Słownik metodologiczny · Projekt badania

Zmienna niezależna

Pełne wyjaśnienie, zastosowanie naukowe i praktyczne, przykład, dobre praktyki oraz gotowy zapis wyniku w APA 7.

Strona główna / Słownik / Zmienna niezależna

Opracowanie merytoryczne: · Opublikowano: · Aktualizacja:

Co oznacza Zmienna niezależna?

Zmienna niezależna pełni rolę predyktora lub czynnika, którego poziomy porównujemy.
Co odróżnia to pojęcie? Zmienna niezależna jest predyktorem lub czynnikiem użytym do wyjaśniania zróżnicowania wyniku. W eksperymencie może być manipulowana, ale w badaniu obserwacyjnym bywa tylko zmierzoną ekspozycją. Nazwa nie gwarantuje statystycznej niezależności ani przyczynowości. Trzeba wskazać skalę, poziom odniesienia, moment pomiaru i ewentualny mechanizm przydziału.

Zastosowanie, warunki i dobre praktyki

Najważniejsze zastosowanie: Określ zmienną niezależną jako manipulowany czynnik albo predyktor i jawnie opisz jej skalę, kodowanie oraz moment pomiaru.

Zmienna niezależna pełni rolę wyjaśniającą lub manipulowaną w danym modelu, ale nazwa sama nie dowodzi niezależności statystycznej ani przyczynowości. Raport powinien opisać sposób pomiaru, skalę, kodowanie i to, czy wartości zostały przydzielone eksperymentalnie.

Jak poprawnie stosować i interpretować hasło „Zmienna niezależna”?

Przy ocenie hasła „Zmienna niezależna” rolę zmiennej definiuje pytanie badawcze i model, a nie nazwa kolumny. W analizie dotyczącej hasła „Zmienna niezależna” trzeba narysować zakładane zależności oraz ustalić kolejność czasową: co jest ekspozycją lub predyktorem, co wynikiem, a co wspólną przyczyną, mediatorem albo koliderem. Dla interpretacji hasła „Zmienna niezależna” ta sama cecha może pełnić inną rolę w innym pytaniu, dlatego każdą decyzję trzeba uzasadnić merytorycznie.

Dla interpretacji hasła „Zmienna niezależna” dobór zmiennych do kontroli powinien wynikać z wiedzy o mechanizmie i projekcie. W odniesieniu do hasła „Zmienna niezależna” automatyczne dodawanie wszystkich dostępnych cech może wprowadzić obciążenie przez kontrolę mediatora lub kolidera, natomiast pominięcie wspólnej przyczyny może zniekształcić estymowany związek. Przy ocenie hasła „Zmienna niezależna” należy też sprawdzić czas pomiaru, jakość operacjonalizacji i zakres wspólnych wartości predyktorów.

Co trzeba opisać w raporcie?

Przy ocenie hasła „Zmienna niezależna” w raporcie należy zdefiniować każdą rolę, sposób pomiaru, skalę i czas obserwacji oraz wyjaśnić, dlaczego zmienna znalazła się w modelu. W analizie dotyczącej hasła „Zmienna niezależna” warto odróżnić model główny od analiz wrażliwości i pokazać, jak zmienia się kluczowa estymata po uzasadnionych zmianach zestawu kowariat.

Zakres raportowania dla hasła „Zmienna niezależna”: Podaj operacjonalizację, skalę i rolę w modelu.

Przykład praktyczny i gotowa interpretacja

Sytuacja: Losowo przydzielony rodzaj instrukcji był zmienną niezależną o trzech poziomach, a jego efekt oceniano przez różnice średnich wykonania zadania.

Jak ją zinterpretować: Zmienna pełni rolę wyjaśniającą lub manipulowaną w konkretnym modelu. Dopiero losowy przydział i właściwa realizacja pozwalają interpretować jej współczynnik jako efekt, a sama nazwa nie wystarcza.

Najczęstsza pułapka i granica interpretacji

Nazwa „niezależna” nie dowodzi statystycznej ani przyczynowej niezależności od innych zmiennych.

Dla interpretacji hasła „Zmienna niezależna” kontrola statystyczna nie zastępuje randomizacji i nie usuwa wpływu zmiennych niezmierzonych. W odniesieniu do hasła „Zmienna niezależna” nazwanie zmiennej „niezależną” nie czyni jej egzogeniczną, a nazwanie współczynnika „wpływem” nie nadaje mu interpretacji przyczynowej.

Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (Appelbaum et al., 2018).

Powiązane hasła

Zmienna kontrolnaZmienna zakłócającaZmienna zależnaCzynnik międzyobiektowyCzynnik wewnątrzobiektowyManipulacja eksperymentalna

Poradniki, w których użyjesz tego pojęcia

Poradnik

Wartość p: co naprawdę oznacza i jak ją poprawnie interpretować

Wartość p bez mitów: definicja, interpretacja, typowe błędy oraz sposób raportowania wraz z wielkością efektu i przedziałem ufności.

Czytaj →Poradnik

Regresja logistyczna: założenia, interpretacja i raportowanie modelu

Regresja logistyczna w praktyce: założenia, iloraz szans, diagnostyka, kalibracja, AUC oraz zasady rzetelnego raportowania modelu.

Czytaj →Poradnik

Modelowanie równań strukturalnych (SEM): od teorii do raportu

SEM bez skrótów myślowych: model pomiarowy i strukturalny, CB-SEM a PLS-SEM, dopasowanie, założenia oraz raportowanie wyników.

Czytaj →

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Oferta dla badaczyOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Appelbaum, M., Cooper, H., Kline, R. B., Mayo-Wilson, E., Nezu, A. M., & Rao, S. M. (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report. American Psychologist, 73(1), 3–25. https://doi.org/10.1037/amp0000191
  2. Wilkinson, L., & Task Force on Statistical Inference. (1999). Statistical methods in psychology journals: Guidelines and explanations. American Psychologist, 54(8), 594–604. https://doi.org/10.1037/0003-066X.54.8.594
  3. Lang, T. A., & Altman, D. G. (2015). Basic statistical reporting for articles published in biomedical journals: The SAMPL guidelines. International Journal of Nursing Studies, 52(1), 5–9. https://doi.org/10.1016/j.ijnurstu.2014.09.006
  4. Altman, D. G. (2015). Making research articles fit for purpose: Structured reporting of key methods and findings. Trials, 16, 53. https://doi.org/10.1186/s13063-015-0575-7
  5. von Elm, E., Altman, D. G., Egger, M., Pocock, S. J., Gøtzsche, P. C., & Vandenbroucke, J. P. (2007). The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement. PLoS Medicine, 4(10), e296. https://doi.org/10.1371/journal.pmed.0040296
  6. Kelley, K., Clark, B., Brown, V., & Sitzia, J. (2003). Good practice in the conduct and reporting of survey research. International Journal for Quality in Health Care, 15(3), 261–266. https://doi.org/10.1093/intqhc/mzg031

Cytowania BibTeX

@article{appelbaum2018jars, author={Appelbaum, Mark and Cooper, Harris and Kline, Rex B. and Mayo-Wilson, Evan and Nezu, Arthur M. and Rao, Stephen M.}, title={Journal article reporting standards for quantitative research in psychology}, journal={American Psychologist}, year={2018}, volume={73}, number={1}, pages={3--25}, doi={10.1037/amp0000191}}
@article{wilkinson1999statistical, author={Wilkinson, Leland and {Task Force on Statistical Inference}}, title={Statistical methods in psychology journals: Guidelines and explanations}, journal={American Psychologist}, year={1999}, volume={54}, number={8}, pages={594--604}, doi={10.1037/0003-066X.54.8.594}}
@article{lang2015sampl, author={Lang, Thomas A. and Altman, Douglas G.}, title={Basic statistical reporting for articles published in biomedical journals: the SAMPL guidelines}, journal={International Journal of Nursing Studies}, year={2015}, volume={52}, number={1}, pages={5--9}, doi={10.1016/j.ijnurstu.2014.09.006}}
@article{altman2015reporting, author={Altman, Douglas G.}, title={Making research articles fit for purpose: structured reporting of key methods and findings}, journal={Trials}, year={2015}, volume={16}, pages={53}, doi={10.1186/s13063-015-0575-7}}
@article{vonelm2007strobe, author={von Elm, Erik and others}, title={The STROBE statement}, journal={PLoS Medicine}, year={2007}, volume={4}, number={10}, pages={e296}, doi={10.1371/journal.pmed.0040296}}
@article{kelley2003survey, author={Kelley, Kate and Clark, Belinda and Brown, Vivienne and Sitzia, John}, title={Good practice in the conduct and reporting of survey research}, journal={International Journal for Quality in Health Care}, year={2003}, volume={15}, number={3}, pages={261--266}, doi={10.1093/intqhc/mzg031}}
R