I molti nomi di variabili indipendenti

I modelli statistici, come ad esempio i modelli lineari generali (regressione lineare, ANOVA, modelli misti) e modelli lineari generalizzati (logistica, di Poisson, proporzionale rischio di regressione, ecc) hanno tutti la stessa forma generale. Sul lato sinistro dell'equazione è una o più variabili di risposta, Y. Sul lato destro è una o più variabili predittive, X, e loro coefficienti, B. X, le variabili sul lato destro possono avere molte forme e sono chiamati con molti nomi.

Non ci sono distinzioni sottili i significati di questi nomi, ma sono spesso usati come sinonimi. Ancora peggio, i pacchetti software statistici utilizzano nomi diversi per concetti simili, anche tra le rispettive procedure. Questa ricerca di precisione spesso rende confusione. (E &'; s abbastanza difficile senza il passaggio le parole!).

Ecco alcuni termini comuni che tutti si riferiscono a una variabile in un modello che si propone di influenzare o predire un'altra variabile. Ci sono lievi differenze nei significati di questi termini, ma sono spesso usati in modo intercambiabile

- Variabile indipendente:. Implica causalità: la variabile indipendente influisce sulla variabile dipendente. Utilizzato prevalentemente ANOVA, ma spesso in regressione pure. Può essere sia continuo o categoriale

- Predictor variabile:. Ciò non implica causalità. Una variabile predittore è semplicemente utile per prevedere il valore della variabile di risposta. Utilizzato prevalentemente in regressione. Variabili predittive può essere continuo o categoriale

- Predictor:.. Come Predictor Variabile

- covariate: Una variabile predittore continuo. Utilizzato in entrambi ANCOVA (analisi della covarianza) e la regressione. Alcune persone usano questo per fare riferimento a tutte le variabili predittive di regressione, ma in realtà significa predittori continui. Aggiunta di una covariata di ANOVA (analisi della varianza) lo trasforma in ANCOVA (analisi della covarianza)

- Factor:. Una variabile predittore categoriale. Si può o non può indicare un rapporto di causa /effetto con la variabile di risposta (questo dipende dal disegno dello studio, non l'analisi). Variabili indipendenti in ANOVA sono quasi sempre chiamati fattori. Nella regressione, sono spesso indicati come variabili indicatore, predittori categoriali o variabili dummy. Sono tutti la stessa cosa, in questo contesto

- variabile di raggruppamento:. Come un fattore. Utilizzato in SPSS nei campioni indipendenti t-test

- fattore fisso:. Una variabile categoriale indipendente in cui i valori specifici delle categorie sono specifici e importanti, spesso scelti dallo sperimentatore. Gli esempi includono trattamenti sperimentali o categorie demografiche, come il sesso e la razza. Se &'; re non fare un modello misto (e si dovrebbe sapere se si è), tutti i vostri fattori sono fattori fissi

- fattore casuale: Una variabile categoriale indipendente in cui i valori delle categorie erano casualmente. assegnato. Utilizzato solo nella modellazione mista. Gli esempi includono i soggetti o blocchi casuali.

- variabile dummy: Una variabile categorica che è stato codificato manichino. Codifica Dummy (chiamato anche indicatore di codifica) viene normalmente utilizzato nei modelli di regressione, ma non ANOVA. Una variabile fittizia può avere solo due valori: 0 e 1. Quando una variabile categorica ha più di due valori, si ricodificati in più variabili dummy

- variabile Indicatore:.. Vedere variabile dummy
.