研究における独立変数 VS. 従属変数：定義・種類・具体例

研究では、ある要因が別の要因に影響を与えるか、別の要因を予測できるか、または別の要因と関連しているかを調べることがよくあります。臨床試験では、ある治療が患者の転帰を改善するかどうかを検討することがあります。教育研究では、ある教授法が学生の学習成果に影響を与えるかどうかを調べることがあります。環境研究では、汚染レベルと植物の生育に関連性があるかどうかを検討する場合があります。

こうした関係を調べるために、研究者は研究に含まれる変数を特定します。その中でも特に重要なのが、独立変数と従属変数です。

独立変数とは、研究者が操作、比較、または検討し、別の要因に影響を与える可能性があると考える要因です。一方、従属変数とは、研究者が測定する結果です。

独立変数と従属変数の違いを理解することは、研究者が以下のことを行ううえで役立ちます。

• より明確な研究課題を設定する
• 検証可能な仮説を立てる
• 適切な研究方法を選択する
• 研究結果をより正確に解釈する

研究における従属変数と独立変数とは？

独立変数とは、研究者が、別の変数に影響を与えたり、その変化を説明したりする可能性があると考える要因です。実験では、研究者が参加者を異なる治療条件に割り当てることで、独立変数を直接操作する場合があります。一方、観察研究では、研究者が既存の特性や曝露を、その条件をコントロールすることなく測定する場合があります。

従属変数とは、研究者が観察または測定する結果です。「従属」と呼ばれるのは、その値が独立変数の変化や、研究対象となるグループ間の違いに応じて変化することが多いためです。

たとえば、大学院生を対象に、睡眠時間が学業成績に影響するかどうかを調べる研究では、以下のようになります。

• 独立変数：睡眠時間
• 従属変数：学業成績

この例では、睡眠時間が結果に影響を与える可能性のある要因であり、学業成績が研究者が測定する結果です。

同じ変数でも、研究によって異なる役割を持つ場合があります。たとえば、就寝前のスクリーン使用の影響を調べる研究では、睡眠時間が従属変数になることがあります。一方、別の研究では、学業成績を予測するために用いられる独立変数となる場合があります。

変数の役割は、研究課題と研究デザインによって決まります。

独立変数とは？

独立変数は、予測変数、説明変数、曝露変数、または処置変数と呼ばれることもあります。研究者が操作する場合もあれば、自然に存在する特性や、研究者がグループ間で比較する条件である場合もあります。

たとえば、独立変数には以下のようなものがあります。

• 患者に行う治療の種類
• 教室で使用する教授法
• 作物に施す肥料の量
• 参加者の睡眠時間
• 大気汚染への曝露
• 身体活動を行う頻度
• 参加者の年齢や教育レベル
• 特定の遺伝子の有無

無作為化比較試験では、研究者が参加者を、新しい治療を受けるグループまたはプラセボを受けるグループのいずれかに割り当てることがよくあります。この場合、治療条件は研究者が管理しているため、独立変数となります。

観察研究では、運動する頻度が高い人ほど血圧が低いかどうかを調べることがあります。この場合、研究者が参加者に特定の時間運動するよう割り当てていなくても、運動頻度は独立変数です。

この区別は重要です。なぜなら、独立変数が必ずしも研究者が直接管理する要因とは限らないからです。多くの観察研究では、個人、グループ、または環境の間に自然に生じる違いを研究者が調べます。

独立変数の種類

独立変数は、研究においてどのように測定・使用されるかによって、いくつかの種類に分けられます。

1. 実験変数は、研究者によって操作または割り当てられる変数です。

• 例： 薬剤の投与量、治療条件、教授法、または実験室での刺激への曝露

2. 被験者変数は、参加者がもともと持っている特性です。研究者がこれらの特性を割り当てることは一般的にできませんが、それらの特性に基づいてグループを比較することはできます。

• 例： 年齢、生物学的性別、教育レベル、社会経済的地位、または過去の病歴

3. カテゴリカル変数は、参加者や観察対象をあらかじめ定められたグループに分類する変数です。

• 例： 治療群と対照群、都市部と農村部、またはワクチン接種者と未接種者

4. 連続変数は、一定の範囲内でさまざまな数値を取ることができる変数です。

• 例： 気温、所得、年齢、睡眠時間、汚染物質の濃度

独立変数をどのように測定するかによって、その変数を研究者がどのように分析し、解釈するかが変わります。たとえば、年齢は連続変数として分析することも、若年層、中年層、高齢者といったカテゴリーに分けて分析することもできます。

変数をカテゴリー化すると、研究結果をより分かりやすく伝えやすくなりますが、データの詳細が失われる可能性もあります。

従属変数とは？

従属変数とは、研究において研究者が測定する結果または反応を指します。健康状態、行動、パフォーマンス、生産性など、さまざまな特性の変化を表すことがあります。

従属変数の例には、以下のようなものがあります。

• 血圧
• テストの得点
• 反応時間
• 作物の収穫量
• 患者が報告する痛み
• 入院回数
• 従業員の定着率
• 研究生産性
• 疾患の状態
• 顧客満足度

従属変数は、別の研究者がその測定方法を理解できるほど明確に定義する必要があります。このプロセスは**操作的定義（オペレーショナリゼーション）**と呼ばれます。

たとえば、「学業成績」は幅広い概念です。研究者は、成績平均点（GPA）、試験の得点、科目の修了状況、卒業状況、または完了した課題の数を用いて測定することがあります。それぞれの測定方法は、学業成績の異なる側面を捉えるため、異なる解釈につながります。

同様に、「生活の質」は、妥当性が確認された質問票、複数の健康指標、または参加者へのインタビューを用いて測定できます。研究者は、なぜ特定の測定方法を選択したのか、また、それが研究の問いとどのように関連しているのかを説明する必要があります。

1つの研究に、複数の従属変数を含めることもできます。たとえば、臨床試験では、症状の重症度と生活の質の両方を測定する場合があります。複数の結果を分析する場合には、特に、どの結果を主要評価項目とし、どの結果を副次評価項目とするのかを研究者が明確にする必要があります。

従属変数の種類

従属変数は、得られるデータの種類に応じて分類することもできます。

1. 連続従属変数は、一定の尺度上で多くの数値を取ることができます。

• 例： 身長、血圧、反応時間、試験の得点

2. 離散従属変数は、数えられる値を取ります。

• 例： 論文の出版数、入院回数、エラーの数、完了したタスクの数

3. 二値従属変数は、2つの結果のいずれかを取ります。

• 例： 疾患ありまたはなし、治療成功または失敗、就業または失業

4. カテゴリカル従属変数は、明確に区別されたグループから構成され、必ずしも意味のある順序を持つとは限りません。

• 例： 研究では、診断結果、希望する治療法、または雇用区分に基づいて参加者を分類することがあります。

5. 順序尺度の従属変数は、意味のある順序に従ったカテゴリーを持ちますが、カテゴリー間の間隔が等しいとは限りません。

• 例： 軽度・中等度・重度の痛み、または「まったく同意しない」から「強く同意する」までの回答

従属変数の種類を理解することは、研究者が適切な分析方法を選択し、研究結果を明確に提示するうえで役立ちます。

独立変数と従属変数の例

独立変数と従属変数の違いは、具体的な研究課題に当てはめて考えると、より明確になります。

各例では、独立変数が、研究者が影響を与える可能性のある要因として調べるものです。一方、従属変数は、差や関係が存在するかどうかを評価するために用いる結果です。

また、多くの研究では、その他の変数も含まれます。たとえば、運動と血圧の関係を調べる研究では、参加者の年齢、食事、薬の使用状況、または研究開始時の健康状態などを考慮することがあります。これらの変数は、研究の主な焦点ではない場合でも、結果に影響を与えることがあります。

変数から仮説へ

変数を特定することで、研究者は幅広いテーマを検証可能な仮説へと具体化できます。

次の研究課題を考えてみましょう。

業務負荷は研究者の燃え尽きに影響を与えるか？

 独立変数は業務負荷で、従属変数は燃え尽きです。次に、研究者はそれぞれの概念をどのように測定するかを決める必要があります。業務負荷は、週あたりの勤務時間、現在進行中のプロジェクト数、または準備中の論文原稿数などによって測定できます。燃え尽きは、妥当性が確認された質問票や臨床的評価を用いて測定できます。

考えられる仮説の例は次のとおりです。

「週あたりの業務負荷が高い研究者ほど、燃え尽きスコアが高いと報告する。」

仮説の表現は、研究デザインを反映したものである必要があります。無作為化実験では、研究者は、ある条件が結果の変化を引き起こすかどうかを評価します。一方、観察研究では、2つの変数が関連している、または一方の変数がもう一方を予測すると表現するほうが適切な場合が多くあります。

次の表現を考えてみましょう。

• 「介入によってストレスが低下した」は、因果関係を示す結論を示唆します。
• 「介入への参加は、より低いストレススコアと関連していた」は、より慎重に関係性を表現しています。
• 「ベースライン時のストレスは、治療への反応を予測した」は、統計的な関連または予測関係を示しています。

正確な表現を使用することで、研究者は、研究デザインでは裏付けることのできない主張を避けることができます。

変数が統計解析に与える影響

独立変数と従属変数を特定することは、分析方法を計画するうえで重要な第一歩です。ただし、研究者は、変数がどのように測定されたか、またデータがどのように収集されたかについても考慮する必要があります。

たとえば、血圧のような連続的な従属変数は、線形回帰分析を用いて分析できます。治療の成功または失敗のような二値の結果には、ロジスティック回帰分析が必要になる場合があります。回復や疾患の再発など、ある事象が発生するまでの時間を調べる研究では、生存時間解析が用いられることがあります。

また、研究者は、研究に反復測定、複数の予測変数、クラスター化された観察データ、欠測データが含まれているかどうかについても考慮する必要があります。参加者を複数回測定する縦断研究では、1つの時点でのみデータを収集する研究とは異なる分析方法が必要になります。

「独立変数」と「従属変数」という名称だけで、統計検定の方法が決まるわけではありません。研究デザイン、測定尺度、サンプルサイズ、データの分布、使用するモデルの前提条件をすべて考慮する必要があります

交絡因子、媒介変数、調整変数

多くの研究課題では、独立変数と従属変数がそれぞれ1つだけではありません。研究者は、交絡因子、媒介変数、調整変数についても考慮する必要があります。

1. 交絡因子とは、独立変数と従属変数の両方に関連する第三の変数です。独立変数と従属変数の間に見かけ上の関係を生じさせたり、実際の関係を歪めたりする可能性があります。

• 例： 定期的に運動する人は血圧が低いという研究結果が得られたとします。研究開始時の健康状態は、運動習慣と血圧の両方に影響を与える可能性があるため、交絡因子となる可能性があります。

2. 媒介変数は、独立変数がどのように、またはなぜ従属変数に影響を与える可能性があるのかを説明する変数です。

• 例： 体重の変化が、運動と血圧の関係を媒介する可能性があります。

3. 調整変数は、ある関係の強さや方向に影響を与える変数です。

• 例： 運動と血圧の関係は、年齢や薬の使用状況によって異なる可能性があります。

これらの追加的な変数を認識することで、研究者はより正確なモデルを構築し、複雑な研究結果を単純化しすぎて解釈することを避けられます。

変数を特定する際によくある間違い

研究者が独立変数と従属変数を扱う際には、いくつかのよくある間違いがあります。

1つは、独立変数は必ず操作されるものであると考えてしまうことです。観察研究では、独立変数が測定された曝露や、研究開始前から存在する特性である場合があります。

もう1つは、統計的に有意な関連性を因果関係の証拠として扱うことです。統計的有意性だけでは、ある変数が別の変数の変化を引き起こしたことを証明することはできません。

また、研究者が、測定方法を説明せずに曖昧な結果を用いることもあります。「成功」「ウェルビーイング」「研究の質」などの用語には、明確な操作的定義が必要です。

最後に、複数の結果を検討する研究では、主要な従属変数と副次的な従属変数を明確にする必要があります。これにより、読者は、どの結果が研究課題の中心であり、どの結果が探索的なものであるかを理解しやすくなります。

まとめ

独立変数と従属変数は、研究の論理的な構造を理解するための枠組みとなります。独立変数は、研究者が操作、比較、または影響を与える可能性のある要因として検討するものです。従属変数は、研究者が測定する結果です。

この区別を理解することで、研究者は焦点を絞った研究課題を設定し、より明確な仮説を立て、適切な研究方法を選択し、研究結果をより正確に解釈できます。また、変数がどのように操作的に定義されているか、さらに、交絡因子、媒介変数、調整変数が研究対象となる関係に影響を与える可能性があるかについても考慮する必要があります。

研究デザインや原稿を最終決定する前に、研究者は次の点を確認できます。

• どの要因を、影響を与える可能性のあるものとして検討しているか？
• どのような結果を測定しているか？
• 各変数はどのように定義されているか？
• 結果に影響を与える可能性のある追加の変数はあるか？
• 研究デザインは、その関係を説明するために使用している表現を裏付けているか？
• 計画している分析方法は、収集したデータの種類に適しているか？

独立変数と従属変数を明確に理解することは、研究プロセスだけでなく、研究結果の伝達にも役立ちます。原稿を作成する際にこれらの変数について丁寧に説明することで、読者は研究がどのように実施されたのか、また、その結論をどのように解釈すべきかをより正確に理解できます。