Welke variabelen kunnen we onderscheiden?
In veel scripties of onderzoeken worden variabelen gebruikt als operationalisering van theoretisch concepten/ conceptueel model. Als je in je scriptie naar een oorzaak-gevolg relatie kijkt ben je dus geïnteresseerd in de causaliteit tussen twee variabelen. Als je geïnteresseerd bent in de oorzaak-gevolg relaties dan is het verstandig om de terminologie te kennen die wordt gebruikt bij dit soort relaties.
Afhankelijke variabele
De afhankelijke variabele is de variabele die in je scriptie of onderzoek verklaard wordt. Een afhankelijke (dependent) variabele is afhankelijk van een of meer onafhankelijke (independent) variabele(n). Kortom, je wilt laten zien dat je afhankelijke variabele verandert afhankelijk van de toestand/waarde van een onafhankelijke variabele. Dat is de reden dat de afhankelijke variabele doorgaans de belangrijkste variabele is in je onderzoek en je dus in je theoretisch kader, methodologie en resultaten hoofdstuk daar de meeste aandacht aan besteedt.
Als je het effect van het academisch niveau op salaris onderzoekt, dan is in dit voorbeeld het academisch niveau de onafhankelijke variabele en het salaris de afhankelijke variabele.
De afhankelijke variabele is bekend onder verschillende benamingen, je hebt misschien wel gehoord van criterion, experimental variable, output variable, regressand, explained variable, outcome variable, measured variable, response variable, target, predicted variable of van responding variable.
Onafhankelijke variabele
Een onafhankelijke (oorzaak) variabele is die variabele die de afhankelijke (gevolg) variabele beïnvloedt. Deze onafhankelijke (ook wel predictor) variabele voorspelt dus een verandering in de afhankelijke (criterium) variabele. De onafhankelijke variabele is bekend onder verschillende benamingen, je hebt misschien wel gehoord van regressor, covariate, explanatory variable, feature, risk factor, manipulated variable, input variable, predictor variable of van independent variable. Deze beschrijving is zeer ruim, eigenlijk alles wat de afhankelijke (dependent) variabele beïnvloedt zou zo geclassificeerd kunnen worden als onafhankelijke (independent) variabele. Daarom is er binnen de onafhankelijke variabelen een verder classificering aangebracht. We gaan daar hieronder verder op in.
Controle variabele
Je kan, in je scriptie of onderzoek, de onafhankelijke variabelen opdelen in variabelen waar je een hypothese over hebt geformuleerd en waar je geen hypothese over hebt geformuleerd. De onafhankelijke variabelen waar je geen hypothese over hebt geformuleerd zijn niet de focus van het onderzoek. Deze onafhankelijke variabelen waar je in je theoretisch kader geen hypothese over hebt geformuleerd noemen we controle variabelen. Dit wil natuurlijk niet zeggen dat deze variabelen onbelangrijk zijn, eerder onderzoek heeft al aangetoond dat deze variabelen belangrijk zijn. Controle variabelen kunnen heel belangrijk zijn om je onafhankelijke variabelen “zuiverder” te maken. Dit wil zeggen, controle variabelen verwijderen die variatie uit je onafhankelijke variabele die gemeenschappelijk is. Deze gemeenschappelijke variatie tussen de controle en onafhankelijke variabele, is variatie die niet zuiver het theoretische concept meet, en moet dus worden verwijderd. Daarmee kunnen controle variabele dus de “bias” uit je onafhankelijke variabele verwijderen.
Modererende (conditionele) variabele
Een modererende (interactie) variabele in je conceptueel model beïnvloedt de sterkte of richting van de relatie tussen je onafhankelijke en afhankelijke variabele. Als je bijvoorbeeld het effect van academisch niveau wil testen op salaris, maar je weet uit eerder onderzoek dat er een verschil zit tussen de salarissen van mannen en vrouwen, dan kan je het modererende effect van geslacht op de relatie tussen academisch niveau en salaris onderzoeken. In een regressieanalyse creëer je een modererende variabele door twee variabelen met elkaar te vermenigvuldigen. Je creëert zo een logische “en” functie. Lees hier meer over de modererende (conditionele) variabele.
Mediërende (Interveniërende) variabele
Als bijvoorbeeld de onafhankelijke variabele geen direct effect heeft op je afhankelijke variabele, maar als het effect van je onafhankelijke variabele via een tussenkomende variabele effect heeft op je afhankelijke variabele, dan praten we over een mediërende of interveniërende variabele. Als je bijvoorbeeld denkt dat de autonomie van een zelfstandig ondernemer invloed heeft op het succes van die ondernemer kan dat natuurlijk waar zijn. Maar ondernemerschap gaat gepaard met onzekerheden, dus de ondernemer moet wel de nodige veerkracht bezitten om deze het hoofd te bieden. Daarom zou je kunnen beargumenteren dat de autonomie effect heeft op het succes via veerkracht. Autonomie, competentie, onderneming gerelateerde activiteiten zijn pijlers van de Self-Determination Theory (SDT) en verhogen de veerkracht (Trigueros et al., 2019; Weinstein & Ryan, 2011). Vervolgens leidt meer veerkracht tot succesvol ondernemerschap. Hierbij dient veerkracht dus als mediërende variabele. Lees hier meer over de Mediërende (Interveniërende) variabele.
Welke meetniveaus kunnen we onderscheiden?
Naast het soort variabele kunnen we ook de meetniveaus van de variabelen onderscheiden. Elk meetniveau heeft weer zijn eigen karakteristieken en toepassingsmogelijkheden. Lees hier meer over de meetniveaus van de variabelen.
Kijk ook eens op onze TIPs pagina als je op zoek bent naar informatie over de uitgangspunten van een regressieanalyse.
Ben je geïnteresseerd en wil je weten wat wij voor je kunnen beteken? Stel dan vrijblijvend je vraag via ons contactformulier of WhatsApp.
Literatuurlijst:
- Trigueros, R., Aguilar-Parra, J. M., Cangas-Díaz, A. J., Fernández-Batanero, J. M., Mañas, M. A., Arias, V. B., & López-Liria, R. (2019). The influence of the trainer on the motivation and resilience of sportspeople: A study from the perspective of self-determination theory. PLOS ONE, 14(8), e0221461. doi:10.1371/journal.pone.0221461
- Weinstein, N., & Ryan, R. M. (2011). A self-determination theory approach to understanding stress incursion and responses. Stress and Health, 27(1), 4-17. doi:10.1002/smi.1368