المتغير المستقل مقابل المتغير التابع

يمثّل التفكير العلمي في جوهره محاولة نسقية لفهم الروابط المنطقية والتجريبية التي تحكم الظواهر الطبيعية والإنسانية؛ فهو لا يكتفي بمجرد وصف الأحداث كما تتبدى للحواس، بل ينفذ إلى استكشاف شبكات التأثير والتأثر الكامنة خلفها. ولتحقيق هذه الغاية المعرفية، طوّر المنهج العلمي أدوات تصورية وتحليلية تمكّن الباحث من تفكيك الواقع المعقد إلى عناصر أولية قابلة للملاحظة والضبط والقياس، وهو ما اصطلح عليه في أدبيات البحث العلمي باسم “المتغيرات”. تشكل هذه المتغيرات اللبنات الأساسية التي تُبنى منها الفرضيات، وتُصاغ على أساسها النظريات، وتُصمم بموجبها التجارب المعملية والميدانية، متيحة للعقل البشري الانتقال من مرحلة التخمين الفلسفي المجرد إلى رحاب التحقق التجريبي المنضبط.

وفي قلب هذا البناء المنهجي الصارم، يبرز التمييز بين قطبين محوريين تتحدد بموجبهما بنية أي تصميم بحثي كمي: المتغير المستقل والمتغير التابع. إن هذا الثنائي لا يمثل مجرد تصنيف شكلي للمفاهيم، بل يعكس البنية السببية والوظيفية للظاهرة محل الدراسة؛ فالأول يجسد القوة المحركة، أو العامل المؤثر، أو المدخل التجريبي الذي يسعى الباحث إلى رصد فاعليته، في حين يمثل الثاني الاستجابة، أو النتيجة، أو المخرج المقاس الذي تتجلى فيه آثار ذلك التأثير. ورغم وضوح هذا التمايز نظرياً، فإن الممارسة البحثية الفعلية غالباً ما تشهد التباسات منهجية وإجرائية دقيقة، لا سيما في العلوم السلوكية والاجتماعية التي تتشابك فيها المسارات السببية وتتداخل فيها العوامل الوسيطة والمعدلة، مما يجعل من الفهم المعمق لهذين المتغيرين متطلباً تأسيسياً لا غنى عنه لأي باحث يسعى إلى الرصانة العلمية والصدق الاستدلالي.

تهدف هذه المقالة الموسوعية إلى تقديم تأطير منهجي وتطبيقي شامل للمتغيرين المستقل والتابع، مستندة إلى أحدث ما استقرت عليه أدبيات مناهج البحث والإحصاء الاستدلالي. سنستعرض عبر محاورها المفاهيم التأسيسية، وأشكال المعالجة التجريبية، ومستويات القياس ومحاذيره، والفروق الجوهرية والوظيفية عبر الجداول والمقارنات المعيارية، بالإضافة إلى تفكيك التفاعلات الإحصائية المعقدة وشبكات العلاقات السببية المتعددة. ومن خلال ربط الأبعاد النظرية بالتطبيقات العملية في شتى حقول المعرفة—من الطب الحيوي إلى العلوم الاجتماعية والتربوية—تسعى هذه الدراسة إلى تزويد الباحث والأكاديمي بدليل إرشادي قطعي يضمن سلامة التصميم التجريبي، ودقة النمذجة الإحصائية، وصدق استخلاص النتائج وتعميمها.

1. مقدمة: التأطير المنهجي لمفهوم المتغيرات وأسباب الخلط البحثي

1.1 ماهية المتغيرات ودورها في بناء المعرفة العلمية

يُعرَّف المتغير في أدبيات منهجية البحث العلمي بأنه أي خاصية، أو سمة، أو كينونة قابلة لأن تأخذ قيماً مختلفة أو حالات متباينة بين الأفراد، أو الأشياء، أو المواقف عبر الزمان والمكان. يقف مفهوم “المتغير” على النقيض المباشر لمفهوم “الثابت”، وهو العنصر الذي يحتفظ بقيمة كمية أو كيفية واحدة لا تتغير ضمن سياق الدراسة. تنبع الأهمية الإبستيمولوجية للمتغيرات من كونها الجسر الذي يعبر عليه الباحث من سماء المفاهيم النظرية المجردة—مثل “الذكاء”، أو “القلق”، أو “الإنتاجية”، أو “السمية الخلوية”—إلى أرض الواقع الملموس، حيث تصبح هذه التجريدات قابلة للرصد الحسي والقياس الموضوعي عبر ما يعرف بـ “التعريف الإجرائي” (Operational Definition). يُحدد التعريف الإجرائي الخطوات الصارمة، والمقاييس، والأدوات التي تُستخدم لتحويل المفهوم الغامض إلى مؤشرات كمية (رقمية) أو كيفية (فئوية) دقيقة تقبل التحليل الرياضي المقارن.

تؤدي المتغيرات وظيفة محورية في تشكيل الهيكل المنطقي للفرضيات العلمية؛ فالفرضية ليست في جوهرها سوى تخمين ذكي وتصريح احتمالي يربط بين متغيرين أو أكثر ضمن علاقة مقترحة تخضع للاختبار والدحض الإمبيريقي. وبدون تفكيك دقيق للظاهرة إلى متغيرات واضحة الحدود، يستحيل صياغة أسئلة بحثية قابلة للاختبار (Testable Questions). إضافة إلى ذلك، تتيح المتغيرات للباحث وضع التمييز الأولي والأساسي بين “السبب” المفترض للظاهرة و”النتيجة” المترتبة عليها في العلاقات الظواهرية، وهو ما يمهد السبيل لبناء نماذج تفسيرية وتنبؤية تمكّن المجتمع العلمي من فهم العالم المادي والاجتماعي، وضبط مساراته، والتحكم في مآلاته بصورة نسقية متراكمة تسهم مباشرة في صلب المعرفة الإنسانية.

1.2 دواعي الخلط المنهجي بين المتغيرين المستقل والتابع

على الرغم من البساطة النظرية الظاهرة في التمييز بين “المؤثر” و”المتأثر”، فإن الممارسة البحثية الميدانية والتحليلية تكشف عن ارتباك متكرر يقع فيه العديد من الباحثين وطلاب الدراسات العليا عند تحديد المتغير المستقل ومقابله التابع. يعود هذا الخلط في المقام الأول إلى طبيعة التصاميم البحثية الوصفية والارتباطية غير التجريبية؛ ففي الدراسات المسحية التي تُجمع فيها البيانات في نقطة زمنية واحدة (Cross-sectional Studies)، تغيب الأسبقية الزمنية الصريحة وتختفي شروط المعالجة المباشرة، مما يجعل الباحث عاجزاً عن الجزم يقيناً بما إذا كان المتغير (أ) يسبب المتغير (ب)، أو أن (ب) هو الذي يسبب (أ)، أو أن كلاهما يتأثر بمتغير ثالث غير مرصود.

يتفاقم هذا الالتباس نتيجة السيولة الوظيفية للمتغيرات؛ فالخاصية ذاتها قد تحتل موقع المتغير المستقل في دراسة معينة، ثم تتحول إلى متغير تابع في دراسة أخرى بناءً على سياق الفرضية المطروحة وأهداف البحث الخاصة. على سبيل المثال، قد يُعامل “التحصيل الأكاديمي” كمتغير تابع يتأثر بـ “القلق الامتحاني” (متغير مستقل)، بينما يُعامل في دراسة تالية كمتغير مستقل يؤثر في “تقدير الذات المهني” (متغير تابع). يضاف إلى ذلك التشويش الحتمي الناجم عن تأثير المتغيرات الدخيلة (Extraneous Variables)، والمتغيرات المشوشة (Confounding Variables)، والوسيطة (Mediating Variables)، التي تتدخل خفية لتغيير اتجاه العلاقة أو تضخيمها، فضلاً عن ضعف الصياغة الإجرائية في المراحل التمهيدية للتصميم البحثي، مما يترك المتغيرات غائمة الدلالة وفضفاضة التطبيق، ومجردة من دقتها المنطقية اللازمة للتحليل.

1.3 أثر التحديد الدقيق للمتغيرات على سلامة الاستدلال الإحصائي

يرتبط التحديد الإجرائي والتصنيفي الدقيق للمتغيرين المستقل والتابع ارتباطاً وثيقاً وعضوياً بالاستدلال الإحصائي (Statistical Inference) وصحة النتائج المشتقة منه؛ فالخطأ في تعيين هوية المتغير يقود حتماً إلى اختيار نماذج إحصائية غير متوافقة رياضياً مع طبيعة البيانات. في النمذجة الخطية العامة، يتطلب تحليل الانحدار الخطي (Linear Regression) تمييزاً صارماً بين المتغير التنبؤي (المستقل) والمتغير المعياري المُراد التنبؤ به (التابع)، كما يعتمد اختبار تحليل التباين (ANOVA) على افتراض أن المتغير المستقل فئوي تصنيفي يقسم العينة إلى مجموعات معالجة، في حين أن المتغير التابع كمي مستمر تتوزع درجاته اعتدالياً. وأي خلط في هذه الأدوار يفرغ التحليلات من معناها الرياضي ويقود إلى استنتاجات مضللة تماماً.

وعلاوة على التحليل الإحصائي، يمثل التحديد الدقيق صمام الأمان لتحقيق الصدق الداخلي (Internal Validity) للتصميم التجريبي؛ فهو يمكّن الباحث من بناء حواجز منهجية لعزل التحيزات المنهجية (Systematic Biases) ومنع الانحرافات التجريبية الناتجة عن تداخل العوامل العشوائية. يضمن هذا التحديد الصارم أيضاً الشفافية المنهجية المطلوبة لتكرار التجربة وإعادة إنتاجها (Replicability) في مختبرات أخرى وتحت ظروف متطابقة بواسطة باحثين مستقلين؛ وهي الركيزة الكبرى للتحقق من صدق النظريات وتثبيت دعائمها إمبيريقياً عبر مجتمعات المعرفة العلمية المتقدمة.

2. المتغير المستقل: المفهوم والخصائص والأنماط التجريبية

2.1 التعريف الاصطلاحي والوظيفة في الفرضية العلمية

يُعرَّف المتغير المستقل (Independent Variable – IV) بأنه العامل السابق زمنياً أو منطقياً، والذي يتم تحديده، أو معالجته، أو اختياره نسقياً من قِبل الباحث بغرض تقييم تأثيره، أو ارتباطه، أو قدرته التنبؤية على سلوك أو قياسات متغير آخر. سُمي هذا المتغير “مستقلاً” لأنه لا يخضع—في الإطار التصميمي المحدد للتجربة—للتغيرات اللحظية الحاصلة في المتغيرات المقيسة الأخرى، بل يتغير وفقاً لإرادة الباحث المنهجية، أو بحكم خصائص الكيانات القبلية القائمة بذاتها خارج نطاق التأثير الفوري للتجربة. إنه يمثل “المثير” (Stimulus) في دراسات علم النفس التجريبي، أو “المعاملة” (Treatment) في التجارب الطبية والزراعية، و”المدخل” (Input) الوظيفي في النماذج النظمية والحسابية.

تتمثل الوظيفة الجوهرية للمتغير المستقل في الفرضية العلمية في كونه المتغير التنبؤي (Predictor Variable) الذي يُفترض أن يفسر التباين الملاحظ في المتغير التابع. وفي النمذجة الرياضية، يُرمز له بالرمز الرياضي التقليدي (X)، وتتمثل مهمته في اختبار شروط السببية القائمة على مبدأ التغاير؛ أي إثبات أن أي تباين منهجي في قيم (X) يرتبط بتباين نظامي موازٍ في قيم المتغير المقاس (Y). وتعتمد القوة الاستدلالية للمتغير المستقل على قدرة الباحث الصارمة على التحكم في مستوياته (Levels) أو ظروفه التجريبية المتباينة، وعزل تأثيراته عن كل الشوائب المحيطة بما يضمن نسب النتيجة النهائية إليه حصراً وبأعلى درجات اليقين الإمبيريقي الممكنة.

2.2 تصنيفات المتغير المستقل في المناهج البحثية

يتخذ المتغير المستقل أشكالاً متعددة بناءً على طبيعته وإمكانية إخضاعه للتدخل المباشر من قبل الباحث. ينقسم المتغير المستقل أساساً إلى نمطين جوهريين:

• المتغيرات المستقلة المعالجة تجريبياً (Manipulated / True Experimental IVs): وهي المتغيرات التي يمتلك الباحث سلطة كاملة ومباشرة في ضبطها وتوزيعها عشوائياً على المفحوصين، مثل جرعات عقار دوائي تجريبي (0 ملغ، 50 ملغ، 100 ملغ)، أو نوع الاستراتيجية التدريسية (تعلم تعاوني مقابل تدريس تقليدي)، أو شدة الإضاءة المحيطة. يتيح هذا النمط فقط إقامة استدلالات سببية قاطعة وقوية لكونه يخضع لمبدأ التعيين العشوائي الصارم.
• المتغيرات المستقلة التصنيفية أو الطبيعية (Subject / Attribute / Quasi-IVs): وهي خصائص أصيلة كامنة في أفراد العينة لا يمكن للباحث توليدها، أو التلاعب بها، أو توزيعها عشوائياً لأسباب بنيوية أو لاعتبارات أخلاقية وقانونية؛ كالجنس البيولوجي، والفئة العمرية، والطبقة الاقتصادية، والتاريخ المرضي، ونمط الشخصية. يُدرس هذا المتغير عبر المقارنة بين مجموعات متمايزة طبيعياً، وتقتصر نتائجه عادة على الاستدلال الارتباطي أو التصاميم شبه التجريبية دون القطع التام بالسببية الصرفة.
• المتغيرات الضابطة (Control Variables): متغيرات مستقلة ثانوية لا يستهدف الباحث دراسة أثرها لذاتها، بل يسعى إلى تثبيتها، أو تحييدها، أو إدخالها كمتغيرات مصاحبة (Covariates) في النماذج الإحصائية لمنعها من تشويه العلاقة بين المتغير المستقل التجريبي والمتغير التابع.
• المتغيرات المستقلة المتعددة في التصاميم العاملية (Factorial Designs): استخدام متغيرين مستقلين أو أكثر في التجربة الواحدة (مثل تصميم 2×3 الذي يدرس أثر نوع العلاج ومستويات الجرعة معاً)، مما يتيح فحص الآثار الرئيسية (Main Effects) لكل متغير بمفرده، إضافة إلى فحص أثر التفاعل المشترك (Interaction Effect) بينها.

2.3 آليات الضبط والتحكم في المتغير المستقل

لا يكتمل التأسيس المنهجي للمتغير المستقل إلا بتطبيق استراتيجيات تقنية تضمن خلو معالجته من الشوائب المنهجية التي تهدد صدق الاستدلال. تُعد تقنية التعيين العشوائي (Random Assignment) للأفراد والموضوعات على مستويات المتغير المستقل الركيزة الذهبية في هذا الصدد؛ إذ تكفل النظريات الإحصائية لتوزيع الاحتمالات أن يؤدي التعيين العشوائي إلى معادلة الفروق الفردية القبلية بين المجموعات التجريبية والضابطة، مما يحصر أي فارق بعدي يطرأ على المتغير التابع في التأثير الفعلي لمعالجة المتغير المستقل دون سواه.

تتكامل هذه المنهجية مع الاستخدام الإلزامي لمجموعات المقارنة والتحكم (Control Groups)، والتي تشمل مجموعات لا تتلقى أي معالجة إطلاقاً، أو مجموعات تتلقى علاجاً وهمياً (Placebo) لمعادلة التوقعات النفسية؛ مما يوفر خط أساس تجريبي (Baseline) لقياس الأثر الصافي للمتغير المستقل. ولتحييد انحياز الملاحظين وتوقعات المفحوصين، يعتمد الباحثون تقنيات التعمية؛ سواء التعمية الفردية (Single-Blind) حيث يجهل المفحوص طبيعة المعالجة التي يتلقاها، أو التعمية المزدوجة (Double-Blind) التي يجهل فيها كل من المفحوص والقائم بالتجربة المباشرة هوية المجموعات التجريبية والضابطة، وهي المعيار الأرقى في التجارب الإكلينيكية الحيوية التي تحمي نقاء البيانات من التحيزات المعرفية المسبقة.

3. المتغير التابع: المفهوم والاستجابة وأدوات القياس

3.1 التعريف الدلالي وطبيعة التبعية المنهجية

يُمثّل المتغير التابع (Dependent Variable – DV) المحور المقاس النهائي، أو الاستجابة السلوكية، أو الأثر الوظيفي الناتج والمفترض ارتباطه أو خضوعه العلي للتغيرات الحاصلة في المتغير المستقل. يعبر اصطلاح “التبعية” هنا عن الارتباط الوجودي والمفاهيمي في إطار الفرضية؛ إذ إن قيم المتغير التابع لا تتحدد بمشيئة الباحث ولا تدار ذاتياً من داخل التجربة، بل تأتي انعكاساً مشروطاً ودالة رياضية لقيم المتغير المستقل، وهو ما تصوغه الدالة الرياضية الكلاسيكية: $Y = f(X)$، حيث يمثل (Y) المتغير التابع الواقع تحت تأثير الدالة التشغيلية للمستقل (X).

يعتبر المتغير التابع ممثلاً للمشكلة الجوهرية والظاهرة المستهدفة بالحل، أو التفسير، أو التعديل، أو الوقاية في أي دراسة علمية؛ فهو معدل تفشي المرض في علم الأوبئة، ومستوى الأداء الذهني في علم الأعصاب المعرفي، ودرجة الرضا والإنتاجية في الإدارة الصناعية. تكمن القيمة العلمية للمتغير التابع في درجة حساسيته (Sensitivity)؛ أي كفايته في إظهار وتسجيل التغيرات الدقيقة للغاية التي قد تحدثها المعالجة التجريبية المستقلة، حتى لو كانت هذه التغيرات طفيفة أو متناهية في الصغر؛ فالأداة غير الحساسة قد تؤدي إلى إخفاق الباحث في رصد تأثير حقيقي للمتغير المستقل، مما يوقعه في الخطأ الإحصائي من النوع الثاني (Type II Error).

3.2 مستويات قياس المتغير التابع وأشكال مخرجاته

تتحدد دقة التحليل الرياضي للمتغير التابع بمستوى قياسه وفق التصنيف الإبستيمولوجي المعياري الذي صاغه ستانلي ستيفنز (Stanley Smith Stevens)، والذي ينقسم إلى أربعة مستويات محددة للخصائص الرياضية للأرقام المعطاة للمتغير:

• المستوى الاسمي (Nominal Scale): يمثل أدنى مستويات القياس، وفيه تكون مخرجات المتغير التابع فئات نوعية كيفية متمايزة لا تفاضل بينها ولا ترتيب تصاعدياً أو تنازلياً، مثل: وجود المرض من عدمه (مصاب / غير مصاب)، أو اتخاذ القرار الشرائي (شراء / عدم شراء)، أو التخصص الجامعي. تقتصر المعالجات الإحصائية هنا على التكرارات، والنسب المئوية، واختبارات مربع كاي، وتعتمد نمذجة انحدار لوجستي للمتغيرات الثنائية أو المتعددة.
• المستوى الترتيبي (Ordinal Scale): يتيح هذا المستوى ترتيب فئات المتغير التابع تفضيلياً أو رتبياً وفق امتلاكها للسمة، لكن دون تساوي المسافات بين الرتب، كالمقاييس الليكرتية خماسية أو سباعية النقاط (موافق بشدة، محايد، معارض بشدة)، أو تصنيفات درجات الحروق الطبية ومراحل الأورام. يُلجأ هنا إلى الإحصاء اللابارامتري (Non-parametric Statistics) ومقاييس ارتباط الرتب.
• المستوى الفئوي / المسافي (Interval Scale): تكتسب المسافات الفاصلة بين القيم هنا دلالات كمية متساوية، مما يسمح بحساب الفروق الدقيقة دون أن تتضمن المقياس نقطة “صفر مطلق” تدل على الغياب التام للصفة، مثل مقياس درجات الحرارة المئوية ومقاييس الذكاء المعيارية (IQ). يتيح هذا المستوى استخدام العمليات الحسابية من جمع وطرح، وحساب المتوسط الحسابي والانحراف المعياري، واستخدام الاختبارات التائية واختبارات التباين.
• المستوى النسبي (Ratio Scale): أرقى مستويات القياس الرياضي وأكثرها اكتمالاً؛ حيث يتضمن مسافات متساوية إضافة إلى وجود “صفر مطلق” حقيقي يعبر عن انعدام الخاصية تماماً، مثل: الوزن، والزمن، والمسافة، والضغط الشرياني، وسرعة الاستجابة بالمللي ثانية. يسمح المقياس النسبي بإجراء كافة العمليات الحسابية والنسب المئوية والضرب والقسمة وتطبيق جميع التحليلات البارامترية المتقدمة.

3.3 شروط جودة قياس المتغير التابع ومعايير حساسيته

يتوقف الصدق البنائي للتجربة برمتها على الصلاحية السيكومترية والفيزيائية لأدوات قياس المتغير التابع. يتصدر هذه الشروط معيار “الصدق” (Validity)، وهو الضمانة المنهجية التي تؤكد أن الأداة تقيس بالفعل الخاصية النفسية أو الفيزيولوجية المقصودة دون الخلط مع متغيرات مجاورة؛ كأن يقيس اختبار القلق مستويات القلق الحقيقي وليس مهارات القراءة والاستيعاب اللغوي. ويتزامن معه معيار “الثبات” (Reliability)، والذي يقضي باستقرار وتناسق القياس الداخلي وعبر الزمن، بحيث لو كُررت التجربة في ظل ذات الظروف البيئية لأعطى المقياس ذات القراءات المتطابقة، معبراً عن نسبة تباين حقيقي تخلو من التباين العشوائي الناتج عن أخطاء القياس.

تتضمن شروط القياس الجيد للمتغير التابع الحماية من التشوهات التوزيعية المعروفة بـ “تأثير السقف” (Ceiling Effect) و”تأثير القاع” (Floor Effect). يحدث تأثير السقف عندما تكون أداة القياس سهلة جداً أو محدودة المدى الأعلى، مما يجعل جميع المفحوصين يحصلون على أعلى الدرجات بغض النظر عن قوة معالجة المتغير المستقل، في حين يقع تأثير القاع عندما تكون الأداة شديدة الصعوبة أو تفتقر للحساسية في دركاتها الدنيا فيتكدس المفحوصون في قاع المقياس. يؤدي كلا التأثيرين إلى تشويه التوزيع الطبيعي، وإعدام التباين الحقيقي (True Variance)، وإخفاء الفروق الجوهرية الناتجة عن المعالجة المستقلة بصورة منهجية كارثية تضلل الباحثين.

4. أوجه الاختلاف الجوهرية بين المتغير المستقل والمتغير التابع

4.1 الفروق من حيث الدور السببي والمسار الوظيفي

يتباين المتغيران المستقل والتابع تبايناً جذرياً في بنيتهما السببية وفي مسارهما الوظيفي داخل منظومة الفرضية العلمية؛ فالأول يجسد “العلّة” المنطقية أو الإمبيريقية في حين يمثل الثاني “المعلول”. يتطلب هذا المسار الوظيفي تحقق شرط الأسبقية الزمنية (Temporal Precedence)؛ فالأصل في التجربة الصارمة أن يحدث التغير أو التدخل في المتغير المستقل أولاً في خط الزمن، لتتبعه استجابة المتغير التابع ثانياً. ومن منظور المنهج الإمبريقي الذي استقر عليه جون ستيوارت ميل (John Stuart Mill) في قواعد الاتفاق والاختلاف، لا يمكن للاستجابة أن تسبق المثير أو أن تتزامن معه تزامناً مباحاً دون تحديد تسلسلي.

يتحرك اتجاه التأثير في التجارب الأساسية أحادية المسار (Unidirectional Path) من المتغير المستقل إلى المتغير التابع حصراً؛ حيث يشغل المستقل موقع “محور المعالجة والتدخل” بينما يشغل التابع موقع “محور الملاحظة والقياس المستمر”. وفي النماذج المفاهيمية، يُعنى الباحث بالتعديل الانتقائي الدقيق لمستويات المتغير المستقل ليرى كيف ستستجيب مقادير المتغير التابع، وهو ما يجعل المستقل مستودعاً للمدخلات التجريبية الحرة، في حين يظل التابع مقيداً بالمسارات الفيزيائية أو السيكولوجية التي تحددها طبيعة التفاعل مع تلك المدخلات بصورة عضوية وتلقائية متصلة.

4.2 الفروق في التناول المنهجي والتمثيل البياني

ينعكس التمايز المنهجي بين المتغيرين على تقاليد التمثيل البياني والرياضي في أدبيات العلوم الدقيقة؛ فوفقاً للأعراف الكارتيزية للهندسة الإحداثية، يُسند المتغير المستقل دوماً إلى المحور الأفقي (X-axis)، المعروف بمحور السينات أو المتغيرات المستقلة، بينما يُرسم المتغير التابع بصورة حصرية ومطلقة على المحور الرأسي (Y-axis)، المعروف بمحور الصادات أو دوال الاستجابة. يعبر هذا التمثيل عن الاعتماد الدالي؛ حيث يعكس الارتفاع أو الانخفاض الشاقولي على المحور الرأسي دالة الانحدار أو التغير المشتقة من التحرك الموازي والموجّه على طول المحور الأفقي.

يتمايز المتغيران كذلك في الموقف السلوكي للمجرب نحوهما؛ فبينما يمارس الباحث “نشاطاً تدخلياً نشطاً” في ضبط وتعديل مستويات المتغير المستقل وفرض سيناريوهاته، فإنه يتخذ موقف “الملاحظة السلبية المنضبطة” والراصدة حيال المتغير التابع، حيث يتجنب أي تدخل مباشر قد يغير من طبيعة الاستجابة الخام للمفحوص تفادياً لإفساد التجربة. يضاف إلى ذلك افتراضات النمذجة الإحصائية؛ ففي نماذج الانحدار الخطي التقليدي، يُفترض عادة أن قيم المتغير المستقل ثابتة وخالية من خطأ القياس، في حين تتضمن قيم المتغير التابع التوزيع الاحتمالي للأخطاء العشوائية (Error Term – $epsilon$) والتي يُشترط فيها التوزيع الطبيعي واستقلال التباين لتوليد تنبؤات صحيحة إحصائياً.

4.3 جدول المقارنة المعياري للأبعاد والخصائص

يوجز الجدول المعياري التالي الأبعاد الهيكلية والإجرائية والإحصائية التي تفصل بين المتغير المستقل والمتغير التابع في التصاميم البحثية المتقدمة وفق معايير المنهجية العلمية الصارمة:

البعد / الخاصية	المتغير المستقل (Independent Variable)	المتغير التابع (Dependent Variable)
المفهوم والوظيفة	السبب المفترض، أو المثير، أو المؤثر الأولي الذي يُحدث تغييراً أو يفسر تبايناً.	النتيجة المفترضة، أو الاستجابة، أو الأثر المقاس الحاصل كنتيجة لمعالجة المستقل.
التحكم التجريبي	يخضع للتعديل والتلاعب المباشر أو الانتقاء والتصنيف الممنهج من قبل الباحث.	لا يُتلاعب به مباشرة، بل يُقاس ويُرصد بموضوعية وحيادية دون أي تدخل أداتي.
الأسبقية الزمنية	يسبق المتغير التابع بالضرورة في مسار الحدوث الزمني والمنطقي للتجربة.	يتبع المتغير المستقل زمنياً ويتأثر بالتغيرات الطارئة على مستوياته المختلفة.
التمثيل البياني	يُمثل حصرياً على المحور الأفقي السيني (X-axis) في كافة الرسوم والأشكال البيانية.	يُمثل حصرياً على المحور الرأسي الصادي (Y-axis) ليعكس الاستجابة والدالة الرياضية.
الدور في الانحدار	المتنبئ (Predictor)؛ يمثل الأوزان والأثر التفسيري الموجه نحو النتيجة.	المعيار (Criterion)؛ يمثل القيمة النهائية المطلوب التنبؤ بها وتفسير تباينها.
مستويات القياس الشائعة	غالباً ما يكون فئوياً نوعياً (مجموعات تجريبية/ضابطة) أو متصلاً في دراسات الانحدار.	غالباً ما يُفضل أن يكون فئوياً مسافياً أو نسبياً لتمكين التحليلات البارامترية القوية.
شروط الجودة المنهجية	عزل الشوائب، الدقة في توزيع الجرعات أو شروط المعاملة، التعيين العشوائي.	الحساسية للتغير، الصدق البنائي، الثبات الزمني، خلو المقياس من تأثير السقف والقاع.
تأثير الأخطاء الإحصائية	يُفترض خلوه من خطأ القياس، والخطأ فيه يسبب انحداراً نحو الصفر وتوهيناً للعلاقة.	يحتوي على حد الخطأ العشوائي ($epsilon$) الذي يسعى النموذج لتقليصه إلى أدنى حد ممكن.

5. أوجه التشابه ونقاط التداخل والتفاعل بين المتغيرين

5.1 السمات المنهجية المشتركة في إطار البحث العلمي

على الرغم من التباين القطبي الحاد بين المتغيرين في وظيفتهما التجريبية، إلا أنهما يشتركان في منظومة صارمة من المبادئ الإبستيمولوجية والمنهجية التي تحكم وجودهما داخل البحث العلمي الرصين. يشترك كلا المتغيرين في الإلزامية المطلقة للصياغة والتعريف الإجرائي الدقيق؛ فلا يمكن لأي متغير—مستقلاً كان أم تابعاً—أن يؤدي دوره البحثي ما لم تُترجم حدوده المعنوية إلى مؤشرات سلوكية أو مادية قابلة للرصد والتقييم الكمي أو الكيفي. إن التعريف الإجرائي هو الذي يمنح المتغير وجوده الموضوعي، وهو القاعدة التي تتيح لباحثين آخرين التدقيق في صحة التصميم واختباره وتكرار التجربة بموثوقية عالية.

وعلاوة على ذلك، يخضع المتغيران معاً وبنفس القدر لمعايير القياس السيكومترية والمترولوجية من حيث الصدق (Validity) والثبات (Reliability)؛ فالخطأ في قياس المتغير المستقل (كتذبذب تركيز المادة الكيميائية أو سوء تطبيق البرنامج التدريبي) يقود إلى نتائج تضاهي في بطلانها أخطاء قياس المتغير التابع (كتلف جهاز الرصد أو انحياز الاستبيان). كما يشترك الطرفان في قابليتهما للتمثيل الرياضي والتحويل الرقمي، وفي كونهما متساويين في الأهمية المعرفية لإنجاح الفرضية الإحصائية؛ فالفرضية تعجز بنيوياً عن الصمود بمجرد تغييب أو إهمال أي من هذين المكونين المتلازمين.

5.2 ديناميكية الأدوار وتغير صفة المتغير بتغير السياق

إن وصف متغير ما بأنه “مستقل” أو “تابع” ليس صفة أنطولوجية لازمة للخاصية أو الظاهرة بذاتها، بل هو تصنيف وظيفي بحت يقرره الباحث وفقاً لسياق الفرضية وأهداف الدراسة. تتجلى هذه الديناميكية المنهجية في إمكانية تحول المتغير ذاته من موقع التابع في دراسة محددة إلى موقع المستقل في دراسة لاحقة. خذ على سبيل المثال “الأداء الأكاديمي”: يمكن دراسته كمتغير تابع يخضع لتأثير “ساعات استخدام المنصات التعليمية” (متغير مستقل)، لكنه في نموذج بحثي آخر يتحول إلى متغير مستقل يُتوقع أن يؤثر في “فرص القبول في برامج الدراسات العليا” (متغير تابع).

تتضح هذه السيولة المفاهيمية بصورة أعمق في السلاسل السببية المتتابعة (Chains of Causality) والنظم الديناميكية، حيث يولد الأثر الناتج سبباً جديداً لسلسلة لاحقة من الأحداث؛ مثل السلسلة التي تبدأ بـ “جودة النوم” (مستقل أول) التي تؤثر في “مستويات التركيز الذهني” (تابع أول/مستقل ثانٍ)، والتي تؤثر بدورها في “معدل الأخطاء الصناعية في بيئة العمل” (تابع نهائي). وفي نماذج تحليل المسار (Path Analysis) التي تستكشف الظواهر المعقدة، تحتل بعض المتغيرات دوراً مزدوجاً ومتزامناً كمتغيرات داخلية (Endogenous) وخارجية (Exogenous)، حيث تعمل في الوقت ذاته كمتغيرات مستقبلة للتأثير ومرسلة له في شبكة علاقات كلية متراكبة.

5.3 التفاعل الإحصائي ونماذج القياس المتقدمة

تتجاوز المنهجية الحديثة إطار العلاقات الثنائية البسيطة (مستقل واحد وتابع واحد) إلى دراسة التفاعلات الإحصائية المتقدمة (Interaction Effects)؛ حيث يدرس الباحثون كيف يتغير اتجاه أو قوة تأثير متغير مستقل أول على المتغير التابع بتغير مستويات متغير مستقل ثانٍ. على سبيل المثال، قد لا يؤثر “نوع الدواء” (المستقل الأول) على “مستوى ضغط الدم” (التابع) بشكل موحد، بل يتغير أثره جذرياً بحسب “الفئة العمرية للمريض” (المستقل الثاني)، حيث يُحدث انخفاضاً حاداً لدى كبار السن وتأثيراً مهملاً لدى الشباب. يُكشف عن هذه التفاعلات من خلال ظهور خطوط بيانية غير متوازية في الرسوم البيانية، ويُمثل هذا ركيزة التصاميم العاملية المعقدة في العلوم الإنسانية والبيولوجية.

تتعقد الصورة المنهجية في النظم التي تتضمن علاقات غير خطية (Non-linear Relations) أو علاقات تغذية راجعة وارتجاعية (Feedback Loops)؛ حيث يعود المتغير التابع ليؤثر رجعياً في المتغير المستقل بمرور الوقت عبر ديناميكية النظام الذاتي، كما هو الحال بين “التضخم المالي” و”توقعات المستهلكين”. ولمعالجة هذه الشبكات البنيوية المركبة، توظف العلوم الحديثة منهجية النمذجة بالمعادلات البنائية (Structural Equation Modeling – SEM)، والتي تجمع بين التحليل العاملي وتحليل المسار المتعدد، متيحة للباحث اختبار مصفوفات تغاير معقدة تفحص في آن واحد المتغيرات الكامنة (Latent Variables)، ومسارات التأثير المباشرة وغير المباشرة، والأخطاء القياسية المرتبطة بها في إطار نسقي متكامل.

6. معايير التحديد والتطبيق العملي في التصاميم البحثية

6.1 خطوات التمييز الإجرائي وصياغة الفرضيات

لتفادي الوقوع في مصيدة الخلط المفاهيمي أثناء مرحلة تخطيط وتصميم البحث، يُنصح الباحثون باتباع خطوات إجرائية محددة لاختبار تصنيف المتغيرات والتحقق من دقة صياغتها. تبدأ الخطوة الأولى بتطبيق “اختبار الترتيب الزمني والمنطقي” من خلال السؤال الجوهري: من من هذين المتغيرين يجب أن يسبق الآخر في الحدوث لكي تتحقق الظاهرة؟ فالمتغير الذي يستحيل منطقياً أو بيولوجياً أن يتغير نتيجة لتغير الآخر هو المؤهل لشغل موقع المتغير المستقل (مثل الجينات الوراثية قبل ظهور الصفات السلوكية، أو مستوى الهطول المطري قبل حجم الإنتاج النباتي).

تعتمد الخطوة الثانية على استخدام الصيغة المنطقية الشرطية القياسية للفرضيات: “إذا حدث تغير في (س)، فإن هذا سيؤدي إلى تغير في (ص)”؛ فالعنصر الواقع في عبارة الشرط “إذا حدث” هو حتماً المتغير المستقل، والعنصر الواقع في جواب الشرط وجزائه هو المتغير التابع بلا أدنى لبس. وتتكامل هذه الخطوة مع ضرورة العزل الإجرائي للمتغيرات الجوهرية وفصلها عن المتغيرات الدخيلة والمعدلة والمصاحبة، وتدوين ذلك في وثيقة البحث التصميمية لضمان أن كل متغير مقاس يمتلك مؤشراً إجرائياً وحيداً ومحدداً ومرتبطاً بفرضية فرعية واضحة في التحليل الإحصائي النهائي.

6.2 تطبيقات في العلوم الطبيعية والطبية

تزخر العلوم الطبيعية والطبية الحيوية بتطبيقات صارمة ترتكز بنيوياً على هذا الثنائي المتمايز؛ ففي التجارب الدوائية السريرية للسرطان (Oncology Clinical Trials)، يشكل “نوع العقار العلاجي أو جرعته المعطاة للمرضى” (المتغير المستقل)، بينما يمثل “معدل انكماش حجم الورم، أو بقاء المريض على قيد الحياة لمدة خمس سنوات، أو شدة الآثار السمية الناتجة” (المتغير التابع). يمسك الباحثون هنا بزمام المعالجة الدوائية وفق معايير بروتوكولية دقيقة مع قياس الاستجابة الخلوية والفسيولوجية عبر أدوات التحليل المخبري الدقيقة.

وفي مجال البحوث الزراعية وهندسة المحاصيل، قد يستهدف الباحث تقييم أثر “ساعات التعرض لأطياف الإضاءة الصناعية” و”كميات الأسمدة النيتروجينية المضافة للتربة” كمتغيرين مستقلين، في حين يُقاس “معدل البناء الضوئي، ومحتوى الكلوروفيل، والوزن الجاف للمحصول النهائي لكل هكتار” كمتغيرات تابعة متمايزة. وبالمثل، في الدراسات الفيزيائية وهندسة المواد، تُدرس “درجة الحرارة المحيطة أو الضغط الميكانيكي المطبق” كمتغيرات مستقلة لمعرفة سلوك “معامل التمدد الحجمي، أو المقاومة الكهربائية، أو حد الكسر الإجهادي للسبائك المطورة” كمتغيرات تابعة تقيس خصائص المادة وتفاعلها تحت وطأة المؤثرات الخارجية.

6.3 تطبيقات في العلوم الاجتماعية والسلوكية

تمثل العلوم الاجتماعية والسلوكية ميداناً يختبر براعة الباحث في الفصل بين المتغيرات نظراً لطبيعة الظواهر الإنسانية المتشابكة؛ ففي البحوث التربوية المعاصرة، قد يُصمم باحث تجربة ميدانية يقارن فيها بين أثر “استراتيجية الفصول الدراسية المقلوبة” وأسلوب “المحاضرة التقليدية” (متغير مستقل فئوي بمستويين) على “مستويات التحصيل المعرفي، ومهارات التفكير الناقد” (متغير تابع كمي يُقاس باختبارات مقننة). يتطلب هنا ضبط المتغيرات المصاحبة كالمستوى الاجتماعي الاقتصادي للطلاب وقدراتهم المعرفية القبلية لحصر الأثر في طريقة التدريس فقط.

وفي العلوم الإدارية والسلوك التنظيمي، يدرس الباحثون مدى مساهمة “نمط القيادة التحويلية التي يمارسها المدير التنفيذي” (متغير مستقل مقاس بمقياس ليكرت مقنن) في تفسير التباين في “مستويات الرضا الوظيفي، والالتزام المؤسسي، ومعدلات الدوران الوظيفي لدى الموظفين” (متغيرات تابعة). أما في علم النفس الإكلينيكي والعلاج السلوكي المعرفي، فإن تطبيق “برنامج تدريبي على اليقظة الذهنية والتعريض المنظم” يمثل المتغير المستقل التجريبي، بينما تُمثل “درجات أعراض اضطراب ما بعد الصدمة أو نوبات الهلع المسجلة على مقاييس التقييم العيادية” المتغير التابع المستهدف بالخفض والتحسين السلوكي.

7. الأسئلة الشائعة حول المتغيرات المستقلة والتابعة

7.1 هل يمكن للدراسة الواحدة أن تشتمل على أكثر من متغير مستقل أو تابع؟

نعم وبكل تأكيد؛ يُعد اشتمال الدراسة الواحدة على متغيرات متعددة معياراً شائعاً بل ومفضلاً في البحوث العلمية الحديثة، لأنه يقترب أكثر من محاكاة الواقع المعقد بدلاً من عزله المصطنع. تُعرف التصاميم التي تحتوي على متغيرين مستقلين أو أكثر بالتصاميم العاملية (Factorial Designs)، وميزتها الكبرى أنها لا ترصد فقط الأثر المنفرد لكل متغير مستقل (المعروف بالأثر الرئيسي Main Effect)، بل تكتشف ما إذا كانت هناك آثار تفاعلية متبادلة (Interaction Effects) تحدث نتيجة اجتماع هذه المتغيرات معاً ولا يمكن كشفها بدراسة كل متغير على حدة في تجارب منفصلة.

وعلى الجانب الآخر، فإن تضمين أكثر من متغير تابع في دراسة واحدة يُعد إجراءً مشروعاً وشائعاً وضرورياً لرصد الأثر الشامل للظاهرة، كأن يُقاس أثر برنامج تدريبي على “السرعة” و”الدقة” و”تقليل الجهد الذهني” معاً. لكن هذا التعدد يستلزم استخدام تحليلات إحصائية متعددة المتغيرات، مثل تحليل التباين المتعدد (MANOVA)، وذلك لتفادي تضخم معدل الخطأ من النوع الأول (Type I Error Inflation)، والذي ينجم حتماً عن تكرار تطبيق الاختبارات التائية أو اختبارات ANOVA البسيطة لكل متغير تابع بصورة مستقلة، مما يقود إلى قبول فرضيات زائفة تفتقر للصدق الإحصائي الحقيقي.

7.2 ما هو الفرق الدقيق بين المتغير المستقل والمتغير الوسيط والمعدل؟

يخلط كثير من الباحثين بين المتغير المستقل من جهة، والمتغيرات الوسيطة (Mediating Variables) والمتغيرات المعدلة (Moderating Variables) من جهة أخرى، رغم الاختلاف الجذري في وظيفتها البنائية داخل النموذج السببي بحسب مقاربة بارون وكيني (Baron & Kenny Paradigm):

• المتغير المستقل: هو البادئ والمسبب الرئيسي الموجه للعلاقة، وتأثيره يسري نحو المتغير التابع.
• المتغير الوسيط (Mediator): يمثل الآلية الداخلية والعملية النفسية أو الحيوية التفسيرية التي يجري من خلالها تأثير المتغير المستقل على المتغير التابع. بعبارة موجزة: إنه يجيب عن سؤال “كيف؟” أو “لماذا؟” يحدث هذا التأثير. فإذا كان “النشاط البدني” (مستقل) يؤدي إلى “انخفاض الاكتئاب” (تابع)، فإن “إفراز هرمون الإندورفين” يمثل المتغير الوسيط الناقل لهذا الأثر عبر السلسلة: (نشاط بدني ← إندورفين ← انخفاض الاكتئاب).
• المتغير المعدل (Moderator): هو متغير كمي أو نوعي يغير من قوة أو اتجاه العلاقة الأصلية القائمة بين المتغيرين المستقل والتابع، دون أن يكون جزءاً من السلسلة السببية المباشرة بينهما. إنه يجيب عن سؤال “متى؟” أو “تحت أي شروط ولمن؟” تكون العلاقة قوية أو ضعيفة. على سبيل المثال، قد تؤدي “ضغوط العمل” (مستقل) إلى “الإنهاك النفسي” (تابع)، لكن هذه العلاقة تتغير بحسب مستوى “الدعم الاجتماعي” (متغير معدل)؛ حيث تضعف العلاقة لدى من يمتلكون دعماً عالياً وتشتد لدى من يفتقرون إليه.

7.3 كيف نتعامل مع المتغيرات عند غياب القدرة على المعالجة التجريبية؟

في كثير من الحقول البحثية، يواجه الباحث استحالة قاطعة لإخضاع المتغير المستقل للتلاعب التجريبي المباشر أو التعيين العشوائي، إما لموانع أخلاقية صارمة (مثل تعريض البشر عمداً للسموم، أو الحرمان من التعليم، أو إجبارهم على التدخين)، أو لاستحالة فيزيائية وتصنيفية (كدراسة متغيرات العمر، أو الجنس، أو الكوارث الطبيعية). في هذه السيناريوهات، يلجأ الباحثون إلى التصاميم شبه التجريبية (Quasi-Experimental Designs) أو التصاميم السببية المقارنة (Ex Post Facto / Causal-Comparative Designs)، حيث يتم اختيار مجموعات قائمة بالفعل في الواقع تمتلك تلك الخصائص، وتُقارن بمجموعات ضابطة مكافئة إلى أقصى حد ممكن عبر تقنيات مثل مطابقة درجات الميل (Propensity Score Matching).

علاوة على ذلك، يتم الاعتماد على النمذجة الإحصائية المتقدمة للسيطرة على المتغيرات الدخيلة وتثبيتها افتراضياً؛ مثل تحليل التباين المشترك (ANCOVA)، ونماذج المتغيرات الأداتية (Instrumental Variables)، والانحدار المتعدد الموزون. بيد أن الواجب المنهجي الصارم يفرض على الباحث هنا التزام الحذر والتحفظ الإبستيمولوجي؛ فلا يجوز الادعاء القاطع بوجود علاقة سببية حتمية (Causality)، بل يجب الاكتفاء بإثبات القوة التنبؤية، والتلازم الإحصائي القوي، وتفسير الارتباط المقارن، مع الإشارة الصريحة إلى احتمالية تدخل متغيرات محيرة غير مضبوطة في تشكيل مخرجات المتغير التابع المقاس.

8. الخاتمة: تكامل المتغيرات في البناء البحثي الرصين

8.1 توليد المعرفة العلمية عبر التوازن المنهجي

يمثل المتغير المستقل ونظيره التابع قطبي الدائرة المعرفية في منهجيات البحث التجريبي والكمي؛ فهما نواة موحدة غير قابلة للتجزئة أو العزل عند بناء النماذج العلمية الرصينة. لا تكتسب الفرضية العلمية قيمتها وقوتها التفسيرية من مجرد وجاهة تنظيرها الفلسفي، بل من دقة التوازن المنهجي بين هذين المتغيرين وتناسقهما الداخلي؛ فالبناء السليم يبدأ من صياغة فرضية دقيقة وواضحة، ثم ينتقل بسلاسة إلى ترجمة المتغيرات إلى أدوات قياس عالية الحساسية والصدق، وصولاً إلى توظيف أساليب التحليل الإحصائي التي تتناغم بنيوياً مع مستويات قياس كل متغير وشروط توزيعه الاحتمالي.

إن وضوح الحدود المنهجية والفصل الوظيفي المنضبط بين المتغير المؤثر (المستقل) والمتغير المستجيب (التابع) يظل المعيار الأساسي والمحك الذهبي الذي يستند إليه المحكمون والمراجعون في تقييم رصانة البحوث المنشورة في المجلات العلمية المحكمة؛ حيث إن أي خلل طفيف في هذا التمايز ينسف الصدق الداخلي للتصميم ويزعزع الثقة في النتائج المستخلصة، مما يحول دون توظيف تلك المعرفة في تطوير السياسات، أو بناء البروتوكولات العلاجية، أو ترقية التطبيقات الصناعية التي تقوم عليها نهضة المجتمعات الحديثة وتقدمها التقني والفكري.

8.2 توصيات إرشادية للباحثين لتفادي الأخطاء الشائعة

بناءً على الاستعراض المنهجي المفصل الوارد في هذا الدليل، نورد فيما يلي حزمة من التوصيات الإرشادية والتطبيقية الموجهة للباحثين لضمان سلامة التعامل مع المتغيرات المستقلة والتابعة في ممارساتهم الأكاديمية والميدانية:

• الإتقان الإجرائي المسبق: الامتناع التام عن الشروع في جمع البيانات الميدانية أو مباشرة المعالجة التجريبية قبل إتمام الصياغة الإجرائية النهائية والشاملة لكلا المتغيرين وتحديد أدوات قياسهما بدقة متناهية لا تقبل اللبس.
• فحص مشكلة التعددية الخطية (Multicollinearity): في التصاميم التي تتضمن متغيرات مستقلة متعددة، يجب التحقق من مصفوفة الارتباط الداخلي ومعامل تضخم التباين (VIF)، للتأكد من عدم وجود تداخل خطي مفرط بين المتغيرات المستقلة يؤدي إلى إفساد تقديرات الانحدار الإحصائي وتشتيت أوزانها.
• تجنب التشوهات المقياسية: فحص حساسية أدوات قياس المتغير التابع قبل التطبيق النهائي عبر دراسات استطلاعية رائدة (Pilot Studies)، للتأكد التام من خلو التوزيع من تأثيرات السقف (Ceiling) أو القاع (Floor) التي تطمس التباين الحقيقي.
• التوثيق الإجرائي والشفافية الكاملة: التدوين المفصل والصريح لكافة شروط الضبط، وطرق التعيين العشوائي، وبروتوكولات المعالجة، والظروف المعملية، والبيانات المفقودة، بما يتيح للمجتمع العلمي مراجعة التصميم، وتكرار التجربة بصورة مستقلة ومطابقة لتحقيق أرقى معايير التراكم العلمي الرصين.

المراجع

• Campbell, D. T., & Stanley, J. C. (1963). Experimental and quasi-experimental designs for research. Rand McNally.
• Cohen, J., Cohen, P., West, S. G., & Aiken, L. S. (2003). Applied multiple regression/correlation analysis for the behavioral sciences (3rd ed.). Lawrence Erlbaum Associates.
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
• Kerlinger, F. N., & Lee, H. B. (2000). Foundations of behavioral research (4th ed.). Wadsworth Thomson Learning.
• Mill, J. S. (1843). A system of logic, ratiocinative and inductive. John W. Parker.
• Shadish, W. R., Cook, T. D., & Campbell, D. T. (2002). Experimental and quasi-experimental designs for generalized causal inference. Houghton Mifflin.
• Stevens, S. S. (1946). On the theory of scales of measurement. Science, 103(2684), 677–680.
• Tabachnick, B. G., & Fidell, L. S. (2019). Using multivariate statistics (7th ed.). Pearson.