自變數 (Independent Variable)

你主動設定、會影響其他變項的東西。像是你決定每天練習幾小時。

定義：自變數是研究者主動操弄或關注的「原因」變項。它是預期會影響其他變項的因素。

功能：在實驗設計中，自變數通常是唯一被改變的條件，其餘條件盡量保持不變。

例子：在研究「睡眠時數對記憶力的影響」時，睡眠時數就是自變數。

依變項（Dependent Variable，也叫應變數、因變數）

你觀察的結果，會隨著自變數變化。例如記憶力的分數。

定義：依變項（又稱因變數）是隨著自變數改變而改變的「結果」變項。它是被觀察、測量的對象。

功能：依變項反映了自變數的影響，是研究的主要觀察指標。

例子：在上述例子中，記憶力測驗分數就是依變項。

控制變項（Controlled Variable）

不是你要研究的重點，但可能影響結果，所以要讓它保持一樣，例如溫度、光線、年齡等。

定義：控制變項是在實驗中保持不變的其他可能影響依變項的因素。

功能：排除干擾，確保自變數與依變項之間的關係不被其他因素混淆。

例子：在魚體長研究中，水溫、食物供應等都應被控制。

干擾變項（Extraneous/Confounding Variable）

你沒控制好但它偷偷影響了結果的東西，例如學生本身的智力差異。

定義：未被控制但可能影響依變項的其他因素。

功能：若未妥善處理，可能導致研究結果偏誤。

例子：學生的先天語感、家庭背景等。

自變數、依變項、因變數的判別訣竅：怎麼快速判斷誰是誰？

方法一，問自己：「誰影響誰？」

思考「誰影響誰？」能被操作的通常是自變數，被觀察或測量的是依變項。

方法二，看統計圖表的座標

在統計圖表中，自變數放在 x 軸，依變項放在 y 軸。這有助於養成因果思考的習慣。

假說怎麼寫才合理？

一個完整的假說必須明確指出自變數與依變項之間的預期關係。你要清楚指出：「什麼東西變了，會導致什麼結果變化」。

例子：

假說：每天吃一顆蘋果會讓老人家一年看病次數變少。

• 自變數：每天吃一顆蘋果
• 依變項：看病次數

如果你要研究這件事，你得定義清楚：

操作化（Operationalization）

操作化是指將抽象的變項具體化、明確化，使其可被測量。例如：

• 自變數操作化：「每日攝取一顆蘋果」
• 依變項操作化：「一年內就醫次數」

操作化有助於確保研究的可重複性與結果的可靠性。

看幾個生活中的例子：

假說例子一：學習時間越長，考試成績越高。

• 自變數：學習時間（小時）
• 依變項：考試成績（分數）

假說例子二：壓力越大，記憶力越差。

• 自變數：壓力（壓力量表分數）
• 依變項：記憶力（測驗分數）

假說例子三：不同治療法對心理症狀有不同影響。

• 自變數：治療法（CBT vs. 藥物）
• 依變項：症狀改善程度（量表）

假說在整個研究流程裡的角色？

根據 Science Buddies 的說明，假說是科學方法的核心，指引後續的實驗設計與資料分析。科學方法包含以下六步：

1. 提出問題
2. 背景研究
3. 建立假說
4. 實驗驗證
5. 分析數據並得出結論
6. 溝通結果

假說的檢驗

• 支持假說：實驗結果與假說預測一致，但僅能說「支持」而非「證明」。
• 反駁假說：實驗結果與假說預測不符，需修正或提出新假說。

最後常見的迷思：

• 一次實驗結果很好 ≠ 終極真理。
• 數據顯著 ≠ 一定有實際意義。
• 樣本選不好，你的研究就可能整體偏誤。
• 有時候變項定義得太模糊，會讓研究根本跑偏。

這些名詞真的那麼重要？

真的重要。因為研究不是靠感覺，是靠「有條理的推論」來說服人。假說就像是研究的方向盤，變項就是你車上裝的感應器和油門。搞懂這些，你的研究設計才不會開偏。就算你不走學術這條路，這些思考邏輯在生活與工作裡，一樣超實用。

參考資料

1. Britannica. Scientific hypothesis
2. Scribbr. How to Write a Strong Hypothesis
3. Simply Psychology. Independent vs Dependent Variables
4. Fort Hays State University Writing Center. Hypotheses and Variables (PDF)
5. APSA Educate. Dependent and Independent Variables
6. Verywell Mind. What Is a Dependent Variable?
7. Science Buddies. Steps of the Scientific Method