変数についてどのように話すかを知らなければ、研究において非常に多くのことを行うことはできないでしょう。 変数とは、異なる値を取ることができる任意の実体です。 OK、ではどういう意味でしょうか。 変化しうるものはすべて変数と考えることができます。 例えば、年齢は人によって、あるいは同じ人でも時間によって異なる値をとることがあるので、変数とみなすことができます。 同様に、人の国に値を割り当てることができるので、国も変数と考えることができます。
変数は必ずしも「量的」または数値的なものではありません。 変数cityはNew YorkやSydneyのようなテキスト値で構成されています。 有用であれば、テキスト値の代わりに（あるいはその代わりに）定量的な値を代入することができますが、何かが変数であるために数値を代入する必要はないのです。 また、変数は伝統的な意味で測定されるものだけではないことを認識することも重要です。 例えば、多くの社会調査やプログラム評価では、治療やプログラムは1つ以上の変数で構成されていると考えます（つまり、「原因」も変数と考えることができます）。 教育プログラムは、「課題に取り組む時間」、「教室の設定」、「生徒と教師の比率」など、様々な量を持つことができる。 そのため、プログラムさえも変数（多数のサブ変数で構成できる）と考えることができます。
属性とは、変数上の特定の値です。 例えば、変数Student gradeは2つの属性を持っています。 passとfailです。 または、変数agreementは5つの属性を持つように定義されるかもしれません。
-
1= strongly disagree -
2= disagree -
3= neutral -
4= agree -
5= strongly agree
‘variable’ と関連する他の重要な区別として独立変数と従属変数の間の区別が挙げられます。 この区別は、特に因果関係を調べるときに関係します。 この区別を覚えるのに、私は一番時間がかかりました。 (もちろん、私は空港で「到着」と「出発」の標識に戸惑う人間です。自分が空港に到着するから到着に行くのか、それとも迎えに行く人が飛行機で到着するから到着に行くのか！）。 私はもともと、独立変数とは、何らかのプログラムや治療に対して自由に変化・反応するものであり、従属変数とは、私の努力に依存するもの（つまり、治療）でなければならないと考えていました。 しかし、これは全く逆です! 実際、独立変数とは、あなた（あるいは自然）が操作するもの、つまり治療やプログラム、原因です。 従属変数とは、独立変数によって影響を受けるもの、つまりあなたの効果や結果です。 例えば、新しい教育プログラムの生徒の成績に対する効果を研究している場合、プログラムが独立変数で、あなたの成績の測定値が従属変数です。
最後に、常に達成すべき変数の特徴が2つあります。 各変数は網羅的であるべきで、回答可能なすべての回答を含むべきである。 たとえば、変数が「宗教」で、選択肢が「プロテスタント」、「ユダヤ教」、「イスラム教」しかない場合、含まれていない宗教がかなりあると思います。 このリストは、すべての可能性を網羅しているわけではありません。 一方、宗教もその一つですが、いくつかの変数ですべての可能性を網羅すると、単純に回答数が多くなりすぎてしまいます。 これに対処する方法は、最も一般的な属性を明示的にリストアップし、残りのものすべてを「その他」のような一般的なカテゴリーで説明することです。 網羅的であることに加えて、変数の属性は相互に排他的であるべきで、どの回答者も 2 つの属性を同時に持つことができないようにします。 これは明白に思えるかもしれませんが、実際にはかなり厄介なことがよくあります。 例えば、”雇用状況” という変数を “employed” と “unemployed” という2つの属性で表したいと思うかもしれません。 しかし、これらの属性は必ずしも相互に排他的ではありません。雇用されながら再就職活動をしている人は、両方の属性をチェックすることができます。 しかし、アンケートでは、回答者に「該当するものすべてにチェックを入れてください」と、一連のカテゴリーを列挙する質問をよく使いませんか？ しかし、技術的に言えば、そのような質問の各カテゴリは独自の変数であり、「チェックした」または「チェックしなかった」という二項対立で扱われ、相互に排他的な属性となります
。
