ほとんどの文脈において、従属変数（dependent variable）と結果変数（outcome variable）は、名前が異なるだけで同じものを指しています。どちらも、測定する対象、値の変化が予想される対象、数式の左辺にある対象を指します。もし間違った方を使ってしまったのではないかと心配していたなら、おそらくその心配は無用です。
重要になるのは「シグナリング（位置づけの表明）」です。どの言葉を選ぶかによって、読者はあなたがどの研究分野の伝統に則って執筆しているかを知ることができ、また特定のケースでは、あなたの研究デザインについて何らかの情報を読者に伝えることになります。その特定のケースを理解しておくことには価値があります。なぜなら、その用語の誤りは、審査官が実際にチェックを止めて指摘する数少ない用語エラーの一つだからです。
<CTA title="あなたの分野の語彙で執筆する" description="Jenniは、長い文書全体で一貫した用語を維持するお手伝いをします" buttonLabel="Jenniを無料で試す" link="https://app.jenni.ai/register" />
簡単な答え
従属変数（Dependent variable）は、実験研究の伝統に由来する言葉です。操作した「独立変数」によってその値が決定される（依存する）と期待されるため、従属変数と呼ばれます。
結果変数（Outcome variable）は、より広範で、特定の研究デザインに依存しない用語です。何かが操作されてその結果が生じたというニュアンスを含めることなく、分析における同じ位置づけの変数を指します。
したがって、すべての従属変数は結果変数であると言えます。しかし、すべての結果変数を従属変数と呼ぶのが適切であるとは限りません。その理由は次のセクションで説明します。
問題は「従属」ではなく「独立変数」という言葉にある理由
この違和感は、対になるもう一方の言葉にあります。真の実験では、他のすべての要素から独立して独立変数を設定します。これがその名前の由来です。しかし、観察研究ではそのような操作は行いません。収入、曝露、あるいは過去の成績などを、ありのままの状態で記録します。
一部のメソッドロジー専門家は、そのような場合に実験用語を使用することは明確に誤りであると考えています。BCcampusの研究方法に関する教科書では、相関デザインについて、どちらの変数も他方の原因とは考えられず、何も操作されていない場合、独立変数と従属変数という用語はこの種の研究には適用されないと述べています。ナショナル大学の統計リソースも同様の点を指摘し、分析が関係性の方向に依存しないため、相関研究では独立変数と従属変数を特定しないと述べています。
これら2つの言葉は常にペアで使われるため、「独立」という言葉を使わなくなると、自然と「従属」という言葉も使われなくなります。そのため、測定された変数自体の特性によるものではなく、観察研究においては「結果変数」が自然な用語として定着することになります。
これは確定したルールというよりも、現在進行形の慣例であることに注意してください。有能なアナリストの多くは、観察データに対して悪びれることなく「独立変数」を使用していますし、それで不合格になることもありません。実践的なガイドラインとしては、自分の研究分野に合わせることです。
<ProTip title="🧭 デザインで選ぶ:" description="何かを割り当てたり操作したりした場合は「従属変数」が正確です。すでに存在するものを観察しただけであれば「結果変数」の方が安全であり、釈明の必要がありません" />
<ProTip title="🔤 定義する:" description="共変量（covariate）という言葉を使う場合は、その意味を1つの節で説明してください。読者によっては、それを関心のある予測変数と捉えることもあれば、調整対象となる交絡変数と捉えることもあります" />
6つの語彙における同じ概念
同義語のセットは分野特有のものであり、誰も教えてくれないため、この部分はブックマークしておく価値があります。
実験心理学では、古典的なペアである独立変数（independent variable）と従属変数（dependent variable）を使用します。これは、実際に何かを操作する場合に適しています。疫学では、誰も被験者に曝露を割り当てず、実験用語が採用されなかったため、曝露（exposure）と結果（outcome）を使用します。臨床試験ではエンドポイント（endpoint）について語られます。ICH E9では、同じものを指して主要変数、目標変数、または主要エンドポイントと言及しています。回帰分析と統計学では、予測変数（predictor）と応答変数（response）、または回帰変数（regressor）と被回帰変数（regressand）を使用し、非公式には左辺変数と右辺変数と呼びます。相関研究では、どちらの変数も他方の原因であると主張されないように、予測変数（predictor）と基準変数（criterion）を使用します。機械学習では、特徴量（features）とターゲット（target）またはラベル（label）を使用します。これは、まったく異なる命名の伝統のもとでの同じ数学的処理です。
測定するもの | それを予測するもの | よく見られる分野 |
従属変数 (Dependent variable) | 独立変数 (Independent variable) | 実験心理学、教育学、ほとんどの教科書 |
結果 (Outcome) | 曝露 (Exposure) | 疫学、公衆衛生、STROBE声明 |
エンドポイント (Endpoint) | 治療または介入 (Treatment or intervention) | 臨床試験、ICHガイドライン、CONSORT声明 |
応答変数 (Response variable) | 説明変数または予測変数 (Explanatory or predictor variable) | 統計学および回帰分析のテキスト |
基準変数 (Criterion variable) | 予測変数 (Predictor variable) | 心理測定学および相関研究 |
ターゲットまたはラベル (Target or label) | 特徴量 (Features) | 機械学習およびデータサイエンス |
1つだけ明確に曖昧であり、正確さが求められる場合に避けるべき用語があります。それが共変量（covariate）です。一部の情報源では、これを独立変数の同義語として扱っています。共分散分析においては、一般に関心のある変数ではなく、調整対象となる連続的な厄介な変数を意味します。これを使用する場合は、その定義を明記してください。
<ProTip title="🏷️ 名称は1つに絞る:" description="文書の最初で1つの語彙セットを選択し、決して混ぜないでください。ある段落で『従属変数』を使い、次の段落で『結果変数』を使っている方法のセクションは、2人の人間が書いたように読めてしまいます" />
実際にどちらを書くべきか？
3つの質問で解決します。
何かを操作または割り当てましたか？ もしそうなら、従属変数が正確であり、期待される表現です。そうでない場合は、結果変数の方が安全です。
あなたの分野では何と言っていますか？ これは個人の好みよりも優先されます。疫学の論文で「従属変数」と書くことは、文法的な誤りよりも確実にあなたを「部外者」として印象づけます。
あなたのレポート基準は何と言っていますか？ 観察研究の基準であるSTROBEは、結果、曝露、予測因子、潜在的な交絡因子、および効果修飾因子を定義することを求めています。そこに従属変数という言葉は一度も登場しません。基準に沿って執筆する場合は、その言葉を使用してください。
<ProTip title="🧾 基準に合わせる:" description="用語を選択する前に、ターゲットとするジャーナルがどのレポート基準を使用しているかを確認してください。STROBE、CONSORT、PRISMAはそれぞれ独自の語彙を持っており、それに合わせることで、査読者からの些細な指摘を回避できます" />
同じことを同じように表現する
その違いは小さいものですが、求められる規律は決して小さくありません。あなたの分野が使用している語彙を選択し、要旨から考察にいたるまで一貫して適用し、あなたが選んだ用語が、何かを操作したかどうかについて誠実であるようにしてください。
<CTA title="学位論文全体で1つの語彙を維持する" description="一貫した用語で各セクションをドラフトし、すべての主張をその証拠に結びつけます" buttonLabel="Jenniを無料で試す" link="https://app.jenni.ai/register" />
そもそもどちらの変数が何であるかをまだ整理している段階であれば、独立変数と従属変数を見分ける方法に関する姉妹記事で、特定テストや、方法（メソッド）セクションに含めるべき他の4つの変数タイプについて解説しています。