Что такое критериальная переменная? (пояснение + примеры)

Переменная-критерий – это просто другое название зависимой переменной или переменной ответа . Это переменная, которая прогнозируется в статистическом анализе.

Точно так же, как независимые переменные имеют разные имена, такие как переменные-предикторы или независимые переменные , переменная ответа также имеет взаимозаменяемые имена, такие как зависимая переменная или переменная-критерий .

Каковы примеры критериальных переменных?

Следующие сценарии иллюстрируют примеры переменных-критериев в нескольких различных контекстах.

Пример 1: Простая линейная регрессия

Простая линейная регрессия — это статистический метод, который мы используем, чтобы понять взаимосвязь между двумя переменными, x и y. Переменная x известна как переменная-предиктор. Другая переменная, y, известна как переменная критерия или переменная отклика .

В простой линейной регрессии мы находим «линию наилучшего соответствия», которая описывает взаимосвязь между переменной-предиктором и переменной-критерием.

Например, мы можем подогнать простую модель линейной регрессии к набору данных, используя часы обучения в качестве предикторной переменной и результаты тестов в качестве критериальной переменной. В этом случае мы бы использовали простую линейную регрессию, чтобы попытаться предсказать значение нашей критериальной переменной.

Или, в качестве другого примера, мы можем подогнать простую модель линейной регрессии к набору данных, используя вес , чтобы предсказать значение размера группы людей. В данном случае нашей критериальной переменной является высота , поскольку именно это значение мы хотим спрогнозировать.

Если мы нанесем значения роста и веса на диаграмму рассеяния, критерий переменной высоты будет находиться на оси Y:

В общем, критериальная переменная будет располагаться вдоль оси Y, когда мы создаем диаграмму рассеяния, а переменная-предиктор — вдоль оси X.

Пример 2: Множественная линейная регрессия

Множественная линейная регрессия аналогична простой линейной регрессии, за исключением того, что мы используем несколько переменных-предикторов для прогнозирования значения критериальной переменной.

Например, мы можем использовать переменные-предикторы: часы обучения и часы сна в ночь перед тестом , чтобы спрогнозировать значение критериальной переменной в результате теста . В этом случае нашей критериальной переменной является переменная, предсказанная в этом анализе.

Пример 3: дисперсионный анализ

ANOVA (дисперсионный анализ) — это статистический метод, который мы используем, чтобы определить, существует ли статистически значимая разница между средними значениями трех или более независимых групп.

Например, мы можем захотеть определить, оказывают ли три разные программы упражнений различное влияние на потерю веса. Предикторная переменная, которую мы изучаем, представляет собой программу упражнений и имеет три уровня .

Критериальной переменной является потеря веса, измеряемая в фунтах. Мы можем выполнить однофакторный дисперсионный анализ , чтобы определить, существует ли статистически значимая разница между потерей веса в результате трех программ.

В этом случае мы хотим понять, различается ли значение переменной критерия снижения веса в трех программах упражнений.

Если бы мы вместо этого анализировали программу упражнений и среднее количество часов сна за ночь, мы бы выполнили двусторонний дисперсионный анализ, поскольку хотим увидеть, как два фактора влияют на потерю веса.

Но опять же, нашей критериальной переменной остается потеря веса , потому что нас интересует, как значение этой переменной различается в зависимости от уровня упражнений и сна .

Дополнительная литература: простое объяснение валидности критерия