V každom výskume zohrávajú premenné veľmi dôležitú úlohu, môžeme ich označiť za základné stavebné kamene empirického výskumu. Na to, aby mohol byť akýkoľvek výskum úspešný, je potrebné, aby si výskumník dokázal určiť premenné. Tento krok je súčasťou operacionalizácie.
Premenná je čokoľvek, čo môžeme vo výskume merať alebo ovplyvňovať (Walker, 2013).
Je to znak, ktorý symbolicky vyjadruje určitú vlastnosť (charakteristiku) skúmaného objektu.
Hodnoty premenných reflektujú jednotlivé modifikácie, ktoré môže táto vlastnosť reálne nadobúdať. Premenná musí disponovať minimálne dvomi hodnotami/kategóriami vlastností (napr. hodnotami premennej pohlavie sú „muž“, „žena“; hodnotami premennej vek sú „26“, „27“, „28“ atď.; hodnotami premennej vzdelanie sú „základné“, „stredoškolské“, „vysokoškolské“).
S hodnotami premennej operujeme v hypotéze: hypotéza konštatuje predpokladaný vzťah medzi dvomi jasne definovanými premennými. Napríklad, ak overujeme hypotézu: Predpokladáme, že existuje štatisticky významný rozdiel v kvalite života medzi mužmi a ženami, tak premenné budú: kvalita života ( jej hodnotami je hrubé skóre v príslušnom dotazníku) a pohlavie (hodnotami premennej sú: muž, žena).
Premenná je symbolické vyjadrenie vlastnosti určitej skúmanej jednotky. Je to podstatná vlastnosť, ktorá určuje daný jav.
Premenné môžeme klasifikovať z rôznych hľadísk – viď. obrázok:
Z hľadiska vyjadrenia OBSAHU:
- kvantitatívna premenná – je vyjadrená číslicami a dosahuje určité číselné hodnoty. Môžeme sa pýtať otázkou „koľko?“ Charakterizuje nejaké množstvo, mieru, veľkosť, frekvenciu, dosiahnutú úroveň v % a pod. (Napríklad kvantitatívnou premennou je výška IQ a jej hodnotami môže byť skóre v teste IQ, napr. IQ 100, IQ 105, IQ 118 atď.).
- kvalitatívna premenná – určuje charakteristické vlastnosti jednotiek skúmania a je vyjadrená slovne. Môžeme sa pýtať otázkou napr. „aký typ?“ (Napríklad, kvalitatívnou premennou je profesia respondenta a jej jednotlivými hodnotami môžu byť: učiteľ, sociálny pracovník, psychológ, úradník atď.).
Z hľadiska MIESTA vo výskume :
- nezávislá premenná (prediktor, explanačná premenná) – spôsobuje daný efekt,
- závislá premenná (vysvetľovaná premenná) – vplyvom nezávislej premennej sa mení, jej kvalita, hodnota a pod. závisí od inej premennej (nezávislej premennej).
Príklad:
Z hľadiska rozlišovania, či je premenná závislá alebo nezávislá, je dôležitý cieľ výskumu a hypotézy. Jedna a tá istá premenná môže mať vo výskume miesto závislej i nezávislej premennej.
Napr. premenná váha človeka môže mať v dvoch hypotézach rozličné miesto:
- miesto nezávislej premennej: H1 Predpokladáme, že spokojnosť s výzorom závisí od váhy človeka.
- miesto závislej premennej: H2 Predpokladáme, že váha dieťaťa závisí od veku dieťaťa.
Rozlišovanie závislej a nezávislej premennej je dôležité najmä pri použití viacrozmerných štatistických metód, napr. pri regresnej analýze. Ale rozlišovať závislú a nezávislú premennú je dôležité v rámci takmer každej štatistickej analýzy, pri zadávaní premenných do analýzy v programe SPSS je nevyhnutné rozlišovať medzi závislou a nezávislou premennou (napr. videoukážka: 1:17 minúta).
V prípade spracovania výsledkov výskumu štatistickou analýzou je pre výskumníka veľmi dôležité rozlišovať premenné z hľadiska MERANIA, od čoho sa potom odvíja výber štatistických metód. Najčastejšie sa používa delenie na tri typy premenných, ktoré sa nazývajú aj škály merania.
Meraním rozumieme systematické priraďovanie čísel skúmaným vlastnostiam alebo objektom (Kerlinger, 1972). Úrovne určitej premennej je možné kvantifikovať, t.j. priraďovať im čísla. Toto priraďovanie čísel musí rešpektovať určité pravidlá, ktoré odzrkadľujú empirické relácie na úrovní premennej (napr. ak je osoba A vyššia ako osoba B, musíme osobe A priradiť vyššie číslo).
Priraďovanie čísel rôznym úrovniam skúmanej premennej je teda meranie. Súhrn takto získaných čísel/hodnôt označujeme ako dáta.
Dáta sú empirické informácie, či záznamy o stavoch empirických vlastností skúmaných javov a procesov, resp. záznamy o hodnotách premenných (Ritomský, 2015). Postup nahadzovania dát do programu SPSS nájdete tu.
Z hľadiska štatistickej analýzy je kľúčové rozlišovanie premenných z hľadiska merania – nominálna, ordinálna a kardinálna úroveň.
! Jedna vlastnosť môže byť vyjadrená rôznymi typmi premenných. Napr.: plat môže byť vyjadrený ako:
- nominálna premenná: s príplatkom, bez príplatku;
- ordinálna premenná: do 400 €, od 401 do 600 €, od 601 do 900 €, nad 900 €;
- kardinálna premenná: 968,40 €.
! Premennú je potrebné merať na najvyššej možnej zmysluplnej škále – čím vyššia úroveň merania, tým presnejšie, spoľahlivejšie a validnejšie dáta.
Kardinálne premenné obsahujú všetky informácie a v prípade potreby ich vždy môžeme transformovať na znaky nižšej úrovne (nominálne či ordinálne). V programe SPSS cez príkazy: Transform – Recode into Same Variebles…, príp. Recode into Different Variables…: