Confounding variabelen komen vaak voor in onderzoek en kunnen de uitkomst van uw studie beïnvloeden. Dit komt doordat de externe invloed van de confounding variable of derde factor uw onderzoeksresultaten kan ruïneren en nutteloze resultaten kan opleveren door een niet-bestaand verband tussen variabelen te suggereren.
Om verwarrende variabelen in onderzoek te beheersen, is het belangrijk te weten hoe u deze derde factoren duidelijk kunt identificeren, en hoe ze uw onderzoeksresultaten beïnvloeden. Inzicht in en controle van verstorende variabelen zal u helpen nauwkeuriger resultaten in uw onderzoek te bereiken.
Wat is de confounding variabele?
Een verwarrende variabele is, simpel gezegd, een variabele waarmee in een experiment geen rekening wordt gehouden. Zij fungeert als een externe invloed die het effect van zowel afhankelijke als onafhankelijke onderzoeksvariabelen snel kan veranderen; vaak levert dat resultaten op die sterk afwijken van wat het geval is.
In correlationeel onderzoek kunnen confounding variabelen de waargenomen relatie tussen de 2 onderzochte variabelen beïnvloeden; of die nu positief, negatief of nul is. Een confounding variabele kan ook worden gedefinieerd als een factor die een onderzoeker niet heeft kunnen controleren of verwijderen, en die de validiteit van het onderzoek kan verstoren.
Hoe identificeer je confounding variabelen
Er zijn verschillende onderzoeksmethoden om confounding variabelen te identificeren. De meest gebruikelijke methode is na te gaan in hoeverre het wegnemen van een factor in het onderzoek de coëfficiënt van andere onafhankelijke variabelen in het onderzoek doet veranderen.
In deze zin observeert en meet de onderzoeker het geschatte niveau van associatie tussen onafhankelijke en afhankelijke variabelen, zowel vóór als na het aanbrengen van aanpassingen. Als het verschil tussen de 2 meetparameters meer dan 10% bedraagt, is er sprake van een confounding variabele.
Een andere methode om een confounding variabele te identificeren is te bepalen of de variabele in verband kan worden gebracht met zowel de blootstelling van belang als de uitkomst van belang in het onderzoek. Als er een zinvol en meetbaar verband bestaat tussen de variabele en de risicofactor en tussen de variabele en de uitkomst, dan is die variabele confounding.
Er zijn verschillende hypothetische en formele testmethoden om confounding variabelen te identificeren. Het baseline model, het biologische model, en binaire logistische en multivariate logistische regressiemodellen zijn enkele van de gangbare onderzoekshypothetische methoden die worden gebruikt om confounding variabelen te identificeren.
Belastende variabelen kunnen ook worden geïdentificeerd met behulp van diverse tests van co-lineariteit, zoals het meten van variantie-inflatiefactoren. U kunt de variantie-inflatiefactor berekenen voor alle variabelen in uw onderzoek om te zien of deze indicator hoog is voor een van de variabelen; dit wijst dus op een confounder.
Confounding variabelen zijn vaak geassocieerd met zowel de risicofactor van belang als de uitkomst. Zij zijn gewoonlijk ongelijk verdeeld over de onafhankelijke en afhankelijke variabelen in onderzoek en, confounding variabelen liggen niet tussen belang en uitkomst in onderzoek.
Een confounding variabele kan op 3 mogelijke manieren in het onderzoek functioneren: als risicofactor, als preventieve factor of als surrogaat- of markervariabele. De gebruikelijke formules om de mate van confounding in onderzoek te berekenen zijn:
- Graad van confounding = (RRcrude – RRadjusted)/RRcrude
- Graad van confounding = (RRcrude – RRadjusted)/RRadjusted
Voorbeelden van confounding variabelen
Confounding variabelen doorsnijden verschillende vakgebieden, met name Statistiek, Onderzoeksmethodologie, en Psychologie. In al deze vakgebieden behouden deze derde factoren hun primaire kenmerken van extreme beïnvloeding van de onderzoeksuitkomsten van afhankelijke en onafhankelijke variabelen van buiten de gecontroleerde omgeving.
Voorbeeld van verstorende variabelen in onderzoek
- De loopbaan van een moeder
Er wordt onderzoek gedaan naar de mate van correlatie tussen flesvoeding voor baby’s en intelligentie bij zuigelingen. Het lijkt logisch dat kinderen die flesvoeding krijgen minder intelligent zijn omdat ze niet de voedingsstoffen, vitaminen en mineralen binnenkrijgen die moedermelk bevat.
Het kan echter ook zo zijn dat met flesvoeding gevoede kinderen zelfs intelligenter zijn dan kinderen die borstvoeding krijgen. Formulevoeding bevat namelijk voedingsstoffen, vitaminen en mineralen die de intelligentie van een kind kunnen verhogen en het kind kunnen helpen beschermen tegen infecties.
Een verwarrende variabele in dit geval kan de carrière van de moeder zijn, d.w.z. of de moeder huisvrouw is of een arbeidersmoeder. Als deze derde factor in aanmerking wordt genomen, is de kans groter dat moeders uit de arbeidersklasse kiezen voor flesvoeding, omdat ze door hun baan misschien niet altijd borstvoeding kunnen geven aan hun kinderen.
- Weer
Er wordt onderzoek gedaan naar de mate van correlatie tussen geld en de verkoop van ijsjes. Logisch gezien zou er een positieve correlatie tussen deze 2 variabelen kunnen bestaan; dat wil zeggen dat mensen meer ijs kopen als ze meer geld hebben.
Een verwarrende variabele in dit onderzoek kan het weer zijn, zodat het zeer wel mogelijk is dat het weer de correlerende oorzakelijke factor is. Bij koud weer werken mensen dus minder en hebben ze minder geld om een ijsje te kopen, en bij warm weer werken mensen meer en hebben ze meer geld voor een ijsje.
In dit voorbeeld is het weer de variabele die de relatie tussen geld en ijsjes veroorzaakt.
Voorbeelden van verstorende variabelen in de statistiek
- Schuine plank
Statistisch gezien kan een verstorende variabele een rol spelen in het geval van het verband tussen de kracht die wordt uitgeoefend om een bal te gooien en de afstand die de bal aflegt. Logischerwijs wordt aangenomen dat hoe meer kracht op een bal wordt uitgeoefend, hoe verder de bal zal komen.
De verwarrende variabele zou echter zijn in welke richting de bal zich op een schuine plank verplaatst. Als de bal naar boven beweegt, kan hij langzamer gaan, ongeacht de kracht, en als hij naar beneden beweegt, zou hij sneller gaan als er weinig kracht wordt uitgeoefend.
- Eetgewoonten
Een verstorende variabele kan ook verantwoordelijk zijn voor de correlatie tussen lichaamsbeweging en gewichtsverlies. De natuurlijke logica kan zijn dat hoe meer je beweegt, hoe meer kans je hebt om gewicht te verliezen, maar een verstorende variabele in dit onderzoek kunnen de eetgewoonten zijn.
Dit betekent dat hoe meer mensen eten, hoe meer gewicht ze aankomen en vice versa.
Voorbeeld van verstorende variabelen in de psychologie
- Slaap
Psychologisch kan een verstorende variabele van invloed zijn op het verband of de relatie tussen cafeïne en concentratie. Je merkt dat hoe meer cafeïne je neemt, hoe beter je geconcentreerd bent in de klas; hier is de concentratie afhankelijk van de hoeveelheid cafeïne, die de onafhankelijke variabele is.
De verstorende variabele zou in dit geval slaap kunnen zijn; dat wil zeggen dat je misschien beter hebt geslapen, wat tot betere concentratieniveaus heeft geleid, ongeacht de mate van cafeïneconsumptie. De verwarrende variabele heeft in dit geval niets te maken met de onafhankelijke variabele van het onderzoek, namelijk het cafeïnegebruik.
Hoe beïnvloeden verstorende variabelen de afhankelijke en onafhankelijke variabelen?
Om het effect van confounding variabelen op afhankelijke en onafhankelijke variabelen in onderzoek goed te begrijpen, is het nodig te begrijpen wat afhankelijke en onafhankelijke variabelen zijn. Dit zal u helpen om deze beide onderzoeksfactoren duidelijk in hun context te plaatsen.
Een onafhankelijke variabele is een leidende factor die een verandering teweegbrengt in de andere factoren in de onderzoeksomgeving. In dezelfde geest is de afhankelijke variabele de factor waarop in het onderzoek wordt gereageerd, en die het gevolg is van de invloed van een onafhankelijke variabele.
Een verwarrende variabele kan het correlationele verband tussen onafhankelijke en afhankelijke variabelen beïnvloeden; vaak leidt dit tot valse correlationele verbanden, omdat zij een positieve correlatie kan suggereren terwijl die er niet is. Zij kan ook een extreme verandering teweegbrengen in een afhankelijke variabele en bijgevolg in het onderzoeksresultaat.
Wat de onafhankelijke variabele betreft, kan een confounding variabele of confounder deze factor beïnvloeden door deze volledig uit het correlationele verband en het onderzoeksproces te verwijderen. Dit gebeurt wanneer de onderzoeksuitkomst het gevolg is van een verandering die eerder door de confounder dan door de onafhankelijke onderzoeksvariabele wordt teweeggebracht
Relatie tussen confounding bias & Variabele
Confounding bias is een van de effecten van het hebben van confounding variabelen of derde factoren in je onderzoek. Het is het resultaat van een vertekening in de mate van associatie tussen een blootstelling en de uitkomst als blootstelling in onderzoek.
Een confounding bias kan negatief of positief van aard zijn. In die zin onderschat een negatieve bias de uitkomsten van onderzoek, terwijl een positieve confounding bias de uitkomsten van onderzoek overschat; waardoor een versnelde vertekening van de uitkomst optreedt.
Confounding bias treedt op wanneer een set onderzoeksgegevens wordt gecorrumpeerd door slechte verzameltechnieken, zodat het hele onderzoeksproces op zichzelf is opgezet zonder voldoende controles. Hierdoor kunnen verwarrende variabelen ontstaan die de onderzoeksresultaten beïnvloeden.
Hoe voorkom je verstorende variabelen in de statistiek & Onderzoek
Het is belangrijk om het effect van verstorende variabelen of confounders in het onderzoeksproces te beperken of te controleren. Gewoonlijk kan een onderzoeker verwarrende variabelen in onderzoek alleen controleren of uiteindelijk vermijden wanneer hij of zij de mogelijke derde factoren in de onderzoeksomgeving kan identificeren en meten.
Er zijn 5 gangbare strategieën om confounding variabelen te verminderen of te vermijden. Deze zijn:
- Randomisatie
De randomisatiemethode houdt in dat confounders sporadisch over uw onderzoeksgegevens worden verdeeld. Het wordt gebruikt bij machinaal leren om variabelen willekeurig toe te wijzen aan een controlegroep in onderzoek en het helpt om eventuele gevallen van selectiebias in onderzoekswerk te voorkomen.
Randomisatie wordt meestal toegepast in experimenteel onderzoek om de onderzoeker in staat te stellen deze variabelen te controleren. Het experiment wordt omgebogen van het bekijken van een individueel geval naar een verzameling waarnemingen, waarbij statistische instrumenten worden gebruikt om de bevindingen te interpreteren.
Een aselecte steekproef is een soort steekproef waarbij ieder lid van de steekproefgroep een gelijke kans heeft om te worden bemonsterd. Het is belangrijk op te merken dat een volkomen aselecte steekproef van waarnemingen moeilijk te verzamelen is en dat de onderzoeker er dus naar moet streven de aselecte steekproef zo dicht mogelijk te benaderen.
- Restrictie
Deze methode beperkt het onderzoek tot de bestudering van onderzoeksvariabelen met controle voor verstorende variabelen, en kan, als ze niet zorgvuldig wordt uitgevoerd, leiden tot verstorende vertekening. Bij deze methode worden de onderzoeksgegevens beperkt door controlevariabelen in te voeren om confounding variabelen te beperken.
- Matching
De matching-methode verdeelt de confounding variabelen gelijkmatig over de onderzoeksgegevens; door gebruik te maken van een gecontroleerd onderzoeksproces zoals voor en na experimenten. Hierbij worden waarnemingen in paren gedaan; één voor elke waarde van de onafhankelijke variabele die vergelijkbaar is met een mogelijke verstorende variabele.
Een veelgebruikte methode van matching is de case-controlstudie, waarbij variabelen met vergelijkbare kenmerken worden gematcht met dezelfde set controles. Een case-control-studie kan 2 of meer controles hebben voor elk geval, omdat dit meer statistische nauwkeurigheid geeft in uw onderzoeksproces.
- Stratificatie
Stratificatie is een methode om de activiteiten van confounders te controleren door deze factoren gelijkelijk te verdelen over elk niveau van de analyse van de onderzoeksgegevens. Het houdt in dat de gegevenssteekproef in kleinere groepen wordt verdeeld en dat de relatie tussen de afhankelijke en onafhankelijke variabelen in elke groep wordt onderzocht.
- Multivariate analyse
Deze methode is geheel afhankelijk van het vermogen van de onderzoeker om alle derde factoren in het onderzoek te identificeren en te meten.
Andere tips zijn counterbalancing door verschillende parameters voor de onderzoeksanalyse in te voeren, waarbij de helft van de groep onder voorwaarde 1 wordt onderzocht en de andere helft onder voorwaarde 2. U kunt de “within-subject methode” gebruiken om het onderwerp telkens te testen, aangezien tussenperioden verwarrende variabelen kunnen opwekken.
Zijn er verschillen in Extraneous & Confounding Variables?
Hoewel ze enigszins op elkaar lijken, is er een fundamenteel verschil tussen een confounding variable en een extraneous variable. Het is voor iedere onderzoeker van belang dit verschil duidelijk te kunnen onderkennen, om nauwkeurig te kunnen vaststellen welke variabele in een onderzoeksuitkomst een rol speelt.
Een extraneuze variabele is een type variabele dat een associatie of correlatie kan opwekken tussen 2 onderzoeksvariabelen die geen causaal verband hebben. Als de relatie tussen de 2 variabelen A en B uitsluitend wordt veroorzaakt door een derde variabele C, dan is er sprake van een oneigenlijk verband en is variabele C een vreemde variabele.
Een verwarrende variabele daarentegen beïnvloedt 2 variabelen die niet onecht met elkaar in verband staan, d.w.z. niet uitsluitend door de 3e factor. In dit geval is het verband tussen variabele A en B al causaal, dat wil zeggen, A veroorzaakt B.
Wanneer het causale verband tussen variabele A en variabele B ook wordt beïnvloed door een derde variabele C, is variabele C een confounding variable. De associatie tussen A en B kan dus het causale effect van A op B overdrijven, omdat de associatie wordt opgeblazen door het effect van C op zowel A als B.
Effect van confounding variabelen
Confounding variabelen kunnen resulteren in 2 extreme onderzoeksproblemen, namelijk verhoogde variantie en onderzoeksbias. Elk van deze effecten zal hieronder uitvoerig worden besproken, en zij kunnen uw onderzoeksresultaat uiteindelijk in hoge mate doen over- of onderschatten.
- Verhoogde variantie
Verhoogde variantie verwijst naar een escalatie van het aantal mogelijke oorzakelijke en onafhankelijke variabelen in onderzoek. Dit komt vaak voor bij onderzoek dat geen controlevariabelen heeft, zodat de veranderingen in de afhankelijke variabele door andere variabelen kunnen worden teweeggebracht.
Uw onderzoek toont bijvoorbeeld aan dat een verhoogde gewichtstoename het gevolg is van een gebrek aan lichaamsbeweging. Maar omdat er geen controlevariabelen zijn, kunt u niet vertrouwen op de uitkomst van uw onderzoek, omdat er een aantal factoren zijn die de afhankelijke variabele kunnen beïnvloeden.
Een van de beïnvloedende variabelen, in dit geval, kan bijvoorbeeld genen of genetische factoren zijn. Een andere beïnvloedende variabele kan de eetgewoonten van een individu zijn, zodat er te veel mogelijke oorzakelijke factoren zijn die uiteindelijk de resultaten vertekenen.
- Confounding Bias
Een confounding bias verwijst naar de kans dat een statistische parameter een onderzoeksparameter te hoog of te laag inschat. Een enquêteontwerp waarin duidelijk sprake is van confounding bias kan leiden tot hoge uitvalpercentages en een vertekening van de respons, wat de onderzoeksresultaten beïnvloedt.
Een confounding bias kan positief of negatief van aard zijn en kan de interne validiteit van een experiment tenietdoen. Een positieve confounding bias treedt op wanneer de waargenomen associatie zodanig van de nul afstaat dat het effect wordt overschat.
Aan de andere kant treedt een negatieve confounding bias op wanneer de waargenomen associatie zodanig van de nul afstaat dat het effect wordt onderschat. Negatieve confounding bias kan leiden tot een onjuiste verwerping van de nulhypothese.
- verkeerde onderzoeksuitkomsten
Een confounding variabele kan de uitkomsten van onderzoek veranderen. Als externe variabele kan de derde factor het effect van zowel de afhankelijke als de onafhankelijke variabelen in het onderzoek veranderen; daarmee beïnvloedt hij de uitkomst van correlationeel of experimenteel onderzoek.
Aangezien een confounding variabele een derde factor is waarmee in een onderzoeksproces geen rekening wordt gehouden, kan deze een experiment beïnvloeden door onnauwkeurige onderzoeksresultaten te produceren. Zij kan bijvoorbeeld een vals correlationeel verband suggereren tussen afhankelijke en onafhankelijke variabelen.
Conclusie
Hoewel derde factoren gewoonlijk als ongeldige variabelen in een onderzoeksproces worden beschouwd, kunnen zij het verloop van een onderzoek veranderen door onjuiste correlationele relaties tussen variabelen te suggereren. Daarom is het noodzakelijk om altijd je onderzoeksomgeving te controleren om de effecten van verstorende variabelen te verminderen.
In dit artikel hebben we 5 eenvoudige en veelgebruikte controlemethoden voor verstorende variabelen belicht, waaronder randomisatie, matching, stratificatie en restrictie. Deze strategieën zouden u helpen uw onderzoeksresultaten beter te beheersen door de effecten van derde factoren te beperken.