Змінні у психологічному дослідженні: незалежні, залежні та контрольні змінні
Оновлено: 8 жовт.
Автор: Український психологічний ХАБ · Опубліковано: 7 жовтня 2026 · Редакційна політика
Змінна у психологічному дослідженні — це характеристика, умова або показник, значення якого може відрізнятися між людьми, групами, ситуаціями чи моментами часу. Роль змінної визначається дослідницьким питанням і дизайном: незалежна змінна задає або представляє передбачуваний чинник впливу, залежна змінна є результатом, який дослідник пояснює або прогнозує, а контрольні змінні використовують для керування альтернативними поясненнями та умовами дослідження.
Найважливіше правило таке: назва змінної сама по собі не доводить причинність. У рандомізованому експерименті незалежною змінною часто є умова, якою дослідник керує, а залежною — виміряний результат. У спостережному або кореляційному дослідженні ті самі слова іноді використовують для предиктора і результату, проте причинний висновок потребує окремого обґрунтування. Саме тому, читаючи психологічне дослідження, варто спочатку з’ясувати, яку роль має кожна змінна в дизайні, а вже потім інтерпретувати статистичний зв’язок.
Що таке змінна в психологічному дослідженні
Психологія вивчає явища, які можуть змінюватися: тривалість сну, швидкість реакції, частоту помилок, рівень стресу, умови навчання, тип інструкції, вік, належність до групи, поведінковий вибір, фізіологічний показник та багато інших характеристик. Коли така характеристика набуває різних значень у межах дослідження, її можна розглядати як змінну.
Змінна має щонайменше два різні аспекти. Перший — що саме вона означає в дослідницькій логіці: передбачуваний чинник, результат, коваріата, змішувальна змінна, модератор тощо. Другий — як вона представлена в даних: числом, категорією, порядковим рівнем, повторним вимірюванням та іншим способом. Ці аспекти пов’язані, але не тотожні. Наприклад, «умова сну» може бути незалежною змінною з трьома категоріями, а «кількість помилок» — залежною числовою змінною.
Американська психологічна асоціація визначає залежну змінну як результат, який спостерігають після зміни незалежної змінної в експерименті або який намагаються прогнозувати чи пояснити в кореляційному дослідженні. Важлива частина цього визначення полягає в тому, що залежна змінна не обов’язково має причинний зв’язок із незалежною. Отже, терміни описують насамперед роль у моделі дослідження, а не автоматично встановлений механізм.
Незалежна змінна
Незалежна змінна — це змінна, значення або умови якої використовують для пояснення, порівняння чи прогнозування змін у результаті. У класичному експерименті дослідник маніпулює незалежною змінною: наприклад, випадково розподіляє учасників на умову шести годин сну та умову восьми годин сну, а потім порівнює їхню увагу.
У такому дизайні незалежна змінна «тривалість сну» має чітко визначені експериментальні рівні. Якщо інші важливі умови достатньо контрольовані, а групи формуються належним чином, різницю в результаті можна інтерпретувати значно сильніше, ніж просту асоціацію. Саме цю логіку розгортає експериментальний метод у психології.
Маніпульована і виміряна незалежна змінна
У психологічній літературі словом «незалежна» інколи називають і змінну, якою дослідник не керує. Наприклад, вік, попередній досвід, групова належність або звична поведінка можуть бути предикторами в аналізі, хоча їх не було експериментально призначено. Для характеристик людини, які не можна призначити експериментально, у методологічних описах також трапляється термін «квазінезалежна змінна».
Таке слововживання потребує точності. Якщо дослідник порівнює людей, які вже відрізняються за певною характеристикою, він не створює цю відмінність і не забезпечує випадковий розподіл за нею. Тому фраза «незалежна змінна» тут описує позицію змінної в аналізі, а не силу доказу причинного ефекту. У спостережних дослідженнях часто ясніше говорити «предиктор», «експозиція», «пояснювальна змінна» або просто називати конкретну досліджувану характеристику.
Рівні незалежної змінної
Рівні — це значення або умови незалежної змінної, які порівнюють. Якщо досліджують вплив формату інструкції, рівнями можуть бути текстова, аудіовізуальна та інтерактивна інструкція. Якщо незалежна змінна безперервна, наприклад тривалість сну в годинах, дослідник може аналізувати її без штучного поділу на групи. Перетворення безперервної змінної на категорії інколи полегшує опис, але може втрачати інформацію, тому таке рішення має випливати з дослідницького завдання, а не з бажання отримати зручнішу таблицю.
Залежна змінна
Залежна змінна — це результат, відгук або показник, який дослідник прагне пояснити, передбачити чи порівняти між умовами. У дослідженні впливу недосипання на увагу залежною змінною може бути кількість помилок у завданні, час реакції або інший заздалегідь визначений показник уваги.
Одна дослідницька робота може мати кілька залежних змінних. Наприклад, експеримент може оцінювати і швидкість реакції, і точність відповідей, і суб’єктивну сонливість. Це створює ширшу картину результату, але водночас збільшує кількість аналітичних рішень. Тому досліднику важливо заздалегідь розрізняти основні та додаткові результати й прозоро повідомляти, які аналізи були заплановані. Стандарти APA JARS спрямовані на прозоре повідомлення ключових компонентів психологічних досліджень, а кількісні стандарти рекомендують чітко розрізняти основні, додаткові та пошукові гіпотези й аналізи.
Залежна змінна не означає встановлену причинну залежність
Якщо в поперечному опитуванні самотність поставили в модель як предиктор, а симптоми депресії — як залежну змінну, статистична модель оцінює їхній зв’язок у заданому напрямку. Вона сама по собі не встановлює, що самотність спричинила симптоми. Можливі зворотний напрямок впливу, спільні причини, відбір учасників, похибки вимірювання та інші пояснення.
Тому в неекспериментальних даних варто розділяти статистичну роль і причинну роль. Статистична модель може бути записана як «результат залежить від предиктора», але причинний висновок виникає лише тоді, коли дизайн, часовий порядок і припущення справді підтримують таке тлумачення. Цю межу докладніше пояснює стаття «Кореляція і причинність».
Контрольні змінні
Контрольна змінна — це характеристика або умова, вплив якої дослідник намагається утримати сталим, збалансувати, врахувати дизайном або статистично скоригувати, щоб вона не створювала небажане альтернативне пояснення результату. У APA Dictionary of Psychology контроль в експерименті описано як регулювання сторонніх умов і змінних для того, щоб зміни залежної змінної можна було пов’язувати з маніпуляцією незалежною змінною, а не з іншими чинниками.
Контроль не означає, що кожну доступну характеристику потрібно додати до регресійної моделі. Вибір того, що саме контролювати, залежить від причинної структури задачі. Методологічна робота Тайлера Вандервіла про вибір змішувальних змінних показує, що коректна корекція потребує знань про причинні зв’язки між змінними. Механічний принцип «чим більше контрольних змінних, тим краще» може дати зміщену оцінку.
Як контроль здійснюють на практиці
Контроль може бути частиною самого дизайну. Дослідник може стандартизувати інструкцію, проводити тестування в однаковий час, використовувати однакове обладнання, обмежити критерії включення, збалансувати порядок завдань, застосувати блокування чи стратифікацію, засліплення або випадковий розподіл учасників між умовами. Кожен спосіб вирішує свою проблему, і жоден не є універсальним.
Рандомізація має особливу роль: за належного виконання вона робить призначення умов незалежним від попередніх характеристик учасників у ймовірнісному сенсі та допомагає зменшувати систематичне змішування причин. Водночас рандомізація не гарантує абсолютної однаковості груп у конкретній вибірці і не замінює якісного вимірювання результату, дотримання протоколу та аналізу втрат учасників.
Контроль може бути й статистичним: дослідник включає коваріати в модель, стратифікує аналіз, застосовує зважування чи інші методи. Статистична корекція працює лише за відповідних припущень. Вона не перетворює будь-яке спостережне дослідження на рандомізований експеримент і не усуває автоматично невиміряне змішування причин.
Незалежна, залежна і контрольна змінна: коротке порівняння
Незалежна змінна відповідає на питання «що порівнюємо, задаємо або використовуємо як головний предиктор?». Приклад — умова шести годин сну проти восьми.
Залежна змінна відповідає на питання «який результат пояснюємо, прогнозуємо або порівнюємо?». Приклад — кількість помилок у завданні на увагу.
Контрольна змінна відповідає на питання «яку сторонню умову потрібно утримати, збалансувати або обґрунтовано врахувати?». Приклад — однаковий час тестування або заздалегідь обрана коваріата.
Та сама характеристика може мати різну роль у різних дослідженнях. Вік може бути основним предиктором в одному дослідженні, контрольованою коваріатою в іншому і критерієм відбору в третьому. Роль визначається дослідницьким питанням і дизайном, а не назвою показника.
Контрольна змінна, змішувальна змінна, коваріата, модератор і медіатор — різні поняття
У методологічних текстах слово «контроль» охоплює різні задачі, тому для причинного тлумачення важливо розрізняти кілька ролей.
• Контрольна змінна — змінна або умова, яку дослідник свідомо утримує сталою, балансує чи враховує, щоб зробити порівняння чистішим.
• Коваріата — загальна назва змінної, включеної до статистичної моделі разом з іншими предикторами. Сам факт включення не робить її змішувальною змінною.
• Змішувальна змінна, або конфаундер, — причинно релевантний чинник, який без належного врахування може змішувати зв’язок між досліджуваним впливом і результатом.
• Модератор — змінна, залежно від рівня якої сила або напрямок зв’язку чи ефекту може відрізнятися.
• Медіатор — змінна, через яку може проходити частина причинного шляху від впливу до результату.
Ці ролі не визначаються однією кореляційною матрицею. Зокрема, змінна, пов’язана і з предиктором, і з результатом, не обов’язково є тим, що треба «контролювати». У причинних графах корекція за медіатором може заблокувати частину ефекту, який дослідник хотів оцінити, а корекція за колайдером — змінною, що є наслідком двох інших змінних, — може створити штучну асоціацію. Джулія Рорер у методологічній статті про кореляції, причинність і графічні причинні моделі показує такі ситуації.
Контрольна змінна і контрольна група
Контрольна змінна — характеристика або умова, а контрольна група — група учасників або спостережень, з якою порівнюють експериментальну умову. Наприклад, у дослідженні психологічного втручання контрольна група може отримувати звичайну допомогу, а час проведення оцінювання може бути контрольованою умовою. Це різні елементи дизайну.
Стороння змінна і контрольна змінна
Стороння змінна — будь-який фактор поза головним дослідницьким зв’язком, який потенційно може впливати на результат. Якщо дослідник нічого з ним не робить, він може залишатися неконтрольованим. APA визначає неконтрольовану змінну як характеристику, яку дослідник не регулює або не вимірює і яка тому може відрізнятися між учасниками. Коли таку умову свідомо роблять однаковою або враховують відповідним методом, вона виконує контрольну функцію.
Як змінні працюють в експерименті
Експериментальна логіка починається з контрасту між умовами. Припустімо, дослідник перевіряє, чи впливає недосипання на стійку увагу. Він випадково розподіляє учасників на дві умови: звичайний сон і скорочений сон. Наступного дня всі виконують однакове завдання на увагу.
• Незалежна змінна: умова сну, яку призначає дослідник.
• Залежна змінна: заздалегідь визначений показник виконання завдання, наприклад кількість пропусків цільового сигналу.
• Контрольовані умови: час тестування, інструкція, тривалість завдання, обладнання та інші чинники, які протокол стандартизує.
• Додаткові коваріати: характеристики, які дослідник планує враховувати в аналізі лише за попередньо обґрунтованою причиною.
Якщо учасників випадково розподілено між умовами, призначена умова передує результату, протокол виконано, втрати учасників не створили систематичного перекосу, а вимірювання результату відповідає поставленому питанню, дизайн створює сильнішу основу для причинного висновку. Однак навіть рандомізований експеримент вимагає перевірки припущень: порушення призначеного втручання, диференційне вибування, відсутні дані або зміна способу вимірювання можуть послабити висновок.
Як змінні працюють у кореляційному та спостережному дослідженні
Тепер уявімо інше дослідження: дослідник опитує людей про середню тривалість сну і вимірює їхню увагу без призначення режиму сну. Тривалість сну може бути предиктором, а увага — результатом у статистичній моделі. Проте люди з різною тривалістю сну можуть відрізнятися за робочим графіком, станом здоров’я, доглядом за дитиною, вживанням стимуляторів, стресом та багатьма іншими характеристиками.
У такому разі асоціація між сном і увагою є результатом статистичної моделі, якщо її надійно оцінено, але причинний ефект потребує додаткових припущень. Майкл Грош, Джулія Рорер і Фелікс Теммес наголошують, що причинні питання в неекспериментальній психології варто формулювати явно разом із припущеннями, замість того щоб приховувати причинне тлумачення за мовою «зв’язків».
Сучасна причинна методологія розглядає дизайн, часовий порядок, зіставність груп, змішування причин, відбір, вимірювальні помилки та структуру даних як частини одного завдання. Підручник Ернана і Робінса Causal Inference: What If систематизує цю логіку для рандомізованих і спостережних даних. Статистичне «включення контролів» є лише одним із можливих інструментів і працює в межах причинних припущень, а не замість них.
Чому «незалежна змінна» не дорівнює причині
Причина — це твердження про те, що зміна одного чинника за відповідних умов змінила б результат. Незалежна змінна — роль у дизайні або моделі. У добре проведеному рандомізованому експерименті ці дві ідеї можуть бути тісно пов’язані, оскільки дослідник сам задає умову і створює основу для контрфактичного порівняння. У спостережних даних цей міст потрібно будувати за допомогою дизайну і припущень.
Перед причинним висновком потрібно перевірити щонайменше такі питання:
• Чи передував передбачуваний вплив результату в часі?
• Чи є спільні причини, які впливають і на передбачуваний чинник, і на результат?
• Чи міг відбір у вибірку або вибування учасників створити систематичний зв’язок?
• Чи виміряно змінні так, щоб похибка не створювала або не приховувала асоціацію?
• Чи не контролює модель змінну, яка є наслідком впливу або колайдером?
• Чи підтримує дизайн потрібне контрфактичне порівняння?
• Чи узгоджується сила формулювання висновку з тим, що реально дозволяє дизайн?
Саме тому формула «X статистично передбачає Y» і формула «зміна X спричиняє зміну Y» мають різний зміст. Друга потребує значно сильнішого обґрунтування.
Приклади незалежних, залежних і контрольних змінних
Приклад 1. Вплив формату навчання на запам’ятовування
Дослідник випадково розподіляє учасників на текстову й аудіовізуальну інструкцію, а потім дає однаковий тест пам’яті. Незалежна змінна — формат інструкції; залежна — результат тесту; контрольовані умови — час навчання, матеріал, інтервал до тесту та спосіб оцінювання. Оскільки формат призначено експериментально, причинне тлумачення різниці між умовами має сильнішу основу, ніж у самовибраному форматі.
Приклад 2. Сон і тривожність у поперечному опитуванні
Учасники один раз повідомляють про звичну тривалість сну та симптоми тривоги. Дослідник може задати сон як предиктор, а тривожність як результат. Однак обидві змінні виміряні одночасно, тому часовий порядок невідомий. Навіть після статистичної корекції за віком і робочим графіком залишаються можливими невиміряні спільні причини та зворотний напрямок зв’язку. Висновок має описувати асоціацію, а не автоматично причинний ефект.
Приклад 3. Психологічне втручання і зміна симптомів
У рандомізованому дослідженні незалежна змінна може бути призначеною умовою втручання, а залежна — зміна за заздалегідь визначеним клінічним показником. Початковий рівень симптомів може бути коваріатою в аналізі, якщо це передбачено планом. Проте психометричні властивості шкали, її валідність, надійність і правила інтерпретації належать до окремої методології психологічного вимірювання, а не до самого визначення ролей змінних.
Приклад 4. Вік і швидкість реакції
Якщо дослідник порівнює вікові групи, вік не є маніпульованою незалежною змінною. Він може виконувати роль групувальної або квазінезалежної змінної, а швидкість реакції — залежної. Різниця між групами може бути реальною, проте вік пов’язаний із багатьма іншими характеристиками, тому причинне твердження «вік сам по собі спричинив різницю» потребує точнішої причинної моделі.
Як знайти незалежну, залежну та контрольні змінні в статті
Практичний спосіб читання дослідження — відновити його логіку в кілька послідовних кроків.
• Сформулюйте дослідницьке питання одним реченням: який зв’язок або ефект автори намагаються оцінити?
• Знайдіть результат: що саме пояснюють, прогнозують або порівнюють? Це кандидат на залежну або результатну змінну.
• Знайдіть головний чинник: що призначають, варіюють або використовують як основний предиктор? Це кандидат на незалежну чи пояснювальну змінну.
• Перевірте дизайн: чинник був призначений дослідником, виник природно чи просто виміряний?
• Подивіться, які інші умови стандартизували, балансували або включили до аналізу. З’ясуйте, чому саме їх вважали контрольними.
• Перевірте часовий порядок, рандомізацію, відбір, вибування і можливі спільні причини.
• Порівняйте висновок із дизайном: чи не сильніше сформульована причинність, ніж дозволяють дані?
Цей алгоритм корисніший за механічний пошук слів «незалежна» і «залежна». У сучасній статті автори можуть використовувати терміни «експозиція», «предиктор», «результат», «коваріата» або назви конкретних змінних, не позначаючи їх навчальними ярликами.
Типові помилки під час визначення змінних
Помилка 1. Вважати будь-який предиктор причиною
Позиція змінної ліворуч у рівнянні або в колонці «предиктори» не створює причинного ефекту. Причинне тлумачення залежить від дизайну, часової структури, змішування причин, відбору, вимірювання та інших припущень.
Помилка 2. Називати залежною змінною все, що вимірюють
У дослідженні можуть вимірювати десятки характеристик. Залежною є та, що виконує роль результату в конкретному питанні або аналізі. Інші виміряні характеристики можуть бути предикторами, коваріатами, модераторами, критеріями відбору або описовими змінними.
Помилка 3. «Контролювати все»
Велика кількість коваріат не гарантує меншого зміщення. Вандервіл показує, що вибір набору для корекції має спиратися на причинні знання й мету оцінювання. Особливо небезпечно механічно коригувати за змінними, що виникли після досліджуваного впливу, або за колайдерами.
Помилка 4. Плутати контрольну змінну з контрольною групою
Контрольна група — одиниця порівняння на рівні умов або груп учасників. Контрольна змінна — фактор, значення якого стандартизують, балансують або обґрунтовано враховують. Дослідження може мати контрольні змінні без окремої контрольної групи.
Помилка 5. Плутати випадковий розподіл із випадковою вибіркою
Випадковий розподіл визначає, хто з уже залучених учасників потрапляє до якої умови, і насамперед підтримує внутрішній причинний висновок. Випадкова вибірка стосується того, як людей відбирають із цільової популяції, і пов’язана з репрезентативністю та узагальненням. Одне не замінює інше.
Помилка 6. Вибирати результат після перегляду даних
Якщо дослідник виміряв багато результатів і після аналізу представив найвигідніший як головний, читач отримує викривлене уявлення про первинний задум і невизначеність. APA JARS-Quant спрямовані на повніше повідомлення дослідницьких гіпотез, методів і аналізів, щоб заплановані та пошукові рішення було легше відрізнити.
Змінні й причинний висновок: що саме потрібно контролювати
Причинне питання завжди має конкретний контраст: який результат ми очікували б за одного рівня впливу порівняно з іншим для порівнюваних одиниць? Звідси випливає вибір незалежної змінної, результату і набору змінних, потрібних для ідентифікації ефекту.
У рандомізованому дослідженні дизайн створює цей контраст через випадкове призначення умов. У спостережному дослідженні дослідник має аргументувати, чому порівнювані групи є достатньо зіставними після врахування відповідного набору спільних причин. Це не можна вирішити тільки критерієм статистичної значущості або автоматичним алгоритмом відбору коваріат.
Практично це означає, що перед статистичним аналізом корисно намалювати причинну схему: що передує чому, які фактори можуть бути спільними причинами, що є наслідком впливу, де можливий відбір. Графічна модель не доводить, що припущення правильні, але робить їх видимими й дозволяє перевірити, чи відповідає набір контролів поставленому причинному питанню.
Змінні й операціоналізація: де проходить межа теми
Визначити роль змінної — означає сказати, що в логіці дослідження є передбачуваним чинником, результатом або контрольованою характеристикою. Операціоналізувати змінну — означає визначити, як саме абстрактне поняття буде представлено конкретною процедурою або показником. Наприклад, «увага» може бути результатною змінною, але дослідник ще має визначити, яким завданням і яким показником її оцінювати.
Це окремий рівень методології. Надійність і валідність психологічних тестів, шкал, факторних моделей та інших психометричних інструментів стосуються якості психологічного вимірювання. Вони критично важливі для дослідження, однак не змінюють базового розподілу ролей між незалежною, залежною і контрольними змінними.
Як правильно описувати змінні в науковій роботі
Добре методологічне повідомлення дозволяє читачеві відновити весь шлях від питання до висновку. Для кожної ключової змінної варто чітко вказати її зміст, роль, спосіб отримання значень, часову точку вимірювання, правила кодування та місце в запланованому аналізі. Для маніпульованої незалежної змінної потрібно описати умови й процедуру призначення; для результату — що саме вважається основним показником; для контрольних змінних — чому їх обрано і яким способом вони враховані.
APA Journal Article Reporting Standards створені для прозорого повідомлення фундаментальних компонентів дослідження. Методологічний сенс цього правила простий: читач повинен бачити не тільки фінальний коефіцієнт або p-значення, а й структуру дослідження, з якої цей результат виник. Після цього статистичну значущість варто читати разом із правильним тлумаченням p-значення та розміром ефекту, якщо ці показники застосовані.
Питання і відповіді
Чи може одна й та сама змінна бути незалежною в одному дослідженні й залежною в іншому?
Так. Роль визначається конкретним дослідницьким питанням. Стрес може бути результатом дослідження робочого навантаження, а в іншій роботі — предиктором якості сну. Назва психологічного явища не фіксує його методологічну роль назавжди.
Чи завжди незалежну змінну змінює сам дослідник?
У справжньому експерименті ключову незалежну змінну зазвичай маніпулюють або її рівні призначають учасникам. У спостережних роботах терміном «незалежна змінна» можуть називати виміряний предиктор. Щоб не створювати зайвого причинного відтінку, в таких випадках часто точніше сказати «предиктор», «експозиція» або «пояснювальна змінна».
Чи може бути кілька незалежних і залежних змінних?
Так. Факторні експерименти можуть маніпулювати кількома незалежними змінними, а дослідження можуть мати кілька результатів. Це розширює дослідницькі можливості, але також ускладнює дизайн, аналіз і контроль множинних аналітичних рішень. Основні та додаткові результати варто визначати прозоро.
Чи потрібно контролювати вік і стать у кожному дослідженні?
Ні. Автоматичного універсального набору контрольних змінних немає. Потрібно виходити з дослідницького питання, причинної моделі, дизайну і того, який саме ефект оцінюють. Змінна має входити до корекції через методологічне обґрунтування, а не тому, що її традиційно додають до таблиці.
Чи робить статистичний контроль дослідження причинним?
Сам по собі — ні. Статистичне коригування може допомогти оцінити причинний ефект у спостережних даних лише за набору припущень, зокрема щодо правильно обраних і достатньо виміряних змішувальних змінних, відсутності критичних помилок відбору та коректної специфікації аналізу. Причинний висновок належить усьому дизайну, а не одному коефіцієнту.
Чим контрольна змінна відрізняється від константи?
Константа фактично не варіює в конкретному наборі умов. Контрольна змінна може бути зроблена сталою дизайном, збалансована між умовами або залишатися змінною й бути врахованою статистично. Тому «контрольна» описує функцію в дослідженні, а «константа» — фактичну відсутність варіації в певному контексті.
Головне про змінні у психологічному дослідженні
Незалежна, залежна та контрольні змінні утворюють мову, якою дослідник описує структуру свого питання. Незалежна змінна задає головний чинник або предиктор, залежна представляє результат, а контрольні змінні допомагають керувати релевантними сторонніми умовами й альтернативними поясненнями. Їхня роль виникає з дизайну, а не з назви показника.
Для причинного висновку цього словника недостатньо. Потрібно знати, чи був чинник маніпульований, як сформовано групи, що передувало результату, які спільні причини можливі, як працював відбір, що і коли вимірювали та які припущення лежать під статистичною корекцією. Саме так розрізнення змінних перетворюється з формального завдання на інструмент критичного читання психологічної науки.
Пов’язані статті
Джерела
American Psychological Association. (2018a). Control. APA Dictionary of Psychology.
American Psychological Association. (2018b). Dependent variable. APA Dictionary of Psychology.
American Psychological Association. (2018c). Independent variable. APA Dictionary of Psychology.
American Psychological Association. (2018d). Quasi-independent variable. APA Dictionary of Psychology.
American Psychological Association. (2018e). Uncontrolled variable. APA Dictionary of Psychology.
American Psychological Association. (n.d.). APA Style Journal Article Reporting Standards.
Appelbaum, M., Cooper, H., Kline, R. B., Mayo-Wilson, E., Nezu, A. M., & Rao, S. M. (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report. American Psychologist, 73(1), 3–25.
Grosz, M. P., Rohrer, J. M., & Thoemmes, F. (2020). The taboo against explicit causal inference in nonexperimental psychology. Perspectives on Psychological Science, 15(5), 1243–1255.
Hernán, M. A., & Robins, J. M. (2020). Causal Inference: What If. Chapman & Hall/CRC.
Rohrer, J. M. (2018). Thinking clearly about correlations and causation: Graphical causal models for observational data. Advances in Methods and Practices in Psychological Science, 1(1), 27–42.
VanderWeele, T. J. (2019). Principles of confounder selection. European Journal of Epidemiology, 34, 211–219.