Clicked Gallery

O que significa controlar uma variável?

Sublinhado num livro didático real. Explicado pelo Clicked.

Usado numa frase

University Course Reader · STEM

After controlling for age and income, the gap between the two regions shrank from 20% to 4%, the authors reported.

O leitor sublinhou um termo — num artigo ou no PDF de um paper. O Clicked tornou o termo estatístico «controlling for» fácil de entender:

Explicado em três níveis

Os mesmos fatos, outra vibe — Modo slang 😎

O método Clicked

●○○

Overview

Controlar uma variável é comparar dois grupos só dentro de fatias iguais de um terceiro fator, depois recombinar as fatias como se os dois grupos tivessem a mesma mistura desse fator. O fator é um que move o desfecho por conta própria, como a idade para taxas de mortalidade. Em 2024, o CDC registrou 977 mortes por 100.000 habitantes na Flórida e 614 em Utah, então a taxa da Flórida parece 59 % mais alta. A Flórida tem uma das populações mais velhas dos EUA e Utah uma das mais jovens, e pessoas mais velhas morrem a taxas mais altas em qualquer lugar, então boa parte dessa distância é uma distância de idades. Compare cada faixa etária com a mesma faixa etária, depois dê aos dois estados uma mesma mistura padrão de idades, e as taxas passam a 644 para a Flórida e 715 para Utah. Esse segundo par é o que «ajustado por idade» quer dizer: ninguém foi removido, os dois estados receberam as mesmas idades. O método só alcança os fatores que alguém mediu. Iguale as fatias primeiro, depois dê aos dois lados a mesma mistura.
●○○

Overview

Controlar uma variável é como você compara dois grupos quando uma terceira coisa está, de fininho, roubando no jogo. Você alinha os grupos fatia por fatia nessa terceira coisa, compara fatia com fatia, depois entrega aos dois grupos a mesma mistura de fatias e lê um número para cada um. Pegue as taxas de mortalidade de 2024 do CDC: Flórida 977 por 100.000, Utah 614, então a Flórida parece 59 % mais mortal. Só que a Flórida está entre os estados mais velhos em idade e Utah entre os mais jovens, e idade avançada é o maior risco de morrer onde quer que você viva. Dê aos dois estados as mesmas idades e fica Flórida 644, Utah 715, então agora Utah está 11 % na frente. É só isso que «ajustado por idade» quer dizer. Ninguém foi apagado, as idades foram igualadas. Uma pegadinha, e é grande: você só consegue ajustar pelas coisas que alguém se deu ao trabalho de medir. Mesmas fatias, mesma mistura, depois compare. 😎

Uma ideia rápida — muitas vezes é tudo de que você precisa.

●●○

Detail

Controlar uma variável significa comparar dois grupos dentro de fatias iguais de um terceiro fator e depois recombinar as fatias com uma mistura compartilhada, para que esse fator não possa explicar a diferença. O terceiro fator é uma variável de confusão (algo que move tanto o que você compara quanto o desfecho), e controlar é o conserto aplicado depois que os dados foram coletados. Os números de 2024 do CDC: a Flórida registrou 977 mortes por 100.000 habitantes e Utah 614, e ajustados por idade a Flórida fica em 644 e Utah em 715. A aritmética por trás do segundo par funciona assim, em duas fatias. Digamos que num estado as pessoas com menos de 65 anos morrem a 2 por 1.000 ao ano e as com mais de 65 a 40 por 1.000, e 40 % da população tem mais de 65. A taxa bruta é 0,6 × 2 mais 0,4 × 40, que dá 17,2 por 1.000. Um segundo estado tem fatias um pouco piores, 2,5 e 45, mas só 10 % acima dos 65, então a taxa bruta é 0,9 × 2,5 mais 0,1 × 45, que dá 6,75. Em bruto, o primeiro estado parece duas vezes e meia mais mortal sendo mais seguro nas duas fatias. Agora dê aos dois a mesma mistura, digamos 20 % acima dos 65. O primeiro estado passa a 0,8 × 2 mais 0,2 × 40, que dá 9,6. O segundo passa a 0,8 × 2,5 mais 0,2 × 45, que dá 11. A mistura compartilhada é uma convenção: o CDC usa a população dos EUA de 2000 para todo estado e todo ano. Controlar não é um grupo de controle, e não é um experimento controlado, em que o fator é mantido fixo antes de os dados existirem. Ele falha de dois jeitos. Só alcança fatores que alguém mediu, então um fator que ninguém anotou continua na comparação. E controlar por algo que a própria causa produz remove parte do efeito. Pergunte se o sal causa infartos controlando pela pressão arterial, e o caminho pela pressão arterial, que é como o sal faz o seu estrago, é subtraído. Quando uma comparação controlada aponta na direção oposta à bruta, como Flórida e Utah fazem, a inversão se chama paradoxo de Simpson. Artigos que controlam por dez fatores de uma vez fazem o mesmo com um modelo chamado regressão.
●●○

Detail

Controlar uma variável é comparar dois grupos forçando um terceiro fator a ser igual dos dois lados, depois que os números já chegaram. Esse terceiro fator é o que os estatísticos chamam de variável de confusão (ela empurra o desfecho e difere entre os seus grupos), e controlar é o conserto que você aplica com contas quando os dados já existem. Aqui está a conta, duas fatias por vez. Cidade A: pessoas com menos de 65 anos morrem a 3 por 1.000, pessoas com mais de 65 a 50, e 50 % da cidade tem mais de 65. Taxa bruta: 0,5 × 3 mais 0,5 × 50, ou seja, 26,5. Cidade B: 4 e 60, pior nas duas fatias, mas só 15 % acima dos 65. Taxa bruta: 0,85 × 4 mais 0,15 × 60, ou seja, 12,4. Nos números brutos, A parece duas vezes mais mortal que B sendo mais segura em cada fatia, porque A é mais velha. Depois entregue às duas cidades a mesma mistura de idades, escolha 30 % acima dos 65. A: 0,7 × 3 mais 0,3 × 50, ou seja, 17,1. B: 0,7 × 4 mais 0,3 × 60, ou seja, 20,8. B é pior, o que era verdade desde o começo. Os 30 % são uma convenção, e a convenção real nas estatísticas de mortalidade dos EUA é a mistura de idades do país inteiro em 2000, aplicada a todo estado. Não confunda com um grupo de controle nem com um experimento controlado, em que você fixa o fator antes de coletar qualquer coisa. Ele morde em dois lugares. Só funciona com fatores que você mediu, então o que ninguém anotou continua lá dentro. E você pode controlar pela coisa errada: teste se o sal leva a infartos e controle pela pressão arterial, e você apagou a rota que o sal de fato usa, então o sal parece inocente. Quando os números ajustados apontam na direção contrária aos brutos, do jeito que os da Flórida e de Utah apontaram, essa virada tem nome, paradoxo de Simpson. E os estudos que «controlaram por» uma dúzia de fatores de uma vez usaram um modelo, a regressão, que faz a mesma conta para a dúzia inteira de uma vez só. 😎

Quer mais? Um clique aprofunda.

●●●

Analogy

Controlar uma variável significa comparar duas coisas dentro de condições iguais e depois combinar com uma mistura fixa, e a etiqueta de consumo de combustível de um carro novo é isso feito por regra. Um carro pode fazer 25 milhas por galão na cidade e 40 na estrada. Teste dois carros no tipo de trajeto que os testadores por acaso fizeram e o que rodou mais na estrada vence de graça. Então a etiqueta mede todo carro nas duas condições e as combina com uma mistura igual para todos: 55 % cidade e 45 % estrada, a regra da EPA para toda etiqueta. O número combinado é o consumo do carro controlado pelo tipo de via, e os números combinados de dois carros podem ser comparados porque nenhum deles ganhou as vias mais fáceis. O número combinado não é uma previsão do seu próprio tanque, já que a sua mistura de vias não é 55/45. É uma comparação justa, que é tudo que controlar jamais dá. Onde a imagem quebra: controle pelo tamanho do motor ao comparar dois carros e você cancelou justamente o que torna um deles mais beberrão, que é o erro de controlar por algo que a causa produz.
●●●

Analogy

Controlar uma variável é nivelar o que separa injustamente dois grupos antes de compará-los, e a sua conta de luz faz isso todo mês. Comparado com a rua inteira você parece péssimo: 900 kWh contra uma média da rua de 700, então 29 % acima. A companhia de energia não compara você com a rua. Ela compara você com casas do seu tamanho com o mesmo tipo de aquecimento, e essas ficam em média em 1.000, então você está 10 % abaixo. Mesma leitura do medidor, dois veredictos. O segundo controlou pelo tamanho da casa e pelo aquecimento, porque a média da rua era na verdade uma comparação de tamanhos de casa, e você mora numa grande. O ponto duro: o veredicto mais gentil mudou a referência, não o seu consumo, então a conta é a mesma. Onde desmorona: se a companhia também comparasse você com casas que ligam o aquecimento o mesmo número de horas, estaria controlando exatamente pelo que faz o seu consumo subir, e todo mundo sairia na média. 😎

Conceito novo? Um exemplo do dia a dia faz clicar — novas analogias quando quiser.

Explicações de IA podem conter erros · Não é aconselhamento profissional

Definição formal — O mesmo termo, explicado da forma habitual

Controlar uma variável (ajuste estatístico) é a remoção analítica da influência de uma covariável sobre uma comparação, de modo que a associação estimada entre exposição e desfecho não seja atribuível a diferenças nessa covariável entre os grupos. A forma mais simples é a estratificação: a comparação é feita dentro de estratos da covariável e os resultados específicos de cada estrato são combinados com um conjunto comum de pesos. A padronização direta aplica as taxas específicas por estrato de cada grupo a uma única população padrão; as taxas de mortalidade ajustadas por idade dos EUA usam a população padrão dos EUA de 2000 (CDC/NCHS: Flórida, taxa bruta de 2024 de 977,2 e taxa ajustada por idade de 643,5 por 100.000; Utah, 613,6 e 715,0). A regressão multivariável generaliza o procedimento para várias covariáveis simultaneamente. O ajuste trata apenas de variáveis de confusão medidas, e ajustar por um mediador (uma variável no caminho causal) ou por um colisor introduz viés em vez de removê-lo (superajuste). É distinto de um experimento controlado, em que as covariáveis são mantidas constantes ou equilibradas por randomização na etapa de desenho.

Quer que o Clicked explique termos como “controlling for” direto no seu navegador, inclusive em PDFs?

Adicionar ao Chrome — Grátis

50 explicações grátis · Sem cartão de crédito