Os muitos nomes de variáveis ​​independentes

Os modelos estatísticos, tais como modelos lineares gerais (regressão linear, análise de variância, modelos mistos) e modelos lineares generalizados (logística, Poisson, regressão de risco proporcional, etc.) todos têm a mesma forma geral. No lado esquerdo da equação é uma ou mais variáveis ​​de resposta, Y. No lado direito é uma ou mais variáveis ​​de previsão, X, e seus coeficientes, B. X, as variáveis ​​do lado direito pode ter muitas formas e são chamados por muitos nomes.

Há distinções subtis nos significados desses nomes, mas eles são freqüentemente usados ​​alternadamente. Pior ainda, os pacotes de software estatísticos usar nomes diferentes para conceitos semelhantes, mesmo entre seus próprios procedimentos. Essa busca de precisão, muitas vezes torna confusão. (It &'; é difícil o suficiente sem mudar as palavras!).

Aqui estão alguns termos comuns que todos se referem a uma variável em um modelo que propõe a afetar ou prever outra variável. Existem pequenas diferenças nos significados desses termos, mas eles são freqüentemente usados ​​alternadamente

- variável independente:. Isso implica causalidade: a variável independente afeta a variável dependente. Usado principalmente em ANOVA, mas muitas vezes em regressão também. Ele pode ser contínua ou categórica

- Predictor variável:. Isso não implica causalidade. Uma variável de previsão é simplesmente útil para prever o valor da variável de resposta. Usado principalmente em regressão. Variáveis ​​de previsão pode ser contínua ou categórica

- Predictor:.. O mesmo que Predictor Variável

- covariável: A variável de previsão contínua. Usado em ambos ANCOVA (análise de covariância) e de regressão. Algumas pessoas usam isso para se referir a todas as variáveis ​​de previsão em regressão, mas que realmente significa preditores contínuas. Adicionando uma co-variável à análise de variância (análise de variância) transforma-lo em ANCOVA (análise de covariância)

- Factor:. A variável de previsão categórica. Pode ou não pode indicar uma relação de causa /efeito com a variável resposta (isso depende do desenho do estudo, não a análise). Variáveis ​​independentes na análise de variância são quase sempre chamados fatores. Na regressão, eles são muitas vezes referidos como variáveis ​​indicadoras, preditores categóricas, ou variáveis ​​binárias. Eles são todos a mesma coisa neste contexto

- Agrupamento variável:. Mesmo como um fator. Usado em SPSS nas amostras independentes t-teste

- fator fixo:. A variável independente categórica em que os valores específicos das categorias são específicas e importantes, muitas vezes escolhido pelo experimentador. Exemplos incluem tratamentos experimentais ou categorias demográficas, como sexo e raça. Se você &'; re não fazendo um modelo misto (e você deve saber se você está), todos os seus fatores são fatores fixo

- fator aleatória: A variável independente categórica em que os valores das categorias foram aleatoriamente. atribuído. Usado apenas em modelagem mista. Exemplos incluem disciplinas ou blocos ao acaso.

- Variável binária: A variável categórica que tenha sido fictício codificada. Codificação do manequim (também chamado indicador de codificação) é geralmente utilizado em modelos de regressão, mas não ANOVA. A variável dummy pode ter apenas dois valores: 0 e 1. Quando uma variável categórica tem mais de dois valores, é recodificados em múltiplas variáveis ​​dummy

- variável Indicador:.. Veja variável dummy
.