w kontekście badania, pojęcia są ogólnie określane jako zmienne. Zmienna jest, jak sama nazwa ma zastosowanie, czymś, co się zmienia. Wiek, płeć, eksport, dochody i wydatki, wielkość rodziny, kraj urodzenia, wydatki inwestycyjne, Klasy klas, odczyty ciśnienia krwi, poziom lęku przedoperacyjnego, kolor oczu i typ pojazdu to przykłady zmiennych, ponieważ każda z tych właściwości różni się lub różni się od jednej osoby do drugiej.
definicja zmiennej w badaniach
zmienna jest dowolną właściwością, cechą, liczbą lub ilością, która rośnie lub maleje w czasie lub może przyjmować różne wartości (w przeciwieństwie do stałych, takich jak n, które się nie różnią) w różnych sytuacjach.
podczas prowadzenia badań eksperymenty często manipulują zmiennymi. Na przykład Eksperymentator może porównać skuteczność czterech rodzajów nawozów.
w tym przypadku zmienną jest „rodzaj nawozów”. Socjolog może zbadać możliwy wpływ wczesnego małżeństwa na rozwód.
tutaj wczesne małżeństwo jest zmienną. Badacz biznesu może uznać za użyteczne uwzględnienie dywidendy przy określaniu cen akcji. Tutaj zmienną jest dywidenda.
efektywność, rozwód i ceny akcji są również zmienne, ponieważ różnią się również w wyniku manipulacji nawozami, wczesnego małżeństwa i dywidend.
typy zmiennych
- zmienne jakościowe.
- zmienne ilościowe.
- zmienna Dyskretna.
- zmienna ciągła.
- zmienne zależne.
- zmienne niezależne.
- zmienna tła.
- zmienna Moderacyjna.
- zmienna zewnętrzna.
- zmienna interwałowa.
- zmienna tłumiąca.
zmienne jakościowe
ważnym rozróżnieniem między zmiennymi jest zmienna jakościowa i zmienna ilościowa.
zmienne jakościowe to te, które wyrażają cechy jakościowe, takie jak kolor włosów, religia, rasa, płeć, status społeczny, metoda płatności i tak dalej. Wartości zmiennej jakościowej nie oznaczają istotnego uporządkowania liczbowego.
wartość zmiennej „religia” (muzułmańska, Hinduska,.., itp.) różni się jakościowo; nie zakłada się porządkowania religii. Zmienne jakościowe są czasami określane jako zmienne kategoryczne.
na przykład płeć zmienna ma dwie odrębne kategorie: „męski” i ” żeński.”Ponieważ wartości tej zmiennej są wyrażone w kategoriach, określamy ją jako zmienną kategoryczną.
podobnie miejsce zamieszkania może być klasyfikowane jako miejskie i wiejskie, a zatem jest zmienną kategoryczną.
zmienne kategoryczne można ponownie opisać jako nominalne i porządkowe.
zmienne porządkowe to te, które mogą być logicznie uporządkowane lub uszeregowane wyżej lub niżej od innych, ale niekoniecznie ustanawiają liczbową różnicę między każdą kategorią, np. klasami egzaminacyjnymi (A+, A, B+ itp., rozmiar odzieży (bardzo duży, duży, średni, mały).
zmiennymi nominalnymi są te, które nie mogą być ani uszeregowane, ani logicznie uporządkowane, takie jak religia, płeć itp.
zmienna jakościowa jest cechą, która nie może być mierzona, ale może być klasyfikowana jako posiadająca lub nie posiadająca pewnych cech.
zmienne ilościowe
zmienne ilościowe, zwane również zmiennymi numerycznymi, to te zmienne, które są mierzone w kategoriach liczb. Prostym przykładem zmiennej ilościowej jest wiek danej osoby.
wiek może przyjmować różne wartości, ponieważ osoba może mieć 20 lat, 35 lat i tak dalej. Podobnie wielkość rodziny jest zmienną ilościową, ponieważ rodzina może składać się z jednego, dwóch, trzech członków i tak dalej.
oznacza to, że każda z tych właściwości lub cech, o których mowa powyżej, różni się lub różni się od jednej osoby. Należy zauważyć, że zmienne te są wyrażone w liczbach, dla których nazywamy je zmiennymi ilościowymi lub czasami numerycznymi.
zmienna ilościowa to taka, dla której otrzymane obserwacje są liczbowe, a zatem posiadają naturalny porządek lub ranking.
zmienne dyskretne i ciągłe
zmienne ilościowe są ponownie dwóch typów: dyskretne i ciągłe.
zmienne, takie jak niektóre dzieci w gospodarstwie domowym lub liczba wadliwych elementów w pudełku, są zmiennymi dyskretnymi, ponieważ możliwe wyniki są dyskretne na skali.
na przykład gospodarstwo domowe może mieć troje lub pięcioro dzieci, ale nie 4,52 dzieci.
inne zmienne, takie jak „czas wymagany do ukończenia testu MCQ” i „czas oczekiwania w kolejce przed licznikiem banków”, są przykładami zmiennej ciągłej.
czas wymagany w powyższych przykładach jest zmienną ciągłą, która może wynosić na przykład 1,65 minuty lub 1,6584795214 minut.
oczywiście praktyczne aspekty pomiaru wykluczają ciągłość większości mierzonych zmiennych.
zmienna Dyskretna
definicja 2.6: Zmienna Dyskretna, ograniczona do pewnych wartości, zwykle (ale niekoniecznie) składa się z liczb całkowitych, takich jak rozmiar rodziny, liczba wadliwych elementów w pudełku. Często są one wynikiem wyliczenia lub liczenia.
kilka przykładów to;
- liczba wypadków w ciągu dwunastu miesięcy.
- liczba kart mobilnych sprzedanych w sklepie w ciągu siedmiu dni.
- liczba pacjentów przyjętych do szpitala w określonym czasie.
- liczba nowych oddziałów banku otwieranych corocznie w latach 2001 – 2007.
- liczba tygodniowych wizyt personelu medycznego w ciągu ostatnich 12 miesięcy.
zmienna ciągła
zmienna ciągła to taka, która może przyjmować nieskończoną liczbę wartości pośrednich w określonym przedziale. Przykładami są:
- poziom cukru w organizmie człowieka;
- odczyt ciśnienia krwi;
- Temperatura;
- wzrost lub waga ludzkiego ciała;
- Stopa Oprocentowania banku;
- wewnętrzna stopa zwrotu (IRR),
- Współczynnik zarobków (ER);
- Współczynnik Prądu (CR)
bez względu na to, jak bliskie mogą być dwie obserwacje, jeśli instrument pomiaru jest wystarczająco precyzyjny, można znaleźć trzecią obserwację, która mieści się między dwoma pierwszymi.
zmienna ciągła na ogół wynika z pomiaru i może przyjmować niezliczone wartości w określonym zakresie.
zmienne zależne i niezależne
w wielu ustawieniach badawczych istnieją dwie specyficzne klasy zmiennych, które należy odróżnić od siebie, zmienna niezależna i zmienna zależna.
wiele badań naukowych ma na celu odkrycie i zrozumienie przyczyn leżących u podstaw zjawisk lub problemów, a ostatecznym celem jest ustanowienie związku przyczynowego między nimi.
spójrz na następujące stwierdzenia:
- niskie spożycie pokarmu powoduje niedowagę.
- palenie zwiększa ryzyko raka płuc.
- poziom wykształcenia wpływa na satysfakcję z pracy.
- Reklama pomaga w promocji sprzedaży.
- lek powoduje poprawę problemu zdrowotnego.
- interwencja pielęgniarska powoduje szybszy powrót do zdrowia.
- wcześniejsze doświadczenia zawodowe określają początkowe wynagrodzenie.
- jagody spowalniają starzenie.
- dywidenda na akcję określa ceny akcji.
w każdym z powyższych zapytań mamy dwie zmienne: jedną niezależną i jedną zależną. W pierwszym przykładzie uważa się, że „niskie spożycie żywności „spowodowało” problem niedowagi.”
jest więc tzw. zmienną niezależną. Niedowaga jest zmienną zależną, ponieważ uważamy, że ten „problem” (problem niedowagi) został spowodowany „niskim spożyciem żywności” (czynnik).
podobnie, palenie, dywidenda i reklama są zmiennymi niezależnymi, a rak płuc, satysfakcja z pracy i sprzedaż są zmiennymi zależnymi.
ogólnie rzecz biorąc, zmienna niezależna jest manipulowana przez Eksperymentatora lub badacza, a jej wpływ na zmienną zależną jest mierzony.
zmienna niezależna
zmienna, która jest używana do opisu lub pomiaru czynnika, który zakłada się, że spowoduje lub przynajmniej wpłynie na problem lub wynik, nazywa się zmienną niezależną.
definicja zakłada, że eksperymentator używa zmiennej niezależnej do opisania lub wyjaśnienia jej wpływu lub wpływu na zmienną zależną.
zmienność zmiennej zależnej zakłada się, że zależy od zmienności zmiennej niezależnej.
w zależności od kontekstu, zmienna niezależna jest czasami nazywana zmienną predyktor, regresor, zmienna kontrolowana, zmienna manipulowana, zmienna objaśniająca, zmienna ekspozycji (stosowana w teorii niezawodności), czynnik ryzyka (stosowany w statystyce medycznej), cecha (stosowana w uczeniu maszynowym i rozpoznawaniu wzorców) lub zmienna wejściowa.
zmienna objaśniająca jest preferowana przez niektórych autorów nad zmienną niezależną, gdy ilości traktowane jako zmienne niezależne mogą nie być statystycznie niezależne lub niezależnie manipulowane przez badacza.
jeśli zmienna niezależna jest określana jako zmienna objaśniająca, to termin zmienna odpowiedzi jest preferowany przez niektórych autorów dla zmiennej zależnej.
zmienna zależna
zmienna, która jest używana do opisania lub zmierzenia problemu lub wyniku badania, nazywa się zmienną zależną.
w związku przyczynowym przyczyną jest zmienna niezależna, a efektem zmienna zależna. Jeśli postawimy hipotezę, że palenie powoduje raka płuc, 'palenie’ jest zmienną niezależną, a rak zmienną zależną.
badacz biznesu może uznać za użyteczne uwzględnienie dywidendy przy ustalaniu cen akcji. Tutaj dywidenda jest zmienną niezależną, podczas gdy cena akcji jest zmienną zależną.
zmienna zależna zwykle jest zmienną, którą badacz jest zainteresowany zrozumieniem, wyjaśnieniem lub prognozowaniem.
w badaniach nad rakiem płuc, to rak jest prawdziwym zainteresowaniem badacza, a nie palenie samo w sobie. Zmienna niezależna jest domniemaną przyczyną, poprzedzającą lub wpływającą na zmienną zależną.
w zależności od kontekstu zmienna zależna jest czasami nazywana zmienną odpowiedzi, zmienną regressand, zmienną przewidywaną, zmienną mierzoną, zmienną objaśnioną, zmienną eksperymentalną, zmienną odpowiadającą, zmienną wynikową, zmienną wyjściową lub etykietą.
zmienna objaśniona jest preferowana przez niektórych autorów nad zmienną zależną, gdy ilości traktowane jako zmienne zależne mogą nie być zależne statystycznie.
jeśli zmienna zależna jest określana jako zmienna objaśniona, to termin zmienna predyktorowa jest preferowany przez niektórych autorów dla zmiennej niezależnej.
poziomy zmiennej niezależnej
Jeśli eksperymentator porównuje leczenie eksperymentalne z leczeniem kontrolnym, wówczas zmienna niezależna (rodzaj leczenia) ma dwa poziomy: eksperymentalny i kontrolny.
gdyby eksperyment miał porównać pięć rodzajów diet, to zmienne niezależne (rodzaje diet) miałyby pięć poziomów.
ogólnie liczba poziomów zmiennej niezależnej jest liczbą warunków eksperymentalnych.
zmienna tła
w prawie każdym badaniu zbieramy informacje takie jak wiek, płeć, wykształcenie, status społeczno-ekonomiczny, stan cywilny, religia, miejsce urodzenia i tym podobne. Zmienne te są określane jako zmienne tła.
zmienne te są często związane z wieloma niezależnymi zmiennymi, dzięki czemu wpływają pośrednio na problem. Stąd nazywane są zmiennymi tła.
Jeśli zmienne tła są ważne dla badania, należy je zmierzyć. Powinniśmy jednak starać się, aby liczba zmiennych tła była jak najmniejsza w interesie gospodarki.
zmienna Moderacyjna
w każdym zestawieniu zależności zmiennych zwykle zakłada się, że w jakiś sposób zmienna niezależna „powoduje” wystąpienie zmiennej zależnej. W prostych relacjach wszystkie inne zmienne są obce i są ignorowane. W rzeczywistych sytuacjach badawczych, taka prosta relacja jeden-do-jednego musi zostać zmieniona, aby wziąć pod uwagę inne zmienne, aby lepiej wyjaśnić związek.
podkreśla to potrzebę rozważenia drugiej zmiennej niezależnej, która ma mieć znaczący wpływ na pierwotnie określoną relację zależno-niezależną. Taka zmienna jest określana jako zmienna moderująca.
Załóżmy, że badasz wpływ szkoleń terenowych i stacjonarnych na wydajność pracy pracowników służby zdrowia i Planowania Rodziny, uważasz rodzaj szkolenia za zmienną niezależną.
jeśli skupiasz się na relacji między wiekiem uczestników szkolenia a wynikami pracy, możesz użyć „rodzaju szkolenia” jako zmiennej moderującej.
zmienna zewnętrzna
większość badań dotyczy identyfikacji pojedynczej zmiennej niezależnej i pomiaru jej wpływu na zmienną zależną.
ale mimo to, kilka zmiennych może mieć wpływ na naszą hipotezowaną zależność zmienna niezależna-zależna, zniekształcając w ten sposób badanie. Zmienne te są określane jako zmienne obce.
zmienne obce niekoniecznie są częścią badania. Wywierają one zakłócający wpływ na zależność-niezależność, a zatem muszą zostać wyeliminowane lub kontrolowane.
przykład może ilustrować pojęcie zmiennych obcych. Załóżmy, że jesteśmy zainteresowani badaniem związku między pracą a statusem matek a okresem karmienia piersią.
w tym przypadku nie jest nierozsądne zakładanie, że poziom wykształcenia matek, ponieważ wpływa na status zawodowy, może mieć również wpływ na czas karmienia piersią.
Edukacja traktowana jest tutaj jako zmienna obca. W każdej próbie wyeliminowania lub kontrolowania efektu tej zmiennej, możemy uznać tę zmienną za zmienną zakłócającą.
odpowiednim sposobem radzenia sobie ze zmiennymi zakłócającymi jest zastosowanie procedury stratyfikacji, która obejmuje oddzielną analizę różnych poziomów zmiennych zakłócających kłamstwa.
w tym celu można skonstruować dwa crosstables: jeden dla matek analfabetów i drugi dla matek piśmiennych. Jeśli znajdziemy podobny związek między statusem pracy a czasem karmienia piersią w obu grupach matek, stwierdzamy, że poziom wykształcenia matek nie jest zmienną zakłócającą.
zmienna interferencyjna
często pozorna zależność między dwiema zmiennymi jest spowodowana trzecią zmienną.
na przykład zmienne X i Y mogą być silnie skorelowane, ale tylko dlatego, że X powoduje trzecią zmienną, Z, która z kolei powoduje Y. w tym przypadku, z jest zmienną interferującą.
zmienna interweniująca teoretycznie wpływa na obserwowane zjawiska, ale nie może być bezpośrednio widziana, mierzona ani manipulowana; jej wpływ można wywnioskować tylko z wpływu niezależnych i moderujących zmiennych na obserwowane zjawiska.
w relacji praca-status i karmienie piersią możemy postrzegać motywację lub poradnictwo jako zmienną interweniującą.
motyw, satysfakcja z pracy, odpowiedzialność, zachowanie, sprawiedliwość to niektóre przykłady zmiennych interwencyjnych.
zmienna tłumiąca
w wielu przypadkach mamy dobre powody, aby sądzić, że zmienne będące przedmiotem zainteresowania mają związek w sobie, ale nasze dane nie ustalają takiego związku. Niektóre ukryte czynniki mogą tłumić prawdziwą relację między dwiema pierwotnymi zmiennymi.
taki czynnik jest określany jako zmienna tłumiąca, ponieważ tłumi rzeczywistą zależność między pozostałymi dwiema zmiennymi.
zmienna supresorowa tłumi związek, będąc dodatnio skorelowaną z jedną ze zmiennych w związku i ujemnie skorelowaną z drugą. Prawdziwa relacja między dwiema zmiennymi pojawi się ponownie, gdy zmienna suppressor jest kontrolowana dla.
tak więc np. niski wiek może zwiększyć wykształcenie, ale dochody w dół. W przeciwieństwie do tego, wysoki wiek może pociągnąć dochody w górę, ale edukacja w dół, skutecznie anulując związek między edukacją a dochodem, chyba że wiek jest kontrolowany.
koncepcja
koncepcja jest nazwą nadaną kategorii, która organizuje obserwacje i pomysły poprzez posiadanie wspólnych cech. Jak zwięźle ujął to Bulmer, pojęcia są kategoriami organizacji idei i obserwacji(Bulmer, 1984:43).
Jeśli pojęcie ma być stosowane w badaniach ilościowych, będzie musiało zostać zmierzone. Po ich zmierzeniu pojęcia mogą mieć postać zmiennych niezależnych lub zależnych.
innymi słowy, pojęcia mogą wyjaśniać (zmienna objaśniająca) pewien aspekt świata społecznego lub mogą oznaczać rzeczy, które chcemy wyjaśnić (zmienna zależna).
przykłady pojęć to mobilność społeczna, ortodoksja Religijna, klasa społeczna, kultura, styl życia, osiągnięcia naukowe i tym podobne.
wskaźnik
wskaźnik jest miarą, która jest stosowana w odniesieniu do pojęcia, gdy nie ma bezpośredniego środka. Używamy wskaźników, aby wykorzystać pojęcia, które są mniej bezpośrednio wymierne.
aby zrozumieć, czym jest wskaźnik, warto dokonać rozróżnienia między miarą a wskaźnikiem. Wskaźnik można przyjąć w odniesieniu do rzeczy stosunkowo jednoznacznie policzonych, takich jak dochód, wiek, liczba dzieci itp.
miary, innymi słowy, są wielkościami. Jeśli jesteśmy zainteresowani niektórymi przyczynami zmienności dochodów, te ostatnie można określić ilościowo w rozsądnie bezpośredni sposób.
używamy wskaźników do stukania pojęć, które są mniej bezpośrednio wymierne. Jeśli jesteśmy zainteresowani przyczynami zmienności satysfakcji z pracy, będziemy potrzebować wskaźników, które będą stanowić podstawę koncepcji.
wskaźniki te pozwalają mierzyć satysfakcję z pracy, a wynikowe informacje ilościowe możemy traktować tak, jakby były miarą.
wskaźnikiem jest więc coś, co zostało wymyślone lub już istnieje, i co jest stosowane tak, jakby było miarą pojęcia.
jest postrzegana jako pośrednia miara pojęcia, takiego jak satysfakcja z pracy. IQ jest kolejnym przykładem, ponieważ jest akumulatorem wskaźników pojęcia inteligencji.
Construct
konstrukt jest abstrakcją lub koncepcją, która jest celowo wymyślona lub skonstruowana przez badacza do celów naukowych.
w teorii naukowej, szczególnie w psychologii, hipotetyczny konstrukt jest zmienną wyjaśniającą, która nie jest bezpośrednio obserwowalna.
na przykład pojęcia inteligencji i motywacji są używane do wyjaśnienia zjawisk w psychologii, ale żadne z nich nie jest bezpośrednio obserwowalne.
hipotetyczny konstrukt różni się od zmiennej interwałowej w tym konstrukt ma właściwości i implikacje, których nie wykazano w badaniach empirycznych. Służą one jako przewodnik do dalszych badań. Zmienna interweniująca jest natomiast podsumowaniem obserwowanych ustaleń empirycznych.
Cronbach i Meehl (1955) definiują hipotetyczny konstrukt jako pojęcie, dla którego nie ma jednego obserwowalnego referenta, którego nie można bezpośrednio zaobserwować, i dla którego istnieje wiele referencji, ale żaden nie obejmuje wszystkich.
na przykład, według Cronbacha i Meehla, ryba nie jest hipotetycznym konstruktem, ponieważ pomimo różnic w gatunkach i odmianach ryb istnieje uzgodniona definicja ryby o szczególnych cechach odróżniających rybę od ptaka.
ponadto można bezpośrednio obserwować ryby.
z drugiej strony, hipotetyczna konstrukcja nie ma jednego odniesienia; hipotetyczne konstrukcje składają się raczej z grup funkcjonalnie powiązanych zachowań, postaw, procesów i doświadczeń.
zamiast widzieć inteligencję, miłość lub strach, widzimy wskaźniki lub przejawy tego, co uzgodniliśmy nazwać inteligencją, miłością lub strachem.
inne przykłady konstrukcji:
- w biologii: geny, ewolucja, choroba, Taksonomia, odporność
- w fizyce/astrofizyce: czarne dziury, Wielki Wybuch, ciemna materia, teoria strun, fizyka molekularna lub Atomy, grawitacja, środek masy
- w psychologii: Inteligencja lub wiedza, emocje, osobowość, nastroje.
właściwości relacji między zmiennymi
w relacjach między zmiennymi w badaniach obserwujemy różne wymiary w tych relacjach. Omówimy kilka z nich poniżej.
dodatni i ujemny związek
dwie lub więcej zmiennych może mieć dodatni, ujemny lub w ogóle nie mieć związku. W przypadku dwóch zmiennych dodatnia zależność to taka, w której obie zmienne różnią się w tym samym kierunku.
jednak, gdy różnią się w przeciwnych kierunkach, mówi się, że mają negatywny związek. Gdy zmiana drugiej zmiennej nie towarzyszy zmianie lub ruchowi jednej zmiennej, mówimy, że dane zmienne są niepowiązane.
na przykład, jeśli wzrost jego stawki płacy towarzyszy doświadczeniu zawodowemu, związek między doświadczeniem zawodowym a stawką płacy jest dodatni.
Jeśli wzrost poziomu edukacji jednostki zmniejsza jego pragnienie dodatkowych dzieci, związek jest negatywny lub odwrotny. Jeśli poziom edukacji nie ma żadnego wpływu na pragnienie, mówimy, że zmienne „pragnienie dodatkowych dzieci” i „edukacja” nie są ze sobą powiązane.
Siła relacji
Po ustaleniu, że dwie zmienne są rzeczywiście powiązane, chcemy ustalić, jak silnie są one powiązane.
powszechną statystyką do pomiaru siły zależności jest tak zwany współczynnik korelacji symbolizowany przez r. r jest miarą wolną od jednostek, leżącą między -1 a +1 włącznie, z zerowym oznaczającym brak zależności liniowej.
jeśli chodzi o przewidywanie jednej zmiennej na podstawie wiedzy o drugiej zmiennej, wartość r= +1 oznacza 100% dokładności w przewidywaniu dodatniej zależności między dwiema zmiennymi, a wartość r = -1 oznacza 100% dokładności w przewidywaniu ujemnej zależności między dwiema zmiennymi.
relacja symetryczna
do tej pory omawialiśmy tylko relacje symetryczne, w których zmiana drugiej zmiennej towarzyszy zmianie jednej ze zmiennych. Zależność ta nie wskazuje, która zmienna jest zmienną niezależną, a która zmienna jest zmienną zależną.
innymi słowy, możesz oznaczyć dowolną ze zmiennych jako zmienną niezależną.
taki związek jest relacją symetryczną. W relacji asymetrycznej zmianie zmiennej X (powiedzmy) towarzyszy zmiana zmiennej Y, ale nie odwrotnie.
Ilość opadów na przykład zwiększy wydajność, ale wydajność nie wpłynie na opady. Jest to relacja asymetryczna.
podobnie związek między paleniem a rakiem płuc byłby asymetryczny, ponieważ palenie może powodować raka, ale rak płuc nie może powodować palenia.
związek przyczynowy
wskazanie związku między dwiema zmiennymi nie zapewnia automatycznie, że zmiany w jednej zmiennej powodują zmiany w innej zmiennej.
ustalenie istnienia przyczynowości między zmiennymi jest jednak bardzo trudne. Chociaż nikt nigdy nie może być pewien, że zmienna a powoduje wystąpienie zmiennej B, niemniej jednak można zebrać pewne dowody, które zwiększają nasze przekonanie, że A prowadzi do B.
próbując to zrobić, szukamy następujących dowodów:
- czy istnieje związek między A i B? Gdy takie dowody Istnieją, jest to wskazanie możliwego związku przyczynowego między zmiennymi.
- czy związek jest asymetryczny tak, że zmiana w A powoduje zmianę w B, ale nie odwrotnie? Innymi słowy, czy A występuje przed B? Jeśli okaże się, że B występuje przed A, możemy mieć niewielką pewność, że A powoduje
- czy zmiana w wyniku powoduje zmianę w B niezależnie od działań innych czynników? Innymi słowy, czy możliwe jest wyeliminowanie innych możliwych przyczyn B? Czy można ustalić, że C, D i E (powiedzmy) nie różnią się od B w sposób sugerujący możliwe związki przyczynowe?
zależność liniowa i nieliniowa
zależność liniowa jest relacją liniową między dwiema zmiennymi, gdzie zmienne różnią się w tym samym tempie, niezależnie od tego, czy wartości są niskie, wysokie, czy pośrednie.
jest to przeciwieństwo nieliniowych (lub krzywoliniowych) zależności, w których szybkość, z jaką jedna zmienna zmienia wartość, może być różna dla różnych wartości drugiej zmiennej.
To, czy zmienna jest liniowo powiązana z inną zmienną, czy nie, można po prostu ustalić, rysując wartości K względem wartości X. Jeśli wartości wykreślone wydają się leżeć na linii prostej, sugeruje się istnienie zależności liniowej między X i Y.
wzrost i waga prawie zawsze mają związek w przybliżeniu liniowy, podczas gdy wiek i płodność mają związek nieliniowy.