 실험에서, 연구자들은 개인들을 치료 그룹이나 통제 그룹에 무작위로 할당한다. 이는 플라시보 효과와 같이 연구되고 있지 않은 관련 변수의 교란 효과를 줄이기 위해 행해진다.
관찰 연구
관찰 연구에서, 연구자들은 치료를 받는 사람과 같은 독립 변수의 값에 대한 통제력을 가지고 있지 않다. 대신 통계량을 사용하여 변수를 제어해야 한다.
관찰 연구는 통제된 실험이 비윤리적이거나 비실용적일 때 사용된다. 예를 들어, 한 연구자가 실업률(독립 변수)이 건강(의존 변수)에 미치는 영향을 연구하고자 한다면, 기관 검토 위원회에서 일부 참가자를 무작위로 직무에 할당하고 일부는 그렇지 않은 것으로 간주할 수 있다. 대신 연구진은 일부 취업자와 실업자가 포함된 샘플을 만들어야 할 것이다. 하지만, 누군가가 고용되었는지와 얼마나 건강한지에 영향을 미치는 요소들이 있을 수 있다. 독립 변수(고용 상태)와 종속 변수(건강) 사이의 관찰된 연관성의 일부는 이들 변수 사이의 진정한 연관성을 나타내기 보다는 이러한 외부, 허위 요인 때문일 수 있다. 이것은 실제 무작위 표본에서도 문제가 될 수 있다. 외부 변수를 제어함으로써, 연구자는 종속 변수에 대한 독립 변수의 실제 효과를 이해하는 데 더 가까이 다가갈 수 있다.
이 맥락에서 외부 변수는 다중 회귀 분석을 사용하여 제어할 수 있다. 회귀 분석에서는 종속 변수에 대한 영향이 연구되고 있는 변수 또는 변수뿐만 아니라 잠재적 교란 변수까지 독립 변수로 사용하여 누락된 변수 치우침을 피한다. 이 맥락에서 "교란 변수"는 종속 변수(결과)에 영향을 미칠 뿐만 아니라 주요 독립 변수에도 영향을 미치는 다른 요인을 의미한다.[3]
예
나이가 드는 것이 누군가의 삶의 만족도에 영향을 미치는지에 대한 연구. (일부 연구자들은 "u-shape"를 인지하고 있다: 삶의 만족도는 먼저 감소했다가 중년 이후에 상승하는 것으로 보인다.)[4] 여기서 필요한 제어 변수를 식별하기 위해, 어떤 변수가 누군가의 삶의 만족도뿐만 아니라 나이까지도 결정하는지 물어볼 수 있다. 많은 다른 변수들이 삶의 만족도를 결정한다. 그러나 (생존하는 한) 누군가의 나이를 결정하는 다른 변수는 없다. (모든 사람들은 같은 비율로, 다른 특징에 상관없이 계속 늙는다.) 따라서 여기에는 제어 변수가 필요하지 않다.[5]
필요한 제어 변수를 결정하려면 지시된 순환 그래프를 구성하는 것이 유용할 수 있다.[3]
참고 항목
참조
- ^ Frost, Jim. "A Tribute to Regression Analysis Minitab". Retrieved 2015-08-04.
- ^ Streiner, David L (February 2016). "Control or overcontrol for covariates?". Evid Based Ment Health. 19 (1): 4–5. doi:10.1136/eb-2015-102294. PMID 26755716.
- ^ a b c d Pearl, Judea; Mackenzie, Dana (2018). The Book of Why: The New Science of Cause and Effect. London: Allen Lane. ISBN 978-0-241-24263-6.
- ^ Blanchflower, D.; Oswald, A. (2008). "Is well-being U-shaped over the life cycle?" (PDF). Social Science & Medicine. 66 (8): 1733–1749. doi:10.1016/j.socscimed.2008.01.030. PMID 18316146.
- ^ Bartram, D. (2020). "Age and Life Satisfaction: Getting Control Variables under Control". Sociology. 55 (2): 421–437. doi:10.1177/0038038520926871.
추가 읽기
- Freedman, David; Pisani, Robert; Purves, Roger (2007). Statistics. W. W. Norton & Company. ISBN 978-0393929720.
