1. Definisjon av begrepet variabel
2. En- og flerdimensjonale variabler
3. Avhengige og uavhengige variabler
4. Variabel typer/grupper
5. Variabelenes egenskaper
6. Variablenes målenivå

Begrepet variabel kan defineres slik:

En variabel er med andre ord en samlebetegnelse vi bruker for å betegne de ulike egenskapene undersøkelsesenhetene kan ha. Enkelte kaller en variabel for en enhetsattributt.

Begrepet verdi kan defineres slik:

Sammenhengen mellom uttrykkene; enhet, variabel og verdi kan illustreres slik:

For å få en oversikt over alle potensielle undersøkelsesvariabler, er det hensiktsmessig å starte med å dele variablene opp etter deres "dimensjon". Vi skiller vanligvis mellom en-dimensjonale og fler - dimensjonale variabler.

Siden det er mulig å måle de en - dimensjonale variablene direkte, er de relativt enkle å fastslå størrelsen på. Eksempler på en - dimensjonale variabler er høyde, vekt, bosted og kjønn. Fler - dimensjonale variabler er variabler som ikke kan måles direkte fordi de ikke er entydige. Eksempler på fler-dimensjonale variabler er trivsel, stress, smak, preferanser og holdninger. For å fastslå størrelsen disse variablene, må vi derfor bruke en eller annen form for indikator. En indikator er en - dimensjonale variabler som indikerer den fler - dimensjonale variabelen. Ved å bruke flere en - dimensjonale variabler som indikator, kan vi danne oss et relativt godt inntrykk av den fler-dimensjonale variabelen vi ønsker å studere. Forutsatt at vi finner en - dimensjonale variabler som er gode indikatorer for den fler-dimensjonale. I motsatt fall vil ikke målingen bli valid.

Ønsker man f.eks. å måle "stress" variabelen på en arbeidsplass er det umulig å måle graden av "stress" direkte. Dette fordi "stress" er en flerdimensjonal variabel, som vi bruker for å karakterisere en sinnstilstand. For at det skal være mulig å måle variabelen "stress" må vi lage en indikator for denne variabelen. "Stress" indikatoren kan f.eks. settes sammen slik:

Ut i fra disse to en -dimensjonale variablene kan vi måle graden av stress ved å studere undersøkelsesenhetenes svette og blodtrykk. Svetter vedkommende samtidig som han eller hun har et blodtrykk som ligger minst 20% over det normale, sier vi at vedkommende er stresset. Forekommer ikke disse to en-dimensjonale indikatorene samtidig er ikke vedkommende stresset i følge vår definisjon. Av den grunn er valg av en-dimensjonale variabler som indikatorer og operasjonaliseringen av disse variablene avgjørende for validitetsgraden til den fler - dimensjonale variabelen.

Den variabelen som forårsaker en annen variabel blir med andre ord kalt for en uavhengig variabel, mens den variabelen som blir forklart blir kalt den avhengige variabelen.

Å kjenne/undersøke sammenhenger mellom to variabler er på mange måter selve essensen i all forskning. I faglitteraturen er det imidlertid vanlig å skille mellom en rekke forskjellige former for variabler. De vanligste grupperingene er:

• Bakgrunnsvariabler
• Demografi og psykografi
• Holdnings- og atferdsvariabler
• Sosio-økonomiske variabler

Bakgrunnsvariabler er variabler som har som mål å beskrive bakgrunnen til undersøkelses-enhetene. Årsaken til at vi må ha med slike variabler i alle undersøkelser, skyldes at det vil være umulig å beskrive variasjoner mellom undersøkelsesenheter og trekke noen konklusjoner uten slike variabler.

Ønsker vi f.eks. å kartlegge sexvanene til kvinner og menn. Samtidig som vi ønsker å finne ut om det er noen variasjon mellom de ulike aldersgruppene, f.eks. dem mellom 15 -24 og de som er 25 -34, må vi ha med bakgrunnsvariablene kjønn (mann/kvinne) og alder for at det skal være mulig å svare på problemstillingen. Ønsker vi å bruke undersøkelsen til å segmentere markedet eller identifisere forskjeller i behov, forventninger og preferanser hos kundene må vi ha hensiktsmessige bakgrunnsvariabler som vi kan bruke til å bryte svarene ned på. Hvilke bakgrunnsvariabler vil variere sterkt fra undersøkelse til undersøkelse.

De mest brukte bakgrunnsvariablene er de geografi og demografi, men det blir stadig mer vanlig å inkludere livsstil- og psykologiske variabler i bakgrunnsbeskrivelsen av respondentene.

Livsstilsvariabler blir også kalt AIO - variabler, en forkortelse for Action, Interest og Objekt. Livsstilsvariablene er med andre ord betegnelse vi bruker for å beskrive respondentens livsstil. Eller rettere sagt; Respondentens interesser, meninger og atferd. Under følger noen eksempler på slike variabler.

• Interesser:

Hvor interessert er respondenten i å:

I hvilken grad er respondenten enig i følgende utsagn ?

Meningene kan måles i en skala fra helt enig til helt uenig.

• Handlinger

Hvilke aktiviteter bruker respondenten sin tid og penger på ?

Respondentens atferd kan måles i en skala fra f.eks. aldri til hver dag.

Personlighet, IQ og andre mer eller mindre stabile egenskaper hos et individ er eksempler på psykologiske bakgrunnsvariabler. Bruken av psykologiske bakgrunnsvariabler hviler på et allmenngyldig psykologisk prinsipp som kan spissformuleres slik:

MMI og Norsk Gallup Institutt har f.eks. delt opp befolkningen i Norge i ulike personlighetstyper. Disse personlighetstypene prøver å gi et bilde over hvilke "personligheter" det finnes i Norge, og hvor mange som tilfredsstiller disse kjennetegnene.

Demografiske variabler er en - dimensjonale variabler som gir oss kvantifiserbare data om en populasjon. FN`s avdeling for befolkningsstudier definerer begrepet slik:

De vanligste demografiske variablene er; Geografi, kjønn, alder, inntekt, stilling, sivilstand, antall personer i husstanden, utdanning og hustype. I enkelte land brukes også variabler som rase, seksuell legning, religion og nasjonalitet.

Demografiske data er mye brukt i markedsforskning og markedsføring for øvrig, da det er lett å samle dem inn, lett å bearbeide dem og forstå dem. Men det er også rettet kritikk mot bruk av demografiske variabler, da de alene som regel ikke er egnet til å forklare samfunnsindividers og -gruppers atferd. Ikke alle kvinner bruker sminke. Ikke alle personer i høye stillinger kjøper dyre biler osv., men det er imidlertid ikke til å unnslå at de demografiske variablene på ulike måter påvirker vår atferd. Om man er ung eller gammel har som regel stor innflytelse på våre interesser og livsstil, og vil utvilsomt påvirke våre preferanser, verdier og erfaringsgrunnlag. Likeledes er det en kjensgjerning at menn og kvinner ikke alltid har de samme interessene. Det er f.eks. en overvekt av kvinner som strikker, mens det ofte er en overvekt av menn i motor miljøer. Bosted, inntekt, utdanning og sivilstatus er andre eksempler som i stor grad påvirker oss som mennesker og forbrukere.

Dikotome variabler er variabler som kan kun ha to verdier - f.eks. kjønn (Mann/kvinne).

Diskontinuerlige variabler er variabler som bare kan inndeles i et bestemt (distinkte) antall verdier. F.eks. barn i en familie, fylker i Norge, land i verden og sivilstand for å nevne noe.

Kontinuerlige variabler er variabler som kan ha uendelig mange verdier. Eks. alder og inntekt.

Variabelens målenivå avgjør hvilke verdier det er mulig å måle dem i. I samfunnsvitenskapen skiller vi mellom fire ulike målenivåer; nominal-, ordinal-, intervall- og forholdstall nivå. De ulike målenivåene kan rangeres hierarkisk som vist i pyramiden til venstre.

Det laveste målenivået kalles nominalnivå, og kjennetegnes av at det kun er mulig å sortere variablene i ulike kategorier. F.eks. menn og kvinner, land, fylker, ja og nei.

Ordinal nivå er nest laveste målenivå, og kjennetegnes av at variabelen er en kategorivariabel som står i et ordnet forhold til en annen kategorivariabel.

Nest høyeste målenivå, og er variabler som kan uttrykkes i tall som kan plottes inn i en skala etter hverandre slik at de gir mening. De fire regningsartene; addisjon, subtraksjon, multiplikasjon og divisjon kan utføres på en meningsfull måte på avstanden mellom to eller flere punkter på skalaen.

Det høyeste målenivået en variabel kan ha. Her eksisterer det et absolutt nullpunkt og alle matematiske beregninger kan foretas på variabelen. Eksempler på slike variabler er høyde, vekt, meter, kroner og volum.