研究調査の文脈では、概念は一般的に変数と呼ばれます。 変数は、名前が適用されるように、変化するものです。 年齢、性別、輸出、収入と支出、家族の大きさ、出生国、設備投資、クラスのグレード、血圧の測定値、術前の不安レベル、目の色、および車両の種類は、これらの特性のそれぞれが異なるか、または別の個人から異なるため、すべての変数の例です。
研究における変数定義
変数は、時間の経過とともに増加または減少する、または異なる状況で異なる値（nなどの定数ではなく、変化しない）を取ることができる任意のプロパティ、特性、数、または量です。
研究を行うとき、実験はしばしば変数を操作します。 たとえば、実験者は4種類の肥料の有効性を比較することができます。この場合、変数は’肥料の種類’です。 社会科学者は、早期結婚が離婚に及ぼす影響を調べることができます。ここでは初期の結婚は変数です。
ここでは初期の結婚は変数です。 ビジネス研究者は、株価を決定する際に配当を含めることが有用であると感じるかもしれません。 ここで配当は変数です。
有効性、離婚および株価はまた肥料、早い結婚および配当を操作することの結果としてまた変わるので変数である。
変数のタイプ
- 定性的変数。
- 定量的変数。
- 離散変数。
- 連続変数。
- 従属変数。
- 独立変数。
- 背景変数。
- モデレート変数。
- 無関係な変数。
- 介在変数。
- サプレッサー変数。
質的変数
変数間の重要な違いは、質的変数と量的変数の間です。
質的変数とは、髪の色、宗教、人種、性別、社会的地位、支払い方法などの質的属性を表現する変数です。 質的変数の値は、意味のある数値順序を意味するものではありません。
変数’religion’の値(Muslim,Hindu,..、等。）は質的に異なっており、宗教の順序は暗示されていない。 質的変数は、カテゴリ変数と呼ばれることがあります。
たとえば、変数sexには’male’と’female’という2つの異なるカテゴリがあります。’この変数の値はカテゴリで表されるので、これをカテゴリ変数と呼びます。同様に、居住地は都市部と農村部に分類されるため、カテゴリ変数です。
同様に、居住地は都市部と農村部に分類されます。
同様に、居住地は都市
カテゴリ変数は、名目変数および順序変数として再び記述することができます。
序数変数は、論理的に順序付けられたり、別のものよりも上位または下位にランク付けされたりすることができますが、検査成績（A+、A、B+など）など、各、衣類のサイズ（特大、大、中、小）。
名目変数とは、宗教、性別など、ランク付けも論理的に順序付けもできない変数です。質的変数は、測定することができないが、いくつかの特性を有するか持たないかに分類することができる特性である。
質的変数は、測定することがで
定量的変数
定量的変数は、数値変数とも呼ばれ、数値で測定される変数です。 定量的変数の簡単な例は、人の年齢です。
人は20歳、35歳などになる可能性があるため、年齢は異なる値を取ることができます。
人は20歳、35歳などになる可能性があります。
同様に、家族のサイズは、家族が1、2、3のメンバーなどで構成される可能性があるため、定量的変数です。すなわち、上記で言及されたこれらの特性または特性のそれぞれは、個人によって異なるか、または異なる。
すなわち、上記で言及されたこれらの特性 これらの変数は数値で表され、そのためにそれらを定量的または時には数値変数と呼ぶことに注意してください。
定量的変数は、結果の観測値が数値であるため、自然な順序付けまたは順位付けを持つ変数です。
離散変数と連続変数
定量変数は、離散変数と連続変数の2つのタイプがあります。
可能なスコアはスケール上で離散的であるため、家庭内のいくつかの子供や箱内の欠陥品の数などの変数は離散変数です。
可能なスコアはスケール上で離散的であるため、離散変数です。
たとえば、世帯には3人または5人の子供がいますが、4.52人の子供はいません。
“MCQテストを完了するのに必要な時間”や”銀行カウンターの前のキューでの待機時間”などの他の変数は、連続変数の例です。
上記の例で必要な時間は、たとえば1.65分、または1.6584795214分である可能性のある連続変数です。もちろん、測定の実用性は、ほとんどの測定された変数が連続していないことを排除します。
もちろん、測定の実用性は、測定された変数が連続して
離散変数
定義2.6: 特定の値に制限された離散変数は、通常（必ずしもそうではない）、ファミリーサイズ、ボックス内の欠陥品の数などの整数で構成されています。 それらは多くの場合、列挙またはカウントの結果です。
さらにいくつかの例があります。
- 十二ヶ月の事故の数。
- 七日以内に店で販売されたモバイルカードの数。
- 指定された期間にわたって病院に入院した患者の数。
- 銀行の新しい支店の数は、2001年から2007年の間に毎年開かれています。
- 過去12ヶ月間に保健担当者が行った毎週の訪問数。
連続変数
連続変数は、指定された間隔に沿って無限の数の中間値を取ることができる変数です。 例は次のとおりです。
- 人体の砂糖レベル;
- 血圧の読書;
- 温度;
- 人体の高さまたは重量;
- 銀行利息率;
- 内部収益率（IRR）、
- 収益率（ER）;
- 電流比（CR）
二つの観測がどれほど近いかにかかわらず、測定器が十分に正確であれば、最初の二つの間に落ちる第三の観測を見つけることがで
連続変数は、一般的に測定結果であり、指定された範囲内の無数の値を仮定することができます。
従属変数と独立変数
多くの研究の設定では、独立変数と従属変数を区別する必要がある変数の二つの特定のクラスがあります。
多くの研究研究は、根底にある現象や問題の原因を明らかにし、理解することを目的としており、それらの間の因果関係を確立するという究極の
次の文を見てください：
- 食物の摂取量が少ないと体重が減ります。
- 喫煙は肺がんのリスクを高めます。
- 教育のレベルは、仕事の満足度に影響を与えます。
- 広告は販売促進に役立ちます。
- この薬は健康上の問題の改善を引き起こす。
- 看護介入は、より迅速な回復を引き起こします。
- 以前の仕事の経験は、初期給与を決定します。
- ブルーベリーは老化を遅くします。
- 一株当たりの配当は、株価を決定します。
上記の各クエリには、2つの変数があります：1つは独立しており、1つは依存しています。 最初の例では、「食物の摂取量が少ない」ことが「体重不足の問題」を引き起こしたと考えられています。’
これは、いわゆる独立変数です。 私たちは、この”問題”（低体重の問題）は、”食品の低摂取量”（要因）によって引き起こされていると信じているので、低体重は従属変数です。同様に、喫煙、配当、および広告はすべて独立変数であり、肺癌、仕事の満足度、および売上高は従属変数です。
一般に、独立変数は実験者または研究者によって操作され、従属変数に対するその影響が測定されます。
一般に、独立変数は実験者または研究者
独立変数
問題または結果の原因または少なくとも影響を与えると想定される因子を記述または測定するために使用される変数は、独立
この定義は、実験者が独立変数を使用して、従属変数に対する影響または影響を記述または説明することを意味します。
この定義は、実験者が
従属変数の変動性は、独立変数の変動性に依存すると推定されます。
文脈に応じて、独立変数は、予測子変数、リグレッサー、制御変数、操作変数、説明変数、暴露変数（信頼性理論で使用される）、危険因子（医療統計で使用される）、特徴（機械学習およびパターン認識で使用される）または入力変数と呼ばれることがある。
説明変数は、独立変数として扱われる量が統計的に独立していないか、研究者によって独立して操作できない場合に、独立変数よりもいくつかの著者
独立変数が説明変数として参照されている場合、従属変数のためにいくつかの著者によって用語応答変数が好まれます。
従属変数
研究中の問題または結果を記述または測定するために使用される変数は、従属変数と呼ばれます。
因果関係では、原因は独立変数であり、効果は従属変数です。 喫煙が肺癌を引き起こすと仮定すると、”喫煙”は独立変数であり、癌は従属変数である。
ビジネス研究者は、株価を決定する際に配当を含めることが有用であると感じるかもしれません。 ここで配当は独立変数であり、株価は従属変数です。従属変数は、通常、研究者が理解、説明、または予測に興味を持っている変数です。
従属変数は、研究者が理解、説明、または予測に興味を持っている変数で
肺がん研究では、喫煙行動自体ではなく、研究者にとって本当の関心事であるのは癌腫です。 独立変数は、従属変数の推定された原因、先行、または影響です。
文脈に応じて、従属変数は、応答変数、回帰変数、予測変数、測定変数、説明変数、実験変数、応答変数、結果変数、出力変数、またはラベルと呼ばれることがあります。
従属変数として扱われる量が統計的に依存しない可能性がある場合、説明変数は従属変数よりもいくつかの著者によって好まれます。
従属変数
従属変数が説明変数と呼ばれる場合、いくつかの著者によっては、独立変数に対して予測子変数という用語が優先されます。
独立変数のレベル
実験者が実験処理と対照処理を比較すると、独立変数（処理のタイプ）には実験と対照の2つのレベルがあります。
実験者が実験処理と対照処理を比較すると、独立変数（処理のタイプ）には実験と対照の2つのレベルがあります。実験が5種類の食事を比較する場合、独立変数（食事の種類）には5つのレベルがあります。
実験が5種類の食事を比較する場合、独立変数（食事の種類）
一般に、独立変数のレベルの数は、実験条件の数です。
一般に、独立変数のレベルの数は、実験条件の数です。
背景変数
ほぼすべての研究では、年齢、性別、学歴、社会経済的地位、婚姻状況、宗教、出生地などの情報を収集します。 これらの変数は、バックグラウンド変数と呼ばれます。
これらの変数は、多くの場合、間接的に問題に影響を与えるように、多くの独立変数に関連しています。 したがって、それらは背景変数と呼ばれます。背景変数が研究にとって重要である場合は、それらを測定する必要があります。
背景変数が研究にとって重要である場合は、それらを測定する必 しかし、我々は経済の利益のためにできるだけ少ない背景変数の数を維持しようとする必要があります。
モデレート変数
変数の関係の任意のステートメントでは、通常、何らかの方法で、独立変数が従属変数を発生させると仮定されます。 単純なリレーションシップでは、他のすべての変数は無関係であり、無視されます。 実際の研究状況では、このような単純な一対一の関係は、関係をよりよく説明するために他の変数を考慮に入れるように修正する必要があります。
これは、最初に記載された従属独立関係に有意な寄与または偶発的な影響を有すると予想される第二の独立変数を考慮する必要性を強調する。 このような変数は、緩和変数と呼ばれます。
フィールドベースおよび教室ベースのトレーニングが健康および家族計画の労働者の作業パフォーマンスに及ぼす影響を研究しているとします。
研修生の年齢と仕事のパフォーマンスとの関係に焦点を当てている場合は、”トレーニングの種類”をモデレート変数として使用することができます。
外来変数
ほとんどの研究は、単一の独立変数の同定と従属変数への影響の測定に関係しています。しかし、それでも、いくつかの変数が仮説された独立依存変数の関係に影響を与え、それによって研究を歪める可能性があります。
しかし、まだ、いくつかの変数が考えられるかもしれません。 これらの変数は、無関係な変数と呼ばれます。
無関係な変数は必ずしも研究の一部ではありません。 それらは従属独立関係に交絡効果を発揮するため、排除または制御する必要があります。
例は、無関係な変数の概念を説明することができます。 母親の仕事状況と母乳育児期間との関係を調べることに興味があるとします。この例では、仕事の状態に影響を与える母親の教育レベルが母乳育児期間にも影響を与える可能性があると推測するのは不合理ではありません。
教育は、ここでは無関係な変数として扱われます。 この変数の効果を排除または制御しようとする試みでは、この変数を交絡変数と見なすことができます。
交絡変数を扱う適切な方法は、交絡変数の嘘の異なるレベルのための別々の分析を含む層別化手順に従うことです。
この目的のために、一つは二つのクロステーブルを構築することができます：一つは文盲の母親のためのものと文盲の母親のためのものです。 両方の母親のグループにおいて、仕事の状態と母乳育児の期間との間に同様の関連性が見つかった場合、母親の教育レベルは交絡変数ではないと結論
介在変数
多くの場合、二つの変数間の明らかな関係は、第三の変数によって引き起こされます。
たとえば、変数XとYは相関が高い場合がありますが、Xが3番目の変数Zを引き起こし、これがYを引き起こすためです。
介在変数は理論的には観測された現象に影響を与えますが、直接見たり、測定したり、操作したりすることはできません。
仕事の状態と母乳育児の関係では、モチベーションやカウンセリングを介在変数と見なすことができます。
したがって、動機、仕事の満足度、責任、行動、正義は、介在する変数の例のいくつかです。
サプレッサー変数
多くの場合、関心のある変数には関係があると信じる十分な理由がありますが、データはそのような関係を確立できません。 いくつかの隠れた要因は、2つの元の変数間の真の関係を抑制している可能性があります。
このような因子は、他の二つの変数間の実際の関係を抑制するため、サプレッサー変数と呼ばれます。
サプレッサー変数は、リレーションシップ内の変数の一方と正の相関を持ち、他方と負の相関を持つことによって、リレーションシップを抑制します。 2つの変数の間の真の関係は、サプレッサー変数が制御されたときに再び表示されます。
したがって、例えば、低年齢は教育をプルアップが、収入ダウン可能性があります。
したがって、例えば、低年齢 対照的に、高い年齢は、年齢が制御されていない限り、効果的に教育と収入の関係を相殺し、収入を引き上げるが、教育を下げる可能性があります。
Concept
概念は、共通の特徴を所有することによって観察やアイデアを整理するカテゴリに与えられた名前です。 Bulmerが簡潔に述べているように、概念はアイデアと観察の組織化のためのカテゴリです（Bulmer、1984：43）。概念が定量的研究に採用される場合は、それを測定する必要があります。
概念が定量的研究に採用される場合は、それを測定する必要があります。
それらが測定されると、概念は独立変数または従属変数の形になります。言い換えれば、概念は社会世界の特定の側面を説明する（説明変数）か、説明したいものを表す（従属変数）かもしれません。
言い換えれば、概念は社会世界の特定の側面を説明する（説明変数）か、それとも説明したいものを表す（従属変数）かもしれません。
概念の例は、社会的移動性、宗教的正統性、社会階級、文化、生活様式、学業成績などである。
概念の例は、社会的移動性、宗教的正統性、社会階級、文化、生活様式、学
指標
指標は、直接的な尺度が利用できない場合に概念を参照するために使用される尺度です。 私たちは、あまり直接的に定量化されていない概念をタップするために指標を使用しています。指標が何であるかを理解するには、指標と指標を区別する価値があります。
指標とは何かを理解するには、指標と指標を区別する必要があります。
標は、所得、年齢、子供の数など、比較的明確にカウントされたものを参照するために取ることができます。
測度は、言い換えれば、量です。 私たちが収入の変動の原因のいくつかに興味があるならば、後者は合理的に直接的な方法で定量化することができます。
指標を使用して、直接的に定量化できない概念をタップします。 私たちが仕事の満足度の変化の原因に興味があるならば、私たちはその概念を表す指標が必要になるでしょう。
これらの指標は、仕事の満足度を測定することを可能にし、結果として得られる定量的な情報を尺度であるかのように扱うことができます。
指標は、考案されたもの、またはすでに存在し、あたかもそれが概念の尺度であるかのように採用されているものです。これは、仕事の満足度のような概念の間接的な尺度と見なされます。
IQは、それが知性の概念の指標のバッテリーであるという点で、さらなる例です。
Construct
コンストラクトは、科学的目的のために研究者によって意図的に発明または構築された抽象化または概念です。科学理論、特に心理学の中では、仮説的な構成要素は、直接観察できない説明変数です。
例えば、知性と動機の概念は心理学における現象を説明するために使用されますが、どちらも直接観察することはできません。
仮説的な構築物は、その構築物に介在する変数とは異なり、経験的研究では実証されていない特性および含意を有する。 これらは、さらなる研究のためのガイドとして機能します。 一方、介在する変数は、観察された経験的知見の要約である。
Cronbach and Meehl(1955)は、単一の観測可能な参照元が存在せず、直接観測することができず、複数の参照元が存在するが、すべてを包括的に存在しない概念とし
例えば、CronbachとMeehlによると、魚の種や品種の変化にもかかわらず、魚と鳥を区別する特定の特性を持つ魚の合意された定義があるため、魚は仮説的な構
さらに、魚を直接観察することができます。むしろ、仮想的な構成要素は、機能的に関連する行動、態度、プロセス、および経験のグループで構成されています。
一方、仮想的な構成要素は、単一の指知性、愛、または恐怖を見る代わりに、私たちは知性、愛、または恐怖と呼ぶことに同意したものの指標または現れを見ます。
コンストラクトの他の例：
- 生物学で：遺伝子、進化、病気、分類学、免疫
- 物理学/天体物理学で：ブラックホール、ビッグバン、ダークマター、弦理論、分子物理学や原子、重力、質量の中心
- 心理学で：知性や知識、感情、人格、気分。
変数間の関係のプロパティ
研究における変数間の関係を扱うには、これらの関係の様々な次元を観察します。 以下でそれらのいくつかについて説明します。
正と負の関係
二つ以上の変数は、正、負、または全く関係を持っていてもよいです。 二つの変数の場合、正の関係は、両方の変数が同じ方向に変化するものです。しかし、それらが反対方向に変化すると、それらは負の関係を持つと言われます。
しかし、それらが反対方向に変化すると、それらは負の関係を持 他の変数の変化が1つの変数の変化または移動に付随しない場合、問題の変数は無関係であると言います。
例えば、彼の賃金率の上昇が仕事の経験に伴う場合、仕事の経験と賃金率との関係は肯定的です。
個人の教育レベルの上昇が追加の子供への欲求を低下させる場合、その関係は負または逆である。 教育のレベルが欲求に関係していない場合、変数”追加の子供のための欲求”と”教育”は無関係であると言います。
関係の強さ
2つの変数が実際に関連していることが確認されたら、それらがどれだけ強く関連しているかを確認したいと思います。
関係の強さを測定するための一般的な統計量は、rで象徴されるいわゆる相関係数です。rは単位フリー測度であり、-1と+1の間にあり、ゼロは線形関係
他の変数の知識から一つの変数の予測に関する限り、r=+1の値は、二つの変数間の正の関係を予測する際に100％の精度を意味し、r=-1の値は、二つの変数間の負の関係を予測する際に100％の精度を意味する。
対称関係
これまでは、他の変数の変化がいずれかの変数の変化に伴う対称関係のみについて議論してきました。 この関係は、どの変数が独立変数であり、どの変数が従属変数であるかを示すものではありません。つまり、いずれかの変数に独立変数としてラベルを付けることができます。
つまり、独立変数としてラベルを付けることができます。
つまり、
このような関係は対称的な関係です。 非対称関係では、変数X（例えば）の変化は変数Yの変化を伴うが、その逆も同様ではない。
たとえば、降雨量は生産性を向上させますが、生産性は降雨に影響しません。 これは非対称的な関係です。同様に、喫煙と肺癌の関係は、喫煙が癌を引き起こす可能性があるが、肺癌は喫煙を引き起こすことができないため、非対称であろう。
同様に、喫煙と肺癌の関係は、喫煙が癌を引き起こす可能性があるため、非対称であろう。
因果関係
二つの変数間の関係の表示は、ある変数の変更が別の変数の変更を引き起こすことを自動的に保証するものではありません。しかし、変数間の因果関係の存在を確立することは非常に困難である。
しかし、変数間の因果関係の存在を確立することは非常に困難である。 変数Aが変数Bを引き起こすことを誰も確信することはできませんが、AがBにつながるという信念を高める証拠を集めることができます。
そうする試みでは、次の証拠を求めます。
- AとBの間に関係がありますか？ そのような証拠が存在する場合、それは変数間の因果関係の可能性を示すものです。
- 関係は非対称であるため、Aの変化はBの変化をもたらしますが、その逆はありませんか？ 言い換えれば、AはBの前に発生しますか？ BがAの前に発生することがわかった場合、Aが原因であるという自信はほとんどありません
- 他の要因の行動に関係なく、bの変化の結果に変化 言い換えれば、Bの他の考えられる原因を排除することは可能ですか？ 因果関係の可能性を示唆する方法で、C、D、およびE（たとえば）がBと共変化しないと判断できますか？
線形関係と非線形関係
線形関係は、二つの変数間の直線関係であり、変数は値が低い、高い、または中間のいずれであるかにかかわらず、同じ
これは、ある変数が値を変化させる速度が第二の変数の異なる値に対して異なる場合がある非線形（または曲線）関係とは対照的である。
変数が他の変数と線形に関連しているかどうかは、K値をX値に対してプロットすることによって簡単に確認できます。 プロットされたときに値が直線上にあるように見える場合、XとYの間に線形関係が存在することが示唆されます。
身長と体重はほとんど常にほぼ線形の関係を持ち、年齢と出生率は非線形の関係を持ちます。
身長と体重はほぼ線形の関係を持ちます。
身長と