在一个研究或实验中,主要包括两种变量:由自身变化而引起结果变化的变量被称为 自变量。由自变量或其他因素的变化引起变化的变量被称作 因变量。
统计分析时也可以将变量区分为自变量X和因变量Y。比如研究性别和的关系,性别是自变量,吸烟是因变量。
不同的领域,自变量和因变量的名称各不相同,但其实际意义是一样的。
SPSSAU整理
现实研究中,一个问题往往与多个因素有关。但任何实验或研究,都不可能考虑到所有可能影响实验结果的变量,我们往往只会关注一两个研究变量。这就留下一个问题:可能存在其他的因素影响着研究结果。为了排除其他因素影响,使分析结果更加科学,因此需要将其纳入研究中分析。
比如,想了解卡路里摄入量如何影响体重。卡路里摄入量是自变量,体重是因变量。研究对象的年龄不同代谢能力也不同,进而可能影响体重的变化。如果不能确定年龄是否会影响研究结果(体重),就无法确定结果的变化是否是由自变量的变化引起的,因而,将年龄作为控制变量纳入研究。
控制变量可以是定量数据也可以是定类数据。其中更多是定类数据,如:性别,年龄,工作年限等人口统计学变量。
控制变量一般是依据主观判断,结合研究目的进行选择,或过往的研究中曾使用过该变量作为控制变量,或有理论依据支持。
控制变量实质上就是自变量,分析时一般不会过多的关注在控制变量上。分析时一般直接放入回归模型中即可。同时也可以使用分层回归分析,“第一层”全部放入控制变量。“第二层”放入核心自变量。
使用路径:SPSSAU>进阶方法>分层回归分析
若显著性检验P<0.05,说明该变量对因变量有明显的影响,分析时保留此变量。反之,P>0.05,说明该变量不属于控制变量,应剔除该变量。
一般在报告无需分析控制变量结果。
对于定类的控制变量也可以处理成哑变量再放入分析。
登录SPSSAU官网体验在线数据分析。
联系客服