क्या ऐसा वैरिएबल होना संभव है जो एक प्रभाव संशोधक और एक कन्फ़्यूज़र दोनों के रूप में कार्य करता हो?

Question

क्या एक ऐसा चर होना संभव है जो किसी प्रभाव-मापी (मापक) संशोधक के रूप में कार्य करता है और किसी दी गई जोड़ी के लिए जोखिम-परिणाम परिवर्तनों की पुष्टि करता है?

मैं अभी भी भेद का थोड़ा अनिश्चित हूँ। मैंने अंतर को समझने में मेरी मदद करने के लिए चित्रमय संकेतन को देखा है लेकिन अंकन में अंतर भयावह है। दो का एक चित्रमय / दृश्य विवरण और जब वे ओवरलैप हो सकते हैं तो उपयोगी होगा।

Answer 1

एक जटिल चर होना चाहिए:

• स्वतंत्र रूप से परिणाम के साथ जुड़े रहें;
• एक्सपोजर के साथ जुड़े रहें
• जोखिम और परिणाम के बीच कारण मार्ग पर झूठ नहीं होना चाहिए।

ये एक चर को एक संभावित भ्रमित चर के रूप में मानने के लिए मानदंड हैं । यदि संभावित कन्फ़्यूज़नर की खोज (स्तरीकरण और समायोजन परीक्षण के माध्यम से) वास्तव में जोखिम और परिणाम के बीच संबंध को भ्रमित करने के लिए की जाती है, तो जोखिम और परिणाम के बीच देखा गया कोई भी अनौपचारिक जुड़ाव कन्फ़्यूडर की एक कलाकृति है और इसलिए वास्तविक प्रभाव नहीं है।

दूसरी ओर एक प्रभाव संशोधक भ्रमित नहीं करता है। यदि कोई प्रभाव वास्तविक है, लेकिन प्रभाव का परिमाण कुछ चर X के आधार पर भिन्न होता है, तो वह चर X एक प्रभाव संशोधक है।

आपके प्रश्न का उत्तर देने के लिए यह मेरी समझ के लिए संभव नहीं है कि एक चर है जो एक प्रभाव संशोधक और एक दिए गए अध्ययन नमूने के लिए एक भ्रमित चर और जोखिम कारकों और परिणामों की एक जोड़ी के रूप में कार्य करता है।

आप अधिक जानकारी यहाँ पा सकते हैं

Comments

यह परिभाषा गलत है। यह बताता है कि जूडी पर्ल एक कन्फ़्यूडर के लिए "साहचर्य मानदंड" को क्या कहता है, और वह इस परिभाषा के विफल होने के कई कारण बताता है। पर्ल (2009), सेसिटी, सेक्शन 6.3 देखें।

— जूलियन शूसेलर

Answer 2

$x$$y$$c$$x$$y$

set.seed(234)
c <- runif(10000)
x <- c + rnorm(10000, 0, 0.1)
y <- 3*x + 2*x*c + rnorm(10000)

$y = 3*x + 2*x*c$$c$$x$$y$$x$

lm(y ~ x) 
Coefficients:
(Intercept)            x  
     -0.258        4.856 

अंत में, जैसा कि मेरी टिप्पणी में कहा गया है, ऑयसुसेट द्वारा दी गई परिभाषा गलत है। यह बताता है कि जूडी पर्ल एक कन्फ़्यूडर के लिए "साहचर्य मानदंड" को क्या कहता है, और वह इस परिभाषा के विफल होने के कई कारण बताता है। पर्ल (2009), सेसिटी, सेक्शन 6.3 देखें।

Comments

+1, दुर्भाग्य से यहाँ अभी भी कई पुराने गलत उत्तर हैं

— कार्लोस सिनेली