研究与统计中的变量类型|例子

在统计研究，变量被定义为研究对象的属性。选择衡量哪些变量是好的关键实验设计．

您需要知道您正在使用的变量类型，以便选择合适的变量统计测试并解释你的研究结果。

你通常可以通过问两个问题来确定变量的类型:

1. 变量包含什么类型的数据?
2. 这个变量代表实验的哪一部分?

数据类型:定量变量vs分类变量

数据是对变量的特定测量-它是您记录在数据表中的值。数据一般分为两类:

• 定量数据代表数量
• 分类数据代表分组

包含定量数据的变量是定量变量；包含分类数据的变量是分类变量．每一个变量类型可以细分为更多类型。

定量变量

当您收集定量数据时，您记录的数字代表可以加、减、除等的实际金额。有两种类型的定量变量:离散而且连续．

分类变量

分类变量表示某种类型的分组。它们有时被记录为数字，但这些数字代表的是类别，而不是事物的实际数量。

分类变量有三种类型:二进制，名义上的,序数变量．

*注意，有时一个变量可以作为多个类型工作!如果刻度是数字的，并且不需要保持为离散的整数，则序数变量也可以用作定量变量。例如，产品评论上的星级是有序的(1到5星)，但平均星级是定量的。

示例数据表

为了跟踪你的耐盐实验，你做了一个数据表，记录了实验中变量的信息，比如盐的添加和植物健康状况。

为了收集植物在一段时间内的反应信息，你可以每隔几天填写相同的数据表，直到实验结束。这个示例表是根据变量的类型进行颜色编码的:名义上的，连续，序数,二进制．

实验部分:自变量与因变量

实验通常是为了找出效果一个变量对另一个变量有影响——在我们的例子中，盐的添加对植物生长的影响。

你操纵独立变量(你认为可能是导致)，然后测量因变量(你认为可能是效果)，以找出这种影响可能是什么。

您可能还会有保持不变的变量(控制变量)以便专注于你的实验性治疗。

示例数据表

在这个实验中，我们有一个独立的和三个依赖变量。

表中的其他变量不能划分为独立变量或因变量，但它们确实包含解释因变量和自变量所需的数据。

那么相关研究呢?

当你这样做时相关研究，“依赖”和“独立”并不适用，因为你并没有试图建立因果关系(因果关系）.

然而，在某些情况下，一个变量明显先于另一个变量(例如，降雨导致泥浆)比反之)。在这些情况下，您可以将前面的变量(即降雨量)称为预测变量而下面的变量(即泥浆)的结果变量．

其他常见的变量类型

一旦你定义了自变量和因变量，并确定它们是分类的还是定量的，你就能够选择正确的统计检验．

但是，还有许多其他描述变量的方法可以帮助解释结果。下面列出了一些有用的变量类型。

关于变量的常见问题

什么是自变量和因变量?

你可以根据因果关系来考虑自变量和因变量独立变量是变量你认为是导致，因变量为效果．

在一个实验中，你操纵自变量并测量因变量的结果。例如，在一个关于营养物质对作物生长影响的实验中:

• 的独立变量是添加到农田中的营养物质的量。
• 的因变量是农作物在收获时的生物量。

定义你的变量，并决定如何操作和测量它们，是一个重要的部分实验设计．

什么是混杂变量?

一个混杂变量，也称为混淆因素或混淆因素，是第三个变量在一项调查潜在因果关系的研究中。

混杂变量既与研究的假定原因有关，也与研究的假定结果有关。很难分离出真正的效果独立变量从混杂变量的影响。

在你的研究设计因此，识别潜在的混淆变量并计划如何减少它们的影响是很重要的。

定量变量和分类变量的区别是什么?

定量变量是否有数据表示数量的变量(例如身高、体重或年龄)。

分类变量是否有数据表示组的变量。这包括排名(例如在比赛中获得的名次)、分类(例如谷物的品牌)和二元结果(例如抛硬币)。

你需要知道是什么变量类型您正在为您的数据选择正确的统计测试，并解释您的数据结果．

离散变量和连续变量的区别是什么?

离散连续变量有两种类型定量变量：

• 离散变量表示计数(例如集合中对象的数量)。
• 连续变量表示可测量的量(例如水量或重量)。