มันเป็นวิธีการที่มีปัญหาในการควบคุมสำหรับโควาเรียที่ไม่เป็นอิสระในการศึกษาเชิงสังเกตการณ์ (เช่นไม่มีการสุ่ม)?

มิลเลอร์และแชปแมน (2001) ยืนยันว่ามันไม่เหมาะสมอย่างยิ่งที่จะควบคุมเพื่อนร่วมชาติที่ไม่เกี่ยวข้องกับตัวแปรอิสระและตัวแปรตามในการศึกษาเชิงสังเกตการณ์ มันเป็นปัญหาที่จะทำเช่นนั้น? วิธีที่ดีที่สุดในการจัดการกับปัญหานี้เป็นอย่างไร หากคุณควบคุมโควาเรียต์ที่ไม่เป็นอิสระเป็นประจำในการศึกษาเชิงสังเกตการณ์ในการวิจัยของคุณเองคุณจะพิสูจน์ได้อย่างไร? ในที่สุดนี่คือการต่อสู้ที่มีมูลค่าการหยิบยกเมื่อพิจารณาวิธีการกับเพื่อนร่วมงานคน (เช่นมันไม่สำคัญ)?

ขอบคุณ

มิลเลอร์, GA, และแชปแมน, JP (2001) การวิเคราะห์ความเข้าใจผิดของความแปรปรวนร่วม วารสารจิตวิทยาผิดปกติ, 110, 40-48 - http://mres.gmu.edu/pmwiki/uploads/Main/ancova.pdf

มันเป็นปัญหาเท่าระดับความสัมพันธ์

ประชดคือคุณจะไม่สนใจการควบคุมหากไม่มีความสัมพันธ์ที่คาดหวังกับตัวแปรตัวใดตัวหนึ่ง และถ้าคุณคาดหวังว่าตัวแปรอิสระของคุณจะส่งผลกระทบต่อการพึ่งพาของคุณก็จำเป็นต้องมีความสัมพันธ์กับทั้งคู่ อย่างไรก็ตามถ้ามันมีความสัมพันธ์สูงบางทีคุณไม่ควรควบคุมมันเพราะมันจะเท่ากับการควบคุมตัวแปรอิสระหรือตัวแปรตาม

ในสังคมศาสตร์เรามักจะเรียกปัญหานี้ว่า หากคุณกำลังพิจารณาถึงผลกระทบของการรักษาบางอย่าง (ตัวแปรอิสระของคุณ) รวมถึงตัวแปรที่เกิดขึ้นหลังการรักษา (ในแง่ของสาเหตุ) การประเมินผลการรักษาของคุณอาจมีอคติ หากคุณรวมตัวแปรเหล่านี้คุณก็จะสามารถควบคุมผลกระทบของการรักษาได้ หากการรักษา T ทำให้ผลลัพธ์ Y และตัวแปรอื่น ๆ A และ A ทำให้ Y การควบคุมสำหรับ A จะไม่สนใจผลกระทบที่ T มีต่อ Y ผ่าน A การเบี่ยงเบนนี้อาจเป็นบวกหรือลบได้

ในสังคมศาสตร์นี้อาจเป็นเรื่องยากโดยเฉพาะอย่างยิ่งเพราะ A อาจทำให้ T ซึ่งดึงกลับมาที่ A และ A และ T ทั้งสองทำให้ Y ตัวอย่างเช่น GDP ที่สูงสามารถนำไปสู่การเป็นประชาธิปไตยในระดับสูง (การรักษาของเรา) ซึ่งนำไปสู่ กล่าวว่าจีดีพีที่สูงขึ้นและจีดีพีที่สูงขึ้นและการทำให้เป็นประชาธิปไตยที่สูงขึ้นนั้นนำไปสู่การทุจริตของรัฐบาลน้อยลง เนื่องจากจีดีพีเป็นสาเหตุของการทำให้เป็นประชาธิปไตยถ้าเราไม่ได้ควบคุมมันเราก็เลยมีปัญหาความเป็น endogeneity หรือ "ละเว้นตัวแปรอคติ" แต่ถ้าเราควบคุม GDP เรามีอคติหลังการรักษา นอกเหนือจากการใช้การทดลองแบบสุ่มเมื่อเราทำได้มีสิ่งอื่นที่เราสามารถทำได้เพื่อคัดท้ายเรือของเราระหว่าง Scylla และ Charybdis แกรี่คิงพูดคุยเกี่ยวกับปัญหาเหล่านี้เช่นการเสนอชื่อของเขาสำหรับฮาร์วาร์ "แก้ปัญหาที่ยากที่สุดในสังคมศาสตร์" ความคิดริเริ่มที่นี่

อย่างที่ฉันเห็นมันมีสองปัญหาพื้นฐานกับการศึกษาเชิงสังเกตการณ์ที่ "ควบคุม" ตัวแปรอิสระจำนวนหนึ่ง 1) คุณมีปัญหาเกี่ยวกับตัวแปรอธิบายที่ขาดหายไปและทำให้แบบจำลองการสะกดผิดพลาด 2) คุณมีปัญหาเกี่ยวกับตัวแปรอิสระหลายตัวที่มีความสัมพันธ์กัน - ปัญหาที่ไม่มีอยู่ในการทดลองออกแบบ (ดี) - และความจริงที่ว่าสัมประสิทธิ์การถดถอยและการทดสอบ ANCOVA ของโควาเรียอยู่บนพื้นฐานของส่วนทำให้ยากต่อการตีความ ประการแรกคือเนื้อแท้ของธรรมชาติของการวิจัยเชิงสังเกตการณ์และได้รับการกล่าวถึงในบริบททางวิทยาศาสตร์และกระบวนการของการทำรายละเอียดการแข่งขัน หลังเป็นปัญหาของการศึกษาและอาศัยความเข้าใจที่ชัดเจนของแบบจำลองการถดถอยและ ANCOVA และค่าสัมประสิทธิ์เหล่านั้นเป็นตัวแทนของอะไร

สำหรับประเด็นแรกนั้นเป็นเรื่องง่ายที่จะแสดงให้เห็นว่าหากอิทธิพลทั้งหมดที่มีต่อตัวแปรบางตัวนั้นเป็นที่รู้จักและรวมอยู่ในแบบจำลองวิธีการควบคุมทางสถิตินั้นมีประสิทธิภาพและสร้างการทำนายที่ดี ปัญหาใน "วิทยาศาสตร์นุ่ม" คืออิทธิพลทั้งหมดที่เกี่ยวข้องนั้นไม่ค่อยมีอยู่หรือแม้แต่เป็นที่รู้จักและทำให้แบบจำลองมีการระบุไม่ดีและยากต่อการตีความ ยังมีปัญหาที่คุ้มค่าอยู่ในโดเมนเหล่านี้ คำตอบก็ขาดความมั่นใจ ความงามของกระบวนการทางวิทยาศาสตร์คือการแก้ไขตัวเองและแบบจำลองถูกถามบรรจงบรรจงและกลั่นกรอง ทางเลือกคือแนะนำว่าเราไม่สามารถตรวจสอบปัญหาเหล่านี้ได้ทางวิทยาศาสตร์เมื่อเราไม่สามารถออกแบบการทดลองได้

ปัญหาที่สองคือปัญหาทางเทคนิคในลักษณะของ ANCOVA และตัวแบบการถดถอย นักวิเคราะห์จะต้องมีความชัดเจนเกี่ยวกับค่าสัมประสิทธิ์และการทดสอบเหล่านี้ ความสัมพันธ์ระหว่างตัวแปรอิสระที่มีอิทธิพลต่อค่าสัมประสิทธิ์การถดถอยและการทดสอบ ANCOVA พวกเขาคือการทดสอบของ partials แบบจำลองเหล่านี้นำความแปรปรวนในตัวแปรอิสระที่กำหนดและตัวแปรตามที่เกี่ยวข้องกับตัวแปรอื่น ๆ ทั้งหมดในแบบจำลองจากนั้นตรวจสอบความสัมพันธ์ในส่วนที่เหลือ เป็นผลให้ค่าสัมประสิทธิ์และการทดสอบของแต่ละบุคคลเป็นเรื่องยากมากที่จะตีความนอกบริบทของการทำความเข้าใจแนวคิดที่ชัดเจนของชุดตัวแปรทั้งหมดรวมและความสัมพันธ์ของพวกเขา อย่างไรก็ตามสิ่งนี้ไม่ก่อให้เกิดปัญหาในการทำนาย - เพียง แต่ต้องระมัดระวังเกี่ยวกับการตีความการทดสอบและค่าสัมประสิทธิ์เฉพาะ

หมายเหตุด้าน: ปัญหาหลังเกี่ยวข้องกับปัญหาที่กล่าวถึงก่อนหน้านี้ในฟอรัมนี้เกี่ยวกับการย้อนกลับของสัญญาณการถดถอย - จากลบไปเป็นบวก - เมื่อมีการใช้ตัวทำนายอื่น ๆ ในแบบจำลอง ในการปรากฏตัวของผู้ทำนายที่มีความสัมพันธ์และไม่มีความเข้าใจที่ชัดเจนของความสัมพันธ์ที่หลากหลายและซับซ้อนในชุดของการทำนายทั้งหมดไม่มีเหตุผลที่จะคาดการณ์สัมประสิทธิ์การถดถอย (โดยธรรมชาติบางส่วน) ที่จะมีเครื่องหมายเฉพาะ เมื่อมีทฤษฎีที่แข็งแกร่งและมีความเข้าใจที่ชัดเจนของความสัมพันธ์เหล่านั้นสัญญาณ "การพลิกกลับ" ดังกล่าวจะสามารถตรัสรู้และมีประโยชน์ในทางทฤษฎี แม้ว่าจะมีความซับซ้อนของปัญหาสังคมศาสตร์มากมายที่ความเข้าใจที่เพียงพอจะไม่เป็นเรื่องธรรมดา แต่ฉันก็คาดหวัง

คำเตือน: ฉันเป็นนักสังคมวิทยาและนักวิเคราะห์นโยบายสาธารณะโดยการฝึกอบรม

ฉันอ่านหน้าแรกของเอกสารของพวกเขาและดังนั้นฉันอาจเข้าใจผิดจุดของพวกเขา แต่ดูเหมือนว่าฉันว่าพวกเขากำลังพูดถึงปัญหาของการรวมถึงตัวแปรอิสระหลาย collinear ในการวิเคราะห์ ตัวอย่างที่อายุและเกรดแสดงให้เห็นถึงความคิดนี้เนื่องจากระบุว่า:

อายุมีความสัมพันธ์อย่างใกล้ชิดกับเกรดในโรงเรียนซึ่งการถอนความแปรปรวนในความสามารถของบาสเกตบอลที่เกี่ยวข้องกับอายุจะช่วยลดความแปรปรวนของความสามารถในการเล่นบาสเกตบอลที่เกี่ยวข้องกับระดับ

ANCOVA เป็นการถดถอยเชิงเส้นโดยระดับที่แสดงเป็นตัวแปรตัวจำลองและตัวแปรร่วมปรากฏว่าเป็นตัวแปรอิสระในสมการการถดถอย ดังนั้นถ้าฉันเข้าใจผิดจุดของพวกเขา (ซึ่งค่อนข้างเป็นไปได้เพราะฉันยังไม่ได้อ่านบทความของพวกเขาอย่างสมบูรณ์) ดูเหมือนว่าพวกเขากำลังพูดว่า 'ไม่รวม covariates ขึ้นอยู่กับ' ซึ่งเทียบเท่ากับการระบุหลีกเลี่ยงตัวแปรหลาย collinear

ปัญหา (ที่ใหญ่ที่สุด) คือเนื่องจากตัวแปรกลุ่ม (s) และ covariate (s) อยู่ด้วยกันทางด้านทำนายของสมการตัวแปรกลุ่ม (s) คือ (เป็น) ไม่ได้เป็นตัวแปรกลุ่มอีกต่อไปแล้ว ตัวแปรเหล่านั้นที่มีค่าความแปรปรวนร่วมเป็นส่วนหนึ่งดังนั้นจึงไม่สามารถจดจำหรือตีความได้อีกต่อไปเนื่องจากตัวแปรกลุ่มที่คุณคิดว่าคุณกำลังศึกษาอยู่ ปัญหาใหญ่

บรรทัดสำคัญอยู่ในหน้า 45 "ANCOVA จะลบความแปรปรวนที่มีความหมายออกจาก" กลุ่ม "โดยปล่อยตัวแปรกลุ่มที่หลงเหลืออยู่ที่ไม่มีร่องรอยซึ่งมีความสัมพันธ์ที่ไม่แน่นอนกับโครงสร้างที่กลุ่มนั้นเป็นตัวแทน"

วิธีแก้ปัญหาปัจจุบันของฉันคือแบ่งส่วนโควาริเอทออกจาก DV แล้วส่งส่วนที่เหลือของ DV ไปเป็น ANOVA ปกติเพื่อเป็นทางเลือกแทนการใช้ ANCOVA

เครื่องมือจับคู่บางส่วนที่พัฒนาโดย Gary King และเพื่อนร่วมงานมีแนวโน้ม:

• ซอฟต์แวร์
• วิดีโอให้การสอนใน R