Słownik metodologiczny · Projekt badania

Zmienna zależna

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

Strona główna / Słownik / Zmienna zależna

Opracowanie merytoryczne: · Opublikowano: · Aktualizacja:

Co oznacza Zmienna zależna?

Zmienna zależna jest wynikiem modelowanym lub porównywanym w badaniu.
Co odróżnia to pojęcie? Zmienna zależna jest wynikiem modelu, którego rozkład lub wartość oczekiwana ma zostać opisana. Jej skala wyznacza klasę modelu: wynik ciągły, binarny, licznikowy albo czas do zdarzenia wymagają innych założeń. Termin dotyczy roli w analizie, a nie braku autonomii zjawiska. Jedna zmienna może być wynikiem w jednym modelu i mediatorem w innym.

Zastosowanie, warunki i dobre praktyki

Najważniejsze zastosowanie: Zdefiniuj wynik, punkt czasowy i regułę obliczania przed analizą, ponieważ jego skala wyznacza rodzinę modelu.

Zmienna zależna jest wynikiem modelowanym przez analizę i jej skala wyznacza rodzinę rozkładu oraz sposób interpretacji. Należy z góry określić punkt czasu, regułę tworzenia wyniku i klinicznie lub praktycznie ważną zmianę; wielokrotne wybieranie wyniku zwiększa ryzyko selektywności.

Jak poprawnie stosować i interpretować hasło „Zmienna zależna”?

Przy ocenie hasła „Zmienna zależna” rolę zmiennej definiuje pytanie badawcze i model, a nie nazwa kolumny. W analizie dotyczącej hasła „Zmienna zależna” 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 zależna” ta sama cecha może pełnić inną rolę w innym pytaniu, dlatego każdą decyzję trzeba uzasadnić merytorycznie.

Dla interpretacji hasła „Zmienna zależna” dobór zmiennych do kontroli powinien wynikać z wiedzy o mechanizmie i projekcie. W odniesieniu do hasła „Zmienna zależna” 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 zależna” należy też sprawdzić czas pomiaru, jakość operacjonalizacji i zakres wspólnych wartości predyktorów.

Co trzeba opisać w raporcie?

Przy ocenie hasła „Zmienna zależna” 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 zależna” warto odróżnić model główny od analiz wrażliwości i pokazać, jak zmienia się kluczowa estymata po uzasadnionych zmianach zestawu kowariat.

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

Przykład praktyczny i gotowa interpretacja

Sytuacja: Poziom bólu po czterech tygodniach był zmienną zależną; model wyjaśniał jego wartość, a nie prawdopodobieństwo przydziału do terapii.

Jak ją zinterpretować: Wynik jest obiektem wyjaśniania lub przewidywania, a jego skala decyduje o klasie modelu i sensie parametrów. Wiele wyników wymaga jawnego rozróżnienia celu głównego i kontroli liczby decyzji.

Najczęstsza pułapka i granica interpretacji

Wynik musi odpowiadać pytaniu i skali modelu; wielokrotne wyniki zwiększają liczbę decyzji analitycznych.

Dla interpretacji hasła „Zmienna zależna” kontrola statystyczna nie zastępuje randomizacji i nie usuwa wpływu zmiennych niezmierzonych. W odniesieniu do hasła „Zmienna zależna” 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 niezależnaZmienna zakłócającaCzynnik 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