在大多數情況下，「應變數」（dependent variable）與「結果變數」（outcome variable）是同一個事物的不同稱呼。兩者都是指你所測量的、你預期其數值會發生變化的，以及位於方程式左側的事物。如果你一直擔心自己用錯了詞，你很可能並沒有用錯。
真正有影響的地方在於「傳遞訊號」。你選擇的詞彙會告訴讀者你是在哪種研究傳統下進行寫作，而且在某個特定情況下，它還能向讀者透露一些關於你研究設計的信息。這種情況非常值得去理解，因為用錯這個詞是少數會讓評審委員真正叫停的術語錯誤之一。
<CTA title="使用您領域的專業詞彙寫作" description="Jenni 協助您在整篇長文中保持專業術語的一致性" buttonLabel="免費試用 Jenni" link="https://app.jenni.ai/register" />
簡短解答
應變數（Dependent variable）源自實驗研究的傳統。它被稱為「應變」，是因為其數值預期會依賴於你所操縱的獨立變數（自變數）。
結果變數（Outcome variable）是範圍更廣、且與研究設計無關的中性術語。它指代分析中相同的位置，但並不暗示有任何事物被操縱以產生該結果。
因此，每一個應變數都是一個結果變數。但並非每一個結果變數都能很自然地被稱為應變數，其原因將在下一節中說明。
為什麼問題出在「自變數」，而不是「應變數」
這種尷尬存在於這一對詞彙的另一側。在真正的實驗中，你設定的自變數（獨立變數）是獨立於其他所有事物的，這正是這個名稱所描述的。但在觀察性研究中，你並非如此：你記錄的是收入、暴露情況或先前的成績，這些都是既成事實。
一些方法論學者認為，在這種情況下使用實驗術語是極其錯誤的。BCcampus 的研究方法教科書指出，在相關性設計中，若不認為任何一個變數是另一個變數的原因，且沒有任何事物被操縱，那麼自變數和應變數這兩個術語並不適用於這類研究。美國國家大學（National University）的統計資源也提出了相同的觀點，指出相關性研究無法確定自變數和應變數，因為分析並不取決於關係的方向。
因為這兩個詞是成對出現的，因此丟棄了「自變數」往往也會連帶丟棄「應變數」。這就是為什麼「結果變數」會成為觀察性研究中自然而然使用的術語，而不是因為所測量變數本身的任何屬性。
請注意，這是一個現行的慣例，而不是一條一成不變的規則。許多能力出眾的分析師在處理觀察數據時，會毫不避諱地使用「自變數」一詞，而且沒有人會因此讓你不及格。實際的指導原則是：與你所在的領域保持一致。
<ProTip title="🧭 根據設計選擇：" description="如果你分配或操縱了某些事物，使用「應變數」是精確的。如果你只是觀察既有的情況，使用「結果變數」更安全，且不會說出你無法捍衛的論點" />
<ProTip title="🔤 對其進行定義：" description="如果你使用「共變數」這個詞，請在一個子句中說明你的意思。有些讀者會將其視為感興趣的預測變數，而其他讀者則會將其視為正在進行調整的干擾變數" />
六種術語體系中的同一事物
這部分非常值得收藏，因為這些同義詞集是特定領域專用的，而且沒人會專門教你這些。
實驗心理學使用自變數（獨立變數）和應變數，這是經典的配對，適用於你真正操縱了某些事物的時候。流行病學使用暴露（exposure）和結果（outcome），因為沒人會向任何人分配暴露，而且該領域從未採用過實驗術語。臨床試驗談論終點（endpoints）；ICH E9 將同一事物稱為主要變數、目標變數或主要終點。迴歸與統計學使用預測變數（predictor）和反應變數（response），或迴歸元（regressor）和被迴歸元（regressand），口頭上也會稱其為左側變數和右側變數。相關性研究使用預測變數（predictor）和效標變數（criterion），選擇這兩個詞正是因為不主張任何一個變數是另一個變數的原因。機器學習使用特徵（features）和目標（target）或標籤（label），這是在完全獨立的命名傳統下使用相同的數學原理。
你測量的事物 | 預測它的事物 | 你會在哪裡看到它 |
應變數 (Dependent variable) | 自變數 / 獨立變數 (Independent variable) | 實驗心理學、教育學、大多數教科書 |
結果 (Outcome) | 暴露 (Exposure) | 流行病學、公共衛生、STROBE 報告規範 |
終點 (Endpoint) | 治療或干預 (Treatment or intervention) | 臨床試驗、ICH 指南、CONSORT 報告規範 |
反應變數 (Response variable) | 解釋或預測變數 (Explanatory or predictor variable) | 統計學與迴歸分析教科書 |
效標變數 (Criterion variable) | 預測變數 (Predictor variable) | 心理計量學與相關性研究 |
目標或標籤 (Target or label) | 特徵 (Features) | 機器學習與資料科學 |
有一個術語確實存在歧義，在需要精確時應避免使用：共變數（covariate）。一些文獻將其視為自變數的同義詞。在共變數分析中，它通常是指正在進行調整的連續干擾變數，而不是感興趣的變數。如果你使用它，請對其進行定義。
<ProTip title="🏷️ 統一命名：" description="在文件開頭選擇一套術語體系，切勿混用。如果方法論章節中一段出現「應變數」，下一段又出現「結果變數」，讀起來會像是兩個人寫的" />
你到底應該寫哪一個？
三個問題可以解決這個問題。
你是否操縱或分配了任何事物？如果是，使用「應變數」是精確且符合預期的。如果否，使用「結果變數」會更安全。
你所在的領域怎麼說？這比個人偏好更重要。在流行病學論文中寫「應變數」比任何語法錯誤都更容易暴露出你是個門外漢。
你的報告標準怎麼說？觀察性研究的標準 STROBE 要求你定義結果、暴露、預測變數、潛在的混淆因素和效應修飾因子。它從不提及「應變數」。如果你是按照某個標準寫作，請使用該標準的詞彙。
<ProTip title="🧾 符合標準：" description="在選擇術語之前，先檢查你目標期刊使用的是哪種報告標準。STROBE、CONSORT 和 PRISMA 各自都有自己的詞彙體系，符合其規範可以避免評審委員提出一些容易解決的意見" />
用同樣的方式說同樣的事
其間的差別微乎其微，但它所要求的嚴謹度卻不容小覷。選擇你所在領域使用的術語，從摘要到討論部分始終如一地套用它，並讓你所選擇的術語能如實反映出你是否操縱了任何事物。
<CTA title="在整篇論文中保持單一詞彙體系" description="用一致的術語起草每個章節，使每個論點都與其證據緊密相連" buttonLabel="免費試用 Jenni" link="https://app.jenni.ai/register" />
如果你還在努力弄清楚哪個變數是哪個，這篇關於區分自變數和應變數的配套文章涵蓋了識別測試，以及屬於方法論章節的其他四種變數類型。