Aquí hay un ejemplo que ilustra el sexo como un factor de confusión y como un modificador de efectos (puede ser ambos o solo uno).
Considere el sexo (X1) y la altura (X2) como predictores del salario (Y).
El sexo y la estatura están correlacionados (los hombres son más altos en promedio que las mujeres). Si miras la correlación entre altura y salario por sí mismo (la correlación de orden cero) verías una fuerte correlación positiva, sin embargo, esa correlación se debería en parte a la confusión de sexo con altura (las mujeres son más cortas en promedio que los hombres) .
Para tener en cuenta posibles factores de confusión, puede ejecutar una regresión usando Sexo y Altura para predecir Salario. En la ecuación de regresión, el coeficiente para cada predictor se ajusta para controlar / eliminar los efectos de las correlaciones entre predictores. La altura se evalúa como un predictor del control de los salarios para eliminar cualquier confusión entre la altura y el sexo; y también, el sexo se evalúa como un predictor de control salarial para / eliminar cualquier confusión o correlación con la altura.
Un modificador de efecto o “moderador” es una variable X1 que cambia la forma en que otra variable X2 está relacionada con Y. Por ejemplo, el sexo podría moderar la asociación altura / salario. Es posible que, solo para hombres, ser más alto esté relacionado con un salario promedio más alto; y que dentro del grupo de mujeres, la altura no está relacionada con el salario (mi consejero Bob Rosenthal describió la moderación o interacción como “diferentes pendientes para diferentes personas”).
Para evaluar la moderación en este ejemplo, crearía una nueva variable: sexo * altura (el producto).
¿La epilepsia es una enfermedad infecciosa o viral?
¿Cuáles son los temas de tesis relacionados con la epidemiología?
Ahora configura una regresión para predecir el salario (Y) de Sexo (X1), Altura (X2) y el producto de Sexo * Altura.
Si el coeficiente para la variable del producto es estadísticamente significativo, puede decir que el sexo modifica significativamente o modera el “efecto” de la altura en el salario. Puede graficar la altura por líneas de regresión salarial por separado para cada grupo (un gráfico para hombres, un gráfico para mujeres).
En este ejemplo, es posible que el sexo se confunda con la altura y también podría ser un modificador de los efectos de la altura.
Para obtener más información sobre la moderación, consulte la respuesta de Rebecca Warner a ¿Qué es un moderador en las estadísticas?
o capítulos 10, 11, 12 en Warner (2012) Estadística aplicada: de las técnicas bivariadas a multivariadas.