Variable independiente y variable dependiente son frases utilizadas en las estadísticas para describir partes de ciertos procedimientos estadísticos, especialmente procedimientos de regresión. Tienen significados precisos. Causa y efecto son términos utilizados en general discurso. Sus significados exactos han sido debatidos durante miles de años y no se colocan. Resultados de una regresión no implican causalidad pero pueden suministrar evidencia de causalidad.
Variables independientes
En estadística, una variable independiente puede ser uno sobre que tiene control o que crees que afecta la variable dependiente. Por ejemplo, podría estar interesado en la relación entre la dosis de drogas y la progresión de una enfermedad, o la relación entre la edad de la persona y sus opiniones políticas. En el primer caso, la dosis de droga es la variable independiente; en el segundo caso, la edad.
Variables dependientes
La variable dependiente es lo que usted está interesado en explorar--qué crees que se ve afectada por la variable independiente. Al considerar la relación entre la dosis de drogas y la progresión de una enfermedad, la progresión de la enfermedad es la variable dependiente.
Causa y efecto
La naturaleza de las relaciones causales es una cuestión importante en la filosofía. Filósofos, como Aristóteles y Hume, tienen las teorías de la causalidad. Más recientemente, perla de Judea ha escrito extensamente sobre la relación de causalidad. Se ha alcanzado ningún consenso real en cuanto a qué relación de causalidad significa precisamente. Un área de controversia que es particularmente pertinente es el argumento de que un evento sólo puede ser una causa de otro evento si la relación es perfecta. En este punto de vista, no podemos decir el fumar causa cáncer porque algunas personas fuman y no tienen cáncer. Otros dicen que la causalidad puede existir cuando una cosa (fumadores) aumenta la probabilidad de otro (cáncer consigue).
Evidencia de la causalidad
Si usted toma el primer punto de vista de la causalidad, estadísticas tiene poca importancia. Un solo contraejemplo refutaría la causalidad. Incluso si usted toma la última vista, diversas clases de métodos estadísticos proporcionan diferentes grados de evidencia. Hay acuerdo general que, cuando la variable independiente se asigna al azar a los sujetos es más evidencia de la causalidad, entonces cuando este no es el caso. Pero algunos (por ejemplo, Ronald Fisher) diría que el último caso proporciona evidencia, ni mínima evidencia de la causalidad, mientras que otros argumentarían que estos estudios observacionales pueden proporcionar evidencia razonable.