因变量和自变量的相对性解读

因变量和自变量的概念不是绝对的，而是针对具体研究框架而言的。换句话说，一个研究中的因变量，可能是另外一个研究中的自变量;反过来，一个研究中的自变量，也可能是另一个研究中的因变量。

举个例子，假如我想研究“一个人的身高是否会影响人的事业成就?”，这个研究问题里“身高”就是自变量;而如果我想研究“饮食习惯会不会影响人的身高?”，在这个问题里“身高”就是因变量。

那么在一个研究中，有没有可能自变量能解释因变量，反过来因变量也可以解释自变量呢?(www.xing528.com)

这种现象常常是一个研究者要在设计研究和写文章的时候尽量避免的情况，因为它会影响你研究的效度。一般来说我们用线性回归来分析变量关系的时候只能证明变量之间的“相关性”而不是“因果性”，那么如果你不能躲开“因变量”可能也能解释“自变量”的嫌疑，审稿人就会认为你的研究设计有可能出现“反向因果关系”(reversed causality)的问题。所以简单来说，一个研究中通常不会关注自变量和因变量的双向关系，而是会明确谁是自变量，谁是因变量。

此外，虽然自变量可能变成其他研究中的因变量，但是在社会科学中有一些变量被默认为是自变量(或控制变量)的，因为他们不是社会科学要解释的东西(因变量)，却常被用来解释社会科学中许多其他现象。在以个人为分析单位的研究中，这样的自变量就包括人的性别、年龄、出生地、种族等因素;在以组织为分析单位的研究中，这样的自变量包括组织建立的时长(organization age)、组织的使命(organization mission)、组织所在的部门(organization sector)、组织的大小(organization size)等因素。