Beroende variabler är observerbara fenomen som påverkas av andra fenomen. I ett exempel, för någon som studerar hur mycket ljus som påverkar växternas tillväxthastighet, är tillväxthastigheten den beroende variabeln, eftersom den beror på hur mycket ljus växterna får. När människor designar experiment identifierar de den beroende variabeln eller de beroende variablerna i början, så att de kan mäta dem under hela experimentet. De identifierar också alla faktorer som kan påverka den beroende variabeln, efter bästa förmåga.
Dessa variabler kan tänkas ha värden som är beroende av manipulation av något annat. Detta ”något annat” är känt som en oberoende variabel. Oberoende variabler kan ha en inverkan på beroende variabler, men de ändras inte som svar på andra variabler i experimentet. Istället manipuleras de av försöksledaren, där försöksledaren använder kontrollerad manipulation för att testa förutsägelser om hur förändringar i den oberoende variabeln kommer att förändra den eller de beroende variablerna i experimentet.
Beroende och oberoende variabler dyker upp på en mängd olika platser. Till exempel är aktiemarknadens värde en beroende variabel eftersom den påverkas av externa faktorer. I vetenskapliga experiment är beroende variabler de saker som människor försöker studera och mäta. När de designar experiment försöker forskare tänka på allt som kan påverka de saker de försöker mäta, så att de kan kontrollera experimentets miljö så mycket som möjligt.
I vårt växtexempel ovan är tillväxthastigheten en beroende variabel, men så är saker som när växten bladar ut, om den blommar eller inte, och så vidare. I det här fallet kan flera beroende variabler ändras genom att manipulera den oberoende variabeln. Att inte ge plantan tillräckligt med ljus kan bromsa tillväxthastigheten, medan för mycket ljus kan leda till brända eller skadade bladknoppar, vilket hindrar plantan från att blada ut.
Människor kan identifiera beroende och oberoende variabler inom områden som statistisk analys också, titta på saker som verkar vara kopplade och utforska hur de är kopplade. Men viss försiktighet rekommenderas här. Korrelation är inte orsakssamband, och när man gör statistisk analys bör människor undvika frestelsen att förenkla eller manipulera informationen för att nå ett specifikt mål. En bra analys står sig själv, och läsarna bör hålla med om hur forskaren identifierade beroende och oberoende variabler.