Forklarende variabel & responsvariabel: Enkel definition og anvendelser

Variabeltyper > Forklarende variabel

Se videoen eller læs videre nedenfor :

Hvad er en forklarende variabel?

En forklarende variabel er en type uafhængig variabel. De to udtryk bruges ofte om hverandre. Men der er en subtil forskel mellem de to. Når en variabel er uafhængig, påvirkes den slet ikke af andre variabler. Når en variabel bestemt ikke er uafhængig, er den en forklarende variabel.

Lad os sige, at du havde to variabler til at forklare vægtøgning: fastfood og sodavand. Selvom du måske tror, at spise fastfood og drikke sodavand er uafhængige af hinanden, er de ikke rigtig. Det skyldes, at fastfood-steder opfordrer dig til at købe en sodavand sammen med dit måltid. Og hvis du stopper et sted for at købe en sodavand, er der ofte mange fastfood-muligheder som nachos eller hotdogs. Selvom disse variabler ikke er helt uafhængige af hinanden, har de en effekt på vægtøgning. De kaldes forklarende variabler, fordi de kan give en eller anden forklaring på vægtøgningen.

Linjen mellem uafhængige variabler og forklarende variabler er normalt så uvigtig, at ingen nogensinde generer. Det er, medmindre du laver avanceret forskning, der involverer mange variabler, der kan interagere med hinanden. Det kan være meget vigtigt i klinisk forskning. I de fleste tilfælde, især inden for statistik, er de to udtryk stort set de samme.

Forklarende variabler vs. responsvariabler

Svarvariablen er fokus for et spørgsmål i en undersøgelse eller et eksperiment. En forklarende variabel er en, der forklarer ændringer i denne variabel. Det kan være alt, hvad der kan påvirke responsvariablen.

Lad os sige, at du forsøger at finde ud af, om kemo- eller antiøstrogenbehandling er en bedre procedure for brystkræftpatienter. Spørgsmålet er: hvilken procedure forlænger livet mere? Og så er overlevelsestiden responsvariablen. Den angivne type terapi er den forklarende variabel; det kan eller ikke påvirke responsvariablen. I dette eksempel har vi kun en forklarende variabel: behandlingstype. I det virkelige liv ville du have flere forklarende variabler, herunder: alder, sundhed, vægt og andre livsstilsfaktorer.

Et scatterplot kan hjælpe dig med at se tendenser mellem parrede data. Hvis du har både en svarsvariabel og en forklaringsvariabel, plottes den forklarende variabel altid på x-aksen (den vandrette akse). Svarvariablen er altid plottet på y-aksen (den lodrette akse).

Hvis du ser på ovenstående billede, skal du kunne fortælle, at håndledsstørrelse ikke er en meget god forklarende variabel til at forudsige krop fedt (responsvariablen). Den røde linje i billedet er “linjen med den bedste pasform.” Selvom det løber midt i spredningen af prikker, er de fleste prikker ikke i nærheden af det. Dette betyder, at den forklarende variabel virkelig ikke forklarer noget.

På den anden side, hvor stor en persons lår er en bedre forudsigelse for kropsfedt. Selv dette er ikke perfekt. Mange meget velegnede mennesker har store lår! Se, hvor tættere prikkerne er på den røde linje, der passer bedst.

Tjek vores Youtube-kanal for hundreder af statistiske hjælpevideoer!

Levine, D. (2014). Selv du kan lære statistik og analyse: En let at forstå guide til statistik og Analytics 3. udgave. Pearson FT Press
J Wilson på UGA COE. Opgave 2012.

——————————————— ———————————

Brug for hjælp til lektier eller testspørgsmål? Med Chegg Study kan du få trinvise løsninger på dine spørgsmål fra en ekspert inden for området. Dine første 30 minutter med en Chegg-vejleder er gratis!