Як уже було сказано, контроль зазвичай означає включення змінної в регресію (як вказує @EMS, це не гарантує успіху в досягненні цього, він посилається на це ). На цю тему вже є запитання та відповіді з високою оцінкою, такі як:
Прийняті відповіді на ці запитання - це дуже хороші трактування питання, яке ви задаєте, в рамках спостереження (я б сказав, кореляційний), більше таких питань можна знайти тут .
Однак ви ставите своє запитання конкретно в експериментальному або ANOVA-рамках, ще можна подумати на цю тему.
В рамках експериментальної структури ви керуєте змінною шляхом рандомізації індивідів (або інших одиниць спостереження) за різних експериментальних умов. Основне припущення полягає в тому, що, як наслідок, єдиною різницею між умовами є експериментальне лікування. Якщо правильно рандомізувати (тобто, кожна людина має однаковий шанс опинитися в кожній умові), це обґрунтоване припущення. Крім того, тільки рандомізація дозволяє робити причинно-наслідкові умовиходи зі спостереження, оскільки це єдиний спосіб переконатися, що не інші фактори відповідають за ваші результати.
Однак може також бути необхідним контроль за змінними в експериментальних рамках, а саме тоді, коли є ще один відомий фактор, який також впливає на цю залежну змінну. Щоб збільшити статистичну потужність, то може бути хорошою ідеєю контролювати цю змінну. Звичайною статистичною процедурою, що використовується для цього, є аналіз коваріації (ANCOVA), який в основному також просто додає змінну до моделі.
Тепер випливає суть: для ANCOVA, щоб бути розумним, абсолютно важливо, щоб присвоєння групам було випадковим і що коваріат, для якого він контролюється, не співвідноситься зі змінною групування.
На жаль, це часто ігнорується, що призводить до непереборних результатів. Miller & Chapman (2001) дають справді читабельний вступ до цієї точної проблеми (тобто коли використовувати ANCOVA чи ні ) :
Незважаючи на численні технічні методи лікування у багатьох місцях, аналіз коваріації (ANCOVA) залишається широко використовуваним підходом до вирішення суттєвих групових відмінностей щодо потенційних коваріатів, особливо в дослідженнях психопатології. Опубліковані статті дають необгрунтовані висновки, а деякі тексти статистики нехтують проблемою. Проблема з ANCOVA в таких випадках розглядається. У багатьох випадках немає засобів для досягнення надзвичайно привабливої мети "виправлення" або "контролю за" реальною груповою різницею на потенційному коваріаті. Сподіваючись на зменшення зловживання ANCOVA та сприяння правильному використанню, проводиться нетехнічна дискусія, що підкреслює суттєву плутанину, яка рідко формулюється в підручниках та інших загальних презентаціях, щоб доповнити наявну математичну критику.
Міллер, Джорджія та Чапман, JP (2001). Аналіз нерозуміння коваріації. Журнал ненормальної психології , 110 (1), 40–48. doi: 10.1037 / 0021-843X.110.1.40