Zmienna konfundująca to zmienna, która wpływa zarówno na zmienną niezależną, jak i zmienną zależną i prowadzi do fałszywej korelacji między nimi. Zmienna konfundująca jest również nazywana konfundatorem, czynnikiem konfundującym lub zmienną przyczajoną. Ponieważ zmienne towarzyszące często występują w eksperymentach, korelacja nie oznacza związku przyczynowego. Innymi słowy, kiedy obserwujesz zmianę w zmiennej niezależnej i zmianę w zmiennej zależnej, nie możesz być pewien, że te dwie zmienne są ze sobą powiązane.
Oto przykłady zmiennych konfundujących, spojrzenie na różnicę między zmienną konfundującą a mediatorem oraz sposoby zmniejszenia ryzyka zmiennych konfundujących prowadzących do błędnych wniosków.
Pozytywna i negatywna konfundacja
Czasami konfundacja wskazuje na fałszywy związek przyczynowo-skutkowy, podczas gdy innym razem maskuje prawdziwy efekt.
- Pozytywna konfundacja: Pozytywna konfundacja przeszacowuje związek pomiędzy zmiennymi niezależnymi i zależnymi. Powoduje to odchylenie wyników od hipotezy zerowej.
- Konfundacja ujemna: Negative confounding niedoszacowanie relacji między zmiennymi niezależnymi i zależnymi. Skłania wyniki w kierunku hipotezy zerowej.
Przykłady zmiennych zakłócających
- W badaniu, w którym zmienną niezależną jest sprzedaż lodów, a zmienną zależną ataki rekinów, badacz widzi, że zwiększona sprzedaż idzie w parze z atakami rekinów. Zmienną zakłócającą jest indeks cieplny. Kiedy jest cieplej, więcej ludzi kupuje lody i więcej ludzi pływa w wodach (zagrożonych przez rekiny). Nie ma związku przyczynowo-skutkowego między kupowaniem lodów a atakami rekinów.
- Prawdziwy przykład pozytywnego czynnika zakłócającego: Badanie Harvarda z 1981 roku powiązało picie kawy z rakiem trzustki. Palenie było zmienną zakłócającą w tym badaniu. Wiele osób pijących kawę w tym badaniu również paliło. Kiedy dane zostały dostosowane do palenia, związek między konsumpcją kawy (zmienna niezależna) a zachorowalnością na raka trzustki (zmienna zależna) zniknął.
- Realny negatywny przykład konfundacji: W badaniu z 2008 r. nad toksycznością (zmienna zależna) metylortęci w rybach i owocach morza (zmienna niezależna), naukowcy odkryli, że korzystne składniki odżywcze w żywności (zmienna zależna) przeciwdziałają niektórym negatywnym skutkom toksyczności rtęci.
Korelacja nie oznacza związku przyczynowego. Jeśli nie jesteś przekonany, sprawdź fałszywe korelacje zestawione przez Tylera Vigena.
Jak zmniejszyć ryzyko konfuzji
Pierwszym krokiem do zmniejszenia ryzyka konfuzji zmiennych wpływających na eksperyment jest próba zidentyfikowania wszystkiego, co może mieć wpływ na badanie. Dobrym pomysłem jest sprawdzenie literatury lub przynajmniej zapytanie innych badaczy o czynniki zakłócające. W przeciwnym razie prawdopodobnie dowiesz się o nich podczas recenzji!
Przy projektowaniu eksperymentu rozważ następujące techniki zmniejszania wpływu zmiennych zakłócających:
- Wprowadź zmienne kontrolne. Na przykład, jeśli uważasz, że wiek jest czynnikiem zakłócającym, testuj tylko w określonej grupie wiekowej. Jeśli temperatura jest potencjalnym czynnikiem zakłócającym, kontroluj ją.
- Bądź konsekwentny w kwestii czasu. Pobieraj dane o tej samej porze dnia. Powtarzaj eksperymenty o tej samej porze roku. Nie zmieniaj czasu trwania zabiegów w ramach jednego eksperymentu.
- Gdy to możliwe, stosuj podwójnie ślepą próbę. W eksperymencie z podwójnie ślepą próbą ani badacz, ani badany nie wiedzą, czy leczenie zostało zastosowane, czy nie.
- Randomizuj. Wybierz kontrole i osoby badane losowo, zamiast kazać badaczowi wybrać grupę lub (w przypadku eksperymentów na ludziach) pozwolić osobom badanym wybrać uczestnictwo.
- Użyj kontroli przypadków lub dopasowania. Jeśli podejrzewasz zmienne zakłócające, dopasuj badanego i kontrolę tak bardzo, jak to możliwe. W eksperymentach na ludziach możesz wybrać osoby w tym samym wieku, płci, o tym samym pochodzeniu etnicznym, wykształceniu, diecie itp. W badaniach na zwierzętach i roślinach należy użyć czystych linii. W badaniach chemicznych należy używać próbek od tego samego dostawcy i z tej samej partii.
Confounder vs Mediator or Effect Modifier
Confounder wpływa zarówno na zmienne niezależne, jak i zależne. W przeciwieństwie do tego mediator lub modyfikator efektu nie wpływa na zmienną niezależną, ale modyfikuje wpływ zmiennej niezależnej na zmienną zależną. Na przykład, w badaniu skuteczności leku, lek może być bardziej skuteczny u dzieci niż u dorosłych. W tym przypadku wiek jest modyfikatorem efektu. Wiek nie wpływa na działanie samego leku, więc nie jest czynnikiem zakłócającym.
Confounder vs Bias
W pewnym sensie zmienna zakłócająca powoduje zakłócenie, ponieważ zniekształca wynik eksperymentu. Jednak stronniczość odnosi się zazwyczaj do rodzaju systematycznego błędu w projekcie eksperymentu, zbieraniu danych lub ich analizie. Eksperyment może zawierać tendencyjność bez wpływu zmiennej towarzyszącej.
Zmienna towarzysząca: Czynnik, który wpływa zarówno na zmienne niezależne, jak i zależne, prowadząc do fałszywego związku między nimi.
Modyfikator efektu: Zmienna, która pozytywnie lub negatywnie modyfikuje wpływ zmiennej niezależnej na zmienną zależną.
Bias: Błąd systematyczny, który maskuje prawdziwy wpływ zmiennej niezależnej na zmienną zależną.
- Axelson, O. (1989). „Confounding from smoking in occupational epidemiology”. British Journal of Industrial Medicine. 46 (8): 505-07. doi:10.1136/oem.46.8.505
- Kish, L (1959). „Niektóre problemy statystyczne w projektowaniu badań”. Am Sociol. 26 (3): 328-338. doi:10.2307/2089381
- VanderWeele, T.J.; Shpitser, I. (2013). „On the definition of a confounder”. Annals of Statistics. 41 (1): 196-220. doi:10.1214/12-aos1058
- Yule, G. Udny (1926). „Why do we Sometimes get Nonsense-Correlations between Time-Series? A Study in Sampling and the Nature of Time-Series”. Journal of the Royal Statistical Society. 89 (1): 1-63. doi:10.2307/2341482
.