Variablen: Definition, Variablentypen in der Forschung

Im Rahmen einer Forschungsuntersuchung werden Konzepte im Allgemeinen als Variablen bezeichnet. Eine Variable ist, wie der Name schon sagt, etwas, das variiert. Alter, Geschlecht, Geschlecht, Einkommen und Ausgaben, Familiengröße, Geburtsland, Investitionsausgaben, Klassenstufen, Blutdruckwerte, präoperative Angstzustände, Augenfarbe und Fahrzeugtyp sind Beispiele für Variablen, da jede dieser Eigenschaften variiert oder unterscheidet sich von einer Person zur anderen.

Variablendefinition in der Forschung

Eine Variable ist eine Eigenschaft, ein Merkmal, eine Zahl oder eine Größe, die im Laufe der Zeit zunimmt oder abnimmt oder in verschiedenen Situationen unterschiedliche Werte annehmen kann (im Gegensatz zu Konstanten wie n, die nicht variieren).

Bei der Forschung manipulieren Experimente häufig Variablen. Zum Beispiel könnte ein Experimentator die Wirksamkeit von vier Arten von Düngemitteln vergleichen.

In diesem Fall ist die Variable die ‚Art der Düngemittel‘. Ein Sozialwissenschaftler kann die möglichen Auswirkungen der frühen Ehe auf die Scheidung untersuchen.

Hier ist die frühe Heirat die Variable. Ein Wirtschaftsforscher kann es nützlich finden, die Dividende in die Bestimmung der Aktienkurse einzubeziehen. Hier Dividende ist die Variable.Effektivität, Scheidung und Aktienkurse sind ebenfalls Variablen, da sie sich auch durch Manipulation von Düngemitteln, frühe Heirat und Dividenden unterscheiden.

Variablentypen

1. Qualitative Variablen.
2. Quantitative Variablen.
3. Diskrete Variable.
4. Kontinuierliche Variable.
5. Abhängige Variablen.
6. Unabhängige Variablen.
7. Hintergrundvariable.
8. Moderierende Variable.
9. Fremdvariable.
10. Intervenierende Variable.
11. Suppressor-Variable.

Qualitative Variablen

Ein wichtiger Unterschied zwischen Variablen ist zwischen der qualitativen Variablen und der quantitativen Variablen.

Qualitative Variablen sind solche, die ein qualitatives Attribut wie Haarfarbe, Religion, Rasse, Geschlecht, sozialer Status, Zahlungsmethode usw. ausdrücken. Die Werte einer qualitativen Variablen implizieren keine aussagekräftige numerische Reihenfolge.

Der Wert der Variablen ‚religion‘ (Muslim, Hindu, .., etc.) unterscheidet sich qualitativ; Es wird keine Ordnung der Religion impliziert. Qualitative Variablen werden manchmal als kategoriale Variablen bezeichnet.

Zum Beispiel hat die Variable sex zwei verschiedene Kategorien: ‚männlich‘ und ‚weiblich‘. Da die Werte dieser Variablen in Kategorien ausgedrückt werden, bezeichnen wir dies als kategoriale Variable.In ähnlicher Weise kann der Wohnort als städtisch und ländlich eingestuft werden und ist somit eine kategoriale Variable.

Kategoriale Variablen können wiederum als nominal und ordinal beschrieben werden.

Ordinalvariablen sind solche, die logisch geordnet oder höher oder niedriger als eine andere eingestuft werden können, aber nicht unbedingt einen numerischen Unterschied zwischen jeder Kategorie begründen, wie z. B. Prüfungsnoten (A+, A, B + usw., Konfektionsgröße (Extra groß, groß, mittel, klein).

Nominale Variablen sind solche, die weder eingestuft noch logisch geordnet werden können, wie Religion, Geschlecht usw.

Eine qualitative Variable ist ein Merkmal, das nicht gemessen werden kann, aber kategorisiert werden kann, um einige Merkmale zu besitzen oder nicht zu besitzen.

Quantitative Variablen

Quantitative Variablen, auch numerische Variablen genannt, sind jene Variablen, die in Zahlen gemessen werden. Ein einfaches Beispiel für eine quantitative Variable ist das Alter einer Person.

Das Alter kann unterschiedliche Werte annehmen, da eine Person 20 Jahre, 35 Jahre usw. alt sein kann. Ebenso ist die Familiengröße eine quantitative Variable, da eine Familie aus einem, zwei, drei Mitgliedern usw. bestehen kann.Das heißt, jede dieser oben genannten Eigenschaften oder Merkmale variiert oder unterscheidet sich von Individuum zu Individuum. Beachten Sie, dass diese Variablen in Zahlen ausgedrückt werden, für die wir sie quantitative oder manchmal numerische Variablen nennen.

Eine quantitative Variable ist eine, für die die resultierenden Beobachtungen numerisch sind und somit eine natürliche Ordnung oder Rangfolge besitzen.

Diskrete und kontinuierliche Variablen

Quantitative Variablen sind wiederum von zwei Arten: diskret und kontinuierlich.Variablen wie einige Kinder in einem Haushalt oder die Anzahl defekter Gegenstände in einer Schachtel sind diskrete Variablen, da die möglichen Punktzahlen auf der Skala diskret sind.Zum Beispiel könnte ein Haushalt drei oder fünf Kinder haben, aber nicht 4,52 Kinder.

Andere Variablen, wie z. B. ‚Zeit, die erforderlich ist, um einen MCQ-Test abzuschließen‘ und ‚Wartezeit in einer Warteschlange vor einem Bankschalter‘, sind Beispiele für eine kontinuierliche Variable.Die in den obigen Beispielen benötigte Zeit ist eine kontinuierliche Variable, die beispielsweise 1,65 Minuten oder 1,6584795214 Minuten betragen kann.

Natürlich schließen die praktischen Gegebenheiten der Messung aus, dass die meisten Messgrößen kontinuierlich sind.

Diskrete Variable

Definition 2.6: Eine diskrete Variable, die auf bestimmte Werte beschränkt ist, besteht normalerweise (aber nicht unbedingt) aus ganzen Zahlen, z. B. der Familiengröße, der Anzahl der fehlerhaften Elemente in einer Box. Sie sind oft das Ergebnis einer Aufzählung oder Zählung.

Ein paar weitere Beispiele sind;

• Die Zahl der Unfälle in den zwölf Monaten.
• Die Anzahl der mobilen Karten, die innerhalb von sieben Tagen in einem Geschäft verkauft werden.
• Die Anzahl der Patienten, die in einem bestimmten Zeitraum in ein Krankenhaus eingeliefert wurden.
• Die Anzahl der neuen Filialen einer Bank eröffnet jährlich während 2001- 2007.
• Die Anzahl der wöchentlichen Besuche des Gesundheitspersonals in den letzten 12 Monaten.

Stetige Variable

Eine stetige Variable kann eine unendliche Anzahl von Zwischenwerten entlang eines bestimmten Intervalls annehmen. Beispiele sind:

• Der Zuckergehalt im menschlichen Körper;
• Blutdruckmessung;
• Temperatur;
• Größe oder Gewicht des menschlichen Körpers;
• Zinssatz der Bank;
• Interne Rendite (IRR),
• Verdienstverhältnis (ER);
• Stromverhältnis (CR)

Egal wie nah zwei Beobachtungen sein mögen, wenn das Messinstrument präzise genug ist, kann eine dritte Beobachtung gefunden werden, die zwischen die ersten beiden fällt.

Eine stetige Variable ergibt sich im Allgemeinen aus der Messung und kann unzählige Werte im angegebenen Bereich annehmen.

Abhängige und unabhängige Variablen

In vielen Forschungsumgebungen gibt es zwei spezifische Klassen von Variablen, die voneinander unterschieden werden müssen, unabhängige Variable und abhängige Variable.

Viele Forschungsstudien zielen darauf ab, die Ursachen zugrunde liegender Phänomene oder Probleme aufzudecken und zu verstehen, um letztendlich einen kausalen Zusammenhang zwischen ihnen herzustellen.

Schauen Sie sich die folgenden Aussagen an:

• Geringe Nahrungsaufnahme verursacht Untergewicht.
• Rauchen erhöht das Risiko für Lungenkrebs.
• Das Bildungsniveau beeinflusst die Arbeitszufriedenheit.
• Werbung hilft bei der Verkaufsförderung.
• Das Medikament bewirkt die Verbesserung eines Gesundheitsproblems.
• Pflegeintervention bewirkt eine schnellere Genesung.
• Frühere Berufserfahrungen bestimmen das anfängliche Gehalt.
• Blaubeeren verlangsamen das Altern.
• Die Dividende je Aktie bestimmt die Aktienkurse.

In jeder der obigen Abfragen haben wir zwei Variablen: eine unabhängige und eine abhängige. Im ersten Beispiel wird angenommen, dass eine geringe Nahrungsaufnahme das Problem des Untergewichts verursacht hat.‘

Es ist also die sogenannte unabhängige Variable. Untergewicht ist die abhängige Variable, weil wir glauben, dass dieses ‚Problem‘ (das Problem des Untergewichts) durch ‚die geringe Nahrungsaufnahme‘ (den Faktor) verursacht wurde.In ähnlicher Weise sind Rauchen, Dividende und Werbung unabhängige Variablen, und Lungenkrebs, Arbeitszufriedenheit und Umsatz sind abhängige Variablen.

Im Allgemeinen wird eine unabhängige Variable vom Experimentator oder Forscher manipuliert und ihre Auswirkungen auf die abhängige Variable werden gemessen.

Unabhängige Variable

Die Variable, die verwendet wird, um den Faktor zu beschreiben oder zu messen, von dem angenommen wird, dass er das Problem oder Ergebnis verursacht oder zumindest beeinflusst, wird als unabhängige Variable bezeichnet.

Die Definition impliziert, dass der Experimentator die unabhängige Variable verwendet, um den Einfluss oder die Wirkung auf die abhängige Variable zu beschreiben oder zu erklären.

Es wird angenommen, dass die Variabilität der abhängigen Variablen von der Variabilität der unabhängigen Variablen abhängt.Je nach Kontext wird eine unabhängige Variable manchmal als Prädiktorvariable, Regressor, kontrollierte Variable, manipulierte Variable, erklärende Variable, Expositionsvariable (wie in der Zuverlässigkeitstheorie verwendet), Risikofaktor (wie in der medizinischen Statistik verwendet), Merkmal (wie in maschinellem Lernen und Mustererkennung verwendet) oder Eingangsvariable bezeichnet.Die erklärende Variable wird von einigen Autoren gegenüber der unabhängigen Variablen bevorzugt, wenn die als unabhängige Variablen behandelten Größen vom Forscher möglicherweise nicht statistisch unabhängig oder unabhängig manipulierbar sind.

Wenn die unabhängige Variable als erklärende Variable bezeichnet wird, wird der Begriff Antwortvariable von einigen Autoren für die abhängige Variable bevorzugt.

Abhängige Variable

Die Variable, die verwendet wird, um das untersuchte Problem oder Ergebnis zu beschreiben oder zu messen, wird als abhängige Variable bezeichnet.

In einem Kausalzusammenhang ist die Ursache die unabhängige Variable und die Wirkung die abhängige Variable. Wenn wir annehmen, dass Rauchen Lungenkrebs verursacht, ist Rauchen die unabhängige Variable und Krebs die abhängige Variable.Ein Wirtschaftsforscher kann es nützlich finden, die Dividende in die Bestimmung der Aktienkurse einzubeziehen. Hier ist die Dividende die unabhängige Variable, während der Aktienkurs die abhängige Variable ist.

Die abhängige Variable ist normalerweise die Variable, die der Forscher verstehen, erklären oder vorhersagen möchte.

In der Lungenkrebsforschung ist das Karzinom für den Forscher von echtem Interesse, nicht das Rauchverhalten an sich. Die unabhängige Variable ist die vermutete Ursache, Vorgeschichte oder Einfluss auf die abhängige Variable.Je nach Kontext wird eine abhängige Variable manchmal als Antwortvariable, Regressand, vorhergesagte Variable, gemessene Variable, erklärte Variable, experimentelle Variable, Antwortvariable, Ergebnisvariable, Ausgangsvariable oder Bezeichnung bezeichnet.Eine erklärte Variable wird von einigen Autoren gegenüber der abhängigen Variablen bevorzugt, wenn die als abhängige Variablen behandelten Größen möglicherweise nicht statistisch abhängig sind.

Wenn die abhängige Variable als erklärte Variable bezeichnet wird, wird der Begriff Prädiktorvariable von einigen Autoren für die unabhängige Variable bevorzugt.

Stufen einer unabhängigen Variablen

Wenn ein Experimentator eine experimentelle Behandlung mit einer Kontrollbehandlung vergleicht, hat die unabhängige Variable (eine Behandlungsart) zwei Ebenen: experimentell und kontrolliert.

Wenn ein Experiment fünf Arten von Diäten vergleichen würde, dann hätten die unabhängigen Variablen (Diätarten) fünf Ebenen.

Im Allgemeinen ist die Anzahl der Ebenen einer unabhängigen Variablen die Anzahl der experimentellen Bedingungen.

Hintergrundvariable

In fast jeder Studie sammeln wir Informationen wie Alter, Geschlecht, Bildungsstand, sozioökonomischer Status, Familienstand, Religion, Geburtsort und dergleichen. Diese Variablen werden als Hintergrundvariablen bezeichnet.

Diese Variablen sind oft mit vielen unabhängigen Variablen verbunden, so dass sie das Problem indirekt beeinflussen. Daher werden sie Hintergrundvariablen genannt.

Wenn die Hintergrundvariablen für die Studie wichtig sind, sollten sie gemessen werden. Wir sollten jedoch versuchen, die Anzahl der Hintergrundvariablen im Interesse der Wirtschaft so gering wie möglich zu halten.

Moderierende Variable

In jeder Aussage über Beziehungen von Variablen wird normalerweise die Hypothese aufgestellt, dass die unabhängige Variable in irgendeiner Weise das Auftreten der abhängigen Variablen verursacht. In einfachen Beziehungen sind alle anderen Variablen fremd und werden ignoriert. In tatsächlichen Studiensituationen muss eine solche einfache Eins-zu-Eins-Beziehung überarbeitet werden, um andere Variablen zu berücksichtigen, um die Beziehung besser erklären zu können.

Dies unterstreicht die Notwendigkeit, eine zweite unabhängige Variable zu berücksichtigen, von der erwartet wird, dass sie einen signifikanten Beitrags- oder Kontingenteffekt auf die ursprünglich angegebene Abhängig-Unabhängig-Beziehung hat. Eine solche Variable wird als moderierende Variable bezeichnet.Angenommen, Sie untersuchen die Auswirkungen von Feld- und Präsenzschulungen auf die Arbeitsleistung der Mitarbeiter in den Bereichen Gesundheit und Familienplanung und betrachten die Art der Ausbildung als unabhängige Variable.

Wenn Sie sich auf den Zusammenhang zwischen dem Alter der Auszubildenden und der Arbeitsleistung konzentrieren, können Sie die Art der Ausbildung als moderierende Variable verwenden.

Fremdvariable

Die meisten Studien betreffen die Identifizierung einer einzelnen unabhängigen Variablen und die Messung ihrer Wirkung auf die abhängige Variable.Dennoch könnten mehrere Variablen unsere hypothetische Beziehung zwischen unabhängigen und abhängigen Variablen beeinflussen und dadurch die Studie verzerren. Diese Variablen werden als Fremdvariablen bezeichnet.

Fremdvariablen sind nicht unbedingt Teil der Studie. Sie üben einen störenden Effekt auf die abhängige-unabhängige Beziehung aus und müssen daher eliminiert oder kontrolliert werden.

Ein Beispiel kann das Konzept von Fremdvariablen veranschaulichen. Angenommen, wir sind daran interessiert, die Beziehung zwischen dem Arbeitsstatus von Müttern und der Stilldauer zu untersuchen.

Es ist in diesem Fall nicht unvernünftig anzunehmen, dass das Bildungsniveau der Mütter, da es den Arbeitsstatus beeinflusst, auch Auswirkungen auf die Stilldauer haben könnte.

Bildung wird hier als Fremdvariable behandelt. Bei jedem Versuch, die Wirkung dieser Variablen zu eliminieren oder zu kontrollieren, können wir diese Variable als Störvariable betrachten.

Ein geeigneter Weg, um mit Störvariablen umzugehen, besteht darin, dem Stratifizierungsverfahren zu folgen, das eine separate Analyse für die verschiedenen Ebenen der Störvariablen beinhaltet.

Zu diesem Zweck kann man zwei Kreuztabellen konstruieren: eine für Analphabeten und die andere für gebildete Mütter. Wenn wir in beiden Müttergruppen einen ähnlichen Zusammenhang zwischen Arbeitsstatus und Stilldauer feststellen, schließen wir daraus, dass das Bildungsniveau der Mütter keine störende Variable ist.

Intervenierende Variable

Oft wird eine scheinbare Beziehung zwischen zwei Variablen durch eine dritte Variable verursacht.Zum Beispiel können die Variablen X und Y stark korreliert sein, aber nur, weil X die dritte Variable Z verursacht, die wiederum Y verursacht.Eine dazwischenliegende Variable beeinflusst theoretisch die beobachteten Phänomene, kann aber nicht direkt gesehen, gemessen oder manipuliert werden; ihre Auswirkungen können nur aus den Auswirkungen der unabhängigen und moderierenden Variablen auf die beobachteten Phänomene abgeleitet werden.

In der Beziehung zwischen Arbeitsstatus und Stillen könnten wir Motivation oder Beratung als dazwischenliegende Variable betrachten.So sind Motiv, Arbeitszufriedenheit, Verantwortung, Verhalten, Gerechtigkeit einige der Beispiele für dazwischenliegende Variablen.

Suppressorvariable

In vielen Fällen haben wir gute Gründe zu glauben, dass die Variablen von Interesse eine Beziehung in sich haben, aber unsere Daten können keine solche Beziehung herstellen. Einige versteckte Faktoren können die wahre Beziehung zwischen den beiden ursprünglichen Variablen unterdrücken.

Ein solcher Faktor wird als Suppressorvariable bezeichnet, da er die tatsächliche Beziehung zwischen den beiden anderen Variablen unterdrückt.

Die Suppressorvariable unterdrückt die Beziehung, indem sie positiv mit einer der Variablen in der Beziehung und negativ mit der anderen korreliert wird. Die wahre Beziehung zwischen den beiden Variablen wird wieder angezeigt, wenn die Suppressorvariable gesteuert wird.

So kann zum Beispiel ein niedriges Alter die Bildung nach oben, aber das Einkommen nach unten ziehen. Im Gegensatz dazu kann ein hohes Alter Einkommen nach oben, aber Bildung nach unten ziehen, wodurch die Beziehung zwischen Bildung und Einkommen effektiv aufgehoben wird, es sei denn, das Alter wird kontrolliert.

Konzept

Das Konzept ist ein Name für eine Kategorie, die Beobachtungen und Ideen durch den Besitz gemeinsamer Merkmale organisiert. Wie Bulmer es kurz und bündig ausdrückt, sind Konzepte Kategorien für die Organisation von Ideen und Beobachtungen (Bulmer, 1984: 43).

Wenn ein Konzept in der quantitativen Forschung eingesetzt werden soll, muss es gemessen werden. Sobald sie gemessen sind, können Konzepte in Form von unabhängigen oder abhängigen Variablen vorliegen.Mit anderen Worten, Konzepte können einen bestimmten Aspekt der sozialen Welt erklären (erklärende Variable), oder sie können für Dinge stehen, die wir erklären wollen (abhängige Variable).Beispiele für Konzepte sind soziale Mobilität, religiöse Orthodoxie, soziale Klasse, Kultur, Lebensstil, akademische Leistungen und dergleichen.

Indikator

Ein Indikator ist eine Kennzahl, die verwendet wird, um auf ein Konzept zu verweisen, wenn keine direkte Kennzahl verfügbar ist. Wir nutzen Indikatoren, um Konzepte zu erschließen, die weniger direkt quantifizierbar sind.

Um zu verstehen, was ein Indikator ist, lohnt es sich, zwischen einem Maß und einem Indikator zu unterscheiden. Ein Indikator kann sich auf Dinge beziehen, die relativ eindeutig gezählt werden, wie Einkommen, Alter, Anzahl der Kinder usw.

Maße sind also Größen. Wenn wir an einigen Ursachen für Einkommensschwankungen interessiert sind, können letztere auf einigermaßen direkte Weise quantifiziert werden.

Wir nutzen Indikatoren, um Konzepte zu erschließen, die weniger direkt quantifizierbar sind. Wenn wir uns für die Ursachen der unterschiedlichen Arbeitszufriedenheit interessieren, benötigen wir Indikatoren, die für das Konzept stehen.

Mit diesen Indikatoren kann die Arbeitszufriedenheit gemessen werden, und wir können die resultierenden quantitativen Informationen so behandeln, als wäre es ein Maß.

Ein Indikator ist also etwas, das erdacht ist oder bereits existiert, und das verwendet wird, als wäre es ein Maß für einen Begriff.

Es wird als indirektes Maß für ein Konzept angesehen, wie die Arbeitszufriedenheit. Ein IQ ist ein weiteres Beispiel, da es sich um eine Batterie von Indikatoren für das Konzept der Intelligenz handelt.

Konstrukt

Ein Konstrukt ist eine Abstraktion oder ein Konzept, das von einem Forscher absichtlich für einen wissenschaftlichen Zweck erfunden oder konstruiert wird.In einer wissenschaftlichen Theorie, insbesondere in der Psychologie, ist ein hypothetisches Konstrukt eine erklärende Variable, die nicht direkt beobachtbar ist.

Zum Beispiel werden die Konzepte von Intelligenz und Motivation verwendet, um Phänomene in der Psychologie zu erklären, aber beide sind nicht direkt beobachtbar.Ein hypothetisches Konstrukt unterscheidet sich von einer intervenierenden Variablen dadurch, dass es Eigenschaften und Implikationen hat, die in der empirischen Forschung nicht nachgewiesen wurden. Diese dienen als Leitfaden für die weitere Forschung. Eine dazwischenliegende Variable hingegen ist eine Zusammenfassung beobachteter empirischer Befunde.Cronbach und Meehl (1955) definieren ein hypothetisches Konstrukt als ein Konzept, für das es keinen einzigen beobachtbaren Referenten gibt, der nicht direkt beobachtet werden kann und für das es mehrere Referenten gibt, aber keinen allumfassenden.Zum Beispiel ist ein Fisch nach Cronbach und Meehl kein hypothetisches Konstrukt, weil es trotz Variation in Arten und Sorten von Fischen eine vereinbarte Definition für einen Fisch mit spezifischen Eigenschaften gibt, die einen Fisch von einem Vogel unterscheiden.

Außerdem können Fische direkt beobachtet werden.Andererseits hat ein hypothetisches Konstrukt keinen einzigen Referenten; vielmehr bestehen hypothetische Konstrukte aus Gruppen funktional verwandter Verhaltensweisen, Einstellungen, Prozesse und Erfahrungen.Anstatt Intelligenz, Liebe oder Angst zu sehen, sehen wir Indikatoren oder Manifestationen dessen, was wir vereinbart haben, Intelligenz, Liebe oder Angst zu nennen.

Weitere Beispiele für Konstrukte:

• In der Biologie: Gene, Evolution, Krankheit, Taxonomie, Immunität
• In der Physik/Astrophysik: Schwarze Löcher, Urknall, Dunkle Materie, Stringtheorie, Molekülphysik oder Atome, Schwerkraft, Massenschwerpunkt
• In der Psychologie: Intelligenz oder Wissen, Emotionen, Persönlichkeit, Stimmungen.

Eigenschaften von Beziehungen zwischen Variablen

Im Umgang mit Beziehungen zwischen Variablen in der Forschung beobachten wir eine Vielzahl von Dimensionen in diesen Beziehungen. Wir diskutieren einige von ihnen unten.

Positive und negative Beziehung

Zwei oder mehr Variablen können eine positive, negative oder gar keine Beziehung haben. Im Fall von zwei Variablen ist eine positive Beziehung eine, in der beide Variablen in die gleiche Richtung variieren.

Wenn sie jedoch in entgegengesetzte Richtungen variieren, sollen sie eine negative Beziehung haben. Wenn eine Änderung der anderen Variablen nicht mit einer Änderung oder Bewegung einer Variablen einhergeht, sagen wir, dass die betreffenden Variablen nichts miteinander zu tun haben.

Wenn beispielsweise eine Erhöhung seines Lohnsatzes mit der Berufserfahrung einhergeht, ist das Verhältnis zwischen Berufserfahrung und Lohnsatz positiv.

Wenn eine Erhöhung des Bildungsniveaus eines Individuums seinen Wunsch nach zusätzlichen Kindern verringert, ist die Beziehung negativ oder umgekehrt. Wenn das Bildungsniveau keinen Einfluss auf den Wunsch hat, sagen wir, dass die Variablen ‚ Wunsch nach zusätzlichen Kindern‘ und ‚Bildung‘ nichts miteinander zu tun haben.

Stärke der Beziehung

Sobald festgestellt wurde, dass zwei Variablen tatsächlich verwandt sind, wollen wir feststellen, wie stark sie verwandt sind.Eine übliche Statistik zur Messung der Stärke einer Beziehung ist der sogenannte Korrelationskoeffizient, symbolisiert durch r. r ist ein einheitenfreies Maß, das zwischen -1 und +1 einschließlich liegt, wobei Null keine lineare Beziehung bedeutet.Was die Vorhersage einer Variablen aus der Kenntnis der anderen Variablen betrifft, so bedeutet ein Wert von r= +1 eine 100% ige Genauigkeit bei der Vorhersage einer positiven Beziehung zwischen den beiden Variablen und ein Wert von r = -1 bedeutet eine 100% ige Genauigkeit bei der Vorhersage einer negativen Beziehung zwischen den beiden Variablen.

Symmetrische Beziehung

Bisher haben wir nur symmetrische Beziehungen diskutiert, bei denen eine Änderung der anderen Variablen mit einer Änderung einer der beiden Variablen einhergeht. Diese Beziehung gibt nicht an, welche Variable die unabhängige Variable und welche Variable die abhängige Variable ist.

Mit anderen Worten, Sie können eine der Variablen als unabhängige Variable kennzeichnen.

Eine solche Beziehung ist eine symmetrische Beziehung. In einer asymmetrischen Beziehung wird die Änderung der Variablen X (sagen wir) von einer Änderung der Variablen Y begleitet, nicht jedoch umgekehrt.

Die Niederschlagsmenge erhöht beispielsweise die Produktivität, die Produktivität hat jedoch keinen Einfluss auf den Niederschlag. Dies ist eine asymmetrische Beziehung.In ähnlicher Weise wäre die Beziehung zwischen Rauchen und Lungenkrebs asymmetrisch, da Rauchen Krebs verursachen könnte, Lungenkrebs jedoch nicht.

Kausaler Zusammenhang

Die Angabe einer Beziehung zwischen zwei Variablen stellt nicht automatisch sicher, dass Änderungen in einer Variablen Änderungen in einer anderen Variablen verursachen.

Es ist jedoch sehr schwierig, die Existenz einer Kausalität zwischen Variablen festzustellen. Während niemand jemals sicher sein kann, dass Variable A Variable B verursacht, kann man dennoch einige Beweise sammeln, die unsere Überzeugung verstärken, dass A zu B führt.

In einem Versuch, dies zu tun, suchen wir die folgenden Beweise:

1. Gibt es eine Beziehung zwischen A und B? Wenn solche Beweise vorliegen, ist dies ein Hinweis auf einen möglichen Kausalzusammenhang zwischen den Variablen.
2. Ist die Beziehung asymmetrisch, so dass eine Änderung in A zu einer Änderung in B führt, aber nicht umgekehrt? Kommt A also vor B vor? Wenn wir feststellen, dass B vor A auftritt, können wir wenig Vertrauen haben, dass A verursacht
3. Führt eine Änderung in A zu einer Änderung in B, unabhängig von den Aktionen anderer Faktoren? Oder mit anderen Worten, ist es möglich, andere mögliche Ursachen von B zu beseitigen? Kann man feststellen, dass C, D und E (sagen wir) nicht in einer Weise mit B kovariieren, die mögliche kausale Zusammenhänge nahelegt?

Lineare und nichtlineare Beziehung

Eine lineare Beziehung ist eine geradlinige Beziehung zwischen zwei Variablen, wobei die Variablen mit der gleichen Rate variieren, unabhängig davon, ob die Werte niedrig, hoch oder mittelschwer sind.Dies steht im Gegensatz zu den nichtlinearen (oder krummlinigen) Beziehungen, bei denen die Rate, mit der sich eine Variable im Wert ändert, für verschiedene Werte der zweiten Variablen unterschiedlich sein kann.

Ob eine Variable linear mit der anderen Variablen in Beziehung steht oder nicht, kann einfach ermittelt werden, indem die K-Werte gegen X-Werte aufgetragen werden. Wenn die Werte beim Zeichnen auf einer geraden Linie zu liegen scheinen, wird die Existenz einer linearen Beziehung zwischen X und Y vorgeschlagen.

Größe und Gewicht haben fast immer eine annähernd lineare Beziehung, während Alter und Fruchtbarkeitsraten eine nichtlineare Beziehung haben.