Monet nimet Riippumaton Variables

Tilastollinen malleja, kuten yleinen lineaarisia malleja (lineaarinen regressio, ANOVA, sekamalleja) ja yleistynyt lineaariset mallit (logistinen, Poisson, suhteellinen vaara regressio, jne.), On sama yleinen muoto. Vasemmalla puolella yhtälö on yksi tai useampi vastemuuttujan, Y. Tien oikealla puolella on yksi tai useampi ennustajan muuttujia, X, ja niiden kertoimet, B. X, muuttujat oikealla puolella voi olla monia muotoja ja kutsutaan monilla nimillä.

On hienovaraisia ​​erotteluja merkityksiä nämä nimet, mutta niitä käytetään usein samassa merkityksessä. Vielä pahempaa, tilastolliset ohjelmistot käyttävät eri nimiä samanlaisia ​​käsitteitä, omain menettelyjä. Tämä pyrkimys tarkkuuden usein tekee sekaannusta. (Se &'; vaikea tarpeeksi katkaisematta sanoja!).

Seuraavassa joitakin yleisiä termejä, jotka kaikki viittaavat muuttujan malli, joka ehdotetaan vaikuttaa tai ennustaa toisen muuttujan. Vähäisiä eroja näillä termeillä, mutta niitä käytetään usein samassa merkityksessä.

- Independent Variable: Se edellyttää syy: riippumaton muuttuja vaikuttaa riippuva muuttuja. Käytetyt pääasiassa ANOVA, mutta usein regressio samoin. Se voi olla joko jatkuva tai kategorinen.

- Predictor Muuttuja: Se ei tarkoita syy. Ennustaja muuttuja on yksinkertaisesti hyödyllinen ennustettaessa arvon vasteen muuttujan. Käytetyt pääasiassa regressio. Ennustaja muuttujia voi olla jatkuva tai kategorinen.

- Predictor: Sama kuin Predictor Variable.

- kovariaattina: jatkuva ennustajan muuttuja. Käyttää sekä ANCOVA (analyysi kovarianssi) ja regressio. Jotkut käyttävät tätä viitata Predictor muuttujat regressio, mutta se todella tarkoittaa jatkuvaa ennustajia. Lisääminen kovariaatti kohteeseen ANOVA (varianssianalyysi) muuntaa sen ANCOVA (analyysi kovarianssi).

- Factor: kategorinen ennustajan muuttuja. Se voi tai ei saa osoittaa syy /seuraus-suhde kanssa vastemuuttuja (tämä riippuu tutkimuksen suunnittelu, ei analyysi). Itsenäinen muuttujat ANOVA ovat lähes aina kutsutaan tekijöitä. Vuonna regressio, ne ovat usein kutsutaan indikaattorimuuttujien, kategorinen ennustavia tai osoitinmuuttujia. Ne ovat kaikki sama asia tässä yhteydessä.

- Ryhmittely Variable: Sama kuin tekijä. Käytetään SPSS itsenäisissä otosten t-testi.

- kiinteä tekijä: kategorinen riippumaton muuttuja, johon kyseinen arvot luokat ovat erityisiä ja tärkeitä, usein valitseman kokeen. Esimerkkejä ovat kokeellisia hoitoja tai väestötietoluokasta, kuten sukupuoleen ja rotuun. Jos Käytät uudelleen ei tee yhdistettyä mallia (ja sinun pitäisi tietää, jos olet), kaikki tekijät ovat kiinteitä tekijöitä.

- Random tekijä: kategorinen riippumaton muuttuja, jossa arvot luokkien olivat satunnaisesti osoitettu. Käytetään vain sekoittaa mallinnus. Esimerkkejä ovat aiheita tai satunnainen lohkoja.

- Dummy muuttuja: kategorinen muuttuja, joka on nuken koodattu. Dummy koodaus (kutsutaan myös ilmaisin koodaus) käytetään yleensä regressiomallien, mutta ei ANOVA. Dummy muuttuja voi olla vain kaksi arvoa: 0 ja 1. Kun kategorinen muuttuja on enemmän kuin kaksi arvoa, se koodataan uudelleen useiksi osoitinmuuttujia.

- Indikaattori muuttuja: Katso dummy muuttuja.
.