阿摩線上測驗
22.又稱無關變項，此項的作用和自變項的影響作用，混雜在一起，難以釐清彼此的效果
(A)混淆變項
(B)控制變項
(C)共變項
(D)中介變項---P.6
統計： A(1600), B(84), C(253), D(753), E(1) #30133
詳解 (共 2 筆)
變項的基本概念：
變項（Variable）：指可以量計的因素、特徵或情境。
在心理學上有三類基本變項：1.機體變項（organic variable）：如性別、年齡等均屬之。2.刺激變項（stimulus variable）：如刺激之類別、強度等均屬之。3.反應變項（response variable）：如反應之有無、強弱以及個別差異等均屬之。
在實驗研究上，常把變項分為兩類處理，一為自變項（independent variable），一為依變項（dependent variable）。
主動變項 ：研究者可以主動操控的。
屬性變項 ：研究者無法主動操控，只能藉由測量工具而得。
綜合上述，在自變項中，研究者可主動操縱者可稱為主動變項，不能操縱只能加以測量的叫做屬性變項。所以自變項可以是主動變項，也可以是屬性變項，也因此若自變項是主動變項，那麼要了解自變項對依變項的影響可以使用實驗研究法；而若自變項為屬性變項(無法操控)，那麼要了解自變項對依變項的影響可以使用事後回溯研究。
中介變項（intervening variable）：指介於刺激與反應兩變項之間，因外在刺激而引起的內在變化歷程，如動機、習慣、學習、態度、觀念等。
調節變項(moderator variable)：中介變項有時會與自變項產生交互作用，而當研究者納入研究架構以避免解釋誤差，此時中介變項即為調節變項。
混淆變項(confounding variable)：若研究者無法釐清對自變項的影響作用時，此時中介變項即為混淆變項。
控制變項：如果研究者又可以將混淆變項加以控制，此中介變項又稱控制變項。
機體變項：接受研究個體本身既有存在的特徵，為實驗研究者無法改變特徵，如性別、智力、社經地位、性向等，是研究者無法隨機分派予受試者變項，又稱為「屬性變項」。
曲解變項(distorter variable)：其介入實驗中，使得自變項與依變項關係反轉。
虛擬變項(dummy variable)：在統計運算中，某些變項以人為方式給予數據表示，此即稱為虛擬變項。如：以1 表示男生；以0 表示女生。
資料來源：https://blog.udn.com/iget/6671330
（A)混淆變項（Confounding Variable）
混淆變項是指在研究中未被控制或未被考慮的變數，可能會干擾自變項（independent variable）與因變項（dependent variable）之間的關係，導致研究結果的誤解或偏差。
簡單來說，混淆變項會讓我們無法確定觀察到的效果是否來自自變項，還是實際上是由這個混淆變項所引起的。
例子 1：吸菸與壽命
研究問題：吸菸（自變項）是否導致壽命縮短（因變項）？
混淆變項：生活壓力
- 生活壓力可能與吸菸有關（壓力大的人可能更傾向吸菸）。
- 生活壓力也可能與壽命有關（壓力大的人的健康狀況可能更差，壽命較短）。
- 如果不考慮生活壓力這個混淆變項，可能誤以為吸菸直接縮短壽命，而實際上是壓力在起作用。
例子 2：咖啡與心臟病
研究問題：喝咖啡（自變項）是否增加心臟病的風險（因變項）？
混淆變項：吸菸習慣
- 喝咖啡的人可能更常吸菸（咖啡與吸菸相關）。
- 吸菸會增加心臟病風險（吸菸與心臟病相關）。
- 如果不控制吸菸這個混淆變項，可能錯誤地得出喝咖啡增加心臟病風險的結論。
(D)中介變項
- 由自變項影響：中介變項是自變項的結果。
- 影響因變項：中介變項會進一步影響因變項。
- 解釋路徑：中介變項是自變項影響因變項的中間步驟
範例
例子 1：教育與收入
- 研究問題：教育水平（自變項）如何影響收入（因變項）？
- 中介變項：技能水平
教育水平可能提高個人的技能，而技能水平是影響收入的重要因素。因此，教育通過提高技能水平來影響收入。
例子 2：運動與體重減輕
- 研究問題：運動（自變項）是否導致體重減輕（因變項）？
- 中介變項：卡路里消耗量
運動增加卡路里的消耗，而卡路里消耗是減少體重的直接原因。因此，運動通過增加卡路里消耗來減少體重。
補充：調節變項（Moderating Variable）
也稱調節因子，是指影響自變項（independent variable）和因變項（dependent variable）之間關係強弱或方向的變數。調節變項本身不直接產生效果，但會改變兩變項之間的關係，從而使該關係在不同情況下有所不同。
調節變項的特徵
- 不直接影響因變項：調節變項本身對因變項的影響通常不顯著，但它會改變自變項與因變項之間的關係。
- 改變關係的強弱或方向：調節變項可能使自變項對因變項的影響更強、更弱，甚至反轉。
- 上下文或情境變數：調節變項通常描述某些背景條件、情境因素或個體特徵。
範例
例子 1：工作壓力與工作績效
- 研究問題：工作壓力（自變項）如何影響工作績效（因變項）？
- 調節變項：社會支持
當社會支持高時，工作壓力對工作績效的負面影響可能較小；當社會支持低時，工作壓力的負面影響可能更大。
例子 2：運動與體重減輕
- 研究問題：運動量（自變項）是否影響體重減輕（因變項）？
- 調節變項：飲食習慣
如果飲食健康，運動對體重減輕的效果會更顯著；如果飲食不健康，運動的效果可能減弱甚至無效。
例子 3：教育與收入
- 研究問題：教育水平（自變項）是否影響收入（因變項）？
- 調節變項：行業類型
在技術密集型行業，教育水平對收入的影響可能更強；在勞動密集型行業，影響可能較弱。
