为什么研究中的变量方差越大越好

方差反映的是样本的差异程度，方差越大，意味着样本成分的复杂性也就越大。这难道不是在给自己找“麻烦”吗？可是，在研究中，为什么说变量的方差要越大越好呢？且听“亚洲一哥”为你捅破这其中的道理。全文长度1000字。

内容版权 | “亚洲一哥”张伟豪

整理及推荐人 | 东北师范大学亮亮博士

1

自变量：研究中的自变量，

方差为什么越大越好

首先，自变量方差大，说明自变量的取样范围较大，代表性更广。比如，你想要研究年龄对亲社会意愿的影响，即人们会不会年龄越大越愿意或者越不愿意帮助他人。如果你的样本只选取了20-30岁的年轻人，作为自变量的年龄波动范围较小，方差较小，那么你做出来的结论只能推论到20-30岁的年轻人。但如果你选取的样本年龄范围很大，从16岁到60岁的人都有，那么你做出来的结论适用范围明显会更广。

其次，统计学在研究变量之间关系的时候，基本思路是看自变量的变化如何造成因变量的变化。如果自变量方差过小，即自变量本身并没有什么变化，那么因变量即使有变化也很难是自变量造成的，也就是说很难做出显著的结果。

2

因变量：研究中的因变量，

方差为什么也是越大越好

首先，因变量方差大，说明因变量的波动较大，才更有研究价值。沿用上面的例子，你想要拿亲社会意愿作为研究的因变量。如果现实生活中你发现，有的人非常乐于助人，而有的人则是常常对周围漠不关心，由于这个差距的存在，去了解这个差距究竟是什么原因造成的，便是一个很有意义的问题；

其次，因变量波动范围越大，越有可能符合正态分布。统计学中的大部分方法对因变量都有正态性的要求，即中等程度的很多，低分高分的较少。但如果你的因变量本身波动很小，大家基本上都是同一个水平，那么很容易违背正态性；

再次，统计学检验的是自变量的变化如何造成因变量的变化，即自变量的分类或者连续变化如何解释因变量的方差以及能够解释多少、是否能够显著解释。如果因变量本身就没有多少方差给自变量来解释，那么也很难做出显著的结果。

所以方差越大，代表你我他的意见越不同，是什么造成我们之间的意见如此不同，便是统计学派上用场的时候，如果每一个人的意见都一样，调查一个人就是调查所有的人，那何必还搜集样本，何必劳烦统计学呢，你是否也刹那间豁然开朗了呢！

定量研究往期干货优选：

ACADEMIC TRAINING

精品课程

点击上方图片，了解更多课程详情