Du hast dich jetzt gerade aber davor auch schon immer gefragt, was es mit der Unterscheidung in abhängige und unabhängige Variablen auf sich hat?

Dann bist du hier auf digitales Gold gestoßen.

Denn in diesem Artikel erkläre ich dir kurz aber präzise, worin der Unterschied zwischen abhängiger und unabhängiger Variablen besteht und welche Funktion sie für dein quantitatives Forschungsdesign übernehmen. Wenn du danach noch Lust hast, gehe ich noch ein wenig in die Tiefe und erkläre dir, warum diese Bezeichnung der Variablen im Kontext von Survey-Studien und anderen Methoden oft gar nicht richtig ist und wie du sie korrekt beschreibst.

Warum braucht es abhängige und unabhängige Variablen in einem Forschungsdesign?

Um in einem quantitativen Forschungsdesign Hypothesen zu testen, musst du zuvor die Variablen dieser Hypothese bestimmen und sicherstellen, dass du sie messen kannst.

Wie der Name schon sagt, können sich Variablen ändern.

Sie können verschiedenste Form der Veränderung erfahren, z.B. ein menschliches Verhalten wie die Neigung dazu, im Supermarkt eher zu Bio-Obst zu greifen.

Ebenso kann eine Variable örtlich variieren, wie z.B. bei Landkreisen mit den höchsten Virusinfektionen.

Zuletzt kann eine Variable sich über die Zeit gesehen verändern, z.B. der Gewinn eines Unternehmens pro Quartal.

Variablen in Hypothesen

Eine Hypothese umfasst in der Regel zwei Variablen und deren Beziehung zueinander. Dabei geht es darum, wie die eine Variable auf die andere wirkt, d.h. die Hypothese drückt eine Beziehung aus Ursache und Effekt aus.

Das Essen einer Banane unmittelbar nach dem Training erhöht die Muskelregeneration.

In dieser Hypothese stellt das Essen einer Banane die Ursache dar. Das ist die unabhängige Variable. 

Die erhöhte Muskelregeneration ist in diesem Fall der erwartete Effekt. Das ist die abhängige Variable. 

Unabhängige Variablen

Ok und warum ist die erste Variable nun unabhängig?

Das liegt daran, dass diese Variable beliebig variiert werden kann. Die Variable könnte auch „das Trinken eines Proteinshakes“ sein. Oder: das Essen von zwei Bananen.

So gesehen hängt diese Variable nicht von anderen Variablen ab – deshalb unabhängige Variable.

Abhängige Variable

Die zweite Variable, welche die Wirkung bzw. den Effekt darstellt, nennt man abhängig, weil der Wert dieser Variable von der Ursache abhängt.

Abhängige und unabhängige Variablen im Experimentaldesign

Diese Begrifflichkeit ist im Kontext wissenschaftlicher Experimente entstanden. Zur Überprüfung der Beispiel-Hypothese könntest du also ein Experimentaldesign aufsetzen, welches eine Stichprobe an Sportlerinnen untersucht. Unter Aufsicht bekommt jeder Teilnehmer eine Banane – so wird die unabhängige Variable gemessen.

Dann dürfen sie sich beim Workout austoben und anschließend wird ihre Muskelregeneration, die abhängige Variable, gemessen.

In diesem Experiment ließe sich nun die unabhängige Variable variieren, man spricht hierbei auch von „Manipulation“.

Abhängige und unabhängige Variablen: 3 Beispiele

Beispiel #1

Für ein Experiment wird in einem Auto die Temperatur verändert. Personen, die in diesem Auto sitzen geben an, wie wohl sie sich bei der jeweiligen Temperatur fühlen. Die Temperatur ist die unabhängige Variable. Die abhängige Variable ist das berichtete Wohlbefinden der Insassen.

Beispiel #2

Du möchtest untersuchen, wie Smartphone-Nutzung die Herzfrequenz beeinflusst. Die unabhängige Variable ist die Smartphone-Nutzung und die abhängige Variable die Herzfrequenz.

Beispiel #3

Du möchtest herausfinden, wie Zeit im Home Office die Arbeitsleistung deiner MitarbeiterInnen beeinflusst. In diesem Beispiel ist die unabhängige Variable die Zeit im Home Office und die abhängige Variable die Arbeitsleistung.

Abhängige und unabhängige Variablen in Querschnittsstudien

In einem Experiment werden zu verschiedenen Zeitpunkten Daten erhoben. Das erlaubt es der Studienleitung, die unabhängige Variable zu manipulieren.

In Studien, die nur zu einem einzigen Zeitpunkt Daten von verschiedenen Individuen erheben, ist das nicht der Fall. Man spricht hier auch von Querschnittsstudien. Ein Beispiel dafür ist eine Online-Umfrage.

Hier können Variablen nicht manipuliert werden und somit auch keine Kausalzusammenhänge getestet werden. Die Terminologie von unabhängigen und abhängigen Variablen wäre demnach falsch. Trotzdem weiß jeder was gemeint ist, wenn du davon sprichst, doch wenn du ganz korrekt bleiben möchtest, kannst du von

Prädiktorvariable oder Prognosevariable statt unabhängiger Variable und

Antwortvariable statt abhängiger Variable sprechen bzw. schreiben.

Denn schließlich werden auch in Querschnittsstudien Vorhersagen über Variablen gemacht – nur wird eben keine Kausalität unterstellt.

Falls du Interesse hast, den Unterschied zwischen Kausalität und Korrelation habe ich bereits in einem anderen Video beleuchtet. Das findest du hier oben rechts verlinkt.

Für Experimente funktioniert diese Bezeichnung ebenfalls. Du könntest also theoretisch immer die Bezeichnung Prädiktorvariable und Antwortvariable verwenden – Unabhängig und abhängig nur im Kontext von Experimenten (Field, 2015).

Abhängige und unabhängige Variablen messen

Und wie werden die Variablen nun gemessen?

Hierfür ist natürlich die Methode von größter Wichtigkeit. Bei einem quantitativen Studiendesign können wie bereits erwähnt Experimente oder standardisierte Befragungen wie Online-Surveys zum Tragen kommen. Aber auch die Erfassung von Sensordaten oder anderen Messungen oder das Sammeln von Dokumenten, Texten oder Social Media Daten können die Grundlage für ein quantitatives Forschungsdesign sein.

Jede Methode befördert nun Daten hervor, die unterschiedliche Messniveaus oder auch Skalenniveaus aufweisen. Diese Skalenniveaus entscheiden, wenn du so willst über die Qualität deiner Variablen und welche statistischen Operationen dir zur Überprüfung deiner Hypothese zur Verfügung stehen. Alles über die verschiedenen Skalenniveaus erfährst du auch in meinem Tutorial zu Skalenniveaus in der Statistik.

Abhängige und unabhängige Variablen für die Regressionsanalyse

Sind deine Variablen metrisch skaliert, d.h. sie bestehen aus Zahlenwerten (z.B. Anzahl an gegessenen Bananen), dann kann mithilfe einer Regressionsanalyse der Zusammenhang (je nach Datenlage kausal oder korrelierend) zwischen abhängiger und unabhängiger Variable berechnet werden.

Wie du das genau anstellst ist ein Thema für ein anderes Video – aber zumindest hast du so einen kleinen Ausblick auf das, was du nun nach der Bestimmung und Messung deiner Variablen anstellen kannst.

---

Und wenn du noch weiter in dieses Thema einsteigen möchtest, dann empfehle ich dir das Lehrbuch „Einführung Statistik*“ (2017) von Hans-Joachim Mittag

und zur Anwendung in SPSS oder R die Bücher von Andy Field*.

Ich hoffe diese Erklärungen konnten ein wenig Licht ins Dunkel bringen – wenn Ja, freue ich mich über ein Like und einen Kommentar unter diesem Video. Schlag mir gerne auch ein Thema für ein Video vor, welches du als nächstes sehen möchtest.

Dein Philip

---

*Partner-Link

---

Wenn du jetzt auf dem Weg zu mehr Erfolg im Studium noch ein wenig Starthilfe für deine wissenschaftliche Arbeit benötigst, dann habe noch ein PDF für dich, das du dir gratis herunterladen kannst:

Die 30 besten Formulierungen für eine aufsehenerregende Einleitung

---