Los muchos nombres de variables independientes

Los modelos estadísticos, como los modelos lineales generales (regresión lineal, ANOVA, modelos mixtos) y modelos lineales generalizados (logística, de Poisson, regresión de riesgos proporcionales, etc.), todos tienen la misma forma general. En el lado izquierdo de la ecuación es una o más variables de respuesta, Y. En el lado derecho es una o más variables de predicción, X, y sus coeficientes, B. X, las variables en el lado derecho pueden tener muchas formas y son llamados por muchos nombres.

Hay distinciones sutiles en el significado de estos nombres, pero a menudo se utilizan indistintamente. Incluso, paquetes de software estadísticos peores usan nombres diferentes para conceptos similares, incluso entre sus propios procedimientos. Esta búsqueda de la precisión a menudo hace que la confusión. (It &'; s lo suficientemente duro sin tener que cambiar las palabras!).

Estos son algunos términos comunes que todos se refieren a una variable en un modelo que se propone para afectar o predecir otra variable. Hay ligeras diferencias en el significado de estos términos, pero a menudo se utilizan indistintamente

- Variable independiente:. Esto implica causalidad: la variable independiente afecta a la variable dependiente. Se utiliza principalmente en ANOVA, pero a menudo en regresión también. Puede ser continua o categórica

- Predictor variable:. Esto no implica causalidad. Una variable predictor es simplemente útil para predecir el valor de la variable de respuesta. Se utiliza principalmente en la regresión. Las variables predictoras pueden ser continuas o categóricas

- Quiniela:.. Igual que el Predictor variable

- Covarianza: Una variable predictora continua. Se utiliza tanto en ANCOVA (análisis de covarianza) y la regresión. Algunas personas utilizan esto para referirse a todas las variables predictoras en la regresión, pero lo que realmente significa predictores continuos. Adición de una de covarianza de ANOVA (análisis de varianza) lo convierte en ANCOVA (análisis de covarianza)

- Factor:. Una variable predictora categórica. Puede o no indica una relación de causa /efecto con la variable de respuesta (esto depende del diseño del estudio, no el análisis). Las variables independientes en ANOVA casi siempre se llaman factores. En la regresión, que se refieren a menudo como variables indicadoras, predictores categóricos, o variables ficticias. Todos ellos son la misma cosa en este contexto

- variable de agrupación:. Igual que un factor. Se utiliza en SPSS en las muestras independientes t-test

- Factor fijo:. Una variable independiente categórica en la que los valores específicos de las categorías son específico e importante, a menudo elegido por el experimentador. Los ejemplos incluyen tratamientos experimentales o categorías demográficas, como el sexo y la raza. Si usted y' re no hacer un modelo mixto (y usted debe saber si usted está), todos sus factores son factores fijos

- factor de azar: Una variable independiente categórica en la que los valores de las categorías fueron aleatoriamente. asignado. Sólo se utiliza en el modelado mixto. Los ejemplos incluyen temas o bloques al azar.

- Variable dummy: Una variable categórica que se ha codificado maniquí. Codificación simulada (también llamado indicador de codificación) se utiliza generalmente en los modelos de regresión, pero no ANOVA. Una variable ficticia puede tener sólo dos valores: 0 y 1. Cuando una variable categórica tiene más de dos valores, se recodificado en múltiples variables ficticias

- Variable Indicador:.. Ver variable ficticia
.