الفرق بين المتغير التابع ومتغير النتيجة: دليلك المبسط من Jenni AI!

في معظم السياقات، يعتبر المتغير التابع (dependent variable) ومتغير النتيجة (outcome variable) وجهين لعملة واحدة بمسميين مختلفين. فكلاهما يشير إلى الشيء الذي تقيسه، والشيء الذي تتوقع أن تتغير قيمته، والشيء الذي يقع على الجانب الأيسر من المعادلة. لذا، إذا كنت قلقًا بشأن استخدام المصطلح الخاطئ، فمن المحتمل جدًا أن اختيارك كان صحيحًا ولا داعي للقلق!

تكمن الأهمية الحقيقية هنا في إرسال الإشارات المناسبة للقارئ. فالكلمة التي تختارها تُظهر للقارئ المدرسة البحثية التي تنتمي إليها، وفي حالة واحدة محددة، تخبره بشيء مهم عن تصميم بحثك. ومن المفيد جدًا فهم هذه الحالة، لأن الوقوع في هذا الخطأ هو أحد الأخطاء الاصطلاحية القليلة التي قد تستوقف المصحح أو المقيم الأكاديمي.

<CTA title="اكتب بالمصطلحات الخاصة بمجالك الأكاديمي" description="تساعدك أداة Jenni AI الذكية في الحفاظ على اتساق وتناسق مصطلحاتك عبر مستنداتك الطويلة بكل سهولة" buttonLabel="جرب Jenni مجانًا" link="https://app.jenni.ai/register" />

الإجابة المختصرة

مصطلح المتغير التابع يأتي من المدرسة التجريبية التقليدية. ويُطلق عليه اسم "تابع" لأن قيمته من المتوقع أن تعتمد على المتغير المستقل الذي قمت بالتحكم فيه وتغييره.

أما مصطلح متغير النتيجة فهو المصطلح الأعم والأشمل والمحايد للتصميم البحثي. فهو يشير إلى نفس المكانة في التحليل دون أن يوحي بأنه تم التحكم في أي شيء أو التلاعب به للوصول إلى تلك النتيجة.

بناءً على ذلك، يمكن اعتبار كل متغير تابع متغير نتيجة. ولكن لا يمكن تسمية كل متغير نتيجة بالمتغير التابع بكل أريحية، والسبب وراء ذلك نوضحه في القسم التالي.

لماذا يكمن التحدي في "المتغير المستقل" وليس في "التابع"؟

ينشأ هذا الالتباس من الطرف الآخر للمعادلة. ففي التجربة الحقيقية، تقوم بتحديد المتغير المستقل بشكل مستقل تمامًا عن أي شيء آخر، وهو ما يعبر عنه الاسم بدقة. أما في البحوث الرصدية (observational research)، فأنت لا تفعل ذلك؛ بل تقوم فقط بتسجيل البيانات كما هي في الواقع، مثل الدخل، أو مستوى التعرض، أو الدرجات السابقة.

يرى بعض علماء المنهجية البحثية أن استخدام المصطلحات التجريبية في هذا السياق يعد خطأً واضحًا. حيث يذكر كتاب مناهج البحث من BCcampus بشأن التصاميم الارتباطية أنه عندما لا يُعتقد أن أحد المتغيرين يسبب الآخر ولا يتم التلاعب بأي شيء، فإن مصطلحي المتغير المستقل والمتغير التابع لا ينطبقان على هذا النوع من الأبحاث. كما تؤكد مصادر الإحصاء بجامعة National University على نفس النقطة، مشيرةً إلى أن البحث الارتباطي لا يحدد متغيرات مستقلة وتابعة لأن التحليل لا يعتمد على اتجاه العلاقة.

ولأن الكلمتين متلازمتان وتأتيان معًا دائمًا، فإن التخلي عن مصطلح "المستقل" يؤدي غالبًا إلى إسقاط مصطلح "التابع" معه تلقائيًا. وهذا هو السبب في أن "متغير النتيجة" يصبح المصطلح الأكثر طبيعية وملاءمة في البحوث الرصدية، وليس بسبب أي خاصية في المتغير المقاس نفسه.

يرجى الانتباه إلى أن هذا يمثل عرفًا متبعًا ونشطًا وليس قاعدة صارمة وثابتة. فهناك الكثير من المحللين الأكفاء الذين يستخدمون مصطلح "المتغير المستقل" مع البيانات الرصدية دون أي حرج، ولن يرسبك أحد بسبب ذلك. والنصيحة العملية هنا هي ببساطة اتباع العرف السائد في مجالك الأكاديمي.

<ProTip title="🧭 اختر حسب التصميم البحثي:" description="إذا كنت قد قمت بتعيين شيء ما أو التحكم فيه، فإن مصطلح 'المتغير التابع' هو الأدق. أما إذا كنت ترصد فقط ما هو موجود بالفعل، فإن 'متغير النتيجة' هو الخيار الأكثر أمانًا ولا يحمل أي تأويلات قد تضطر للدفاع عنها" />

<ProTip title="🔤 قم بتعريفه:" description="إذا كنت تستخدم مصطلح 'المتغير المشترك' (covariate)، فوضح في جملة واحدة ما تعنيه به. فبعض القراء سيعتبرونه متغيرًا تنبؤيًا رئيسيًا يهمك دراسته، بينما سيعتبره آخرون متغيرًا دخيلاً يتم ضبطه والتحكم فيه إحصائيًا" />

الشيء نفسه بست لغات ومصطلحات مختلفة

هذا هو القسم الذي يستحق حفظه في المفضلة، لأن مجموعات المترادفات تختلف تمامًا بحسب المجال الأكاديمي وغالبًا لا يتم تدريسها بشكل مباشر.

يستخدم علم النفس التجريبي المتغير المستقل والتابع، وهو الثنائي الكلاسيكي المناسب عندما تقوم بالتحكم في شيء ما وتغييره بالفعل. ويستخدم علم الأوبئة مصطلحي التعرض والنتيجة (exposure and outcome)، لأنه لا يمكن لأحد أن يفرض على الأشخاص التعرض لمرض ما، ولم يتم تبني المصطلحات التجريبية هناك على الإطلاق. وتتحدث التجارب السريرية عن نقاط النهاية (endpoints)؛ حيث يشير دليل ICH E9 إلى المتغير الأساسي، أو المتغير المستهدف، أو نقطة النهاية الأساسية للإشارة إلى الشيء نفسه. وتستخدم مجالات الانحدار والإحصاء المتغير التنبؤي والاستجابة (predictor and response)، أو المتغير المفسِّر والمفسَّر، وبشكل غير رسمي متغيرات الجانب الأيمن والأيسر. ويستخدم البحث الارتباطي المتغير التنبؤي والمعيار (predictor and criterion)، وقد تم اختيار هذا الثنائي بدقة لأنه لا يُدّعى أن أحد المتغيرين يسبب الآخر. أما التعلم الآلي (Machine learning) فيستخدم الميزات والهدف (features and target)، أو التصنيف (label)، وهو نفس المفهوم الرياضي تمامًا ولكن تحت مسمى مختلف تمامًا.

هناك مصطلح واحد غامض حقًا ويُفضل تجنبه عندما تكون الدقة مطلوبة بشدة: المتغير المشترك (covariate). إذ تعامله بعض المصادر كمرادف للمتغير المستقل. بينما في تحليل التباين المشترك، يعني تقليديًا متغيرًا دخيلاً مستمرًا يتم ضبطه إحصائيًا بدلاً من كونه متغيرًا رئيسيًا محل اهتمام الدراسة. فإذا قررت استخدامه، احرص على تعريفه بوضوح.

<ProTip title="🏷️ سمّها مرة واحدة:" description="اختر مجموعة مصطلحات واحدة في بداية مستندك ولا تخلط بينها أبدًا. فقراءة قسم المنهجية الذي يحتوي على 'المتغير التابع' في فقرة و'متغير النتيجة' في الفقرة التالية يعطي انطباعًا بأن هناك شخصين مختلفين كتبا البحث!" />

ما الذي يجب عليك كتابته فعليًا؟

ثلاثة أسئلة بسيطة ستحدد لك الإجابة الدقيقة.

هل قمت بالتحكم في أي شيء أو تعيينه؟ إذا كانت الإجابة نعم، فإن مصطلح "المتغير التابع" دقيق ومتوقع تمامًا. وإذا كانت لا، فإن "متغير النتيجة" هو الخيار الأكثر أمانًا.

ماذا يقول مجالك الأكاديمي؟ هذا الأمر يفوق تفضيلك الشخصي؛ فكتابة "المتغير التابع" في ورقة بحثية في علم الأوبئة تظهرك كشخص غريب عن المجال بشكل يفوق أي خطأ قواعدي آخر.

ماذا يطلب معيار التقارير الخاص بك؟ معيار STROBE، وهو المعيار المخصص للدراسات الرصدية، يطلب منك تحديد وتوضيح النتائج، والتعرضات، والمؤشرات التنبؤية، والمربكات المحتملة، ومعدلات الأثر. ولا يذكر أبدًا المتغير التابع. فإذا كنت تكتب وفقًا لمعيار محدد، فاستخدم كلماته ومصطلحاته بدقة.

<ProTip title="🧾 طابق المعيار المعتمد:" description="تحقق من معيار كتابة التقارير الذي تتبعه المجلة العلمية المستهدفة قبل اختيار مصطلحاتك. فمعايير مثل STROBE وCONSORT وPRISMA تحمل كل منها مصطلحاتها الخاصة، ومطابقتها تقيك من ملاحظات المراجعين وتجعل قبول بحثك أسهل بكثير!" />

عبر عن الشيء نفسه بنفس الطريقة دائمًا

قد يبدو الفرق بسيطًا لكن الالتزام العلمي الذي يتطلبه ليس كذلك. اختر المصطلحات التي يستخدمها مجالك، وطبقها باتساق تام من الملخص وحتى الخاتمة، واجعل المصطلح الذي اخترته يعكس بصدق وأمانة ما إذا كنت قد قمت بالتحكم في أي متغيرات أم لا.

<CTA title="حافظ على اتساق مصطلحاتك عبر أطروحتك الكاملة" description="صغ كل قسم بمصطلحات متسقة تمامًا واربط كل ادعاء بأدلته العلمية بكل انسيابية بمساعدة Jenni AI" buttonLabel="جرب Jenni مجانًا" link="https://app.jenni.ai/register" />

إذا كنت لا تزال تحاول التمييز بين المتغيرات في المقام الأول، فإن مقالنا المرافق حول كيفية التمييز بين المتغيرات المستقلة والتابعة يغطي اختبار التحديد والأنواع الأربعة الأخرى من المتغيرات التي تنتمي إلى قسم المنهجية.