Angepasste vs. nicht angepasste Effekte in der Regression

Ist "nicht angepasst" im Grunde nur eine einfache lineare Regression, während "angepasst" eine multiple Regression ist? Betrachten Sie beispielsweise die Auswirkung von x auf y, indem Sie andere Variablen wie a, b und c anpassen, anstatt sie nicht anzupassen.

Da basierend auf den Kommentaren "Ja" nicht lang genug ist, um eine Antwort zu sein:

Ja.

Wenn eine Regression eine nicht angepasste Schätzung meldet, ist dies nur eine Regression von X auf Y ohne andere Kovariaten. Eine angepasste Schätzung ist die gleiche Regression von X auf Y in Gegenwart mindestens einer Kovariate.

Eine grobe Schätzung wird erhalten, wenn Sie den Effekt nur einer unabhängigen (Prädiktor-) Variablen berücksichtigen, dh Ihre Gleichung besteht nur aus einer unabhängigen Variablen. Wenn Sie mehr unabhängige Variablen in die Analyse einbeziehen (Confounder-Variablen), erhalten Sie eine sogenannte und angepasste Schätzung, die den Effekt aufgrund aller zusätzlichen unabhängigen Variablen berücksichtigt, die in der Analyse enthalten sind.

Alles oben Genannte ist wahr, ich möchte nur hinzufügen, dass die Anpassung ist, wenn Sie mehrere Kovarianten oder unabhängige Variablen (zum Beispiel: X1, X2, X3, X4) berücksichtigen und sie alle auf ihren 'Mittelwert' setzen, mit Ausnahme einer unabhängigen Variablen ( X1) um die Beziehung zwischen dieser einen unabhängigen Variablen und der abhängigen Variablen (X1 und Y) zu erfassen.