在实验中，有两个主要变量：

自变量：实验者修改或控制的变量，以便能够观察对因变量的影响。

因变量：在实验中测量的“依赖于”自变量的变量。

在实验中，实验者希望了解因变量如何因改变或操纵自变量而发生变化。

例如，研究人员可以改变向特定植物供应的水量，以观察这如何影响植物的生长速度。

在此示例中，给予植物的水量由研究人员控制，因此是自变量。生长率是因变量，因为它直接取决于植物接收的水量，这是我们要测量的变量。

记住自变量和因变量之间差异的一个简单方法是将这两个变量插入到以下句子中，使其有意义：

更改（自变量）会影响（因变量）的值。

例如，这样说是有道理的：

改变水量会影响植物生长速度的值。

这就是我们如何知道水量是自变量，植物的生长速度是因变量。

如果我们试图颠倒这两个变量的位置，这句话就没有意义了：

改变植物的生长速度会影响水量的价值。

所以，我们知道我们需要颠倒自变量和因变量。

以下是自变量和因变量的一些其他示例。

营销人员改变他在广告上花费的金额，看看它如何影响总销售额。

自变量：广告支出金额

因变量：总销售额

医生改变特定药物的剂量，看看它如何影响患者的血压。

自变量：药物剂量水平

因变量：血压

研究人员更改了提供给学生的学习指南版本，以了解其对考试成绩的影响。

自变量：学习指南版本

因变量：考试成绩

当我们创建图表时，自变量将位于 x 轴，因变量将位于 y 轴。

例如，假设研究人员为 20 种不同的植物提供不同量的水，并测量每种植物的生长速度。下面的散点图显示了每种植物的水量和生长速度：

自变量（水量）显示在 x 轴上，而因变量（生长率）显示在 y 轴上：

大家好，我是本杰明，一位退休的统计学教授，后来成为 Statorials 的热心教师。 凭借在统计领域的丰富经验和专业知识，我渴望分享我的知识，通过 Statorials 增强学生的能力。了解更多