主題四

自變數與依變數

知道變數是什麼類型之後，下一步要看它在研究問題中扮演什麼角色。

🔎 前面我們都在問：「這是什麼資料？」

主題二學會判斷 間斷變數與連續變數； 主題三進一步認識 名義、次序、等距與比率尺度。

但是進入真正的研究問題之後， 我們還要問另一個問題： 這個變數在研究中扮演什麼角色？

🍽️ 繼續當餐廳研究員

老闆現在不只想知道「平均滿意度是多少」， 他還想知道：

不同性別的顧客， 對主餐的滿意度會不會不一樣？

研究問題 不同性別的的顧客，其主餐滿意度是否有差異？

這個研究問題裡出現了兩個變數： 性別 與 主餐滿意度。 但兩者在研究問題中的功能並不相同。

🎛️

自變數

研究者用來區分、比較， 或用來解釋另一個變數的變數。

想的是：「根據什麼來比較？」
→ 研究關係
🎯

依變數

研究者真正想了解、比較， 或試圖解釋其變化的結果變數。

想的是：「我要看什麼結果？」

1 把研究問題拆開來看

不同性別的的顧客，其主餐滿意度是否有差異？
自變數 性別 用來把顧客分成不同組別
→
依變數 主餐滿意度 比較不同組別的滿意程度

換句話說，研究者先依照 性別 把顧客分成不同組別， 再比較這些組別的 主餐滿意度 是否不同。

🧠 一個簡單的判斷方法

自變數 我「根據什麼」分組、比較或解釋？
依變數 我最後「想看什麼結果」？

2 「變數角色」和「資料類型」是兩件不同的事

這裡非常重要。 前面學到的「間斷／連續」是在描述 資料本身的性質； 自變數／依變數則是在描述 變數在某個研究問題中的角色。

問題一 這是什麼樣的資料？

→ 間斷變數或連續變數
→ 名義、次序、等距或比率尺度

問題二 它在研究中扮演什麼角色？

→ 自變數
→ 依變數

⚠️ 不要把兩套概念混在一起

「自變數」不等於「間斷變數」， 「依變數」也不等於「連續變數」。

一個連續變數也可以成為自變數； 同一個變數在不同研究問題中， 甚至可能扮演不同角色。

3 看幾個研究問題就會更清楚

不同性別的大學生，其關係滿意度是否有差異？
自變數：性別 間斷變數 依變數：關係滿意度 連續變數
大學生的嫉妒程度是否與關係滿意度有關？
自變數：嫉妒程度 連續變數 依變數：關係滿意度 連續變數
嫉妒程度是否能預測大學生的關係滿意度？
自變數：嫉妒程度 連續變數 依變數：關係滿意度 連續變數

🔗 為什麼一定要先分清楚？

因為自變數與依變數的資料類型， 會直接影響後面可以使用的統計分析方法。

差異分析 間斷自變數
＋
連續依變數
相關分析 連續變數
＋
連續變數
預測分析 自變數
→
依變數

這一節先記住兩個問題

🎛️ 自變數

研究者根據什麼來分組、比較， 或用什麼變數來解釋另一個變數？

🎯 依變數

研究者真正想觀察、比較， 或想要解釋的結果是什麼？

🔬

研究問題拆解挑戰

不用背定義。直接從研究問題中找出自變數與依變數。

完成進度 0 / 4

1 找出自變數

不同性別的大學生，其關係滿意度是否有差異？
哪一個是自變數？

2 找出依變數

不同性別的大學生，其關係滿意度是否有差異？
哪一個是依變數？

3 換一個研究問題

嫉妒程度是否能預測大學生的關係滿意度？
哪一個是自變數？

4 最後一題

「間斷／連續變數」與「自變數／依變數」是在描述同一件事情嗎？
完成 4 題後即可查看結果
0 / 4 本次得分

完成！

最重要的判斷方式： 先找出研究者「根據什麼來比較或解釋」， 再找出研究者「真正想觀察的結果」。 前者通常是自變數，後者通常是依變數。
接下來 研究問題不同，變數的組合方式也不同：現況、差異、相關與預測。
↓