据我了解，“控制”在统计中可以有两种含义。
对照组：在实验中，对照组的成员不接受任何治疗。例如：安慰剂与药物：您将药物给予一组而不是另一组（对照），这也称为“对照实验”。
变量控制：分离特定自变量影响的技术。这种技术的一些其他名称是，“占”，“保持不变”，“控制”，一些变量。例如：在一项足球观看研究（喜欢或不喜欢）中，您可能想去掉性别的影响，因为我们认为性别会导致偏见，也就是说，男性可能比女性更喜欢它。
所以，我的问题是针对第 (2) 点的。两个问题：
一般来说，你如何“控制”/“解释”变量。使用了哪些技术？（就回归而言，ANOVA 框架）。
在上面的例子中，随机选择男性和女性是否构成控制？也就是说，“随机性”是控制其他效果的技术之一吗？
如前所述，控制通常意味着在回归中包含一个变量（正如@EMS 所指出的，这并不能保证实现这一目标的任何成功，他链接到这个）。关于这个主题已经存在一些投票率很高的问题和答案，例如：
这些问题的公认答案都是对您在观察（我会说相关）框架内提出的问题的很好处理，更多这样的问题可以在这里找到。
但是，您是在实验或 ANOVA 框架内专门提出您的问题，可以就该主题提出更多想法。
在实验框架内，您通过在不同实验条件下随机分配个体（或其他观察单位）来控制变量。基本假设是，因此条件之间的唯一区别是实验处理。当正确随机化（即每个人在每种情况下都有相同的机会）时，这是一个合理的假设。此外，只有随机化才能让您从观察中得出因果推论，因为这是确保没有其他因素对您的结果负责的唯一方法。
但是，也可能有必要在实验框架内控制变量，即当有另一个已知因素也影响该因变量时。提高统计能力，然后可以是控制这个变量的好主意。用于此的常用统计程序是协方差分析（ANCOVA），它基本上也只是将变量添加到模型中。
现在到了关键：要使 ANCOVA 合理，绝对关键的是分配给组是随机的，并且控制它的协变量与分组变量不相关。
不幸的是，这经常被忽略，导致无法解释的结果。Miller & Chapman (2001)对这个确切的问题（即何时使用或不使用 ANCOVA）给出了一个非常易读的介绍：
尽管在许多场所进行了许多技术处理，但协方差分析 (ANCOVA) 仍然是一种被广泛滥用的方法来处理潜在协变量的实质性群体差异，特别是在精神病理学研究中。发表的文章得出毫无根据的结论，一些统计文本忽略了这个问题。审查了在这种情况下 ANCOVA 的问题。在许多情况下，没有办法实现“纠正”或“控制”潜在协变量上的实际群体差异这一表面上有吸引力的目标。为了减少对 ANCOVA 的滥用并促进适当使用，提供了非技术性讨论，强调教科书和其他一般性演示中很少阐明的实质性混淆，以补充现有的数学批评。
乔治亚州米勒和 JP 查普曼 (2001)。对协方差分析的误解。异常心理学杂志，110（1），40-48。doi:10.1037/0021-843X.110.1.40
为了控制一个变量，可以在相关特征上均衡两组，然后比较您正在研究的问题的差异。我只能用一个例子来解释这个，而不是正式的，B-school 是几年前的事了，所以那里。
如果你会说：
从绝对意义上讲，您是正确的，但是任何 12 岁以上对世界了解过的人都会怀疑该陈述也有问题。
最好把瑞士的人口提升到巴西的水平，然后再比较收入。所以，如果瑞士的人口有巴西那么大，他们的收入将是：
（2.1 亿 / 850 万）* 5510 亿美元 = 13612 亿美元
这使得他们的财富大约是巴西的 4 倍，拥有 35240 亿美元。
是的，您也可以采用人均方法，比较平均收入。但是上面的方法，你可以多次应用。