发布时间：
1．研究对象的选择 研究对象可以是人，也可以是事。在学前教育科研中，一般以人作为研究对象。 选择研究对象，首先要确定是进行总体研究、抽样研究还是个案研究。 总体研究是对研究对象个体进行的研究。总体就是指全部研究对象，是一定时空范围内研究对象的总和。例如，“上海市区6岁儿童识字量的调查”。这个课题的总体就是上海市区全体6岁儿童，不包括郊县的6岁儿童，也不包括市区其他年龄段的儿童。总体的数量和范围不大时，可以进行总体研究，但是，当总体的数量和范围很大时，就要进行抽样研究。 抽样研究是从全部研究对象中抽取部分作为研究样本进行的研究。从总体中抽取的部分研究对象称为“样本”。抽样研究的目的是根据对所抽样本的研究结果，对总体情况进行推论。抽样研究的前提是：样本必须要有代表性。所以，为了使推论准确，在抽样时要遵循随机原则，即抽样时要尽可能使在一定范同内的每一个个体被抽取的机会均等。 个案研究是以一个人或几个人做样本，或者以一个群体为一个单位做样本，对某种教育现象或问题进行的研究。尤其适用于对具有典型意义的人和事的研究。个案研究虽然缺乏严格意义上的代表性，但普遍性总是存在于个别之中。 2．研究变量的界定 研究变量指研究者感兴趣的、所要研究与测量的、随条件和情境变化而变化的因素。变量就是会变化的有差异的因素。变量相对于常量而言，常量指在一个研究中所有个体都具有相同的特征或条件，而变量则是指在一个研究中不同的个体具有不同的特征或条件。 在教育研究中，常量不是要研究的内容，研究要探讨的只是变量之间的相互关系。一项研究往往会涉及多个变量及其相互关系。例如，教学方法的研究中，就被试验者（以下简称被试）来说，学业成绩、智力、动机、兴趣、能力等因素在质和量上都会发生变化，都有差异，而且这些变量的相互关系交织在一起。把它们都拿来研究是不可能的，因此研究者必须事先决定研究的主要变量，并理清变量之间的关系。 自变量、因变量和无关变量是教育研究中最重要的、应用最广泛的变量。 自变量又称刺激变量，是引起或产生变化的原因，是研究者操纵的假定的原因变量。 因变量又称反应变量，是自变量作用于被试后产生的效应，是研究者要测定的假定的结果变量。 无关变量有时也称控制变量，是指与特定研究目标无关的非研究变量，即除了研究者操纵的自变量和需要测量的因变量之外的一切变量，是研究者不想研究、但会影响研究进程的、需要加以控制的变量。 通常情况下，研究要探讨的是自变量和因变量的对应关系，自变量是研究者要操纵的因素，是变化的原因，因变量是研究者要测定的因素，是变化的结果。自变量的变化能引起或影响因变量的变化，而因变量的变化依赖于或取决于自变量的变化。例如，在“儿童的智力与语言发展水平的研究”中，自变量是“儿童的智商”，因变量是“语言发展水平测验的分数”；在“幼儿园男女儿童体能各项指标的比较研究”中，自变量是“儿童的性别——男、女”，因变量是“体能测量的成绩”。 在一项研究中，除了自变量和因变量外，还可能有许多变量介入到研究过程中来，并且干扰自变量和因变量的对应关系，这些变量统称为无关变量。无关变量是研究者要控制的因素，因为不排除这些无关因素的干扰，便难以解释自变量和因变量的对应关系。控制无关变量就是要排除这些因素对研究结果的影响，使自变量和因变量的关系“纯化”。 3．研究方法的确定 在设计方案中要确定研究方法。研究方法随研究课题，特别是研究目的而确定。 一般的方法，主要有文献资料法、观察法、调查法、实验法、个案研究法、行动研究法，等等。当然，每…种方法都有其优点与局限性，采用单一的方法，往往只能获取部分信息，而遗漏许多其他有用的信息，难以做出全面准确的结论。因此，提倡使用综合的方法，或几种方法并用，或以一种方法为主其他方法为辅。 4．研究假设的提出 研究假设指在研究实施之前，研究者根据事实和已有资料对研究课题设想出的一种或几种可能的结论
在教育学中，研究者通常会通过实验或者调查来探究某种教育现象背后的规律和原因。在这个过程中，研究者通常会运用自变量、因变量和无关变量的概念。自变量一般是研究者有意识的变动，它是导致因变量变化的原因。因变量则是研究者希望研究的现象或者问题所表现出来的特征或变化，它是由自变量驱动的，因变量的变化是对于自变量的响应。无关变量则是对于因变量和自变量没有直接关系的额外的变量。举个例子，假设一个研究者想要研究学生的发展水平对于学习成绩的影响，研究中可能会遇到以下变量：自变量：发展水平，这个变量会被研究者操作和控制，例如研究者可能会利用一个标准化测试表来评估学生的发展水平，然后将这个信息反馈给学生或家长。因变量：学习成绩，在本例中这是研究者所观察的变量。研究者可能会通过测验来测量学生的成绩，并在发展水平变量受到控制的条件下进行比较。无关变量：社会经济因素、家庭背景或者性别等等，这些变量与研究对象的发展水平和学习成绩之间可能存在相关性， 但并不是研究的主要关注点。为了控制这些变量的影响，研究者可能会设计实验条件来保证这些变量在不同的实验组之间是均等的。总之，在教育学的研究过程中，自变量、因变量和无关变量是研究者必须要注意和控制的重要变量。它们的完全描述和控制会促使我们更深入地了解学生发展和学习的过程。
变量就是指一切存在不同的值的指标。比如性别、年龄、身高、学历、温度等，几乎所有的都可以称作变量。变量里面又根据研究目的的不同分为自变量、因变量、控制变量、随机变量等自变量和因变量通常是一起出现的，有自变量的地方就应该有因变量，或者只要谈到因变量就必须提自变量在实验中,自变量是由实验者操纵、掌握的变量.因变量是因为自变量的变化而产生的现象变化或结果.因此自变量和因变量的相互依存的,没有自变量就无所谓因变量,没有因变量也无所谓自变量.研究在不同温度条件过氧化氢酶的分解速率则自变量就是温度因变量就是过氧化氢的分解速率（或者叫不同温度下酶的活性）可以看一下人教版生物必修一教材第五章第一节降低化学反应活化能的酶有这方面的介绍无关变量就可以是关照，湿度等
比方说：温度改变了,酶的活性也跟着改变.温度是自变量,酶的活性是因变量. 自变量是我们做实验控制的变量,而因变量是因为自变量改变而发生改变的变量（也就是实验所得到的结果）.
1、“{x=f(u,v);y=g(u,v);z=h(u,v)}确立了函数z=z(x,y).” 是指给定一对（x,y）可由x=f(u,v);y=g(u,v); 确定（u,v）.从而确定z,这不就是由（x,y）至 z的映射了吗.所以此时x,y 为自变量,u,v为中间变量 z为因变量。 2、x=f(u,v);y=g(u,v); 可转化为u=m(x,y),v=w(x,y) .从而z=h(m(x,y),w(x,y)),即z=z(x,y).这样你看“u=m(x,y),v=w(x,y),z=z(x,y)” 不就有了 u,v为自变量,x,y中间变量,z因变量。 3、其实x,y,z,u,v谁为自变量,谁为因变量,谁为中间变量都无定论。
如：Y=f(X)。此式表示为：Y随X的变化而变化。Y是因变量，X是自变量。
自变量指研究者主动操纵，而引起因变量发生变化的因素或条件，因此自变量被看作是因变量的原因。
因变量也叫函数值。函数关系式中，某些特定的数会随另一个（或另几个）会变动的数的变动而变动，就称为因变量。
自变量是被操纵的变量，而因变量是被测定或被记录的变量。也就是说自变量是“原因”，而因变量就是“结果”。
自变量与因变量一词主要用于变量被操纵的实验研究中，在这种意义上，自变量在研究对象反应形式、特征、目的上是独立的，其他一些变量则“依赖于”操纵变量或实验条件的改变。
相关解释：
如何明白因变量和自变量是什么，其实也简单。说白了，自变量是“原因”，而因变量就是“结果”。
对于函数中的自变量和因变量有时是相互的，即变化的量的自变量，由变化的量而引起的另一个量的变化那么这一个量叫因变量。因此在实际问题中就应注意谁的变化引起了谁的变化问题。
在时间、路程、速度中路程一定，速度的大小的由时间的变化而引起的故一般称时间为自变量而速度为因变量，在一般的数学函数式中自变量和因变量的可以相互转化的这也就是函数与反函数。
以上内容参考：百度百科-因变量
看谁先变的，如果t先变的s跟着他变，t就是自变量，s就是因变量 如果题目给出s是t的函数，t就是自变量
回归分析是一种非常常用的统计分析方法，可以用来研究自变量和因变量之间的关系。下面是一般回归分析的步骤：
1.明确研究对象和问题：需要确认要研究的自变量和因变量，并明确研究的目的。
2.收集数据：需要搜集并整理数据，确保数据的质量和一致性。
3.数据描述和探索：对数据进行初步探索，包括描述性统计、散点图等分析方法，了解数据的分布情况。
4.模型建立：根据研究问题选取合适的模型，比如线性回归模型（简单线性回归和多元线性回归）等，利用计算机软件进行模型拟合和检验。
5.模型诊断：对模型进行诊断，验证模型是否符合回归分析的基本假设，如无自相关性、正态性、同方差性等。
6.结果解释和分析：根据分析结果，解释模型中每个自变量对因变量的影响，同时探讨可能的解释和实际意义。
7.
结论和应用：根据分析结果，得出结论或建议，并应用到实际问题中。同时，需要对结论及应用进行审慎的评估和解释， 以提高回归分析的可靠性和可行性。
需要注意的是，回归分析的具体步骤可能因为不同的问题而有所变化，但基本的思路是相似的。同时，回归分析本身也有很多变体和扩展，可以根据具体的问题选择合适的方法或者工具。
自变量是会引起其他变量发生变化的变量，是被操纵的。
因变量是由一些变量变化而被影响的量，是被测定或被记录的。
任何一个系统（或模型）都是由各种变量构成的，当分析这些系统（或模型）时，可以选择研究其中一些变量对另一些变量的影响，那么选择的这些变量就称为自变量，而被影响的量就被称为因变量。
扩展资料：
自变量与因变量一词主要用于变量被操纵的实验研究中，在这种意义上，自变量在研究对象反应形式、特征、目的上是独立的，其他一些变量则“依赖于”操纵变量或实验条件的改变。他们是对“对象将做什么”的反应。
这个词也用于将观察对象按照对象原有的属性分到各“实验组”中，而不是操纵自变量的研究中。如在比较男女性白细胞数的实验中，性别被称为了自变量，而白细胞数则为因变量。
参考资料来源：
百度百科——自变量
百度百科——因变量
数学函数里，经常有自变量，因变量一说。你知道这其中有什么区别吗?下面就让我来为大家介绍一下吧，希望大家喜欢。
因变量和自变量的区别
因变量
函数关系式中，某特定的数会随一个(或几个)变动的数的变动而变动，就称为因变量。如：Y=f(X)。此式表示为：Y随X的变化而变化。Y是因变量，X是自变量。 在具体的生物学等实验领域中因变量的理解是：因变量是由于自变量变动而直接(由目的决定)引起变动的量。而在具体的实验中又有因变量与自变量一起建立的模型以得以观察其他情况的变化，具体可体会数学中导数的含义。
自变量：
在心理实验中，自变量是由实验者操纵、掌握的变量。自变量一词来自数学。在数学中，y=f(x)。在这一方程中自变量是x，因变量是y。将这个方程运用到心理学的研究中，自变量是指研究者主动操纵，而引起因变量发生变化的因素或条件，因此自变量被看作是因变量的原因。自变量有连续变量和类别变量之分。如果实验者操纵的自变量是连续变量，则实验是函数型实验。如实验者操纵的自变量是类别变量，则实验是因素型的。在心理学实验中，一个明显的问题是要有一个有机体作为被试(符号O)对刺激(符号S)作反应(符号R)，即S-O—R。显然，这里刺激变量就是自变量。
在数学等式中能够影响其他变量的一个变量叫做自变量。
自变量的应用范围很广，从数学、函数到计算机、编程，无处不在。
如果x取任意一个量，y都有唯一的一个量与x对应，那么相应地x就叫做这个函数的自变量。
或 如果y是x的函数，那么x是这个函数的自变量。
广义解释
任何一个系统(或模型)都是由各种变量构成的，当我们分析这些系统(或模型)时，可以选择研究其中一些变量对另一些变量的影响，那么我们选择的这些变量就称为自变量，而被影响的量就被称为因变量。例如：我们可以分析人体这个系统中，呼吸对于维持生命的影响，那么呼吸就是自变量，而生命维持的状态被认为是因变量。系统和模型可以是一个二元函数这么简单，也可以是整个社会这样复杂。
种类
(1)刺激特点自变量：如果被试的不同反应是由刺激的不同特性，如灯光的强度、声音的大小等引起来的，我们就把引起因变量变化的这类自变量称为刺激特点自变量。
因变量 自变量的区别
自变量(Independent variable)一词来自数学。在数学中，y=f(x)。在这一方程中自变量是x，因变量是y。将这个方程运用到心理学的研究中，自变量是指研究者主动操纵，而引起因变量发生变化的因素或条件，因此自变量被看作是因变量的原因。自变量有连续变量和类别变量之分。如果实验者操纵的自变量是连续变量，则实验是函数型实验。如实验者操纵的自变量是类别变量，则实验是因素型的。在心理学实验中，一个明显的问题是要有一个有机体作为被试对刺激作反应。显然，这里刺激变量就是自变量。
因变量(dependent variable)函数中的专业名词，函数关系式中，某些特定的数会随另一个(或另几个)会变动的数的变动而变动，就称为因变量。如：Y=f(X)。此式表示为：Y随X的变化而变化。Y是因变量，X是自变量。另外“因变量”也特指心理实验中的专业名词。 猜你喜欢
1. 必要与重要的区别
2. 什么是非线性
3. 什么是回归分析
4. 论文写作常见统计学问题处理技巧
5. spss实习心得
变量是什么意思? 变量释义： 1.可假定为一组特定值中之任一值的量 2.代表数学公式中一个可变量的符号 3.数值可变的量 变量 统计学定义：把说明现象某种特征的概念称为变量（Variable），变量可以分为分类变量、顺序变量、数值型变量等。在程序设计中，可以在程序执行期间修改的包含特定数据类型的已命名存储位置。 由 Windows 2000 Server 定义的系统环境变量，不论是谁登录到该计算机，此变量都是相同的。然而，Adiministrators 组的成员可以添加新的变量或更改该值。 对于特定计算机上的每个用户，用户环境变量可以不同。它们包括您希望定义的任何环境变量或应用程序定义的变量，例如，定位应用程序文件的路径。 在心理学中变量是 这样解释的：指一个具有不同数值的量，其量的大小可以观察和测量。变量通常分为自变量和因变量。自变量是研究者选用或操纵的变量，以确定其对心理或行为的影响。因变量是被试者在实验室中的行为反应。 科研论文研究目标中的研究变量和总体是什么 科研论文研究目标中的研究变量和总体是什 提纲要吗 什么是特征变量 变量是统计学研究中对象的特征，在数量标志中，不变的数量标志称为常量或参数，可变的数量标志称为变量。由可变数量标志构造的各种指标也称为变量。它可以是定性的也可以是定量的，一个定量变量要么是离散的，要么是连续的。社会科学中研究变量的关系，通常把一个变量称为自变量（独立变量），另一个变量称之为因变量（依赖变量）。变量包括各种数量标志和全部统计指标，它都是以数值形式表示的，但不包括品质标志。 特征变量是相对于随机变量而言。 Variable 是什么意思？它的定义是什么？简单的，谢谢！ 变量，变量是统计学研究中对象的特征。意思是可变的量，它可以是定性的也可以是定量的，一个定量变量要么是离散的，要么是连续的。社会科学中研究变量的关系，通常把一个变量称为自变量（独立变量），另一个变亥称之为因变量（依赖变量） 参考资料：百度百科 研究变量的相关性分析结果怎么分析 相关性是指两个变量之间的变化趋势的一致性,如果两个变量变化趋势一致,那么就可以认为这两个变量之间存在着一定的关系(但必须是有实际经济意义的两个变量才能说有一定的关系)。相关性分析也是常用的统计方法,用SPSS统计软件操作起来也很简单 社会学 什么是变量 变量是统计学研究中对象的特征。它可以是定性的也可以是定量的，一个定量变量要么是离散的，要么是连续的。社会科学中研究变量的关系，通常把一个变量称为自变量（独立变量），另一个变量称之为因变量（依赖变量）。统计上的绝对量指标，按其取值的特点不同可分为离散变量与连续变量。离散变量亦可叫离散指标，是指仅能表现为整体取值的指标。连续变量亦可叫连续指标，是指可以出现小数的指标。 注：参见《社会统计学》，卢淑华，高等教育出版社，1999年。 什么是研究设计 学习目标： 1． 了解：研究设计的基本过程。 2． 掌握：如何选择研究课题 3． 掌握：如何定义研究变量。 4． 了解：如何提出研究假设。 5． 掌握：如何进行文献检索。 6． 了解：如何选择研究对象。 7． 掌握：能够撰写规范的研究计划 主要内容： 第一节：如何界定研究问题 （一） 确定研究变量 （二） 研究变量之间的相互关系 （三） 定义研究变量 （四） 变量的定义与操作 第二节：如何提出研究假设 （一） 什么是研究假设 （二） 研究假设的作用 （三） 研究假设的类型 （四） 研究假设的特征 （五） 研究假设的标准 第三节：如何进行文献检索 （一） 文献检索的意义与类型 （二） 文献的来源 （三） 文献检索的要求与过程 （四） 文献检索的方法与工具 （五） 阅览文献的要领 第四节：如何进行抽样（增加内容） （一） 什么是抽样 （二） 抽样的基本要求 （三） 抽样的具体方法 第五节：如何拟定研究计划 （一） 研究计划的主要内容 （二） 研究课题的申报 （三） 研究课题的论证 参数什么意思，有能看懂的吗 参数，也叫参变量，是一个变量。我们在研究当前问题的时候，关心某几个变量的变化以及它们之间的相互关系，其中有一个或一些叫自变量，另一个或另一些叫因变量。如果我们引入一个或一些另外的变量来描述自变量与因变量的变化，引入的变量本来并不是当前问题必须研究的变量，我们把这样的变量叫做参变量或参数。 参数是很多机械设置或维修上能用到的一个选项，字面上理解是可供参考的数据，但有时又不全是数据。对指定应用而言，它可以是赋予的常数值；在泛指时，它可以是一种变量，用来控制随其变化而变化的其他的量。简单说，参数是给我们参考的。 统计学中 描述总体特征的概括性数字度量，它是研究者想要了解的总体的某种特征值。总体未知的指标叫做参数。 数学中 参数思想贯彻于解析几何中。对于几何变量，人们用含有字母的代数式来表示变量，这个代数式叫作参数式，其中的字母叫做参数。用图形几何性质与代数关系来连立整式，进而解题。同时“参数法 ”也是许许多多解题技巧的源泉。 什么是前定变量 前定内生变量和外生变量绩和称为前定变量。 前定内生变量是指过去时期的、滞后的或更大范围的内生变量，不受本模型研究范围的内生变量影响，但能够影响所研究的本期内生变量。
一、变量的属性设计和尺度 概念名词界定清楚之后，接下来便是变量设计，变量设计包括三项内容:操作变量设计、变量的属性设计尺度选择。 变量是可测的名词。一项科学研究,特别是实证研究,需要定量的数据作为分析基础，总免不了处理许多变量。有些变量如温度、日产量，可以直接测量。另一些变量，内涵虽很清晰，但直接测量有困难。例如劳动生产率这个词，概念上是国内生产总值除以职工总数，但在收集数据计算时，还会有不同理解，需要作出具体说明，如职工总数，是指在册的职工人数，还是包括临时工、合同工。“职工总数”是名义变量，而操作变量可能是“企业在册职工数”，或“在册职工加合同工总数”。 将名义变量转换成操作变量是变量设计的重要内容。如1993年颁布的《中华人民共和国教师法》规定，“教师的平均工资水平应当不低于或者高于国家公务员的平均工资水平,并逐步提高”，但到现在还没有看到这项规定的执行情况报告，这些年教师与公务员比较起来，平均工资水平到底是高还是低，差别有多大，谁都说不清楚。究其原因，是按此规定表述的命题去测量和检验，操作有难度。“平均工资水平”是名义变量，要计算的话，还须转换成合理的操作变量，并要清晰界定每个变量的含义，如平均工资水平，是指所有教师和公务员而言，还是各类学校教师与相应类型的公务员比较。工资指基本工资还是包括绩效工资在内的实际工资，这些细节不交代清楚就无法统计。 变量必须可测。这意味着该名词(概念)的某种属性有量的差异，如“职工人数”这个变量指职工群体的数量，它的属性就是人数。“工人性别”这个变量的属性，只有男性或女性。“工人年龄”变量的属性可以设定为青年、中年、老年三种，也可以设定为18岁到60岁之间的数字。 变量是属性的集合，不同的属性要用不同的尺度来衡量属性之间的差异。“职工人数”的属性集合就是大于1的数，所用尺度是定比尺度。如“1000人”就是表示“职工人数”的一个属性。“工人性别”的属性集合只有男、女两种，属于定类尺度变量，将工人按男或女的属性分类。“工人年龄”如设定其属性为青年中年、老年，也属于定类尺度，如设定为18到60岁，则属定比尺度。如设定“职工学历”变量，可以采用定类尺度，分本科、硕士和博士等。如需要对各种属性排出优先顺序，可采用定序尺度，例如招聘职工中按学历指标优先排序，设定为本科、高中、硕士、博士、初中， 则定序尺度相应标为第一至第五。 研究工作总是离不开研究变量之间的关系,变量是可用数值来测度的名词、概念,有些变量只有两个数值,即0-1变量,如“性别”作为变量只有两个属性:“男”或“女”,炮弹的状态只有爆炸和不爆炸。当然属性也可增加,如个人所属民族,分别可用“1,2,3,4,5,..”表示“汉、回、蒙、藏....。.如表示汽车品牌,长安为1,吉利为2,捷达为3等。这些变量都属于离散型,一般不能用小数如来表示。另一类变量则是连续型,如年收入、考试成绩、年龄等,可以用小数表示。 工人总数、年龄、学历这类变量和属性的测度还比较直观,可以用单项指标来完成。有些情况下变量要求用多项指标来测度,涉及多维度属性。管理研究常遇到这类变量,如满意度、凝聚力、执行力等,不像长度、年龄、重量等变量能用单一指标测度,研究者往往要设计一套多项指标来间接测度这类变量,这是管理研究的难点,但也为管理研究者提供了特有的研究空间，设计出一套有效的测度指标，就是一项研究工作结果。 二、变量操作化过程 从假设到变量设计要经过一系列转换和细化的环节,这些环节构成了论文工作中有个人特色的实体研究内容。研究生不能忽视和轻视这个转换和细化过程,正确地完成各个环节的工作并非易事。下面举例来说明这个过程。 民间有谚语“红颜薄命”,这实际上是个假设,有人凭自己的观察和感悟提出这个论点,别人听了也觉得有道理,说得深刻，于是逐渐传播开来,但要作为科学结论,那就要论证。“红颜薄命”,按字面可以理解为“漂亮女人的命运不好”,如用假设的语言来表述,即“凡是够得上‘漂亮’的女人,命运都不好”。或者另一种表述:“女人的颜值与命运呈负相关”。不论何种解释,所研究的对象是“女人”,这个假设涉及两个变量:“颜值”和“命运”。这两个变量的属性可设置为离散型,比如,颜值的属性可以是“很漂亮、漂亮、一般、丑”;命运的属性可以是“好运、一般、薄命”。 如果属性设置为连续型,则可以按照颜值的漂亮程度和命运的好命程度用数值表示,如1...5。其中5为最漂亮,命运最好。为了实证,满足收集数据的要求,这个名义变量还须转化为可测的操作变量。尽管现实中还找不到科学仪器来测量颜值、命运,但作为科学研究,必须解决可测的问题。 这种情况下，有两种解决问题的途径。一种是逻辑推理的方法,另一种是直感判断法。 逻辑推理的方法是,找不出直接测度“颜值”或“命运”的办法,就要根据“颜值”或“命运”的外延,设计出几个指标来间接测度该变量。这里引出了指标这个名词。前面提到,论点树中衍生到操作层次的论点称为操作论点,其中的变量便属操作变量。这些操作变量,有的可以直接测度,有的不行，就要寻找一组能直接测度的变量来测度它,这种可据以直接收集数据的变量,在实用中常称之为“指标”，多个或多层指标便形成“指标体系”。 设想“颜值”可转换出容貌美、体态美和风度美三个变量,这离可操作性的要求接近了一步,但还不能直接测量,于是再分解出下一级变量,如体态美分为身高、体重身高比、三围腿长身高比等。身高等这类变量可以直接测度,可称之为指标，使用这套指标就能间接地测出体态美的量化值。变量设计到这一步才算基本结束,后续工作包括操作变量属性和尺度的设定。“命运”也是类似的情况，需设计一套可供操作的指标体系。 直感判断法是找一些专家,凭直感作出颜值和好命程度的主观判断。后面问卷法一节中将要讨论,即使是主观判断,让专家回答什么问题也是大有讲究的,不能直接问:“这个人命好吗”“这个人漂亮吗”。因为回答问题的专家,对好命和漂亮的概念有不同的理解,这些直接答案缺乏可比性和一致性,从统计上来说就没有多大意义。像已经很成熟的“智商”测试问卷,不是去问当事人,“你智商如何,请从7个等级中作出选择”,设计得好的智商问卷,应让被测者意识不到这是在测试智商。直感判断法同样要设计一套类似操作指标体系的问卷。 从以上讨论可以看出,像“红颜薄命”这类常见的假设,要按科学方法论证起来，可不简单。如真的把上例作为一项研究工作来做,能将“颜值”和“命运”这两个概念的可操作性指标体系设计出来,本身也就是一项有价值的研究工作。管理研究中,往往碰到这类抽象概念,如“凝聚力”“开放度”等。所以，管理类学位论文中,从假设提出到操作变量及测量指标的设计,其间的转换和细化工作是大有文章可做的。 从名义变量转换成可测的操作变量和指标的过程，有两个问题值得注意。 一是变量和属性不能混淆。 属性表示变量在类型或程度上的差异，总是有伴生的可比概念,而变量是相对独立概念。比如，性别是变量,属性有“男”,还有伴生的“女”。在一篇论文中,不能将同一概念既当作变量又当作属性处理。比如文章前面设定了“颜值”为变量,“漂亮”或“很漂亮”是属性,后面就不能又将“漂亮”视为变量,并赋予一套关于漂亮的属性。不过,这种混淆变量和属性的情况在学位论文中时有发生。 二是从名义变量转换到可直接测度的指标，要论证各环节的有效性， 有的论文涉及名义变量如“企业创新型”“企业绩效”等,在实证测度此变量时，却简单地依靠问卷中的一个认识性问项：“你认为本企业的创新性(绩效)属于：很强(很好)，强(好)，一般，差，很差。”面对这样的问题和选项，企业职工只能凭借个人印象给出答案。这些答案汇集成的数据，其有效性就难以令人信服 文章来源 | MBA学位论文研究及写作指导 文章作者 | 李怀祖
＜strong＞论文的变量可以在题目中写明。＜/strong＞论文的变量是自己在写论文的时候确定的变量参数一般是实证分析的时候要使用到的，也就是自己在写论文的时候是已经确定了要研究哪些数量或者指标之间的关系，所以在具体分析的时候就应该根据实际情况去控制相应的变量。变量是一个研究中的主角和焦点。在一个研究中，研究者试图讲清一个故事，这个故事需要时以前的学者没讲过的，这个故事又需要是大家感兴趣和关注的，这个故事还需要是有理有据的。