Unterschiede zwischen erklärenden und Antwortvariablen

Eine der vielen Möglichkeiten, wie Variablen verwendet werden können Statistiken klassifiziert werden kann, um die Unterschiede zwischen erklärenden und Antwortvariablen zu berücksichtigen. Obwohl diese Variablen verwandt sind, gibt es wichtige Unterschiede zwischen ihnen. Nachdem wir diese Variablentypen definiert haben, werden wir feststellen, dass diese Variablen korrekt identifiziert werden hat direkten Einfluss auf andere Aspekte der Statistik, wie die Erstellung eines Streudiagramms und die Steigung einer Regressionslinie.

Wir beginnen mit der Definition dieser Variablentypen. Eine Antwortvariable ist eine bestimmte Größe, zu der wir in unserer Studie eine Frage stellen. Eine erklärende Variable ist ein beliebiger Faktor, der die Antwortvariable beeinflussen kann. Obwohl es viele erklärende Variablen geben kann, werden wir uns hauptsächlich mit einer einzigen erklärenden Variablen befassen.

Eine Antwortvariable ist in einer Studie möglicherweise nicht vorhanden. Die Benennung dieses Variablentyps hängt von den Fragen ab, die ein Forscher stellt. Die Durchführung einer Beobachtungsstudie wäre ein Beispiel für einen Fall, in dem es keine Antwortvariable gibt. Ein Experiment hat eine Antwortvariable. Die sorgfältige Gestaltung eines Experiments versucht festzustellen, dass die Änderungen in einer Antwortvariablen direkt durch Änderungen in den erklärenden Variablen verursacht werden.

Um diese Konzepte zu untersuchen, werden wir einige Beispiele untersuchen. Nehmen wir für das erste Beispiel an, dass ein Forscher daran interessiert ist, die Stimmung und Einstellungen einer Gruppe von College-Studenten im ersten Jahr zu untersuchen. Alle Studienanfänger erhalten eine Reihe von Fragen. Diese Fragen sollen den Grad des Heimwehs eines Schülers beurteilen. Die Studenten geben in der Umfrage auch an, wie weit ihr College von zu Hause entfernt ist.

Ein Forscher, der diese Daten untersucht, ist möglicherweise nur an den Arten der Antworten der Schüler interessiert. Vielleicht liegt der Grund dafür darin, ein allgemeines Gefühl für die Zusammensetzung eines neuen Neulings zu haben. In diesem Fall gibt es keine Antwortvariable. Dies liegt daran, dass niemand sieht, ob der Wert einer Variablen den Wert einer anderen beeinflusst.

Ein anderer Forscher könnte dieselben Daten verwenden, um zu versuchen, zu antworten, ob Schüler, die von weiter her kamen, ein höheres Heimweh hatten. In diesem Fall sind die Daten zu den Heimwehfragen die Werte einer Antwortvariablen, und die Daten, die die Entfernung von zu Hause angeben, bilden die erklärende Variable.

Für das zweite Beispiel könnten wir neugierig sein, ob sich die Anzahl der Stunden, die für Hausaufgaben aufgewendet werden, auf die Note auswirkt, die ein Schüler für eine Prüfung verdient. In diesem Fall gibt es eine erklärende und eine Antwortvariable, da wir zeigen, dass der Wert einer Variablen den Wert einer anderen ändert. Die Anzahl der untersuchten Stunden ist die erklärende Variable und die Punktzahl im Test ist die Antwortvariable.

Wenn wir mit arbeiten gepaarte quantitative Datenist es angebracht, ein Streudiagramm zu verwenden. Der Zweck dieser Art von Grafik besteht darin, Beziehungen und Trends innerhalb der gepaarten Daten zu demonstrieren. Wir brauchen nicht sowohl eine erklärende als auch eine Antwortvariable. Wenn dies der Fall ist, kann jede Variable entlang jeder Achse aufgezeichnet werden. Falls es jedoch eine Antwort- und eine erklärende Variable gibt, wird die erklärende Variable immer entlang der dargestellt x oder horizontale Achse eines kartesischen Koordinatensystems. Die Antwortvariable wird dann entlang der dargestellt y Achse.

Die Unterscheidung zwischen erklärenden und Antwortvariablen ähnelt einer anderen Klassifizierung. Manchmal bezeichnen wir Variablen als unabhängig oder abhängig. Der Wert von a abhängige Variable stützt sich auf das eines unabhängige Variable. Somit entspricht eine Antwortvariable einer abhängigen Variablen, während eine erklärende Variable einer unabhängigen Variablen entspricht. Diese Terminologie wird normalerweise nicht in Statistiken verwendet, da die erklärende Variable nicht wirklich unabhängig ist. Stattdessen nimmt die Variable nur die beobachteten Werte an. Wir haben möglicherweise keine Kontrolle über die Werte einer erklärenden Variablen.