متغیر مداخله گر

متغیر مداخله گر

متغیر مداخله گر ، متغیر مداخله گر متغیری است که بر رابطه بین متغیر مستقل و متغیر وابسته تأثیر می گذارد.

اغلب این نوع متغیر می تواند زمانی ظاهر شود که محققین در حال مطالعه رابطه بین دو متغیر هستند و متوجه نمی شوند که متغیر دیگری واقعاً در رابطه دخالت می کند.

متغیر مداخله گر
متغیر مداخله گر – تزیسمی

فهرست مطالب

متغیر مداخله گر چیست؟

متغیری است که محقق برای استنتاج از نحوه تأثیر متغیر مستقل بر متغیر تابع مورد نظر قرار می دهد. تأثیر متغیر مداخله گر را نه می توان کنترل کرد و نه به طور مستقیم و مستقل از سایر متغیرها مشاهده کرد.
این نوع متغیرها را متغیرهای نهفته نیز می‌گویند؛ زیرا قابل مشاهده نیستند و اثر آن را فقط می‌توان در رفتار افراد استنباط کرد. طبق تعاریف ارائه شده از طرف صاحب‌نظران، سازه‌ها معمولاً هر کدام یک متغیر مداخله گر و مزاحم هستند.
این نوع متغیرها ممکن است به صورت بسیار جدی، نتایج تحقیقات را تحت تأثیر قرار دهند که در این صورت، ممکن است نتایج بدست آمده، محقق را گمراه کند؛ برای مثال، محققی می‌خواهد تأثیر سواد والدین بر پیشرفت تحصیلی دانش آموزان را مورد مطالعه قرار دهد.

نمونه هایی از متغیرهای مداخله گر:

برخی از رایج ترین نمونه های متغیرهای مداخله گر عبارتند از:

مثال 1: زمان صرف شده برای مطالعه و نمرات به دست آمده

فرض کنید ما علاقه مند به رابطه بین دو متغیر زیر هستیم – “زمان صرف شده برای مطالعه برای امتحان” و “نمرات کسب شده در امتحان”.

در اینجا زمان صرف شده برای مطالعه متغیر مستقل است. اگر زمان بیشتری صرف مطالعه شود، نمرات بهتری به دست می آید. از این رو، نمرات به دست آمده متغیر وابسته هستند.

در اینجا متغیر مداخله‌گر عبارت است از – “بهره در درک موضوع”. زیرا اگر زمان بیشتری را صرف مطالعه کنیم، درک بهتری از موضوع به دست می آوریم که به نوبه خود باعث می شود که نمرات بهتری در امتحان کسب کنیم.

توجه داشته باشید که در مثال بالا، کمیت کردن و اندازه گیری متغیرهای مستقل و وابسته آسان است در حالی که تعیین کمیت متغیر مداخله سخت است. تعیین یک مقدار عددی به درک فرد از یک موضوع دشوار است.

مشاهده فوق به طور کلی نیز صادق است. متغیرهای مستقل و وابسته قابل کمیت هستند در حالی که متغیر مداخله کیفی است.

مثال 2: افزایش حقوق و بهره وری شغلی

به خوبی شناخته شده است که بهره وری شغلی در دنیای شرکت ها با افزایش حقوقی که به کارگر داده می شود مرتبط است.

افزایش بیشتر حقوق منجر به افزایش بهره وری شغلی می شود. در اینجا «افزایش حقوق» متغیر مستقل و «بازده شغلی» متغیر وابسته است.

متغیر مداخله گر، در این مورد، «انگیزه» است. افزایش حقوق منجر به افزایش انگیزه در کارکنان می شود که منجر به افزایش بهره وری می شود.

انگیزه اغلب به عنوان یک متغیر مداخله گر در نظر گرفته می شود زیرا یک پاسخ عاطفی است که اغلب مسئول اتصال متغیرهای مستقل و وابسته است.

مثال 3: درآمد والدین و درآمد فرزندان

بین درآمد والدین و درآمد فرزندانشان همبستگی بسیار بالایی وجود دارد. به طور کلی، فرزندان خانواده های پردرآمد معمولا درآمد ماهانه بالاتری دارند.

در اینجا، یکی از متغیرهای مداخله گر می تواند آموزش باشد. والدینی که درآمد بالایی دارند می توانند منابع بهتری داشته باشند و هزینه بیشتری برای تحصیل فرزندان خود بپردازند. آموزش بهتر برای کودک به طور خودکار منجر به افزایش درآمد فرزندان می شود.

مثال 4: کشور محل تولد و امید به زندگی

این یک واقعیت تجربی است که برخی از کشورها میانگین امید به زندگی بالاتری نسبت به سایرین دارند. اینطور نیست که مردم یک کشور به طور طبیعی طول عمر کمتری نسبت به سایرین داشته باشند. از این رو، ما باید متغیرهای مداخله گر را برای درک تفاوت در طول عمر معرفی کنیم.

یکی از متغیرهای مداخله گر احتمالی می تواند «کیفیت مراقبت های بهداشتی» موجود در کشور باشد. یکی از دلایلی که ژاپن دارای میانگین امید به زندگی است، کیفیت بالای مراقبت های بهداشتی است که دولت به شهروندان خود ارائه می دهد.

سایر کشورهای کم درآمد ممکن است نتوانند خدمات بهداشتی مناسبی را برای شهروندان خود ارائه دهند که ممکن است منجر به کاهش امید به زندگی شود.

اهمیت شناسایی متغیرهای مداخله گر

درک متغیرهای مداخله گر اغلب می تواند به محققین کمک کند تا رابطه بین متغیر مستقل و وابسته را روشن کنند زیرا متغیرهای مداخله گر اغلب متغیر واقعی هستند که تغییرات متغیر وابسته را توضیح می دهند.

در بسیاری از موارد، متغیر مستقل باعث ایجاد تغییراتی در برخی از متغیرهای مداخله‌گر می‌شود که سپس باعث تغییر در متغیر وابسته مورد مطالعه می‌شود.

با شناسایی متغیر مداخله گر، درک رابطه واقعی بین متغیر مستقل و وابسته آسان تر می شود.

نکته فنی: متغیرهای مداخله گر گاهی به عنوان متغیرهای واسطه یا متغیرهای واسطه نیز شناخته می شوند.

چگونه متغیرهای مداخله گر در جامعه شناسی کار می کنند

متغیر مداخله گر چیزی است که بر رابطه بین یک متغیر مستقل و یک متغیر وابسته تأثیر می گذارد. معمولاً متغیر مداخله‌گر ناشی از متغیر مستقل است و خود دلیلی برای متغیر وابسته است.

به عنوان مثال، بین سطح تحصیلات و سطح درآمد همبستگی مثبت مشاهده شده است، به طوری که افراد با سطح تحصیلات بالاتر تمایل به کسب درآمد بالاتری دارند. با این حال، این روند قابل مشاهده مستقیماً ماهیت علی ندارد. شغل به عنوان متغیر مداخله گر بین این دو عمل می کند، زیرا سطح تحصیلات (متغیر مستقل) بر نوع شغلی که فرد خواهد داشت (متغیر وابسته) و بنابراین میزان درآمد فرد را تحت تأثیر قرار می دهد. به عبارت دیگر، تحصیل بیشتر به معنای موقعیت شغلی بالاتر است که به نوبه خود باعث درآمد بالاتری می شود.

یک متغیر مداخله گر چگونه کار می کند

هنگامی که محققان آزمایش ها یا مطالعاتی را انجام می دهند معمولاً علاقه مند به درک رابطه بین دو متغیر هستند: یک متغیر مستقل و یک متغیر وابسته. معمولاً فرض می‌شود که متغیر مستقل علت متغیر وابسته است و تحقیق برای اثبات درستی یا نبودن این موضوع طراحی شده است.

در بسیاری از موارد، مانند ارتباط بین تحصیلات و درآمد که در بالا توضیح داده شد، یک رابطه آماری معنی‌دار قابل مشاهده است، اما ثابت نشده است که متغیر غیرمستقیم مستقیماً باعث می‌شود که متغیر وابسته آنطور که می‌کند رفتار کند. وقتی این اتفاق می‌افتد، محققان فرض می‌کنند که چه متغیرهای دیگری می‌توانند بر این رابطه تأثیر بگذارند، یا چگونه یک متغیر ممکن است بین این دو «داخله» کند. با مثالی که در بالا ذکر شد، شغل برای واسطه ارتباط بین سطح تحصیلات و سطح درآمد دخالت می کند. (آماردانان یک متغیر مداخله گر را نوعی متغیر میانجی می دانند.)

با تفکر علّی، متغیر مداخله گر از متغیر مستقل پیروی می کند اما بر متغیر وابسته مقدم می شود. از دیدگاه پژوهشی، ماهیت رابطه بین متغیرهای مستقل و وابسته را روشن می کند.

متغیر مداخله گر
متغیر مداخله گر – تزیسمی

نمونه های دیگری از متغیرهای مداخله گر در تحقیقات جامعه شناسی

نمونه دیگری از متغیرهای مداخله ای که جامعه شناسان بر آن نظارت می کنند، تأثیر نژادپرستی سیستماتیک بر میزان اتمام دانشگاه است. یک رابطه مستند بین نژاد و نرخ تکمیل کالج وجود دارد.

تحقیقات نشان می‌دهد که در میان بزرگسالان ۲۵ تا ۲۹ ساله در ایالات متحده، آسیایی‌آمریکایی‌ها به احتمال زیاد دانشگاه را به پایان رسانده‌اند و پس از آن سفیدپوستان قرار دارند، در حالی که سیاه‌پوستان و اسپانیایی‌ها نرخ بسیار پایین‌تری برای تکمیل دانشگاه دارند. این نشان دهنده رابطه معنی دار آماری بین نژاد (متغیر مستقل) و سطح تحصیلات (متغیر وابسته) است. با این حال، درست نیست که بگوییم خود نژاد بر سطح تحصیلات تأثیر می گذارد. در عوض، تجربه نژادپرستی یک متغیر مداخله گر بین این دو است.

بسیاری از مطالعات نشان داده‌اند که نژادپرستی بر کیفیت آموزش K-12 که فرد در ایالات متحده دریافت می‌کند تأثیر قوی دارد. تاریخ طولانی کشور از جداسازی و الگوهای مسکن امروزه به این معنی است که مدارس کشور با کمترین بودجه در درجه اول به دانش‌آموزان رنگین پوست خدمت می‌کنند در حالی که کشور به دانش‌آموزان رنگین پوست خدمت می‌کنند. مدارس با بهترین بودجه در درجه اول به دانش آموزان سفیدپوست خدمت می کنند. به این ترتیب، نژادپرستی مداخله می کند تا کیفیت آموزش را تحت تأثیر قرار دهد.

علاوه بر این، مطالعات نشان داده‌اند که تعصبات ضمنی نژادی در بین مربیان باعث می‌شود که دانش‌آموزان سیاه‌پوست و لاتین تبار کمتر از دانش‌آموزان سفیدپوست و آسیایی تشویق و دلسردی بیشتری در کلاس درس دریافت کنند و همچنین به‌خاطر فعالیت‌های غیراخلاقی به‌طور منظم‌تر و سخت‌تر تنبیه می‌شوند. این بدان معناست که نژادپرستی، همانطور که در افکار و اعمال مربیان تجلی می‌یابد، یک بار دیگر مداخله می‌کند تا بر میزان پایان تحصیلات دانشگاهی بر اساس نژاد تأثیر بگذارد. روش های متعدد دیگری وجود دارد که نژادپرستی به عنوان یک متغیر مداخله گر بین نژاد و سطح تحصیلات عمل می کند.

متغیرهای مداخله گر در مقابل متغیرهای مخدوش کننده:

متغیرهای مداخله گر نباید با متغیرهای مداخله گر اشتباه گرفته شوند. یک متغیر مداخله گر فقط بر متغیر وابسته تأثیر می گذارد در حالی که یک متغیر مداخله گر می تواند هم بر متغیر وابسته و هم بر متغیر مستقل تأثیر بگذارد.

یک مثال از یک متغیر مخدوش کننده، رابطه بین “وزن” و “فشار خون” یک فرد را در نظر بگیرید. در اینجا، متغیر “میزان تمرین” یک متغیر مخدوش کننده است. انتظار می رود فردی که بیشتر ورزش می کند وزن کمتری داشته باشد. همچنین شناخته شده است که ورزش بر فشار خون تأثیر دارد.

از آنجایی که میزان ورزش هم بر متغیر وابسته و هم بر متغیر مستقل تأثیر دارد، یک متغیر مداخله گر است و نه یک متغیر مداخله گر.

وجود متغیر مداخله گر به چه معناست؟

وجود یک متغیر مداخله‌گر نشان می‌دهد که رابطه بین متغیر وابسته و مستقل را نمی‌توان به طور کامل درک کرد، مگر اینکه تأثیر متغیر مداخله‌گر را درک کنیم. متغیر مداخله گر باعث تغییر در مقدار متغیر وابسته می شود و متغیر مستقل و وابسته را به هم پیوند می دهد.

متغیرهای مداخله‌گر برای مطالعه مهم هستند، زیرا دانش ما را در مورد علل تأثیرگذار بر متغیرهای وابسته بهبود می‌بخشند. از این رو با کنترل متغیر مداخله‌گر می‌توانیم کنترلی بر متغیر وابسته به دست آوریم.

متغیرهای مداخله گر در مدل های آماری که در آن به دلیل دشواری اندازه گیری آنها گنجانده نشده اند از اهمیت کمتری برخوردار هستند.

هیچ روش سیستماتیکی برای شناسایی متغیرهای مداخله گر وجود ندارد. محقق باید با استفاده از دانش خود از موقعیت مورد مطالعه تلاش کند و شناسایی کند که چه چیزی می تواند به عنوان رابط علی بین دو متغیر عمل کند.

یک دیدگاه ثبت کنید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *