ที่จะตอบคำถามที่แท้จริงของคุณ "คือมันถูกต้องที่จะรวมถึงมาตรการพื้นฐานเป็นตัวแปรควบคุมเมื่อการทดสอบผลของตัวแปรอิสระกับคะแนนการเปลี่ยนแปลง?" คำตอบคือไม่มี คำตอบคือไม่เพราะจากการก่อสร้างคะแนนพื้นฐานมีความสัมพันธ์กับคำผิดพลาดเมื่อใช้คะแนนการเปลี่ยนแปลงเป็นตัวแปรตามดังนั้นผลกระทบโดยประมาณของพื้นฐานในคะแนนการเปลี่ยนแปลงจะไม่สามารถตีความได้
การใช้
- Y1เป็นน้ำหนักเริ่มต้น
- Y2เป็นน้ำหนักสิ้นสุด
- Δ Y = Y 2 - Y 1Δ Yตามการเปลี่ยนแปลงของน้ำหนัก (เช่น )Δ Y= Y2- Y1
- Tเป็นการรักษาแบบสุ่มที่ได้รับมอบหมายและ
- Xเป็นปัจจัยภายนอกอื่น ๆ ที่มีผลต่อน้ำหนัก (เช่นตัวแปรควบคุมอื่น ๆ ที่เกี่ยวข้องกับผลลัพธ์ แต่ควรไม่เกี่ยวข้องกับการรักษาเนื่องจากการสุ่มกำหนด)
จากนั้นมีรูปแบบการถดถอยบนและ ; T XΔYTX
ΔY=β1T+β2X+e
ซึ่งตามคำนิยามเทียบเท่ากับ;
Y2−Y1=β1T+β2X+e
ทีนี้ถ้าคุณรวม baseline เป็น covariate เราควรเห็นปัญหาในการที่คุณมีทั้งสองข้างของสมการ สิ่งนี้แสดงให้เห็นว่านั้นไม่สามารถได้เพราะมีความสัมพันธ์โดยทั่วไปกับคำที่ผิดพลาดβ 3 Y 1Y1β3Y1
Y2−Y1Y2=β1T+β2X+β3Y1+e=β1T+β2X+β3Y1+(e+Y1)
ตอนนี้เป็นส่วนหนึ่งของความสับสนในคำตอบต่างๆที่ดูเหมือนว่าจะเกิดจากความจริงที่ว่ารูปแบบที่แตกต่างกันจะให้ผลลัพธ์ที่เหมือนกันสำหรับผลการรักษา ,ในการกำหนดดังกล่าวข้างต้นของฉัน ดังนั้นหากมีการเปรียบเทียบผลการรักษาสำหรับแบบจำลองโดยใช้คะแนนการเปลี่ยนแปลงเป็นตัวแปรที่ขึ้นอยู่กับแบบจำลองโดยใช้ "ระดับ" (กับแต่ละรุ่นรวมถึงพื้นฐานเป็น ) การตีความผลการรักษาจะเป็น เหมือนกัน. ในทั้งสองรุ่นที่ตามมาจะเหมือนกันและจะทำการอนุมานตามพวกมัน (Bruce Weaver มีรหัส SPSSบางตัวที่โพสต์แสดงให้เห็นถึงความเท่าเทียมกันเช่นกัน)Y 1 β 1 Tβ1TY1β1T
Change Score ModelLevels Model:Y2−Y1=β1T+β2X+β3Y1+e:Y2=β1T+β2X+β3Y1+e
ดังนั้นบางคนจะเถียง (ตามที่เฟลิกซ์มีในหัวข้อนี้และอย่างที่บรูซวีฟเวอร์ได้ทำการสนทนากันในกลุ่ม Google SPSS) เนื่องจากแบบจำลองนั้นมีผลการรักษาโดยประมาณเหมือนกันจึงไม่สำคัญว่าคุณจะเลือกรุ่นใด ฉันไม่เห็นด้วยเพราะพื้นฐาน covariate ในแบบจำลองคะแนนการเปลี่ยนแปลงไม่สามารถตีความได้คุณไม่ควรรวม baseline เป็น covariate (ไม่ว่าผลการรักษาโดยประมาณจะเหมือนกันหรือไม่ก็ตาม) ดังนั้นสิ่งนี้ทำให้เกิดคำถามอีกข้อหนึ่งอะไรคือจุดที่ใช้คะแนนการเปลี่ยนแปลงเป็นตัวแปรตาม ดังที่เฟลิกซ์ตั้งข้อสังเกตไว้เช่นกันแบบจำลองที่ใช้คะแนนการเปลี่ยนแปลงเป็นตัวแปรตามที่ไม่รวมค่าพื้นฐานเป็นค่าความแปรปรวนร่วมนั้นแตกต่างจากตัวแบบที่ใช้ระดับ เพื่อชี้แจงรูปแบบที่ตามมาจะให้ผลการรักษาที่แตกต่างกัน (โดยเฉพาะอย่างยิ่งในกรณีที่การรักษามีความสัมพันธ์กับพื้นฐาน);
Change Score Model Without BaselineLevels Model:Y2−Y1=β1T+β2X+e:Y2=β1T+β2X+β3Y1+e
เรื่องนี้ได้รับการบันทึกไว้ในวรรณคดีก่อนหน้าว่า "ท่านขัดขืน" ดังนั้นรูปแบบที่ถูกต้อง? ในกรณีของการทดลองแบบสุ่มฉันจะบอกว่าแบบจำลองระดับดีกว่า (แม้ว่าคุณจะทำการสุ่มได้ดีผลการรักษาโดยเฉลี่ยควรอยู่ใกล้กันมากระหว่างแบบจำลอง) เหตุผลอื่น ๆ ที่บันทึกไว้ว่าทำไมแบบจำลองระดับจึงดีกว่าคำตอบของ Charlieทำให้เป็นจุดที่ดีที่คุณสามารถประเมินผลกระทบการโต้ตอบกับพื้นฐานในแบบจำลองระดับ (แต่คุณไม่สามารถอยู่ในรูปแบบคะแนนการเปลี่ยนแปลง) Whuber ในการตอบคำถามที่คล้ายกันนี้แสดงให้เห็นว่าคะแนนการเปลี่ยนแปลงนั้นก่อให้เกิดความสัมพันธ์ระหว่างการรักษาที่แตกต่างกันอย่างไร
ในสถานการณ์ที่ไม่ได้รับการรักษาแบบสุ่มรูปแบบที่ใช้คะแนนการเปลี่ยนแปลงเป็นตัวแปรตามควรได้รับการพิจารณามากขึ้น ประโยชน์หลักของแบบจำลองคะแนนการเปลี่ยนแปลงก็คือเมื่อใดก็ตามที่มีการควบคุมตัวทำนายค่าคงที่ตลอดเวลา เพื่อบอกว่าในการกำหนดข้างต้นเป็นค่าคงที่ตลอดเวลา (เช่นบอกความบกพร่องทางพันธุกรรมที่จะเป็นที่น้ำหนักบางอย่าง) และมีความสัมพันธ์กับว่า Chooses บุคคลที่จะออกกำลังกาย (และคือไม่มีใครสังเกต) ในตัวอย่างนั้นรูปแบบคะแนนการเปลี่ยนแปลงจะดีกว่า นอกจากนี้ในกรณีที่การเลือกในการรักษามีความสัมพันธ์กับค่าพื้นฐานรูปแบบคะแนนการเปลี่ยนแปลงอาจจะดีกว่า Paul Allison ในเอกสารของเขาX XXXXเปลี่ยนคะแนนเป็นตัวแปรที่ขึ้นอยู่กับการวิเคราะห์การถดถอยแสดงตัวอย่างเดียวกันนี้ (และมีอิทธิพลอย่างมากต่อมุมมองของฉันในหัวข้อดังนั้นฉันขอแนะนำให้อ่าน)
นี่ไม่ได้เป็นการบอกว่าคะแนนการเปลี่ยนแปลงนั้นดีกว่าเสมอในการตั้งค่าแบบไม่สุ่ม ในกรณีที่คุณคาดว่าพื้นฐานจะมีผลกระทบที่เกิดขึ้นจริงกับน้ำหนักโพสต์คุณควรใช้แบบจำลองระดับ ในกรณีที่คุณคาดว่าพื้นฐานจะมีผลเชิงสาเหตุและการเลือกในการรักษามีความสัมพันธ์กับพื้นฐานผลการรักษาจะสับสนกับผลพื้นฐาน
ฉันไม่สนใจบันทึกย่อของ Charlie ว่าลอการิทึมของน้ำหนักนั้นสามารถใช้เป็นตัวแปรตาม ในขณะที่ฉันไม่สงสัยเลยว่าอาจเป็นไปได้ แต่ก็ไม่ได้เป็นไปตามคำถามเริ่มต้น คำถามอื่นได้กล่าวถึงเมื่อมันเหมาะสมที่จะใช้ลอการิทึมของตัวแปร (และยังคงใช้ในกรณีนี้) อาจมีวรรณกรรมก่อนหน้าในเรื่องที่จะช่วยแนะนำคุณว่าการใช้น้ำหนักที่บันทึกไว้นั้นเหมาะสมหรือไม่
การอ้างอิง
แอลลิสัน, พอลดีปี 1990 เปลี่ยนคะแนนเป็นตัวแปรในการวิเคราะห์การถดถอย ระเบียบวิธีทางสังคมวิทยา 20: 93-114 รุ่นสาธารณะรูปแบบไฟล์ PDF