【符号说明】被解释变量：Y
解释变量：X
控制变量：A、B、C
【问题描述】
现在想研究因素X对Y的影响如何（正相关还是负相关），但是同时Y又会收到A、B、C因素的影响。
从文献中发现，前面的学者是这样做的：
首先，建立模型1：Y=rX+e（r 为系数，e 为残差），进行Logistic回归；
然后，建立模型2：Y=rX+aA+bB+cC+e（r、a、b、c 为系数，e为残差），再进行Logistic回归；
最后，通过对比模型1和2的区别进行讨论。

我的问题来了。
我猜测这些作者的意图是，建立模型1看X和Y的关系，然后建立模型2，这时的模型2已经加入控制变量。
通过 没有添加 和 有添加 控制变量的模型进行对比。
得到 没有控制变量 的时候，X对Y的影响是正(/负)相关的，添加了控制变量后，X对Y的影响也还是正(/负)相关的。
我想问的是，这样通过添加控制变量的做法是否合理呢？！
个人感觉是不够合理的，因为这样做，只是纯粹的添加或者删除了控制变量，而不是真正意义上“控制”了控制变量。
如果是不够合理的，那我想请教一下有没有别的更加合理的做法呢？