Unabhängige Variable

Was versteht man unter unabhängiger Variable?

Eine unabhängige Variable (UV) ist diejenige Variable in einer statistischen Analyse oder einem Experiment, die als Ursache oder Einflussgröße angenommen wird. Sie wird vom Forschenden gezielt manipuliert oder ausgewählt, um ihre Wirkung auf eine andere Variable – die abhängige Variable (AV) – zu untersuchen.

In einem linearen Regressionsmodell nimmt die unabhängige Variable die Rolle des Prädiktors ein. Das Modell lässt sich vereinfacht so darstellen:

Dabei steht für die abhängige Variable, für die unabhängige Variable, für den y-Achsenabschnitt, für den Regressionskoeffizienten der UV und für den Fehlerterm.

Je nach Fachkontext wird die unabhängige Variable auch als Prädiktorvariable, Einflussvariable, Regressor oder – im experimentellen Kontext – als Treatmentvariable bezeichnet.

Warum ist die unabhängige Variable für statistische Analysen wichtig?

Die korrekte Identifikation der unabhängigen Variable ist das Fundament jeder statistischen Analyse. Sie legt fest, welche Frage du eigentlich stellst: Was beeinflusst was? Ohne eine klar definierte UV lässt sich weder ein sinnvolles Modell aufstellen noch ein Ergebnis sinnvoll interpretieren.

In experimentellen Designs wird die UV aktiv manipuliert – etwa indem eine Gruppe ein Medikament erhält und eine andere ein Placebo. In nicht-experimentellen (beobachtenden) Designs hingegen wird die UV nur gemessen und nicht kontrolliert, zum Beispiel das Einkommen von Befragten in einer Umfrage. Dieser Unterschied ist entscheidend für die Frage, ob Kausalaussagen zulässig sind.

Eine weitere häufige Frage: Kann es mehrere unabhängige Variablen geben? Ja. In der multiplen Regression oder in multifaktoriellen Experimenten werden mehrere UVs gleichzeitig berücksichtigt. Jede von ihnen wird dann auf ihren eigenständigen Beitrag zur Erklärung der AV geprüft.

Praxisbeispiel zu unabhängiger Variable

Angenommen, du schreibst eine Bachelorarbeit über den Einfluss von Schlafdauer auf die kognitive Leistungsfähigkeit von Studierenden. Du befragst 120 Personen zu ihrer durchschnittlichen Schlafdauer pro Nacht und lässt sie anschließend einen standardisierten Konzentrationstest absolvieren.

Du berechnest eine einfache lineare Regression und findest: Mit jeder zusätzlichen Stunde Schlaf steigt der Testwert im Durchschnitt um 3,2 Punkte. Die Schlafdauer – deine UV – erklärt also einen Teil der Variation in den Testergebnissen. Ob das ein kausaler Effekt ist, hängt davon ab, wie gut du störende Einflüsse (sogenannte Drittvariablen) kontrolliert hast.