统计学中变量分类的许多方法之一是考虑解释变量和响应变量之间的差异。虽然这些变量是相关的，但它们之间有着重要的区别。在定义了这些类型的变量之后，我们将看到这些变量的正确识别对统计学的其他方面有直接影响，例如散点图的构造和回归线的斜率。

解释和答复的定义

我们首先看一下这些类型变量的定义。反应变量是我们在研究中提出问题的一个特定数量。解释变量是可以影响响应变量的任何因素。虽然可以有许多解释变量，但我们将主要关注单个解释变量。

研究中可能不存在响应变量。这类变量的命名取决于研究人员提出的问题。在没有反应变量的情况下，进行观察研究就是一个例子。实验将有一个响应变量。精心设计的实验试图确定响应变量的变化是由解释变量的变化直接引起的。

例一

为了探索这些概念，我们将研究几个例子。对于第一个例子，假设一位研究人员对研究一组一年级大学生的情绪和态度感兴趣。所有一年级学生都会被问到一系列问题。这些问题旨在评估学生的思乡病程度。学生们也会在调查中指出他们的学校离家有多远。

研究这些数据的一位研究人员可能只是对学生的反应类型感兴趣。也许这样做的原因是为了对新生的构成有一个全面的了解。在这种情况下，没有响应变量。这是因为没有人看到一个变量的值是否会影响另一个变量的值。

另一位研究人员可以使用同样的数据，试图回答来自更远地方的学生是否有更大程度的乡愁。在这种情况下，与乡愁问题相关的数据是响应变量的值，指示离家距离的数据形成解释变量。

例二

对于第二个例子，我们可能会好奇，花在做家庭作业上的小时数是否会影响学生的考试成绩。在本例中，因为我们显示了一个变量的值改变了另一个变量的值，所以有一个解释变量和一个响应变量。研究时数是解释变量，测试分数是反应变量。

散点图和变量

当我们处理成对的定量数据时，使用散点图是合适的。这种图表的目的是展示配对数据中的关系和趋势。我们不需要同时具有解释变量和响应变量。如果是这种情况，则可以沿任一轴绘制任一变量。但是，如果存在响应和解释变量，则解释变量始终沿笛卡尔坐标系的x轴或水平轴绘制。然后沿y轴绘制响应变量。

独立自主

解释变量和响应变量之间的区别类似于另一种分类。有时我们把变量称为独立变量或相依变量。因变量的值取决于自变量的值。因此，响应变量对应于因变量，而解释变量对应于自变量。这一术语通常不用于统计，因为解释变量不是真正独立的。相反，变量只接受观察到的值。我们可能无法控制解释变量的值。