如前所述,控制通常意味着在回归中包括变量(如@EMS所指出的,这并不能保证成功实现此目标,他链接到this)。关于此主题已经存在一些高度投票的问题和答案,例如:
这些问题的公认答案都是对您在观察性(我想说是相关性)框架内提出的问题的很好的处理,更多此类问题可以在此处找到。
但是,您是在实验或ANOVA框架内专门提出问题的,对此主题可以给出更多的想法。
在实验框架内,您可以通过在不同的实验条件下对个人(或其他观察单位)进行随机化来控制变量。潜在的假设是,结果之间的唯一区别是实验处理。当正确随机化时(即,每个人在每种情况下都有相同的机会),这是一个合理的假设。此外,只有随机化允许您从观察中得出因果推论,因为这是确保没有其他因素影响结果的唯一方法。
但是,也有必要在实验框架内控制变量,即在存在另一个也会影响该因变量的已知因素时。提高统计能力,然后控制该变量可能是一个好主意。用于此目的的常用统计程序是协方差分析(ANCOVA),基本上也只是将变量添加到模型中。
现在到了关键所在:为了使ANCOVA合理,对组的分配是随机的,并且对其进行控制的协变量与分组变量不相关是至关重要的。
不幸的是,这经常被忽略,导致无法解释的结果。Miller&Chapman(2001)对这个确切的问题(即何时使用ANCOVA)进行了非常易读的介绍:
尽管在许多场所进行了许多技术处理,协方差分析(ANCOVA)仍然是一种广泛使用的方法,用于处理潜在协变量的实质性群体差异,尤其是在心理病理学研究中。已发表的文章得出了毫无根据的结论,一些统计数据忽略了这个问题。在这种情况下,ANCOVA出现了问题。在许多情况下,没有办法实现对潜在协变量“校正”或“控制”实际群体差异的表面吸引力目标。为了减少滥用ANCOVA并促进适当的使用,提供了非技术性的讨论,强调了在教科书和其他一般性介绍中很少表达的实质性混淆,以补充已经存在的数学批评。
Miller,GA和Chapman,JP(2001)。对协方差的误解。异常心理学杂志,110(1),40-48。doi:10.1037 / 0021-843X.110.1.40