En un estudio observacional, los investigadores no tienen control sobre los valores de las variables independientes, como quién recibe el tratamiento. En su lugar, deben controlar las variables mediante estadísticas.
Los estudios observacionales se utilizan cuando los experimentos controlados pueden ser poco éticos o poco prácticos. Por ejemplo, si un investigador deseara estudiar el efecto del desempleo (la variable independiente) en la salud (la variable dependiente), las juntas de revisión institucional considerarían poco ético asignar aleatoriamente a algunos participantes para que tuvieran trabajo y a otros para que no. En su lugar, el investigador tendrá que crear una muestra que incluya a algunas personas empleadas y algunas personas desempleadas. Sin embargo, podría haber factores que afecten tanto si una persona está empleada como qué tan saludable está. Parte de cualquier asociación observada entre la variable independiente (situación laboral) y la variable dependiente (salud) podría deberse a estos factores externos y espurios en lugar de indicar un verdadero vínculo entre ellos. Esto puede ser problemático incluso en una muestra aleatoria real. Al controlar las variables extrañas, el investigador puede acercarse a comprender el verdadero efecto de la variable independiente sobre la variable dependiente.
En este contexto, las variables extrañas se pueden controlar mediante regresión múltiple. La regresión utiliza como variables independientes no solo la o las variables cuyos efectos sobre la variable dependiente se están estudiando, sino también cualquier posible variable de confusión, evitando así el sesgo de variable omitido. «Variables de confusión» en este contexto significa otros factores que no solo influyen en la variable dependiente (el resultado), sino que también influyen en la variable independiente principal.
Ejemploeditar
Un estudio sobre si envejecer afecta la satisfacción vital de una persona. (Algunos investigadores perciben una «forma de u»: la satisfacción con la vida parece disminuir primero y luego aumentar después de la mediana edad. Para identificar las variables de control necesarias aquí, se podría preguntar qué otras variables determinan no solo la satisfacción vital de una persona, sino también su edad. Muchas otras variables determinan la satisfacción con la vida. Pero ninguna otra variable determina la edad de una persona (siempre y cuando siga viva). (Todas las personas siguen envejeciendo, al mismo ritmo, sin importar sus otras características. Por lo tanto, aquí no se necesitan variables de control.
Para determinar las variables de control necesarias, puede ser útil construir un gráfico acíclico dirigido.