Effets ajustés vs effets non ajustés dans la régression

"Non ajusté" est-il simplement une régression linéaire simple alors que "ajusté" est une régression multiple? Par exemple, regarder l'effet de x sur y en ajustant pour d'autres variables comme a, b et c par rapport à ne pas les ajuster.

Étant donné que sur la base des commentaires, "Oui" n'est pas assez long pour être une réponse:

Oui.

Lorsqu'une régression rapporte une estimation non ajustée, il s'agit simplement d'une régression de X sur Y sans autres covariables. Une estimation ajustée est la même régression de X sur Y en présence d'au moins une covariable.

Une estimation brute est obtenue lorsque vous considérez l'effet d'une seule variable indépendante (prédicteur), c'est-à-dire que votre équation se compose d'une seule variable indépendante. Lorsque vous incluez plus de variables indépendantes dans l'analyse (variables confondantes), vous obtenez ce que l'on appelle et une estimation ajustée, qui prend en compte l'effet dû à toutes les variables indépendantes supplémentaires incluses dans l'analyse.

Tout ce qui précède est vrai, je veux juste ajouter que l'ajustement est lorsque vous considérez plusieurs covariants ou variables indépendantes (par exemple: X1, X2, X3, X4), définissez-les tous constants à leur `` valeur moyenne '', sauf une variable indépendante ( X1) pour capturer la relation entre cette variable indépendante et la variable dépendante (X1 et Y).