تعریف متغیر و معرفی کامل انواع متغیر

متغیر چیست؟

محققان و آماردانان از متغیرها برای توصیف و اندازه گیری موارد، مکان ها، افراد یا ایده هایی که در حال مطالعه هستند، استفاده می کنند.

متغیر(variable) یک مشخصه یا ویژگی قابل اندازه گیری یا قابل توصیف است که ممکن است مقادیر متفاوتی را اخذ کند. مقدار متغیر می تواند از یک موجودیت به موجودیت دیگر یا از یک واحد به واحد دیگر متفاوت باشد، یا ممکن است در طول زمان تغییر کند. مثلاً درآمد متغیری است که از یک فرد جامعه به فرد دیگر متفاوت است و درآمد هر فرد در طول زمان می تواند تغییر کند. در مواردی از آزمایشات بسته به نوع تحقیق، محقق می تواند متغیر را کنترل یا دستکاری کند.

سن، جنس، درآمد، نمرات درسی، محل تولد، فشار خون افراد، شغل، هزینه خانوار، دمای هوا و … مثال هایی ساده از متغیر هستند.

متغیرها ماهیت های متفاوتی داشته و نقش های مختلفی در پژوهش ها به عهده دارند. اگر محقق درک درستی از متغیرها و ویژگی های آن ها داشته باشد می تواند در هنگام مطالعه، انتخاب آزمون ها و تفسیر نتایج، تحلیل های آماری دقیق تری ارائه دهد. در این مقاله به تفصیل انواع متغیر شرح داده می شود تا شناختی مناسب از متغیرو نحوه استفاده و کاربرد آن ها برای خواننده، ایجاد شود.

انواع متغیر

متغیرها با توجه به روش مطالعه در انواع مختلف اندازه گیری و توصیف می شوند. متغیرها بر اساس ماهیت و نقشی که در مطالعه دارند، دسته بندی می شوند.

انواع متغیر از نظر ماهیت:

از نظر ماهیت متغیرها در دو گروه عددی(کمی) و دسته بندی شده(کیفی) تقسیم می شوند.

متغیرهای کمّی(عددی)

متغیرهای عددی دارای مقادیری هستند که یک کمیت قابل اندازه گیری را نشان داده و توصیف می کنند، مانند “چه” یا “چقدر”. متغیرهای “عددی” را “کمّی” هم می گویند. مثلاً جمعیت یک محدوده جغرافیایی خاص، یک متغیر کمّی است.

متغیرهای عددی می توانند پیوسته یا گسسته باشند.

متغیر پیوسته

متغیر پیوسته یک متغیر عددی است. مشاهدات می توانند هر مقداری را بین مجموعه خاصی(بین مقدار حداقل و حداکثر خود) از اعداد واقعی بگیرند. نمونه هایی از متغیرهای پیوسته عبارتند از قد، وزن، زمان، سن و دما و مسافت.

متغیرهای پیوسته“نسبتی” یا “فاصله ای” هستند.

متغیرهای نسبتی(Ratio) متغیرهایی هستند که می توان آنها را در امتداد یک پیوستار اندازه گیری کرد و دارای یک مقدار عددی هستند و اندازه صفر در آن ها معنادار است. نمونه هایی از متغیرهای نسبت عبارتند از ارتفاع، جرم، فاصله و …. نام “نسبت” نشان دهنده این واقعیت است که می توانید از نسبت اندازه گیری ها استفاده کنید. مثلاً فاصله ده متری دو برابر فاصله 5 متری است. و صفر در آن ها معنی مشخص دارد و همچنین وجود خارجی دارد. مثلاً ارتفاع صفر دقیقاً به این معنا است که ارتفاع وجود ندارد.

در متغیرهای پیوسته فاصله ای(Interval)، اندازه صفر و همچنین نسبت اندازه ها بی معنی است. مثلاً دما بر حسب درجه سانتیگراد یا فارنهایت اندازه گیری می شود و تفاوت بین 20 درجه سانتی گراد و 30 درجه سانتی گراد همان 30 درجه سانتی گراد تا 40 درجه سانتی گراد است. اما 0 درجه سانتیگراد به معنای عدم وجود دما نیست و نمی توان گفت دمای 40 درجه سانتیگراد دو برابر 20 درجه سانتیگراد است.

متغیر گسسته

متغیر گسسته یک متغیر عددی است. مشاهدات می توانند بر اساس شمارش از مجموعه ای از مقادیر کل مجزا، یک مقدار بگیرند. یک متغیر گسسته نمی تواند مقدار کسری را بین یک مقدار و نزدیکترین مقدار بعدی بگیرد. از متغیرهای گسسته می توان تعداد فرزندان، جمعیت یک شهر، تعداد دانش آموزان کلاس و … را مثال زد. متغیر کمّی گسسته، معمولاً تعداد را اندازه گیری می کند.

متغیر های دسته بندی شده (کیفی)

متغیرهای دسته بندی دارای مقادیری هستند که «کیفیت» یا «ویژگی» یک واحد داده را توصیف می‌کنند، مانند «چه نوع» یا «کدام دسته». متغیرهای کیفی را مقوله ای نیز می گویند. متغیرهای کیفی ممکن است داده ها را در دو دسته قرار داده که به آنها باینری می گویند (در یک دسته یا در دسته دیگر) و یا شامل همه گزینه های ممکن باشند. بنابراین، متغیرهای دسته بندی، متغیرهای کیفی هستند و با یک مقدار “غیر عددی” نمایش داده می شوند. این مقدار غیر عددی می تواند نام یا برچسب باشد.

متغیرهای دسته‌بندی را می‌توان بیشتر به صورت “ترتیبی” یا “اسمی” توصیف کرد.

متغیر اسمی

متغیر اسمی یک متغیر کیفی است. مشاهدات می توانند مقداری بگیرند که نمی توانند در یک دنباله منطقی سازماندهی شوند. بنابراین متغیرهای اسمی ترتیب ذاتی ندارند. نمونه هایی از متغیرهای طبقه بندی اسمی عبارتند از جنس، شغل، رنگ چشم، دین.

متغیر ترتیبی

متغیر ترتیبی یک متغیر دسته بندی است. مشاهدات می توانند مقداری داشته باشند که به طور منطقی مرتب شوند یا رتبه بندی شوند. دسته‌های مرتبط با متغیرهای ترتیبی می‌توانند بالاتر یا پایین‌تر از دسته‌های دیگر رتبه‌بندی شوند، اما لزوماً تفاوت عددی بین هر دسته ایجاد نمی‌کنند. نمونه‌هایی از متغیرهای دسته‌بندی ترتیبی شامل نمرات تحصیلی توصیفی (یعنی غیر قابل قبول، قابل قبول، متوسط، خوب و عالی)، اندازه لباس (یعنی کوچک، متوسط، بزرگ، بسیار بزرگ) و نگرش‌ها (یعنی کاملاً موافق، موافق، مخالف، کاملاً مخالف) است.

در متغیرهای ترتیبی در حالی که می توانیم سطوح را رتبه بندی کنیم، نمی توانیم برای آنها “ارزش” قائل شویم. مثلاً نمی شود گفت خیلی خوب دو برابر از خوب بیشتر است.

نکته مهم که در این موضوع باید به آن توجه کرد این است که هر داده کمّی را می توان به سادگی با ایجاد دسته بندی از آن به داده های کیفی تبدیل کرد. داده های پیوسته برای متغیر «وزن» را می توان با ایجاد دسته بندی به داده های کیفی تبدیل کرد و یک متغیر ترتیبی کیفی ایجاد کرد.

اگر بخواهید داده های پیوسته خود را با استفاده از آمار و آزمون های آماری طراحی شده برای داده های دسته بندی شده تجزیه و تحلیل کنید می توانید با دسته بندی داده های خود نوع آن ها را تغییر دهید. اما، نمی‌توان برعکس آن عمل کرد،  یعنی نمی شود داده‌های دسته بندی را به داده‌های پیوسته تبدیل کرد، بنابراین اگر انتخاب دارید، برای حداکثر انعطاف، ترجیح داده می‌شود که داده‌های پیوسته را جمع‌آوری کنید.

انواع متغیر از نظر نقش آن ها در مطالعه

در برخی از مطالعات فقط یک متغیر مورد بررسی و مطالعه قرار می گیرد در این صورت می گوییم که با داده های تک متغیره سر و کار داریم. مثلاً انجام مطالعه ای با هدف برآورد میانگین وزن دانش آموزان ابتدایی یک کشور.

اما در اغلب مطالعات بیش از یک متغیر مورد بررسی قرار می گیرد و هدف بررسی روابط بین دو یا چند متغیر است. مثلاً اگر در پی یافتن رابطه ای بین قد و وزن دانش آموزان مدارس ابتدایی کشور باشیم یک مطالعه دو متغیره انجام داده ایم. در مطالعات چند متغیره تعیین نقش متغیرها در مطالعه برای انجام تحلیل های آماری بسیار مهم است.

در ادامه انواع متغیر بر اساس نقشی که در پژوهش ایفا می کنند شرح داده شده است.

متغیر مستقل:

متغیر مستقل متغیری است که به طور بالقوه بر متغیر دیگر تأثیر می گذارد، یا پیش بینی می کند. به عنوان مثال، اگر در حال بررسی این هستید که آیا سن بر درآمد تأثیر می گذارد یا خیر، سن متغیر مستقل است. در آزمایشات متغیر مستقل تحت تاثیر کارهایی که محقق انجام می دهد قرار نمی گیرد.

متغیر وابسته:

متغیر وابسته متغیری است که به طور بالقوه تحت تأثیر، متغیر مستقل قرار دارد. به عنوان مثال، اگر در حال بررسی این موضوع هستید که آیا درآمد را می توان بر اساس سن پیش بینی کرد، درآمد متغیر وابسته است. با تغییر متغیر مستقل ، مقدار متغیر وابسته نیز می کند.

در مدل های اقتصاد سنجی و معادلات ساختاری متغیرهای مستقل را برون زا و متغیرهای وابسته را درون زا می گویند.

متغیرها ذاتاً مستقل یا وابسته نیستند. در حالی که برخی از متغیرها (به عنوان مثال سن) همیشه مستقل خواهند بود، متغیرهای دیگر (مثلا میزان درآمد) ممکن است بسته به آنچه شما می‌خواهید آزمایش کنید مستقل یا وابسته باشند. برای روشن شدن این موضوع در نظر بگیرید می خواهیم فاکتورهای تاثیر گذار بر میزان درآمد را بررسی کنیم مثلاً می توان شغل، سن و میزان تحصیلات را به عنوان متغیرهای مو^ءثر بر درآمد در نظر بگیریم. در این بررسی متغیرهای شغل، سن و میزان تحصیلات متغیر مستقل و میزان درآمد متغیر وابسته است. اما اگر بخواهیم تاثیر میزان درآمد بر وضعیت سلامتی افراد را بسنجیم در این حالت میزان درآمد متغیر مستقل و وضعیت سلامتی متغیر وابسته خواهد بود.

بنابراین بسیار مهم است که بتوانید بین این دو نوع تمایز قائل شوید، زیرا تعیین می کند که هر متغیر را کجا مستقل یا وابسته در نظر بگیریم.

نکته دیگر در موضوع متغیرهای مستقل و وابسته باید به آن توجه کرد نوع تحقیق یا مطالعه است. تحقیقات به صورت تجربی یا غیر تجربی انجام می شود. نکته قابل توجه در اینجا این است که در تحقیقات تجربی هدف دستکاری متغیر(های) مستقل و سپس بررسی تاثیری است که این تغییر بر متغیر(های) وابسته می گذارد. از آنجایی که امکان دستکاری متغیر(های مستقل) وجود دارد، تحقیقات تجربی این مزیت را دارد که محقق را قادر می سازد تا روابط علت و معلولی را بین متغیرها شناسایی کند.

به عنوان مثال،  در تحقیقی با هدف بررسی تاثیر میزان هوش(IQ) و زمان مطالعه (به عنوان متغیر مستقل) بر نمره امتحان ریاضی دانش آموزان(به عنوان متغیر وابسته) می توان از یک طرح آزمایشی استفاده کرد و زمان مطالعه را دستکاری کرد. مثلاً می توان دانش آموزان را به دو گروه تقسیم کرد. در «گروه یک»، از دانش‌آموزان خواسته شود که هیچ مطالعه ای انجام ندهند و از «گروه دو» درخواست کرد که در دو هفته قبل از آزمون، 20 ساعت مطالعه داشته باشند. سپس می توان نمرات دانش آموزان را با هم مقایسه کرد.

اما در تحقیقات غیرتجربی، محقق متغیرهای مستقل را دستکاری نمی کند. نه به این معنا که همیشه انجام این کار غیرممکن است، بلکه انجام این کار می تواند غیرعملی یا غیراخلاقی باشد. . برای مثال، یک محقق ممکن است به بررسی تأثیر مصرف غیرقانونی و تفریحی مواد مخدر بر انواع خاصی از رفتار علاقه مند باشد. با این حال، با اینکه ممکن است اما غیراخلاقی است که از افراد بخواهیم داروهای غیرقانونی مصرف کنند تا بررسی کنیم که این امر چه تأثیری بر برخی رفتارها دارد. اما محقق می‌تواند از مصرف‌کنندگان مواد مخدر و غیرمخدر بخواهد که پرسشنامه‌ای را تکمیل کنند که برای نشان دادن میزان بروز رفتارهای خاص ساخته شده بود. در حالی که تشخیص علت و معلول بین متغیرها ممکن نیست، هنوز هم می توانیم ارتباط یا رابطه بین آنها را بررسی کنیم.

بنابراین برای انجام یک تحلیل آماری درست درک تفاوت بین متغیرهای وابسته و مستقل و تحقیقات تجربی و غیر تجربی و شناخت سایر ویژگی‌های متفاوت بین متغیرها، بسیار مهم است.

متغیر کنترل:

متغیر کنترل فاکتوری در آزمایش است که باید ثابت بماند. این متغیر در مطالعه بررسی نمی شود، اما کنترل شده است زیرا می تواند بر نتایج تأثیر بگذارد.

برای مثال، در آزمایشی برای تعیین اینکه آیا نور باعث رشد سریع‌تر گیاهان می‌شود، باید کیفیت خاک و آب را کنترل کنید  و آن را ثابت نگهدارید.

متغیر پنهان:

این متغیر را متغیر در کمین یا مخدوش کننده نیز می نامند زیرا یک متغیر “پنهان” است که بر رابطه بین متغیرهای مستقل و وابسته تاثیر پنهانی می گذارد و نتایج را تغییر می دهد. به عنوان مثال، اگر در حال مطالعه رابطه بین میزان ورزش (متغیر مستقل) و شاخص توده بدنی (متغیر وابسته) هستید، اما تأثیر سن را بر این عوامل در نظر نمی گیرید، به یک متغیر مخدوش کننده تبدیل می شود که نتایج شما را تغییر می دهد.

در برخی موارد متغیرهای پنهان را متغیر خارجی نیز می گویند.  متغیرهای خارجی نیز عواملی هستند که بر متغیر وابسته تأثیر می گذارند، اما محقق در ابتدا در هنگام طراحی آزمایش به آنها توجه نکرده است .این متغیرها می توانند به طور ناخواسته نتایج یک مطالعه یا نحوه تفسیر یک محقق از آن نتایج را تغییر دهند. به عنوان مثال، مطالعه ای را در نظر بگیرید که ارزیابی می کند آیا تدریس خصوصی یا دوره های آنلاین در بهبود نمرات آزمون زبان انگلیسی دانش آموزان موثر است؟ متغیرهای خارجی که ممکن است ناخواسته بر نتیجه تأثیر بگذارند عبارتند از حمایت والدین، دانش قبلی دانش آموز  یا وضعیت اجتماعی-اقتصادی.

متغیر میانجی (مداخله گر):

متغیر میانجی یک متغیر نظری است که محقق برای توضیح علت یا ارتباط بین سایر متغیرهای مطالعه( معمولاً متغیرهای وابسته و مستقل) استفاده می کند. به عنوان مثال، اگر میزان درآمد، متغیر مستقل و طول عمر یک متغیر وابسته باشد، محقق ممکن است فرض کند که دسترسی به مراقبت های بهداشتی، متغیر مداخله ای است که درآمد و طول عمر را به هم مرتبط می کند.

متغیر تعدیل کننده:

متغیر تعدیل کننده با تقویت یا تضعیف اثر متغیر مداخله گر، رابطه بین متغیرهای وابسته و مستقل را تغییر می دهد. برای مثال، در مطالعه‌ای که به رابطه بین وضعیت اقتصادی (متغیر مستقل) و استفاده از مراقبت های بهداشتی (متغیر وابسته) می‌پردازد، سن یک متغیر تعدیل‌کننده است. این رابطه ممکن است در افراد جوان‌تر ضعیف‌تر و در افراد مسن‌تر قوی‌تر باشد.