Abhängige und unabhängige Variable

Abhängige und unabhängige Variable Definition

In vielen statistischen Studien und Experimenten wird untersucht, inwiefern eine Variable (die abhängige Variable) durch eine andere (die unabhängige Variable) beeinflusst wird. Die unabhängige Variable ist die (vermeintliche) Ursache, die abhängige Variable ist die Wirkung.

Beispiel

Die Wirkung eines neuen Medikaments zur Blutdrucksenkung soll geprüft werden. Es werden in einer Zufallsstichprobe 100 Personen mit Bluthochdruck ausgewählt, davon wird 50 Personen das Medikament und den anderen 50 Personen ein Placebo verabreicht.

Die unabhängige Variable ist "medikamentöse Behandlung" mit den Ausprägungen Ja/Nein, die abhängige Variable ist die Veränderung des Blutdrucks.

Die unabhängige Variable wird auch als erklärende Variable bezeichnet (sofern eine Wirkung besteht, erklärt die Medikamentengabe die Reaktion der abhängigen Variablen Veränderung des Blutdrucks). Bildlich könnte man die unabhängige Variable als "Stellschraube" betrachten, an der man dreht, um zu sehen, wie eine andere Variable darauf reagiert.

Welches die abhängige und welches die unabhängige Variable ist, ergibt sich oft aus dem Experiment (in dem obigen Beispiel gibt es keine umgekehrte Möglichkeit). In anderen Fällen muss dies vom Durchführenden explizit festgelegt werden.

Die unabhängige Variable wird auch als exogene Variable (altgriechisch exogen: von außen herrührend), die abhängige Variable wird auch als endogene Variable (endogen: innen / innerhalb des Systems) bezeichnet.

Der Begriff unabhängige Variable wird aber in der Praxis nicht nur für Variablen verwendet, an denen man drehen kann (ich gebe das Medikament oder gebe es nicht; ich drehe den Heizregler auf usw.), sondern auch für Variablen, nach denen man Ergebnisse unterscheiden möchte.

So könnte man z. B. das Alter als unabhängige Variable betrachten, wenn man die Anfälligkeit für bestimmte Krankheiten untersuchen möchte. Man kann am Alter nicht drehen, aber man kann in die Studie verschiedene Altersklassen aufnehmen und schauen, wie sich die abhängige Variable (z. B. Schwere eines Krankheitsverlaufs) dazu verhält.