Como ya se dijo, controlar generalmente significa incluir una variable en una regresión (como lo señaló @EMS, esto no garantiza ningún éxito en lograr esto, se vincula a esto ). Ya existen algunas preguntas y respuestas muy votadas sobre este tema, tales como:
Las respuestas aceptadas a estas preguntas son todos muy buenos tratamientos de la pregunta que está haciendo dentro de un marco de observación (diría que correlacional), más preguntas de este tipo se pueden encontrar aquí .
Sin embargo, está haciendo su pregunta específicamente dentro de un marco experimental o ANOVA, se pueden dar algunas ideas más sobre este tema.
Dentro de un marco experimental, usted controla una variable aleatorizando individuos (u otras unidades de observación) en las diferentes condiciones experimentales. La suposición subyacente es que, como consecuencia, la única diferencia entre las condiciones es el tratamiento experimental. Cuando se aleatoriza correctamente (es decir, cada individuo tiene la misma posibilidad de estar en cada condición), esta es una suposición razonable. Además, solo la aleatorización le permite extraer inferencias causales de su observación, ya que esta es la única forma de asegurarse de que ningún otro factor sea responsable de sus resultados.
Sin embargo, también puede ser necesario controlar las variables dentro de un marco experimental, es decir, cuando hay otro factor conocido que también afecta a esa variable dependiente. Para mejorar el poder estadístico y puede ser una buena idea controlar esta variable. El procedimiento estadístico habitual utilizado para esto es el análisis de covarianza (ANCOVA), que básicamente solo agrega la variable al modelo.
Ahora viene el quid: para que ANCOVA sea razonable, es absolutamente crucial que la asignación a los grupos sea aleatoria y que la covariable para la que se controla no esté correlacionada con la variable de agrupación.
Desafortunadamente, esto a menudo se ignora, lo que conduce a resultados no interpretables. Miller y Chapman (2001) ofrecen una introducción realmente legible a este problema exacto (es decir, cuándo usar ANCOVA o no ) :
A pesar de los numerosos tratamientos técnicos en muchos lugares, el análisis de covarianza (ANCOVA) sigue siendo un enfoque ampliamente utilizado para tratar las diferencias de grupo sustantivas en covariables potenciales, particularmente en la investigación de psicopatología. Los artículos publicados llegan a conclusiones infundadas, y algunos textos estadísticos descuidan el tema. Se revisa el problema con ANCOVA en tales casos. En muchos casos, no hay forma de lograr el objetivo superficialmente atractivo de "corregir" o "controlar" las diferencias de grupo reales en una covariable potencial. Con la esperanza de reducir el mal uso de ANCOVA y promover el uso apropiado, se proporciona una discusión no técnica, enfatizando una confusión sustantiva rara vez articulada en libros de texto y otras presentaciones generales, para complementar las críticas matemáticas ya disponibles.
Miller, GA y Chapman, JP (2001). Análisis de malentendidos de covarianza. Revista de psicología anormal , 110 (1), 40-48. doi: 10.1037 / 0021-843X.110.1.40