मुझे लगता है कि कारणपरक मॉडलिंग इस प्रश्न का उत्तर देने की कुंजी है। एक को डेटा को देखने से पहले ब्याज की सही समायोजित / स्तरीकृत / नियंत्रित प्रभाव की पहचान करने के लिए शुरुआत में सामना करना पड़ता है । अगर मुझे वयस्कों में ऊंचाई / फेफड़े की क्षमता के संबंध का अनुमान लगाना था, तो मैं धूम्रपान की स्थिति के लिए समायोजित करूंगा क्योंकि धूम्रपान स्टंट विकास और फेफड़ों की क्षमता को प्रभावित करता है। कन्फ़्यूडर वे चर हैं जो ब्याज के पूर्वसूचक से यथोचित रूप से संबंधित होते हैं और ब्याज के परिणाम से जुड़े होते हैं। यहूदिया पर्ल, 2 एड से कारण देखें। किसी को डेटा संग्रह प्रक्रिया से पहले भी सही उलझाने वाले चर के लिए अपने विश्लेषण को निर्दिष्ट और शक्ति प्रदान करनी चाहिए, यहां तक कि पिछले खोजपूर्ण अध्ययनों से तर्कसंगत तर्क और पूर्व ज्ञान का उपयोग करना शुरू होता है।
हालांकि, इसका मतलब यह नहीं है कि कुछ शोधकर्ता समायोजन चर का चयन करने के लिए डेटा-संचालित विधियों पर भरोसा नहीं करते हैं। जब मैं पुष्ट विश्लेषण करता हूं तो मैं व्यवहार में ऐसा करने से सहमत नहीं हूं। कई समायोजित मॉडलों के लिए मॉडल चयन में कुछ सामान्य तकनीकें आगे / पिछड़े मॉडल चयन हैं जहां आप उन मॉडलों के वर्गों तक सीमित कर सकते हैं जिन्हें आप कम से कम प्रशंसनीय मानते हैं। इसके लिए ब्लैकबॉक्स एआईसी चयन मानदंड संभावना से संबंधित है और इसलिए, में कमी की डिग्रीR2इन समायोजन चर के लिए रैखिक मॉडल के लिए। महामारी विज्ञान में एक और प्रक्रिया आम है, जहां चर केवल मॉडल में जोड़े जाते हैं यदि वे मुख्य प्रभाव (जैसे कि अनुपात या खतरनाक अनुपात) के अनुमान को कम से कम 10% बदलते हैं। हालांकि यह एआईसी आधारित मॉडल चयन की तुलना में "अधिक" सही है, मुझे अभी भी लगता है कि इस दृष्टिकोण में प्रमुख चेतावनी हैं।
मेरी सिफारिश एक परिकल्पना के हिस्से के रूप में वांछित विश्लेषण निर्धारित है। धूम्रपान / कैंसर के जोखिम को समायोजित करने की आयु एक अलग पैरामीटर है, और क्रूड धूम्रपान / कैंसर के जोखिम की तुलना में एक नियंत्रित अध्ययन में अलग-अलग निष्कर्षों की ओर जाता है। विषय वस्तु ज्ञान का उपयोग करना प्रतिगमन विश्लेषण में समायोजन के लिए भविष्यवाणियों का चयन करने का सबसे अच्छा तरीका है, प्रयोगात्मक और क्वासिएक्सिमेंटल डिज़ाइन के "नियंत्रित" विश्लेषणों के विभिन्न अन्य प्रकारों में स्तरीकरण, मिलान, या भार चर के रूप में।