在筆者的實務諮詢經驗中，常發現研究者用不適當的名詞來形容變項之間的關係，別以為這是研究新手才會犯的錯誤，其實許多研究經驗豐富的教授/醫師們也並未能夠總是使用最精確（最保守）的詞彙，因此本文旨在分享在不同的情境之下，應該使用何種詞彙來形容變項之間的關係。
影響
在各種形容變項間關係的詞彙之中，就以影響（Influence / Affect）屬於表達因果關係（Casual effect）最強烈的詞彙，通常在實驗室情境（Lab-based）的研究或是隨機對照試驗（Randomized controlled trial, RCT）使用此詞彙會比較沒有疑慮。當然有些準實驗設計（Quasi-experimental）的研究如果宣稱有影響的關係存在，還是有些可信度，或許不太會被Reviewers強烈抨擊。
預測
預測（Prediction / Predictive effect）是筆者認為被濫用最嚴重的詞彙，尤其是護理領域的橫斷面研究（Cross-sectional study）。研究者是在單一時間點獲取到研究對象各個變項的資料，通常是問卷調查或是查病歷，接著研究者自行定義自變項（X）與依變項（Outcome, Y），若多變項迴歸分析顯示自變項與依變項達顯著關係，即會宣稱此『自變項可預測依變項』，或是下結論說『該自變項為預測因子』。
然而，欲證明因果關係有一個很大的前提，亦即『因要先發生，果隨後才發生』，這是一個很基本的邏輯概念，但是當套用到學術量化研究的時候，研究者常常就無法堅持這個基本概念。就筆者經驗，往往研究者也隱約知道這樣寫不夠嚴謹，但是因為大家都這麼寫，因此事情變成『如果大家都是寫錯的，那就是對的』。
關聯
關聯（Association），先講結論，這是筆者認為最安全且最常見的寫法，絕對不會有Reviewers氣憤填膺地指責研究者不該使用「關聯」這個詞彙。就筆者的認知，關聯涵蓋了各種變項之間的關係，包括影響、預測、差異即相關等，所以是一個很籠統的名詞，也就是因為籠統，所以很安全。
若研究者進行橫斷面研究，也作了迴歸分析，但不敢宣稱『某變項是預測因子』，那麼就可以改為『某變項是關聯因子』（Associated factor / Factor associating with Y / X had an effect associating with Y等）。因此在各種的研究設計之下，都可以使用關聯這個詞彙。
相關
相關（Correlation），這是在描述變項間關係的各種詞彙中最保守的一個，就統計的角度，相關分析指的不外乎是Pearson’s correlation或Spearman’s rank correlation等的『雙變項分析』（Bivariate analysis），廣泛來說也包括像是t-test或ANOVA這些『差異分析』。在各種詞彙中，相關屬於暗示因果關係最弱的名詞，因此也就變成也是最安全的名詞了。
以上為筆者實務經驗中提供的一些心得，希望有助於讀者在未來撰寫學術論文時，可以按照所使用的研究設計，進而使用比較適當的詞彙。
留言列表
{{ article.title }}