Hi, typically we use control variab

Hi, typically we use control variables for the following reason: suppose you are interested in the effect (correlation) of the probability to get lung cancer and coffee drinking. If you simply look at the bivariate correlation you would find a strong correlation. However, this correlation does not make any sense (since we know that coffee drinking cannot cause lung cancer). The point is, that another variable might drive the result, if you do not put it into your regression (i.e., control for it), you get this strange strong correlation that is completely spurious. In the example above the missing variable would be to include the amount of smoking / a dummy for smokers into the analysis. This would make the coefficient on coffee drinking insignficant. The correlation was only there since people who drink a lot of coffee are typically also smokers. That is, if you are interested in the effect of one variable on a response, you often have to control for a lot of variables that can severly influence your results once you omit them.

Kết quả (Việt) 1:

Hi, thông thường chúng tôi sử dụng kiểm soát biến vì nguyên nhân sau: giả sử bạn đang quan tâm đến tác dụng (tương quan) của khả năng để có được bệnh ung thư phổi và uống cà phê. Nếu bạn chỉ cần nhìn vào các mối tương quan bivariate, bạn sẽ tìm thấy một sự tương quan mạnh mẽ. Tuy nhiên, mối tương quan này không làm cho bất kỳ ý nghĩa (kể từ khi chúng ta biết rằng uống cà phê không thể gây ra ung thư phổi). Vấn đề là, một biến có thể lái xe kết quả, nếu bạn không đặt nó vào hồi quy của bạn (tức là, kiểm soát cho nó), bạn có được này mối tương quan mạnh mẽ lạ là hoàn toàn giả mạo. Trong ví dụ trên biến mất tích sẽ phải bao gồm số lượng thuốc / a dummy cho người hút thuốc vào các phân tích. Điều này sẽ làm cho hệ số trên cà phê uống insignficant. Các mối tương quan là chỉ có từ những người uống nhiều cà phê là thường cũng là người hút thuốc. Có nghĩa là, nếu bạn đang quan tâm đến các hiệu ứng của một biến trên một phản ứng, bạn thường phải điều khiển cho rất nhiều yếu tố có thể ảnh hưởng severly kết quả của bạn một khi bạn bỏ qua chúng.

Kết quả (Việt) 2:

Hi, thường chúng ta sử dụng các biến kiểm soát đối với các lý do sau: giả sử bạn quan tâm đến các tác động (tương quan) của xác suất bị ung thư phổi và uống cà phê. Nếu bạn chỉ đơn giản là nhìn vào tương quan hai biến bạn sẽ tìm thấy một mối tương quan mạnh mẽ. Tuy nhiên, tương quan này không làm cho bất kỳ ý nghĩa (vì chúng ta biết rằng uống cà phê không có thể gây ra ung thư phổi). Vấn đề là, rằng một biến khác có thể khiến kết quả, nếu bạn không đặt nó vào hồi quy của bạn (ví dụ, điều khiển cho nó), bạn sẽ có được sự tương quan này mạnh kỳ lạ đó là hoàn toàn giả mạo. Trong ví dụ trên biến mất sẽ được bao gồm số lượng thuốc / một giả cho người hút thuốc lá vào phân tích. Điều này sẽ làm cho hệ số của việc uống cà phê insignficant. Các tương quan là chỉ có từ những người uống nhiều cà phê thường cũng hút thuốc. Đó là, nếu bạn quan tâm đến hiệu quả của một biến trên một phản ứng, bạn thường phải kiểm soát đối với rất nhiều biến thể ảnh hưởng đến kết quả severly của bạn một khi bạn bỏ qua chúng.