Förklarande variabel och svarsvariabel: Enkel definition och användningar

Variabeltyper > Förklarande variabel

Titta på videon eller läs vidare nedan :

Vad är en förklarande variabel?

En förklarande variabel är en typ av oberoende variabel. De två termerna används ofta omväxlande. Men det finns en subtil skillnad mellan de två. När en variabel är oberoende påverkas den inte alls av några andra variabler. När en variabel inte är oberoende är den en förklarande variabel.

Låt oss säga att du hade två variabler för att förklara viktökning: snabbmat och läsk. Även om du kanske tror att äta snabbmat och dricka läsk är oberoende av varandra, är de inte riktigt. Det beror på att snabbmatställen uppmuntrar dig att köpa en läsk med din måltid. Och om du stannar någonstans för att köpa en läsk finns det ofta många snabbmatalternativ som nachos eller korv. Även om dessa variabler inte är helt oberoende av varandra, har de en effekt på viktökning. De kallas förklarande variabler eftersom de kan ge en viss förklaring till viktökning.

Linjen mellan oberoende variabler och förklarande variabler är vanligtvis så obetydlig att ingen någonsin stör. Det är om du inte gör avancerad forskning som involverar många variabler som kan interagera med varandra. Det kan vara mycket viktigt i klinisk forskning. I de flesta fall, särskilt i statistik, är de två termerna i princip desamma.

Förklarande variabler kontra svarsvariabler

Svarsvariabeln är fokus för en fråga i en studie eller ett experiment. En förklarande variabel är en som förklarar förändringar i den variabeln. Det kan vara vad som helst som kan påverka svarsvariabeln.

Låt oss säga att du försöker ta reda på om kemo- eller östrogenbehandling är ett bättre förfarande för bröstcancerpatienter. Frågan är: vilket förfarande förlänger livet mer? Och så är överlevnadstiden svarsvariabeln. Den typ av terapi som ges är den förklarande variabeln; det kan eller inte kan påverka svarsvariabeln. I det här exemplet har vi bara en förklarande variabel: typ av behandling. I verkliga livet skulle du ha flera fler förklarande variabler, inklusive: ålder, hälsa, vikt och andra livsstilsfaktorer.

En scatterplot kan hjälpa dig att se trender mellan parade data. Om du har både en svarsvariabel och en förklarande variabel plottas alltid den förklarande variabeln på x-axeln (den horisontella axeln). Svarsvariabeln plottas alltid på y-axeln (den vertikala axeln).

Om du tittar på bilden ovan bör du kunna säga att handledsstorlek inte är en mycket bra förklarande variabel för att förutsäga kropp fett (svarsvariabeln). Den röda linjen i bilden är ”linjen som passar bäst.” Även om den går genom mitten av spridningen av punkter, är de flesta punkter inte någonstans nära den. Detta betyder att den förklarande variabeln verkligen inte förklarar någonting.

Å andra sidan, hur stor en människas lår är en bättre förutsägare för kroppsfett. Även detta är inte perfekt. Många mycket passformiga människor har stora lår! Se hur närmare prickarna är den röda linjen som passar bäst.

Kolla in vår Youtube-kanal för hundratals statistiska hjälpvideor!

Levine, D. (2014). Även du kan lära dig statistik och analys: En lättförståelig guide till statistik och analys 3: e utgåvan. Pearson FT Press – J Wilson på UGA COE. Uppdrag 2012.

——————————————— ———————————

Behöver du hjälp med en läxa eller testfråga? Med Chegg Study kan du få steg-för-steg-lösningar på dina frågor från en expert inom området. Dina första 30 minuter med en Chegg-handledare är gratis!