Variables : définition, exemples, types de variables en recherche

Variables : définition, exemples, types de variables en recherche

Qu'est-ce qu'une variable ?

Dans le contexte d’une recherche, les concepts sont généralement appelés variables. UN variable est, comme son nom l'indique, quelque chose qui varie.

Exemples de variables

Ce sont tous des exemples de variables car chacune de ces propriétés varie ou diffère d'un individu à l'autre.

  • Âge,
  • sexe,
  • exporter,
  • recettes et dépenses,
  • la taille de la famille,
  • pays de naissance,
  • dépenses en capital,
  • les notes de classe,
  • mesures de tension artérielle,
  • niveaux d'anxiété préopératoires,
  • la couleur des yeux, et
  • Type de véhicule.

Qu’est-ce que la variable dans la recherche ?

Une variable est toute propriété, caractéristique, nombre ou quantité qui augmente ou diminue avec le temps ou peut prendre différentes valeurs (par opposition aux constantes, telles que n, qui ne varient pas) dans différentes situations.

Lors de la réalisation de recherches, les expériences manipulent souvent des variables. Par exemple, un expérimentateur pourrait comparer l’efficacité de quatre types d’engrais.

Dans ce cas, la variable est le « type d'engrais ». Un spécialiste des sciences sociales peut examiner l'effet possible du mariage précoce sur le divorce. Son mariage précoce est la variable.

Un chercheur en affaires peut trouver utile d'inclure le dividende dans la détermination du cours des actions.. Ici, le dividende est la variable.

L'efficacité, le divorce et le cours des actions sont des variables car ils varient également en raison de la manipulation des engrais, des mariages précoces et des dividendes.

Variables qualitatives

Une distinction importante entre les variables réside dans les variables qualitatives et quantitatives.

Variables qualitatives sont ceux qui expriment un attribut qualitatif, comme la couleur des cheveux, la religion, la race, le sexe, le statut social, le mode de paiement, etc. Les valeurs d'une variable qualitative n'impliquent pas un ordre numérique significatif.

Le la valeur de la variable « religion » (musulmane, hindoue..., etc.) diffère qualitativement ; aucun ordre de religion n’est implicite. Les variables qualitatives sont parfois appelées variables catégorielles.

Par exemple, la variable sexe comporte deux catégories distinctes : « homme » et « femme ». Puisque les valeurs de cette variable sont exprimées en catégories, nous appelons cela une variable catégorielle.

De même, le lieu de résidence peut être classé comme urbain et rural et constitue donc une variable catégorielle.

Les variables catégorielles peuvent à nouveau être décrites comme nominal et ordinal.

Les variables ordinales peuvent être logiquement ordonnées ou classées plus haut ou plus bas qu'une autre, mais n'établissent pas nécessairement une différence numérique entre chaque catégorie, comme les notes aux examens (A+, A, B+, etc., et la taille des vêtements (Extra grand, grand, moyen, petit).

Les variables nominales sont celles qui ne peuvent ni être classées ni ordonnées logiquement, comme la religion, le sexe, etc.

Une variable qualitative est une caractéristique qui ne peut pas être mesurée mais qui peut être classée comme possédant ou non certaines caractéristiques.

Variables quantitatives

Variables quantitatives, aussi appelé variables numériques, sont ces variables qui sont mesurées en termes de nombres. Un exemple simple de variable quantitative est l’âge d’une personne.

L'âge peut prendre différentes valeurs car une personne peut avoir 20 ans, 35 ans, etc. De même, la taille de la famille est une variable quantitative car une famille peut être composée d'un, deux ou trois membres, etc.

Chacune de ces propriétés ou caractéristiques évoquées ci-dessus varie ou diffère d'un individu à l'autre. A noter que ces variables sont exprimées en nombres, que l'on appelle variables quantitatives ou parfois numériques.

Une variable quantitative est une variable pour laquelle les observations résultantes sont numériques et possèdent donc un ordre ou un classement naturel.

Variables discrètes et continues

Les variables quantitatives sont encore une fois de deux types : discrètes et continues.

Des variables telles que le nombre d'enfants dans un ménage ou le nombre d'articles défectueux dans une boîte sont des variables discrètes puisque les scores possibles sont discrets sur l'échelle.

Par exemple, un ménage peut avoir trois ou cinq enfants, mais pas 4,52 enfants.

D'autres variables, telles que le « temps nécessaire pour réaliser un test QCM » et le « temps d'attente dans une file d'attente devant un guichet bancaire », sont des variables continues.

Le temps requis dans les exemples ci-dessus est une variable continue, qui pourrait être, par exemple, 1,65 minutes ou 1,6584795214 minutes.

Bien entendu, les aspects pratiques de la mesure empêchent la plupart des variables mesurées d’être continues.

Variable discrète

Une variable discrète, limitée à certaines valeurs, est généralement (mais pas nécessairement) constituée de nombres entiers, tels que la taille de la famille et le nombre d'articles défectueux dans une boîte. Ils sont souvent le résultat d’un dénombrement ou d’un comptage.

Quelques autres exemples sont :

  • Le nombre d'accidents sur les douze mois.
  • Le nombre de cartes mobiles vendues dans un magasin dans les sept jours.
  • Le nombre de patients admis dans un hôpital sur une période spécifiée.
  • Le nombre de nouvelles succursales d'une banque ouvertes chaque année entre 2001 et 2007.
  • Le nombre de visites hebdomadaires effectuées par le personnel de santé au cours des 12 derniers mois.

Variable continue

Une variable continue peut prendre un nombre infini de valeurs intermédiaires sur un intervalle spécifié. Les exemples sont :

  • Le taux de sucre dans le corps humain ;
  • Lecture de la tension artérielle ;
  • Température;
  • Taille ou poids du corps humain ;
  • Taux d'intérêt bancaire ;
  • Taux de rendement interne (TRI),
  • Ratio de gains (ER);
  • Ratio de liquidité générale (CR)

Aussi proches que soient deux observations, si l’instrument de mesure est suffisamment précis, une troisième observation peut être trouvée, se situant entre les deux premières.

Une variable continue résulte généralement d'une mesure et peut prendre d'innombrables valeurs dans la plage spécifiée.

Variables dépendantes et variable indépendante

Dans de nombreux contextes de recherche, deux classes spécifiques de variables doivent être distinguées : la variable indépendante et la variable dépendante.

De nombreuses études de recherche visent à révéler et à comprendre les causes de phénomènes ou de problèmes sous-jacents dans le but ultime d'établir une relation causale entre eux.

Regardez les déclarations suivantes :

  • Une faible consommation de nourriture entraîne une insuffisance pondérale.
  • Le tabagisme augmente le risque de cancer du poumon.
  • Le niveau d'éducation influence la satisfaction au travail.
  • La publicité aide à la promotion des ventes.
  • Le médicament entraîne une amélioration des problèmes de santé.
  • L'intervention infirmière entraîne une récupération plus rapide.
  • Les expériences professionnelles antérieures déterminent le salaire initial.
  • Les myrtilles ralentissent le vieillissement.
  • Le dividende par action détermine le cours des actions.

Dans chacune des requêtes ci-dessus, nous avons deux variables indépendantes et dépendantes. Dans le premier exemple, on pense qu'une « faible consommation de nourriture » est à l'origine du « problème d'insuffisance pondérale ».

C'est donc ce qu'on appelle la variable indépendante. L'insuffisance pondérale est la variable dépendante car nous pensons que ce « problème » (le problème de l'insuffisance pondérale) a été causé par « la faible consommation alimentaire » (le facteur).

De même, le tabagisme, les dividendes et la publicité sont tous des variables indépendantes, tandis que le cancer du poumon, la satisfaction au travail et les ventes sont des variables dépendantes.

En général, une variable indépendante est manipulée par l'expérimentateur ou le chercheur et ses effets sur la variable dépendante sont mesurés.

Variable indépendante

La variable utilisée pour décrire ou mesurer le facteur censé causer ou au moins influencer le problème ou le résultat est appelée une variable. variable indépendante.

La définition implique que l'expérimentateur utilise la variable indépendante pour décrire ou expliquer son influence ou son effet sur la variable dépendante.

On suppose que la variabilité de la variable dépendante dépend de la variabilité de la variable indépendante.

Selon le contexte, une variable indépendante est parfois appelée variable prédictive, régresseur, variable contrôlée, variable manipulée, variable explicative, variable d'exposition (telle qu'utilisée dans la théorie de la fiabilité), facteur de risque (tel qu'utilisé dans les statistiques médicales), caractéristique (telle qu'utilisée dans les statistiques médicales). en apprentissage automatique et en reconnaissance de formes) ou variable d'entrée.

La variable explicative est préférée par certains auteurs à la variable indépendante lorsque les quantités traitées comme variables indépendantes peuvent ne pas être statistiquement indépendantes ou manipulables indépendamment par le chercheur.

Si la variable indépendante est appelée variable explicative, alors le terme variable de réponse est préféré par certains auteurs pour la variable dépendante.

Variable dépendante

La variable utilisée pour décrire ou mesurer le problème ou le résultat étudié est appelée un variable dépendante.

Dans une relation causale, la cause est la variable indépendante et l’effet est la variable dépendante. Si nous émettons l'hypothèse que le tabagisme provoque le cancer du poumon, le « tabagisme » est la variable indépendante et le cancer la variable dépendante.

Un chercheur en affaires peut trouver utile d’inclure le dividende dans la détermination du cours des actions. Ici, le dividende est la variable indépendante, tandis que le cours de l'action est la variable dépendante.

La variable dépendante est généralement la variable que le chercheur souhaite comprendre, expliquer ou prédire.

Dans la recherche sur le cancer du poumon, c’est le carcinome qui intéresse réellement le chercheur, et non le comportement tabagique en soi. La variable indépendante est la cause présumée, l’antécédent ou l’influence sur la variable dépendante.

Selon le contexte, une variable dépendante est parfois appelée variable de réponse, variable de régression, variable prédite, variable mesurée, variable expliquée, variable expérimentale, variable de réponse, variable de résultat, variable de sortie ou étiquette.

Certains auteurs préfèrent une variable expliquée à la variable dépendante lorsque les quantités traitées comme variables dépendantes peuvent ne pas être statistiquement dépendantes.

Si la variable dépendante est appelée variable expliquée, alors le terme variable prédictive est préféré par certains auteurs pour la variable indépendante.

Niveaux d'une variable indépendante

Si un expérimentateur compare un traitement expérimental avec un traitement témoin, alors la variable indépendante (un type de traitement) a deux niveaux : expérimental et témoin.

Si une expérience devait comparer cinq types de régimes, alors les variables indépendantes (types de régimes) auraient cinq niveaux.

En général, le nombre de niveaux d’une variable indépendante correspond au nombre de conditions expérimentales.

Variable d'arrière-plan

Dans presque toutes les études, nous collectons des informations telles que l’âge, le sexe, le niveau d’éducation, le statut socio-économique, l’état civil, la religion, le lieu de naissance, etc. Ces variables sont appelées variables d’arrière-plan.

Ces variables sont souvent liées à de nombreuses variables indépendantes et influencent donc indirectement le problème. C’est pourquoi on les appelle des variables d’arrière-plan.

Les variables de fond doivent être mesurées si elles sont importantes pour l’étude. Cependant, nous devrions essayer de limiter le plus possible le nombre de variables de fond dans l’intérêt de l’économie.

Variable modératrice

Dans tout énoncé de relations entre variables, on émet normalement l'hypothèse que, d'une manière ou d'une autre, la variable indépendante « provoque » l'apparition de la variable dépendante.

Dans les relations simples, toutes les autres variables sont superflues et sont ignorées.

Dans les situations d’étude réelles, une relation un à un aussi simple doit être révisée pour prendre en compte d’autres variables afin de mieux expliquer la relation.

Cela souligne la nécessité de prendre en compte une deuxième variable indépendante susceptible d’avoir un effet contributif ou contingent significatif sur la relation dépendante-indépendante initialement énoncée.

Une telle variable est appelée un variable modératrice.

Supposons que vous étudiiez l’impact d’une formation sur le terrain et en classe sur les performances professionnelles des agents de santé et de planification familiale. Vous considérez le type de formation comme la variable indépendante.

Si vous vous concentrez sur la relation entre l'âge des stagiaires et la performance au travail, vous pouvez utiliser le « type de formation » comme variable modératrice.

Variable étrangère

La plupart des études concernent l'identification d'une seule variable indépendante et la mesure de son effet sur la variable dépendante.

Néanmoins, il est concevable que plusieurs variables affectent notre hypothétique relation entre variables indépendantes et dépendantes, faussant ainsi l’étude. Ces variables sont appelées variables étrangères.

Les variables étrangères ne font pas nécessairement partie de l'étude. Ils exercent un effet confondant sur la relation dépendance-indépendance et doivent donc être éliminés ou contrôlés.

Un exemple peut illustrer le concept de variables étrangères. Supposons que nous souhaitions examiner la relation entre le statut professionnel des mères et la durée de l’allaitement.

Il n’est pas déraisonnable dans ce cas de présumer que le niveau d’éducation des mères, dans la mesure où il influence leur situation professionnelle, pourrait également avoir un impact sur la durée de l’allaitement.

L’éducation est traitée ici comme une variable étrangère. Dans toute tentative d'éliminer ou de contrôler l'effet de cette variable, nous pouvons considérer cette variable comme une variable confusionnelle.

Une manière appropriée de traiter les variables confondantes consiste à suivre la procédure de stratification, qui implique une analyse séparée des différents niveaux de mensonges dans les variables confondantes.

A cet effet, on peut construire deux tableaux croisés pour les mères analphabètes et l'autre pour les mères alphabétisées.

Supposons que nous trouvions une association similaire entre le statut professionnel et la durée de l'allaitement dans les deux groupes de mères. Dans ce cas, nous concluons que le niveau d'éducation des mères n'est pas une variable confondante.

Variable intervenante

Souvent, une relation apparente entre deux variables est causée par une troisième variable.

Par exemple, les variables X et Y peuvent être fortement corrélées, mais uniquement parce que X provoque la troisième variable, Z, qui à son tour provoque Y. Dans ce cas, Z est la variable intermédiaire.

Une variable intermédiaire affecte théoriquement les phénomènes observés mais ne peut pas être vue, mesurée ou manipulée directement ; ses effets ne peuvent être déduits que des effets des variables indépendantes et modératrices sur les phénomènes observés.

Nous pourrions considérer la motivation ou le conseil comme une variable intermédiaire dans la relation entre le statut de travail et l’allaitement.

Ainsi, la motivation, la satisfaction au travail, la responsabilité, le comportement et la justice sont quelques exemples de variables intervenantes.

Variable de suppression

Dans de nombreux cas, nous avons de bonnes raisons de croire qu’il existe une relation entre les variables d’intérêt, mais nos données ne parviennent pas à établir une telle relation. Certains facteurs cachés peuvent supprimer la véritable relation entre les deux variables initiales.

Un tel facteur est appelé variable de suppression car il supprime la relation entre les deux autres variables.

La variable suppressive supprime la relation en étant corrélée positivement avec l'une des variables de la relation et négativement corrélée avec l'autre. La véritable relation entre les deux variables réapparaîtra lorsque la variable suppressive sera contrôlée.

Ainsi, par exemple, un faible âge peut entraîner une hausse du niveau d’éducation mais une baisse des revenus. En revanche, un âge élevé peut entraîner une hausse des revenus mais une baisse du niveau d’éducation, annulant ainsi la relation entre l’éducation et le revenu, à moins que l’âge ne soit pris en compte.

4 Relations entre les variables

Variables : définition, exemples, types de variables en recherche

En traitant des relations entre les variables dans la recherche, nous observons diverses dimensions dans ces relations.

  1. Relation positive et négative
  2. Relation symétrique
  3. Relation causale
  4. Relation linéaire et non linéaire

Relation positive et négative

Deux variables ou plus peuvent avoir une relation positive, négative ou inexistante. Dans le cas de deux variables, une relation positive est une relation dans laquelle les deux variables varient dans le même sens.

Cependant, on dit qu’ils ont une relation négative lorsqu’ils varient dans des directions opposées.

Lorsqu'un changement dans l'autre variable n'accompagne pas le changement ou le mouvement d'une variable, on dit que les variables en question ne sont pas liées.

Par exemple, si une augmentation du taux de salaire accompagne l'expérience professionnelle d'une personne, la relation entre l'expérience professionnelle et le taux de salaire est positive.

Si l’augmentation du niveau d’éducation d’un individu diminue son désir d’avoir des enfants supplémentaires, la relation est négative ou inverse.

Si le niveau d'éducation n'a aucune incidence sur le désir, on dit que les variables désir d'enfants supplémentaires et « éducation » ne sont pas liées.

Force de la relation

Une fois qu’il a été établi que deux variables sont liées, nous voulons déterminer dans quelle mesure elles sont liées.

Une statistique courante pour mesurer la force d'une relation est ce qu'on appelle Coefficient de corrélation symbolisé par r. r est une mesure sans unité, comprise entre -1 et +1 inclus, zéro signifiant aucune relation linéaire.

En ce qui concerne la prédiction d'une variable à partir de la connaissance de l'autre variable, une valeur de r = +1 signifie une précision de 100% dans la prédiction d'une relation positive entre les deux variables, et une valeur de r = -1 signifie une précision de 100%. précision dans la prédiction d’une relation négative entre les deux variables.

Relation symétrique

Jusqu’à présent, nous n’avons discuté que des relations symétriques dans lesquelles un changement dans l’autre variable accompagne un changement dans l’une ou l’autre variable.

Cette relation n'indique pas quelle variable est la variable indépendante et quelle variable est la variable dépendante.

En d’autres termes, vous pouvez qualifier l’une ou l’autre variable de variable indépendante.

Une telle relation est symétrique relation. Dans un relation asymétrique, un changement de variable X (disons) s'accompagne d'un changement de variable Oui, mais pas l'inverse.

La quantité de pluie, par exemple, augmentera la productivité, mais celle-ci n’affectera pas les précipitations. Il s'agit d'une relation asymétrique.

De même, la relation entre le tabagisme et le cancer du poumon serait asymétrique, car le tabagisme pourrait provoquer le cancer, mais le cancer du poumon ne pourrait pas provoquer le tabagisme.

Relation causale

Indiquer une relation entre deux variables ne garantit pas automatiquement que les changements dans une variable entraînent des changements dans une autre.

Il est cependant très difficile d’établir l’existence d’une causalité entre variables. Même si personne ne peut jamais être certain que la variable UN provoque une variable B, on peut rassembler des preuves qui renforcent notre conviction que UN mène à B.

Pour tenter de le faire, nous recherchons les preuves suivantes :

  1. Y a-t-il une relation entre UN et B? Lorsque de telles preuves existent, elles indiquent un possible lien de causalité entre les variables.
  2. La relation est-elle asymétrique de sorte qu'un changement dans UN résulte en B mais pas l'inverse ? En d'autres termes, est-ce que UN se produire avant B? Si nous trouvons cela B se produit avant UN, nous ne pouvons pas avoir confiance que UN causes.
  3. Un changement dans A entraîne-t-il un changement dans B indépendamment des actions d’autres facteurs ? Ou est-il possible d'éliminer d'autres causes possibles de B? Peut-on déterminer que C, D, et E (disons) ne co-varie pas avec B d'une manière qui suggère des liens de causalité possibles ?

Relation linéaire et non linéaire

Une relation linéaire est une relation linéaire entre deux variables, dans laquelle les variables varient au même rythme, que les valeurs soient faibles, élevées ou intermédiaires.

Cela contraste avec les relations non linéaires (ou curvilignes), dans lesquelles la vitesse à laquelle une variable change de valeur peut différer pour différentes valeurs de la deuxième variable.

Si une variable est liée linéairement à l'autre variable ou non, il est simplement possible de déterminer en traçant les valeurs K par rapport à X valeurs.

Si les valeurs, une fois tracées, semblent se situer sur une ligne droite, l'existence d'une relation linéaire entre X et Oui est suggéré.

La taille et le poids ont presque toujours une relation approximativement linéaire, tandis que l'âge et les taux de fécondité ont une relation non linéaire.

Foire aux questions sur les variables

Qu’est-ce qu’une variable dans le contexte d’une enquête de recherche ?

Une variable, dans le contexte d'une enquête de recherche, fait référence à des concepts qui varient. Il peut s'agir de n'importe quelle propriété, caractéristique, nombre ou quantité qui peut augmenter ou diminuer avec le temps ou prendre des valeurs différentes.

Comment une variable est-elle utilisée en recherche ?

En recherche, une variable est toute propriété ou caractéristique pouvant prendre différentes valeurs. Les expériences manipulent souvent des variables pour comparer les résultats. Par exemple, un expérimentateur pourrait comparer l'efficacité de différents types d'engrais, la variable étant le « type d'engrais ».

Qu’est-ce qui distingue les variables qualitatives des variables quantitatives ?

Les variables qualitatives expriment un attribut qualitatif, tel que la couleur des cheveux ou la religion, et n'impliquent pas un ordre numérique significatif. Les variables quantitatives, quant à elles, sont mesurées en termes de chiffres, comme l'âge d'une personne ou la taille de la famille.

En quoi les variables discrètes et continues diffèrent-elles en termes de variables quantitatives ?

Les variables discrètes sont limitées à certaines valeurs, souvent des nombres entiers, résultant d'un dénombrement ou d'un comptage, comme le nombre d'enfants dans un ménage. Les variables continues peuvent prendre un nombre infini de valeurs intermédiaires sur un intervalle spécifié, comme le temps nécessaire pour terminer un test.

Quels sont les rôles des variables indépendantes et dépendantes dans la recherche ?

En recherche, la variable indépendante est manipulée par le chercheur pour observer ses effets sur la variable dépendante. La variable indépendante est la cause ou l'influence présumée, tandis que la variable dépendante est le résultat ou l'effet mesuré.

Qu’est-ce qu’une variable de fond dans une étude ?

Les variables contextuelles sont des informations collectées dans une étude, telles que l'âge, le sexe ou le niveau de scolarité. Ces variables sont souvent liées à de nombreuses variables indépendantes et influencent indirectement le problème ou le résultat principal, c'est pourquoi elles sont appelées variables de fond.

Comment une variable suppressive affecte-t-elle la relation entre deux autres variables ?

Une variable suppresseur peut supprimer ou masquer la véritable relation entre deux autres variables. Pour ce faire, il est corrélé positivement avec l’une des variables et négativement corrélé avec l’autre. Lorsque la variable suppressive est contrôlée, la véritable relation entre les deux variables d'origine peut être observée.