اینستاگرام کالج مدیریت را دنبال کنید
/ در پایان نامه / توسط

متغیر

زمان مطالعه: ۱۲ دقیقه

متغیرها چیست؟

متغیر ، در چارچوب یک تحقیق تحقیقاتی، از مفاهیم به طور کلی به عنوان متغیر یاد می شود. همانطور که نام اعمال می شود، چیزی است که متفاوت است. سن، جنس، صادرات، درآمد و هزینه ها، اندازه خانواده، کشور محل تولد، هزینه سرمایه، نمرات کلاس، قرائت فشار خون، سطح اضطراب قبل از عمل، رنگ چشم و نوع وسیله نقلیه همه نمونه هایی از متغیرها هستند زیرا هر یک از این ویژگی ها متفاوت است یا متفاوت است از فردی به فرد دیگر.

تعریف متغیر در تحقیقات

به هر خاصیت، مشخصه، عدد یا کمیتی گفته می شود که با گذشت زمان کم یا زیاد می شود یا می تواند مقادیر مختلفی را بدست آورد (در مقابل ثابت ها مانند n، که متفاوت نیستند) در شرایط مختلف.

هنگام انجام تحقیق، آزمایشات اغلب متغیرها را دستکاری می کنند. به عنوان مثال، یک آزمایشگر ممکن است تأثیر چهار نوع کود را مقایسه کند.

در این حالت، متغیر “نوع کودها” است. یک دانشمند اجتماعی ممکن است تأثیر احتمالی ازدواج زودرس در طلاق را بررسی کند.

در اینجا ازدواج زودرس متغیر است. یک محقق بازرگانی ممکن است مفید باشد که سود سهام را در تعیین قیمت سهام تعیین کند. در اینجا سود سهام متغیر است.

اثربخشی، طلاق و قیمت سهام نیز متغیر هستند زیرا در نتیجه دستکاری کودها، ازدواج زودرس و سود سهام نیز متفاوت هستند.

می توانید طرح تحقیق و هم تحقیقات کیفی را هم مطالعه کنید.

 

انواع متغیر

۱٫ متغیرهای کیفی

تمایز مهم بین متغیرها بین متغیر کیفی و متغیر کمی است.

متغیرهای کیفی آنهایی هستند که صفت کیفی مانند رنگ مو، مذهب، نژاد، جنسیت، وضعیت اجتماعی، روش پرداخت و غیره را بیان می کنند. مقادیر یک متغیر کیفی به معنی یک ترتیب عددی معنی دار نیست.

ارزش متغیرها “دین” (مسلمان، هندو، .. و غیره) از نظر کیفی متفاوت است. هیچ نظم و ترتیب دینی ضمنی نیست. از متغیرهای کیفی گاهی اوقات به عنوان متغیرهای طبقه ای یاد می شود.

به عنوان مثال، متغیرها جنس دارای دو دسته مشخص است: “مرد” و “زن”. از آنجا که مقادیر این متغیرها به صورت دسته بندی بیان می شود، ما از این به عنوان یک متغیر طبقه ای یاد می کنیم.

به همین ترتیب، محل زندگی ممکن است به عنوان شهر و روستا دسته بندی شود و بنابراین یک متغیر طبقه ای است.

متغیرهای دسته ای ممکن است دوباره به صورت اسمی و ترتیبی توصیف شوند.

متغیرهای ترتیبی آن دسته از متغیرهای معمولی هستند که می توانند از نظر منطقی مرتب شده یا بالاتر یا پایین تر از دسته دیگر قرار بگیرند اما لزوماً تفاوت عددی بین هر دسته را ایجاد نمی کنند، مانند نمرات امتحان (A +  A  B + و غیره، اندازه لباس (بزرگ، بزرگ، متوسط، کوچک)

متغیرهای اسمی کسانی هستند که نه می توانند رتبه بندی شوند و نه نظم منطقی، مانند دین، جنسیت و غیره.

متغیر کیفی مشخصه ای است که قابلیت اندازه گیری را ندارد اما می تواند برای داشتن یا نداشتن برخی ویژگی ها دسته بندی شود.

۲٫ متغیرهای کمی

متغیرهای کمی، متغیرهای عددی نیز نامیده می شوند، متغیرهایی هستند که از نظر تعداد اندازه گیری می شوند. یک مثال ساده از یک متغیر کمی، سن فرد است.

سن می تواند مقادیر مختلفی به خود بگیرد زیرا فرد می تواند ۲۰ ساله، ۳۵ ساله و غیره باشد. به همین ترتیب، اندازه خانواده یک متغیر کمی است، زیرا یک خانواده ممکن است از یک، دو، سه عضو و غیره تشکیل شود.

یعنی هر یک از این خصوصیات یا خصوصیات ذکر شده در بالا از فردی به فرد دیگر متفاوت است یا متفاوت است. توجه داشته باشید که این متغیرها به صورت اعداد بیان می شوند که ما آن ها را متغیرهای کمی یا گاهی عددی می نامیم.

متغیر کمی، متغیری است که مشاهدات حاصل از آن عددی است و بنابراین دارای یک ترتیب یا رتبه بندی طبیعی است.

۳٫ متغیر گسسته

تعریف ۲٫۶: یک متغیر گسسته، محدود به مقادیر خاص، معمولاً (اما نه لزوماً) از اعداد کامل تشکیل می شود، مانند اندازه خانواده، تعداد موارد معیوب در یک جعبه. آن ها اغلب نتایج شمارش یا شمارش هستند.

چند مثال دیگر:

تعداد تصادفات در دوازده ماه.

تعداد کارت های موبایل فروخته شده در یک فروشگاه ظرف هفت روز.

تعداد بیمارانی که در یک دوره مشخص در بیمارستان بستری شده اند.

تعداد شعب جدید یک بانک سالانه در طی سال های ۲۰۰۱ تا ۲۰۰۷ باز می شود.

تعداد ویزیت های هفتگی پرسنل بهداشتی در ۱۲ ماه گذشته.

۴٫ متغیر پیوسته

یک متغیر پیوسته متغیری است که ممکن است در طول یک بازه مشخص تعداد نامحدود مقادیر میانی را به خود اختصاص دهد. به عنوان مثال:

سطح قند در بدن انسان؛ خواندن فشار خون؛ درجه حرارت؛ قد یا وزن بدن انسان؛ نرخ سود بانکی نرخ بازده داخلی (IRR)، نسبت درآمد (ER)؛ نسبت جریان (CR).

هر چقدر هم که ممکن است دو مشاهده نزدیک باشد، اگر ابزار اندازه گیری به اندازه کافی دقیق باشد، یک مشاهدات سوم را می توان یافت که بین دو مورد اول قرار خواهد گرفت.

یک متغیر پیوسته به طور کلی از اندازه گیری حاصل می شود و می تواند مقادیر بی شماری را در محدوده مشخص شده فرض کند.

۵٫ متغیر مستقل

متغیری که برای توصیف یا اندازه گیری عاملی استفاده می شود که فرض می شود عامل ایجاد یا حداقل تأثیر آن در مسئله یا نتیجه باشد، متغیر مستقل نامیده می شود.

این تعریف حاکی از آن است که آزمایشگر از متغیر مستقل برای توصیف یا توضیح تأثیر یا تأثیر آن بر متغیر وابسته استفاده می کند.

فرض می شود که تنوع در متغیر وابسته به تغییر در متغیر مستقل بستگی دارد.

بسته به زمینه، متغیر مستقل گاهی اوقات متغیر پیش بینی کننده، رگرسیون، کنترل شده، دستکاری شده، توضیحی، قرار گرفتن در معرض (همانطور که در تئوری قابلیت اطمینان استفاده می شود)، عامل خطر (همانطور که در آمار پزشکی استفاده می شود)، ویژگی (همانطور که استفاده می شود) نامیده می شود در یادگیری ماشین و شناخت الگو) یا متغیر ورودی.

برخی از نویسندگان متغیر توضیحی را بر متغیر مستقل ترجیح می دهند در صورتی که مقادیری که به عنوان متغیرهای مستقل در نظر گرفته می شوند از نظر آماری مستقل نباشند و یا به طور مستقل توسط محقق قابل کنترل نباشند.

اگر از متغیر مستقل به عنوان یک متغیر توضیحی یاد شود، پس اصطلاح متغیر پاسخ توسط برخی نویسندگان برای متغیر وابسته ترجیح داده می شود.

۶٫ متغیر وابسته

متغیری که برای توصیف یا اندازه گیری مسئله یا نتیجه مورد بررسی استفاده می شود، متغیر وابسته نامیده می شود.

در رابطه علیت، علت متغیر مستقل است و نتیجه آن متغیر وابسته است. اگر فرض کنیم که سیگار کشیدن باعث سرطان ریه می شود، ‘سیگار کشیدن’ متغیر مستقل و سرطان متغیر وابسته است.

یک محقق بازرگانی ممکن است مفید باشد که سود سهام را در تعیین قیمت سهام تعیین کند. در اینجا سود سهام متغیر مستقل است، در حالی که قیمت سهام متغیر وابسته است.

متغیر وابسته معمولاً متغیری است که محقق علاقه مند به درک، توضیح یا پیش بینی است.

در تحقیقات سرطان ریه، این کارسینوم است که مورد توجه واقعی محقق قرار می گیرد، و نه رفتار سیگار کشیدن به خودی خود. متغیر مستقل علت فرضی متغیر وابسته، پیشین یا تأثیر آن است.

بسته به زمینه، متغیر وابسته را گاهی متغیر پاسخ، برگشت پذیر، پیش بینی شده، اندازه گیری شده، توضیح داده شده، آزمایشی، پاسخ دهنده، نتیجه، خروجی یا برچسب می نامند.

هنگامی که مقادیر درمان شده به عنوان متغیرهای وابسته ممکن است از نظر آماری وابسته نباشند، متغیر توضیح داده شده توسط برخی نویسندگان بر متغیر وابسته ترجیح داده می شود.

اگر از متغیر وابسته به عنوان یک متغیر توضیح داده شده یاد شود، پس اصطلاح متغیر پیش بینی توسط برخی نویسندگان برای متغیر مستقل ترجیح داده می شود.

۷٫ متغیر پس زمینه

تقریباً در هر مطالعه، ما اطلاعاتی مانند سن، جنس، تحصیلات، وضعیت اقتصادی اجتماعی، وضعیت تأهل، مذهب، محل تولد و موارد مشابه را جمع آوری می کنیم. از این متغیرها به عنوان متغیرهای پس زمینه یاد می شود.

این متغیرها غالباً به بسیاری از متغیرهای مستقل مربوط می شوند، بطور غیرمستقیم بر مسئله تأثیر می گذارند. از این رو متغیرهای پس زمینه نامیده می شوند.

اگر متغیرهای زمینه برای مطالعه مهم هستند، باید اندازه گیری شوند. با این حال، ما باید سعی کنیم تعداد متغیرهای زمینه را تا حد ممکن به نفع اقتصاد حفظ کنیم.

۸٫ تعدیل متغیر

در هر بیان روابط متغیرها، به طور معمول این فرضیه مطرح می شود که به نوعی، متغیر مستقل باعث ایجاد متغیر وابسته می شود. در روابط ساده، تمام متغیرهای دیگر بیگانه هستند و نادیده گرفته می شوند. در شرایط واقعی مطالعه، چنین رابطه ساده یک به یک نیاز به بازنگری دارد تا متغیرهای دیگر را نیز در نظر بگیریم تا رابطه را بهتر توضیح دهیم.

این امر بر لزوم در نظر گرفتن متغیر مستقل دوم تأکید می کند که انتظار می رود تأثیر مشارکتی یا احتمالی قابل توجهی در رابطه وابسته و مستقل اصلی داشته باشد. به چنین متغیری متغیر تعدیل کننده گفته می شود.

فرض کنید شما در حال مطالعه تأثیر آموزش میدانی و کلاس درس بر عملکرد کار کارکنان بهداشت و تنظیم خانواده هستید، شما نوع آموزش را متغیر مستقل می دانید.

اگر روی رابطه بین سن کارآموزان و عملکرد کار تمرکز دارید، ممکن است از “نوع آموزش” به عنوان یک متغیر تعدیل کننده استفاده کنید.

۹٫ متغیر اضافی

بیشتر مطالعات مربوط به شناسایی یک متغیر مستقل منفرد و اندازه گیری تأثیر آن بر متغیر وابسته است.

اما هنوز، متغیرهای مختلفی ممکن است رابطه متغیر وابسته مستقل فرضیه ای ما را تحت تأثیر قرار دهند، در نتیجه مطالعه را تحریف می کنند. از این متغیرها به عنوان متغیرهای اضافی یاد می شود.

متغیرهای اضافی لزوماً بخشی از مطالعه نیستند. آن ها یک اثر مخدوش کننده در رابطه وابسته و وابسته اعمال می کنند و بنابراین باید حذف شوند یا کنترل شوند.

یک مثال ممکن است مفهوم متغیرهای اضافی را نشان دهد. فرض کنید ما علاقه مندیم رابطه بین وضعیت کار مادران و مدت زمان شیردهی را بررسی کنیم.

در این مورد غیر منطقی نیست که فرض کنیم سطح تحصیلات مادران چون بر وضعیت کاری تأثیر می گذارد، ممکن است در مدت زمان شیردهی نیز تأثیر بگذارد.

در اینجا به آموزش به عنوان یک متغیر اضافی توجه می شود. در هر تلاش برای از بین بردن یا کنترل تأثیر این متغیرها، ممکن است این متغیرها را به عنوان یک متغیر مخدوش کننده در نظر بگیریم.

یک روش مناسب برای مقابله با متغیرهای مغشوش، پیروی از روش طبقه بندی است، که شامل تجزیه و تحلیل جداگانه برای سطوح مختلف متغیرهای مخدوش دروغ است.

برای این منظور، می توان دو نیروگاه قابل تولید ساخت: یکی برای مادران بی سواد و دیگری برای مادران باسواد. اگر ارتباط مشابهی بین وضعیت کار و مدت زمان شیردهی در هر دو گروه مادران پیدا کنیم، نتیجه می گیریم که سطح تحصیلات مادران یک متغیر مخدوش کننده نیست.

۱۰٫ متغیر مداخله

غالباً رابطه آشکاری بین دو متغیرها توسط متغیر سوم ایجاد می شود.

به عنوان مثال، متغیرهای X و Y ممکن است بسیار همبسته باشند، اما فقط به این دلیل که X باعث متغیر سوم، Z می شود که به نوبه خود باعث Y می شود. در این حالت، Z متغیر مداخله گر است.

یک متغیر مداخله گر از لحاظ نظری بر پدیده های مشاهده شده تأثیر می گذارد اما به طور مستقیم قابل مشاهده، اندازه گیری یا دستکاری نیست. اثرات آن را فقط می توان از تأثیر متغیرهای مستقل و تعدیل کننده بر پدیده های مشاهده شده استنباط کرد.

در رابطه وضعیت کاری و شیردهی، ممکن است انگیزه یا مشاوره را متغیر مداخله گر بدانیم.

بنابراین، انگیزه، رضایت شغلی، مسئولیت، رفتار، عدالت برخی از نمونه های متغیرهای مداخله گر هستند.

۱۱٫ سرکوبگر متغیر

در بسیاری از موارد، دلایل خوبی برای این باور داریم که متغیرهای مورد علاقه در درون خود رابطه دارند، اما داده های ما قادر به ایجاد چنین رابطه ای نیستند. برخی از عوامل پنهان ممکن است سرکوب کننده رابطه واقعی بین دو متغیرها اصلی باشند.

از چنین عاملی به عنوان متغیر سرکوب کننده یاد می شود زیرا رابطه واقعی بین دو متغیرهای دیگر را سرکوب می کند.

متغیر سرکوبگر با همبستگی مثبت با یکی از متغیرهای رابطه و همبستگی منفی با دیگری، رابطه را سرکوب می کند. هنگامی که متغیر سرکوبگر کنترل شود، رابطه واقعی بین دو متغیر دوباره ظاهر خواهد شد.

بنابراین، به عنوان مثال، سن کم ممکن است تحصیلات را بالا بکشد اما درآمد کاهش یابد. در مقابل، یک سن بالا ممکن است درآمد را به سمت بالا بیاورد اما تحصیلات به سمت پایین بیاید، در واقع رابطه بین تحصیلات و درآمد را لغو می کند مگر اینکه برای سن کنترل شود.

 

متغیر

متغیر – کالج مدیریت

خصوصیات روابط بین متغیرها

در برخورد با روابط بین متغیرهای تحقیق، ما ابعاد متنوعی را در این روابط مشاهده می کنیم. در زیر به چند مورد از آن ها می پردازیم.

. رابطه مثبت و منفی

دو یا چند متغیرها ممکن است رابطه مثبت، منفی یا اصلاً نداشته باشند. در مورد دو متغیرها، رابطه مثبت رابطه ای است که در آن هر دو متغیرها در یک جهت متفاوت باشند.

با این حال، هنگامی که آن ها در جهت مخالف متفاوت باشند، گفته می شود که آن ها یک رابطه منفی دارند. هنگامی که تغییر در متغیرهای دیگر با تغییر یا حرکت یک متغیر همراه نباشد، می گوییم متغیرهای مورد نظر ارتباطی ندارند.

به عنوان مثال، اگر افزایش نرخ دستمزد وی همراه با تجربه شغلی فرد باشد، رابطه بین تجربه شغلی و نرخ دستمزد مثبت است.

اگر افزایش سطح تحصیلات فردی، میل او به فرزندان اضافی را کاهش دهد، رابطه منفی یا معکوس است. اگر سطح تحصیلات هیچ تأثیری در میل ندارد، می گوییم متغیرهای “میل به فرزندان اضافی” و “تحصیلات” ارتباطی ندارند.

. قدرت رابطه

هنگامی که مشخص شد دو متغیرها در واقع با هم مرتبط هستند، می خواهیم میزان شدت ارتباط آن ها را بررسی کنیم.

یک آمار متداول برای اندازه گیری قدرت یک رابطه ضریب همبستگی اصطلاحاً نمادی شده با r است. r یک معیار بدون واحد است، بین -۱ و ۱+ قرار دارد ، و صفر بیانگر رابطه خطی نیست.

تا آنجا که به پیش بینی یک متغیر از دانش متغیر دیگر مربوط می شود، مقدار r = + 1 به معنای ۱۰۰٪ دقت در پیش بینی رابطه مثبت بین دو متغیر است و مقدار r = -1 به معنای ۱۰۰ است ٪ دقت در پیش بینی رابطه منفی بین دو متغیر.

. رابطه متقارن

تاکنون، ما فقط در مورد روابط متقارن بحث کرده ایم که در آن تغییر در متغیرهای دیگر با تغییر در هر دو متغیرها همراه است. این رابطه نشان نمی دهد که کدام متغیرها متغیر مستقل و کدام متغیرها متغیر وابسته است.

به عبارت دیگر، می توانید هر یک از متغیرها را به عنوان متغیر مستقل برچسب گذاری کنید.

چنین رابطه ای یک رابطه متقارن است. در یک رابطه نامتقارن، تغییر در متغیر X (مثلاً) با تغییر در متغیر Y همراه است، اما برعکس نیست.

به عنوان مثال میزان بارندگی باعث افزایش بهره وری می شود، اما بهره وری تاثیری بر میزان بارندگی نخواهد داشت. این یک رابطه نامتقارن است.

به طور مشابه، رابطه بین سیگار کشیدن و سرطان ریه نامتقارن خواهد بود زیرا سیگار کشیدن می تواند باعث سرطان شود، اما سرطان ریه نمی تواند باعث سیگار کشیدن شود.

. رابطه علی

نشان دادن رابطه بین دو متغیرها به طور خودکار اطمینان حاصل نمی کند که تغییرات در یک متغیر باعث تغییر در متغیرها دیگر می شود.

با این وجود، تعیین وجود علیت بین متغیرها بسیار دشوار است. گرچه هیچ کس نمی تواند مطمئن باشد که متغیر A باعث متغیر B می شود، با این وجود می توان شواهدی را جمع آوری کرد که اعتقاد ما را در مورد A منجر به B می کند.

. رابطه خطی و غیر خطی

یک رابطه خطی یک رابطه مستقیم بین دو متغیرها است، که در آن متغیرها بدون در نظر گرفتن پایین بودن مقادیر، بالا یا متوسط بودن، با همان سرعت متفاوت هستند.

این در تضاد با روابط غیر خطی (یا منحنی) است که سرعت تغییر یک متغیر در مقدار ممکن است برای مقادیر مختلف متغیر دوم متفاوت باشد.

اینکه آیا یک متغیر به طور خطی با متغیرهای دیگر مرتبط است یا خیر، می توان به سادگی با ترسیم مقادیر K در برابر مقادیر X تشخیص داد. اگر به نظر می رسد مقادیر هنگام رسم، بر روی یک خط مستقیم قرار دارند، وجود یک رابطه خطی بین X و Y پیشنهاد می شود.

قد و وزن تقریباً همیشه تقریباً یک رابطه خطی دارند، در حالی که سن و نرخ باروری رابطه غیر خطی دارند.

ادمین

حدود 6 سالی هست که در زمینه آموزش رشته مدیریت به صورت تخصصی فعالیت می کند و علاقه زیادی به کسب تجربه در زمینه بازاریابی اینترنتی و تجارت الکترونیک دارد، یک کارآفرین خستگی ناپذیر است و با انرژی حیرت انگیزی تمام قسمت های کالج مدیریت را توسعه می دهد، به سبک حرفه ای و انحصاری خود زندگی می کند و خط فکری خاصی را همیشه دنبال می کند، او رفتار هایی کاملا متفاوت نسبت به سایر مدیرانی که تا به حال دیده اید دارد...

نوشته های مشابه

تحقیقات طراحی

تحقیقات طراحی ، برای ایجاد محصولات، خدمات و سیستم هایی که به نیازهای انسان پاسخ می دهند اساسی است. در…

تحقیقات نیمه تجربی

تحقیقات نیمه تجربی چیست؟ تحقیقات نیمه تجربی ، پیشوند شبه به معنای "شبیه" است. بنابراین تحقیق نیمه تجربی تحقیقاتی است…