Представьте себе, что мы проводим исследование, в ходе которого хотим узнать, как фильм определенного жанра влияет на детскую любовь к конфетам. Итак, собираем три группы детей:
- В 8 утра одной группе детей показывают детский мультфильм.
- В 10 утра одной группе детей показывают игровой детский фильм.
- В 12 часов дня третьей группе дают игрушки, и ей вообще не показывают ни фильма, ни шоу.
Каждой комнате раздали одну и ту же миску конфет, и в итоге выяснилось, что дети в комнате без фильма съели больше всего конфет. Является ли это доказательством того, что дети с большей вероятностью едят конфеты, когда не увлечены фильмом? Нет, здесь действует мешающая переменная.
Дети с большей вероятностью будут есть конфеты в полдень, чем в 8 утра.
Вмешивающаяся переменная — это то, что потенциально влияет на результаты исследования, но не учитывается в самом исследовании. В этом примере вмешивающейся переменной является время. Возможно, дети из полуденной группы съели больше конфет, чем дети в других группах. Полдень обычно приходится на обед, поэтому дети, возможно, были голоднее, чем две предыдущие группы. Понимая, что такое мешающая переменная в статистике, мы можем легче обнаружить недостатки в исследованиях и разработать исследования и эксперименты, которые минимизируют мешающие переменные.
Определение мешающей переменной в статистике относится к тому факту, что она, по существу, делает выводы исследования бесполезными. Чтобы свести к минимуму влияние мешающей переменной в статистике, лучше всего учесть их или провести исследование таким образом, чтобы исключить как можно больше из них. В этом примере размещение трех групп детей в одно и то же время дня в трех разных комнатах устранит эту конкретную мешающую переменную.
Сбивающее с толку
При изучении статистики вмешивающиеся переменные возникают, когда наблюдатель или экспериментатор не пытается исключить или иным образом объяснить наблюдаемые результаты в исследовании или эксперименте. Хороший план эксперимента предусматривает контроль, чтобы смягчить влияние мешающих переменных. В научном эксперименте мы часто будем использовать «контрольную» группу, которая вообще не получает лечения, или плацебо (фальшивое) лечение, чтобы свести к минимуму путаницу. Исследование без контроля вообще потенциально может иметь одну, две или множество вмешивающихся переменных.
Почему важны мешающие переменные?
Понимание вмешивающихся переменных имеет важное значение для изучения статистики из-за потенциального влияния, которое они оказывают на результаты экспериментов или наблюдательных исследований. Неспособность понять и устранить мешающие переменные приводит к ошибочным исследованиям с ненадежными результатами.
Другие типы путаницы
В нашем предыдущем примере время суток было мешающей переменной. Рассмотрим теперь новое исследование: мы разработали новое и улучшенное лекарство от головной боли, которое, по нашему мнению, превзойдет ибупрофен в качестве обезболивающего. Чтобы проверить его в деле, мы собрали случайную выборку из 100 мужчин и женщин. Каковы потенциальные мешающие переменные? Ну, самый очевидный из них — пол. Как и в случае с временем суток, при тестировании одной группы мужчин и одной группы женщин на результаты может влиять пол участников. Итак, когда мы проведем наше исследование, мы случайным образом разделим наших участников на 2 группы по 50 человек с равными пропорциями мужчин и женщин.
Эффект плацебо
В нашем исследовании представьте, что группе А дают лекарство, а группе Б – плацебо или фальшивое лечение. В медицинских исследованиях это часто делается в форме «сахарной таблетки», которая не содержит реальных лекарств. Это исследование теперь уязвимо к эффекту плацебо, который является реальной реакцией на фальшивое лечение. Иногда, просто сказав человеку, что он принимает таблетку, которая поможет его головной боли, головная боль утихнет, потому что участник ожидает, что состояние улучшится. Эффект плацебо — хорошо изученный феномен в такого рода исследованиях, и если обе группы сообщают, что их головные боли уменьшились, это хороший знак того, что эффект плацебо работает.
Отсутствие ослепления
Предположим, что, чтобы свести к минимуму эффект плацебо, мы решили сообщить нашим участникам, получают ли они плацебо или настоящую таблетку. К сожалению, зачастую это приводит к обратному эффекту. Любая информация, предоставленная участникам исследования, потенциально может исказить наши результаты, поэтому лучше также держать информацию под контролем. Эффект плацебо трудно контролировать, но его можно свести к минимуму путем ослепления.
Одинарное и двойное ослепление
Чтобы бороться с эффектом плацебо, мы должны сказать нашим испытуемым, что одна группа получит плацебо или фальшивое лечение, а другая группа получит настоящее. Эти знания смягчат ожидание получения реального лечения, несмотря ни на что, что может помочь уменьшить эффект плацебо. Когда исследование будет проведено, участники не будут знать, получали ли они настоящее лечение или поддельное. Это называется ослеплением.
В слепом эксперименте участники не знают, получают ли они настоящее лечение или плацебо.
В единственном слепом эксперименте участники не знают, какое лечение (или плацебо) они получают, но знает человек, дающий лекарство. В некоторых случаях язык тела, небрежные комментарии или другие сигналы могут сигнализировать участнику, к какой группе он принадлежит. В идеале этого не происходит, но это возможно, поэтому в некоторых исследованиях желательно, чтобы и это контролировалось. В двойном слепом эксперименте как участники, так и лица, фактически проводящие лечение, не знают, какое лечение им назначают. Это исключает возможность того, что администратор непреднамеренно (или открыто) подскажет участникам, какое лечение они получают.
Советы, как избежать смешивания переменных
Чтобы избежать смешивания переменных, лучше всего гарантировать, что все группы в исследовании выбираются случайным образом и представляют собой репрезентативные выборки. То есть выборка похожа на популяцию, которую мы хотим описать. Также важно внедрить контроль. Почти все, от пола до времени суток, комнатной температуры, мебели или цвета в комнате, потенциально может быть мешающей переменной. В исследовании или эксперименте очень важно, чтобы все методы лечения применялись одинаково. Если вы экспериментируете, ослепление — хорошая идея, которая поможет смягчить эффект плацебо. При планировании исследования составьте список потенциальных мешающих переменных и найдите способы их учета или устранения. Это также подчеркивает важность экспертной оценки в статистической науке: при повторении нашего исследования или эксперимента другие статистики могут выявить мешающие переменные, которые мы пропустили. Это неплохо, и именно так устроена наука.
Итог урока
Смешивающая переменная в статистике — это то, что потенциально влияет на результат эксперимента или исследования, но не учитывается в самом исследовании. Многие вещи, в том числе время суток, пол, температура, погода, возраст и даже цвет и декор комнаты, могут быть сбивающими с толку переменными. Чтобы свести к минимуму этот эффект, важно планировать исследования таким образом, чтобы контролировать как можно больше мешающих переменных, используя хорошие методы случайной выборки и в эксперименте гарантируя, что единственной разницей между группами является проводимое лечение.
В эксперименте плацебо означает фальшивое лечение. В случае с лекарствами это может быть сахарная таблетка. Эффект плацебо – это реальная реакция на фальшивое лечение. Например, субъект может сообщить, что его головная боль прошла, но ему не дали настоящую таблетку от головной боли. Чтобы смягчить эффект плацебо, участники должны знать, что существует вероятность того, что им дадут плацебо. Однако им не следует однозначно говорить, что они получают плацебо или настоящее лечение. Это создает разницу между группами, а сама информация будет вмешивающейся переменной. Вместо этого лучше всего попрактиковаться в ослеплении.
Ослепление в эксперименте — это процесс контроля информации, предоставляемой участникам, путем проверки того, что каждый участник знает одно и то же об эксперименте. Участники не должны знать, какое лечение им назначают или дают ли им плацебо. Это называется одиночным слепым экспериментом. В двойном слепом эксперименте даже люди, проводящие лечение, не знают, какое лечение они назначают. Это исключает возможность непреднамеренного предоставления участникам дополнительной информации с помощью языка тела, случайных комментариев или подсказок.
Часто задаваемые вопросы
Что сбивает с толку в статистике?
Смешение возникает, когда один или несколько неконтролируемых эффектов влияют на результат исследования. Чтобы уменьшить влияние мешающих переменных, мы всегда должны тщательно думать о том, как окружающая среда, состав выборки и другие факторы могут повлиять на наши результаты.
Что является примером вмешивающейся переменной?
Примерами смешивающих переменных могут быть время суток, в которое различные группы в исследовании пищевых продуктов получают пищу, или температура и погода в исследовании туризма. В эксперименте эффект плацебо или отсутствие ослепления могут исказить результаты.
Что такое вмешивающаяся переменная в статистике?
Смешивающая переменная — это переменная, которая потенциально может повлиять на результат исследования или эксперимента, но не учитывается и не исключается. Эти эффекты могут сделать результаты исследования ненадежными, поэтому очень важно понять и устранить мешающие факторы.
