Zmienna wyjaśniająca i zmienna odpowiedzi: prosta definicja i zastosowania

Typy zmiennej > Zmienna wyjaśniająca

Obejrzyj film lub przeczytaj poniżej :

Co to jest zmienna objaśniająca?

Zmienna objaśniająca to rodzaj niezależnej zmienna. Te dwa terminy są często używane zamiennie. Ale jest między nimi subtelna różnica. Gdy zmienna jest niezależna, żadne inne zmienne nie mają na nią wpływu. Gdy zmienna nie jest na pewno niezależna, jest zmienną objaśniającą.

Powiedzmy, że masz dwie zmienne wyjaśniające przyrost masy ciała: fast food i napoje gazowane. Chociaż możesz pomyśleć, że spożywanie fast foodów i napojów gazowanych są od siebie niezależne, tak naprawdę tak nie jest. To dlatego, że fast foody zachęcają do kupowania napojów gazowanych do posiłku. A jeśli zatrzymasz się gdzieś, aby kupić napoje gazowane, często jest wiele opcji fast food, takich jak nachos lub hot dogi. Chociaż te zmienne nie są całkowicie niezależne od siebie, mają wpływ na przyrost masy ciała. Nazywa się je zmiennymi objaśniającymi, ponieważ mogą oferować pewne wyjaśnienie przyrostu masy ciała.

Linia między zmiennymi niezależnymi a zmiennymi objaśniającymi jest zwykle tak nieistotna, że nikt się tym nie przejmuje. Chyba że prowadzisz zaawansowane badania obejmujące wiele zmiennych, które mogą ze sobą oddziaływać. Może to być bardzo ważne w badaniach klinicznych. W większości przypadków, zwłaszcza w statystykach, te dwa terminy są zasadniczo takie same.

Zmienne wyjaśniające a zmienne odpowiedzi

Zmienna odpowiedzi jest przedmiotem pytania w badaniu lub eksperymencie. Zmienna objaśniająca to taka, która wyjaśnia zmiany w tej zmiennej. Może to być wszystko, co może wpłynąć na zmienną odpowiedzi.

Powiedzmy, że próbujesz się dowiedzieć, czy chemioterapia lub terapia antyestrogenowa jest lepszą procedurą dla pacjentek z rakiem piersi. Pytanie brzmi: która procedura bardziej przedłuża życie? Zatem czas przeżycia jest zmienną odpowiedzi. Rodzaj podanej terapii jest zmienną objaśniającą; może, ale nie musi, wpływać na zmienną odpowiedzi. W tym przykładzie mamy tylko jedną zmienną objaśniającą: rodzaj leczenia. W prawdziwym życiu miałbyś kilka innych zmiennych objaśniających, w tym: wiek, zdrowie, wagę i inne czynniki związane ze stylem życia.

Wykres rozrzutu może pomóc Ci zobaczyć trendy między sparowanymi danymi. Jeśli masz zarówno zmienną odpowiedzi, jak i zmienną objaśniającą, zmienna objaśniająca jest zawsze wykreślana na osi x (oś pozioma). Zmienna odpowiedzi jest zawsze wykreślana na osi y (oś pionowa).

Jeśli spojrzysz na powyższy obrazek, powinieneś być w stanie stwierdzić, że rozmiar nadgarstka nie jest bardzo dobrą zmienną objaśniającą do przewidywania ciała tłuszcz (zmienna odpowiedzi). Czerwona linia na obrazie to „linia najlepszego dopasowania”. Chociaż przebiega przez środek rozpiętości kropek, większość kropek nie znajduje się w jej pobliżu. Oznacza to, że zmienna objaśniająca tak naprawdę niczego nie wyjaśnia.

Z drugiej strony, jak duża ludzkie uda są lepszym wskaźnikiem tkanki tłuszczowej. Nawet to nie jest idealne. Wiele osób o bardzo dobrej kondycji ma duże uda! Zobacz, jak bliżej czerwonej linii najlepszego dopasowania znajdują się kropki.

Odwiedź nasz kanał YouTube, aby zobaczyć setki filmów pomocniczych dotyczących statystyk!

Levine, D. (2014). Even You Can Learn Statistics and Analytics: łatwy do zrozumienia przewodnik po statystyce i analityce, wydanie trzecie. Pearson FT Press
J Wilson at UGA COE. Zadanie 2012.

——————————————— ———————————

Potrzebujesz pomocy w odrabianiu pracy domowej lub pytaniu testowym? Dzięki Chegg Study możesz uzyskać szczegółowe rozwiązania swoich pytań od eksperta w tej dziedzinie. Twoje pierwsze 30 minut z korepetytorem Chegg jest bezpłatne!