Що таке критеріальна змінна? (пояснення + приклади)

Змінна критерію — це просто інша назва залежної змінної або змінної відповіді . Це змінна, яку прогнозують у статистичному аналізі.

Подібно до того, як пояснювальні змінні мають різні назви, як-от змінні-прогнози чи незалежні змінні , змінна-відповідь також має взаємозамінні назви, як-от залежна змінна чи змінна-критерій .

Які приклади критеріальних змінних?

Наступні сценарії ілюструють приклади змінних критеріїв у кількох різних контекстах.

Приклад 1: Проста лінійна регресія

Проста лінійна регресія – це статистичний метод, який ми використовуємо для розуміння зв’язку між двома змінними, x і y. Змінна x відома як змінна-прогноз. Інша змінна, y, відома як змінна критерію або змінна відповіді .

У простій лінійній регресії ми знаходимо «лінію найкращого підходу», яка описує зв’язок між змінною предиктора та змінною критерію.

Наприклад, ми можемо підібрати просту лінійну регресійну модель до набору даних, використовуючи досліджувані години як змінну-прогноз, а результат тесту — як змінну-критерій. У цьому випадку ми б використали просту лінійну регресію, щоб спробувати передбачити значення нашої критеріальної змінної .

Або, як інший приклад, ми можемо підібрати просту модель лінійної регресії до набору даних, використовуючи вагу для прогнозування значення розміру групи людей. У цьому випадку нашою змінною критерію є висота , оскільки це значення, яке ми хочемо передбачити.

Якщо ми побудуємо значення зросту та ваги на точковій діаграмі, критеріальна змінна зросту буде на осі y:

Загалом, коли ми створюємо діаграму розсіювання, змінна-критерій буде розташована вздовж осі y, а змінна-прогноз — вздовж осі x.

Приклад 2: Множинна лінійна регресія

Множинна лінійна регресія подібна до простої лінійної регресії, за винятком того, що ми використовуємо кілька змінних предикторів для прогнозування значення змінної критерію.

Наприклад, ми можемо використати змінні-прогнози «години навчання» та «години сну» вночі перед тестом , щоб спрогнозувати значення результату тесту для змінної-критерію. У цьому випадку наша критеріальна змінна є змінною, передбаченою в цьому аналізі.

Приклад 3: ANOVA

ANOVA (дисперсійний аналіз) — це статистичний метод, який ми використовуємо, щоб визначити, чи існує статистично значуща різниця між середніми значеннями трьох або більше незалежних груп.

Наприклад, ми можемо захотіти визначити, чи мають три різні програми вправ різний вплив на втрату ваги. Прогностична змінна, яку ми вивчаємо, — це програма вправ і має три рівні .

Критеріальною змінною є втрата ваги, виміряна у фунтах. Ми можемо виконати односторонній дисперсійний аналіз , щоб визначити, чи є статистично значуща різниця між втратою ваги в результаті трьох програм.

У цьому випадку ми хочемо зрозуміти, чи відрізняється значення змінної критерію втрати ваги між трьома програмами вправ.

Якби замість цього ми аналізували програму вправ і середню кількість годин сну за ніч, ми б виконали двосторонній дисперсійний аналіз, оскільки ми хочемо побачити, як два фактори впливають на втрату ваги.

Але знову ж таки, нашою критеріальною змінною залишається втрата ваги , оскільки нас цікавить, як значення цієї змінної відрізняється на різних рівнях фізичних вправ і сну .

Додаткова інформація: просте пояснення валідності критерію