우리는 다중 무작위 회귀 모델에 상상할 수있는 모든 잠재적 혼란자를 포함시켜 비 랜덤 화되지 않은 예측 변수 X와 결과 사이의 인과 관계를 확립하려는 관찰 연구에 익숙합니다. 따라서 모든 혼란 자들을“통제”함으로써 우리는 관심있는 예측 인자의 효과를 분리시킨다.
나는 주로 통계 수업의 다양한 교수들이 만든 비공식적 발언을 바탕 으로이 아이디어로 점점 불편을 겪고 있습니다. 그들은 몇 가지 주요 범주에 속합니다.
1. 생각하고 측정하는 공변량 만 제어 할 수 있습니다.
이것은 명백하지만 실제로 그것이 가장 치명적이고 극복 할 수 없는지 궁금합니다.
2. 그 접근법은 과거에 추악한 실수를 야기했다.
예를 들어 Petitti & Freedman (2005)은 수십 년 동안 통계적으로 조정 된 관찰 연구가 어떻게 호르몬 대체 요법이 심장 질환 위험에 미치는 영향에 대해 비참하게 잘못된 결론을 내 렸는지 논의합니다. 이후의 RCT는 거의 반대의 효과를 발견했습니다.
3. 공변량을 제어 할 때 예측 변수 결과 관계가 이상하게 작동 할 수 있습니다.
Yu-Kang Tu, Gunnell, & Gilthorpe (2008) 는 Lord 's Paradox, Simpson 's Paradox 및 억제 변수를 포함한 몇 가지 다른 표현에 대해 논의합니다.
4. 단일 모형 (다중 회귀)이 공변량을 적절히 조정하고 동시에 예측 변수 결과 관계를 모델링하는 것은 어렵습니다.
나는 이것이 성도 점수와 혼란 자에 대한 층화와 같은 방법의 우수성에 대한 이유라고 들었지만 실제로 그것을 이해하고 있는지 확실하지 않습니다.
5. ANCOVA 모델은 공변량과 관심있는 예측 변수가 독립적이어야합니다.
물론, 우리는 그들이 관심있는 예측 자와 상호 연관되어 있기 때문에 교란 자들을 정확하게 조정하므로, 우리가 그것을 원할 때 정확한 경우에 모델이 성공하지 못하는 것 같습니다. 인수는 무작위 시험에서 소음 감소에만 적합하다고 주장한다. Miller & Chapman (2001) 은 훌륭한 리뷰를 제공합니다.
그래서 내 질문은 :
- 이러한 문제와 내가 알지 못하는 다른 문제는 얼마나 심각합니까?
- "모든 것을 통제하는"연구를 볼 때 얼마나 두려워해야합니까?
(이 질문이 토론 영역으로 너무 많이 퍼지지 않기를 바라며 개선을위한 제안을 행복하게 보내시기 바랍니다.)
편집 : 새로운 참조를 찾은 후 포인트 5를 추가했습니다.