因变量_自变量_控制变量_调节变量_介入变量

《因变量_自变量_控制变量_调节变量_介入变量》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、自变量也称实验变量，指实验中由实验者所操纵的因素或条件。因变量亦称反应变量，指实验中由于自变量而引起的变化和结果。通常自变量是原因，因变量是结果，二者具有因果关系。实验的目的在于获得和解释这种前因后果。例如：在“唾液淀粉酶在水解淀粉”的实验中，所给定的低温（冰块）、适温（37摄氏度）、高温（沸水浴）就是自变量，而由于低温、适温、高温条件变化，唾液淀粉酶水解淀粉的反应结果也随之变化，这就是因变量。而无关变量也称控制变量，是指实验中除实验变量以外的影响实验现象或结果的因素或条件，和额外变量（指实验中无关变量引起的变化或结果）对应。他们对实验的因变量会产生影响或干扰。

2、如：“唾液淀粉酶在水解淀粉”的实验中，除自变量（低温、适温、高温）以外，试管洁净程度、唾液新鲜程度、可溶性淀粉浓度和纯度、试剂溶液的剂量、浓度和纯度、实验操作程序、温度处理的时间长短等等，都属于无关变量。如果无关变量中的任何一个或几个因素或，对3个实验组的给定不等同、不均衡、不稳定，则会对实验结果造成干扰，产生误差。在实验设计和操作中，要尽量减少无关变量，而且不同的实验组中的无关变量应完全相同，这样就会避免实验结果的差异是由无关变量引起的可能性，便于清晰地研究实验变量（自变量）与反应变量（因变量）的关系。而对照变量很少见这种说法，其实他就是自变量，指各组实验中人

3、为操作的使各组不同的起相互对照作用的因素或条件。节变量(moderator)和中介变量(mediator)是两个重要的统计概念,它们都与回归分析有关。相对于人们关注的自变量和因变量而言,调节变量和中介变量都是第三者,经常被人混淆。从文献上看,存在的问题主要有如下几种:(1)术语混用或换用,两个概念不加区分。例如,在描述同一个过程时,既使用调节过程的术语又使用中介过程的术语(2)术语和概念不一致。如研究的是调节过程,却使用中介的术语。(3)术语和统计分析不一致。如使用了中介变量的术语,却没有做相应的统计分析。出现前面的任何一个问题都会使统计结果解释含糊不清,往往导

4、致错误结论。仅在儿童临床心理和少儿心理方面的研究文献中,Holmbeck就指出了不少误用的例子[。国内涉及中介变量的文章不多,涉及调节变量的就更少。从国外的情况看,一旦这方面的定量分析多起来,误用和混用的情况也就可能多起来,所以让应用工作者正确理解和区分中介变量和调节变量,会用适当的方法进行统计分析,对提高心理科学的研究水平具有积极意义。调节变量的定义如果变量Y与变量X的关系是变量M的函数,称M为调节变量。就是说,Y与X的关系受到第三个变量M的影响。调节变量可以是定性的(如性别、种族、学校类型等),也可以是定量的(如年龄、受教育年限、刺激次数等),它影响因变量和

5、自变量之间关系的方向(正或负)和强弱.例如,学生的学习效果和指导方案的关系,往往受到学生个性的影响:一种指导方案对某类学生很有效,对另一类学生却没有效,从而学生个性是调节变量。又如,学生一般自我概念与某项自我概念(如外貌、体能等)的关系,受到学生对该项自我概念重视程度的影响:很重视外貌的人,长相不好会大大降低其一般自我概念;不重视外貌的人,长相不好对其一般自我概念影响不大,从而对该项自我概念的重视程度是调节变量。中介变量的定义考虑自变量X对因变量Y的影响,如果X通过影响变量M来影响Y,则称M为中介变量。例如,上司的归因研究:下属的表现———上司对下属表现的归因—

6、——上司对下属表现的反应,其中的“上司对下属表现的归因”为中介变量。如果一个变量与自变量或因变量相关不大,它不可能成为中介变量,但有可能成为调节变量。理想的调节变量是与自变量和因变量的相关都不大。有的变量,如性别、年龄等,由于不受自变量的影响,自然不能成为中介变量,但许多时候都可以考虑为调节变量。对于给定的自变量和因变量,有的变量做调节变量和中介变量都是合适的,从理论上都可以做出合理的解释。控制变量定义  物理学控制变量实验控制变量在工具书中的解释：除自变量之外，一切能使因变量发生变化的变量。这类变量是应该加以控制的，如果不加控制，它也会造成因变量的变化，即自变

7、量和一些未加控制的因素共同造成了因变量的变化,这叫自变量的混淆。因此，只有将自变量以外一切能引起因变量变化的变量控制好，才能弄清实验中的因果关系。控制变量——在实验中，不仅仅只有自变量才是和因变量有关的，于自变量之外往往存在额外相关变量，此类变量简称额外变量，因其必须被想办法控制，在实验中保持恒定不变，又称其为控制变量。统计学应用　　统计学诞生之初，作用之一就是提供各种数据以供参考，但同时弊端也显现，比如控制某些条件，就会得到某些人意愿的结果。　　将因果和相关混淆　　事物之间的关系多种多样，统计上关心的两种关系是因果和相关。前者不难理解，比如说缺水导致歉收；后者

8、对大众却有点生疏，它指的