独立変数の水準とは何ですか?
実験には、次の 2 種類の変数があります。
独立変数:従属変数への影響を観察できるようにするために、実験者が変更または制御する変数。
従属変数:独立変数に「依存する」実験で測定される変数。
実験において、研究者は、独立変数の変化が従属変数にどのような影響を与えるかを理解したいと考えています。
独立変数に複数の実験条件がある場合、独立変数の水準があると言われます。
たとえば、教師が 3 つの異なる学習テクニックがテストの得点にどのように影響するかを知りたいと考えているとします。彼女は 30 人の学生をそれぞれ 1 週間 3 つの学習方法の 1 つをランダムに割り当て、その後、各学生がまったく同じ試験を受けます。
この例では、独立変数は学習技術であり、 3 つのレベルがあります。
- テクニック1
- テクニック2
- テクニック3
つまり、学生がさらされる可能性のある実験条件は 3 つあります。
この例の従属変数は試験の得点であり、学生が使用した学習方法によって異なります。
次の例は、複数のレベルで独立変数を使用した追加の実験を示しています。
例1:広告宣伝費
マーケティング担当者が、テレビ広告に 3 つの異なる金額 (低、中、高) を費やして、特定の製品の売上にどのような影響を与えるかを確認する実験を行ったとします。
この実験には次の変数があります。
独立変数:広告費
- 3つのレベル:
- 弱い
- 平均
- 高い
従属変数:製品総売上高
例 2: プラセボと薬物の比較
医師が、特定の薬が患者の血圧を下げるかどうか知りたいと考えているとします。彼は 100 人の患者からなる 単純な無作為サンプルを募集し、50 人を本物の薬を含む錠剤を使用するように、50 人を実際には単なるプラセボである錠剤を使用するようにランダムに割り当てました。
この実験には次の変数があります。
独立変数:薬の種類
- 2レベル:
- 本物の薬
- プラセボ錠剤
従属変数:血圧の全体的な変化
例 3: 植物の成長
植物学者が 5 つの異なる肥料 (A、B、C、D、E と呼びます) を畑で使用して、それらが植物の成長に異なる影響を与えるかどうかを判断するとします。
この実験には次の変数があります。
独立変数:肥料の種類
- 5つのレベル:
- 肥料A
- 肥料B
- 肥料C
- 肥料
- 肥料
従属変数:植物の成長
独立変数の水準を分析する方法
通常、一元配置分散分析を使用して、独立変数の水準が従属変数に異なる結果を引き起こすかどうかを判断します。
一元配置分散分析では、次の帰無仮説と対立仮説が使用されます。
- H 0 (null):すべてのグループ平均が等しい
- H 1 (代替):少なくとも 1 つのグループ平均が異なります 休む
たとえば、一元配置分散分析を使用して、前の例の 5 つの異なる肥料タイプが植物の異なる平均成長率につながるかどうかを判断できます。
ANOVA の p 値が特定の有意レベル (たとえば、α = 0.05) を下回る場合、帰無仮説を棄却できます。これは、植物の平均成長が 5 つの肥料レベルすべてで等しくないと言える十分な証拠があることを意味します。
その後、事後テストを実施して、どの肥料が異なる平均成長率につながるかを正確に判断できます。