Co to jest zmienna kryterialna? (wyjaśnienie + przykłady)

Zmienna kryterialna to po prostu inna nazwa zmiennej zależnej lub zmiennej odpowiedzi . Jest to zmienna przewidywana w analizie statystycznej.

Podobnie jak zmienne objaśniające mają różne nazwy, takie jak zmienne predykcyjne lub zmienne niezależne , zmienna odpowiedzi ma również wymienne nazwy, takie jak zmienna zależna lub zmienna kryterialna .

Jakie są przykłady zmiennych kryterialnych?

Poniższe scenariusze ilustrują przykłady zmiennych kryterialnych w kilku różnych kontekstach.

Przykład 1: Prosta regresja liniowa

Prosta regresja liniowa to metoda statystyczna, której używamy do zrozumienia związku między dwiema zmiennymi, x i y. Zmienna x jest nazywana zmienną predykcyjną. Druga zmienna, y, nazywana jest zmienną kryterialną lub zmienną odpowiedzi .

W prostej regresji liniowej znajdujemy „linię najlepszego dopasowania”, która opisuje relację między zmienną predykcyjną a zmienną kryterialną.

Na przykład możemy dopasować prosty model regresji liniowej do zbioru danych, wykorzystując badane godziny jako zmienną predykcyjną i wynik testu jako zmienną kryterialną. W tym przypadku użylibyśmy prostej regresji liniowej, aby spróbować przewidzieć wartość naszego wyniku testu zmiennej kryterialnej.

Lub, jako inny przykład, możemy dopasować prosty model regresji liniowej do zbioru danych, używając wagi do przewidywania wartości wielkości grupy ludzi. W tym przypadku naszą zmienną kryterialną jest wzrost , ponieważ tę wartość chcemy przewidzieć.

Jeśli wykreślimy wartości wzrostu i wagi na wykresie punktowym, zmienna kryterialna wysokość będzie znajdować się na osi y:

Ogólnie rzecz biorąc, zmienna kryterialna będzie znajdować się wzdłuż osi y, gdy tworzymy wykres rozrzutu, a zmienna predykcyjna będzie wzdłuż osi x.

Przykład 2: Wielokrotna regresja liniowa

Wielokrotna regresja liniowa jest podobna do prostej regresji liniowej, z tą różnicą, że do przewidywania wartości zmiennej kryterialnej używamy wielu zmiennych predykcyjnych.

Na przykład możemy wykorzystać zmienne predykcyjne: godziny przepracowane i godziny przespane w noc poprzedzającą test, aby przewidzieć wartość wyniku testu dla zmiennej kryterialnej. W tym przypadku naszą zmienną kryterialną jest zmienna przewidywana w tej analizie.

Przykład 3: ANOVA

ANOVA (analiza wariancji) to technika statystyczna, której używamy do określenia, czy istnieje statystycznie istotna różnica między średnimi z trzech lub więcej niezależnych grup.

Na przykład możemy chcieć ustalić, czy trzy różne programy ćwiczeń mają różny wpływ na utratę wagi. Zmienną predykcyjną, którą badamy, jest program ćwiczeń i ma on trzy poziomy .

Zmienną kryterialną jest utrata masy ciała mierzona w funtach. Możemy wykonać jednoczynnikową analizę ANOVA , aby określić, czy istnieje statystycznie istotna różnica pomiędzy utratą masy ciała wynikającą z trzech programów.

W tym przypadku chcemy zrozumieć, czy wartość zmiennej kryterium utraty wagi różni się pomiędzy trzema programami ćwiczeń.

Gdybyśmy zamiast tego analizowali program ćwiczeń i średnią liczbę godzin snu w ciągu nocy, wykonalibyśmy dwuczynnikową analizę ANOVA, ponieważ chcemy zobaczyć, jak dwa czynniki wpływają na utratę wagi.

Ale znowu naszą zmienną kryterialną pozostaje utrata masy ciała , ponieważ interesuje nas, jak wartość tej zmiennej różni się w zależności od poziomu ćwiczeń i snu .

Dalsza lektura: proste wyjaśnienie ważności kryterium