Kontrollvariablen – Kovariaten – Störvariablen
Kontrollvariablen – oder auch Kovariaten oder Störvariablen genannt – sind Variablen, die zusätzlich als Prädiktoren (unabhängige Variablen) in ein statistisches Modell mit aufgenommen werden. Dies wird gemacht, um
- deren Effekt „heraus zu rechnen“ bzw.
- für deren Effekt zu kontrollieren bzw.
- deren Effekt zu neutralisieren.
Als Resultat sind die Effekte der anderen Prädiktoren im Modell dann für diese Kontrollvariable(n) kontrolliert.
Kontrollvariablen sind oft metrisch, können aber auch kategorial sein. Meist interessiert der Effekt der Kontrollvariable auf die abhängige Variable selbst inhaltlich nicht. Trotzdem kann man ihn im Modell mit ablesen, denn statistisch wird die Kontrollvariable wie ein Prädiktor verwendet und somit bekommst Du auch ein Ergebnis (z.B. Regressionskoeffizient und p-Wert) für den Effekt der Kontrollvariable auf die AV.
Beispiel für die Verwendung in einer linearen Regression
In diesem Beispiel zeigt sich, was oft mit der Verwendung von Kontrollvariablen erreicht werden soll.
Es wurden hier zwei Regressionsmodelle gerechnet, jeweils mit der Variable Lebensqualität als abhängige Variable (lineare Regression). Im ersten Modell wurde nur der Einfluss von Geschlecht (Gender) untersucht, der dort nicht signifikant war (p = .848). Im zweiten Modell wird zusätzlich zu Geschlecht auch der Parameter Depression mit als Prädiktor aufgenommen. In diesem zweiten Modell ist nun Geschlecht signifikant (p <.001). Das heißt, wenn für die Depression kontrolliert wird, ist ein signifikanter Effekt vom Geschlecht auf die Lebensqualität nachweisbar. Daneben wird im zweiten Modell auch ersichtlich, dass die Depression einen signifikanten Effekt hat. Allerdings wäre das hier in diesem Beispiel nicht Teil der Hypothese und würde nur als Nebenergebnis berichtet werden.
Du willst mehr verständliche Erklärungen und endlich Durchblick im Statistik-Dschungel?
Verwendung von Kontrollvariablen in verschiedenen statistischen Modellen
Im obigen Beispiel wurde ein lineares Regressionsmodell verwendet. Kontrollvariablen kannst Du aber in vielen weiteren statistischen Methoden einsetzen. Welche Methode jeweils passt, hängt fast immer vom Messniveau der abhängigen Variablen und vom Studiendesign ab. Grundsätzlich ist es aber in allen komplexeren Modellen möglich, mit Kontrollvariablen zu arbeiten, z.B.
- in der ANOVA, sie wird damit dann zur ANCOVA (Kovarianzanalyse),
(hier klicken für einen Blogartikel zur ANCOVA) - in der Messwiederholungs-ANOVA,
- in der gemischten ANOVA,
- in der logistischen, linearen oder ordinalen Regression und
- in Multi-Level-Modellen.
Für viele dieser Methoden findest Du ausführliche und verständliche Anleitungen in der Statistik-Akademie. Hier lernst Du im Detail, wie die Methoden eingesetzt werden, was die Voraussetzungen sind und wie Du sie in SPSS, R oder DATAtab umsetzen kannst. Auch zum Thema Kontrollvariablen gibt es dort noch ausführlichere Inhalte von mir. Zum Beispiel gehen wir dort auf das Thema ein, wie Du Deine Kontrollvariablen am besten auswählst.
Quellenangabe verwendeter Datensatz für das Beispiel: Andy Field, Discovering Statistics Using SPSS, SAGE, 4. Auflage.
Ich bin Statistik-Expertin aus Leidenschaft und bringe Dir auf leicht verständliche Weise und anwendungsorientiert die statistische Datenanalyse bei. Mit meinen praxisrelevanten Inhalten und hilfreichen Tipps wirst Du statistisch kompetenter und bringst Dein Projekt einen großen Schritt voran.
