Rozdíly mezi vysvětlujícími a proměnnými odpovědí

Jeden z mnoha způsobů, které proměnné v statistika lze klasifikovat je zvážit rozdíly mezi vysvětlujícími a odezvovými proměnnými. Přestože tyto proměnné spolu souvisejí, existují mezi nimi důležité rozdíly. Po definování těchto typů proměnných uvidíme, že správná identifikace těchto proměnných má přímý vliv na další aspekty statistiky, jako je stavba rozptylu a sklon regresní přímky.

Nejprve se podíváme na definice těchto typů proměnných. Proměnná odezvy je konkrétní množství, které v naší studii položíme. Vysvětlující proměnná je jakýkoli faktor, který může ovlivnit proměnnou odezvy. I když může existovat mnoho vysvětlujících proměnných, budeme se především zabývat jedinou vysvětlující proměnnou.

Proměnná odpovědi nemusí být ve studii přítomna. Pojmenování tohoto typu proměnné závisí na otázkách, které jsou položeny výzkumným pracovníkem. Provádění observační studie by bylo příkladem případu, kdy neexistuje proměnná odezvy. Experiment bude mít proměnnou odezvy. Pečlivý návrh experimentu se snaží prokázat, že změny proměnné odpovědi jsou přímo způsobeny změnami vysvětlujících proměnných.

Pro prozkoumání těchto konceptů prozkoumáme několik příkladů. Jako první příklad předpokládejme, že vědec má zájem studovat náladu a postoje skupiny studentů prvního ročníku. Všichni studenti prvního ročníku dostávají řadu otázek. Účelem těchto otázek je posoudit míru domácí nemocnosti studenta. Studenti také uvedou v průzkumu, jak daleko je jejich vysoká škola od domova.

Jeden vědec, který zkoumá tato data, se může zajímat pouze o typy odpovědí studentů. Možná důvodem je celkový pocit o složení nového prváka. V tomto případě neexistuje proměnná odezvy. Důvodem je, že nikdo nevidí, zda hodnota jedné proměnné ovlivňuje hodnotu jiné.

Jiný vědec by mohl použít stejná data, aby se pokusil odpovědět, pokud by studenti, kteří přicházeli z větší vzdálenosti, měli větší míru domácí nemoci. V tomto případě jsou údaje týkající se domácích nemocných hodnotami proměnné odezvy a údaje, které udávají vzdálenost od domova, tvoří vysvětlující proměnnou.

Jako druhý příklad bychom mohli být zvědaví, pokud počet hodin strávených zpracováním domácích úkolů má vliv na známku, kterou student na zkoušce získá. V tomto případě, protože ukazujeme, že hodnota jedné proměnné mění hodnotu jiné, existuje vysvětlující a odezva proměnná. Počet zkoumaných hodin je vysvětlující proměnnou a skóre v testu je proměnnou odezvy.

Když pracujeme spárovaná kvantitativní data, je vhodné použít rozptyl. Účelem tohoto druhu grafu je demonstrovat vztahy a trendy uvnitř párovaných dat. Nepotřebujeme vysvětlující proměnnou a proměnnou odezvy. Pokud je tomu tak, může být každá proměnná vykreslena podél obou os. V případě, že existuje odpověď a vysvětlující proměnná, je vysvětlující proměnná vždy vykreslena podél X nebo horizontální osa kartézského souřadného systému. Proměnná odezvy je poté vynesena do grafu y osa.

Rozdíl mezi vysvětlujícími a proměnnými odezvy je podobný jiné klasifikaci. Někdy označujeme proměnné jako bytí nezávislý nebo závislý. Hodnota a závislá proměnná spoléhá na to nezávislé proměnné. Proměnná odezvy tedy odpovídá závislé proměnné, zatímco vysvětlující proměnná odpovídá nezávislé proměnné. Tato terminologie se ve statistikách obvykle nepoužívá, protože vysvětlující proměnná není skutečně nezávislá. Místo toho proměnná přebírá pouze hodnoty, které jsou pozorovány. Možná nebudeme mít kontrolu nad hodnotami vysvětlující proměnné.