很多同学选论文变量的时候是反着来的，先搜了几篇相关论文，看别人用了什么变量就把名字抄过来，凑够自变量因变量调节变量就开工，至于这些变量在自己论文里到底起什么作用，说不上来。可实际上变量不是从别人的论文里抄来的零件，而是从你自己的研究问题里推出来的角色，你研究什么问题，就决定了你需要哪些角色上场，别人论文里的变量只是参考，直接照搬最容易出现的问题就是变量和假设对不上，问卷里测了七八个变量，最后能用的只有两三个，剩下的数据收回来全浪费了。

第一个要考虑的是变量和研究问题的对应关系，这是最核心的一条。比如你的研究问题是直播电商主播特性对消费者购买意愿的影响，那因变量就已经被问题定了，就是购买意愿，不用再纠结。自变量就是主播特性，但主播特性这个词太大了，不能直接当变量用，要往下拆成可测量的维度，比如专业性、互动性、可信度，拆到这一层才是真正能进问卷的变量。这里有个判断标准很好用，就是每一个变量你都要能说出它对应哪条假设，说了的才留下，说不出的就删掉，反过来说每条假设里的每个概念在问卷里也必须有对应的题项去测，变量和假设两头一对照，对不上的就是多余的。

第二个要考虑的是理论依据，也就是每个变量你得说得出为什么是它。变量不是拍脑袋想的，也不是看别人用了就跟风，而是要能挂到某个理论上，比如你引入感知信任这个变量，是因为某个理论认为信任是行为意愿的前因，你把理论写出来，变量的位置就站住了。这一步在开题答辩时特别容易被追问，老师问你为什么选这个变量不选那个，你如果只回答因为参考的文献里有它，那就比较被动，如果你能回答因为这个理论的哪个观点认为它和你的因变量有关系，那就稳了。所以选变量的时候顺手把每个变量的理论出处记下来，写论文的时候直接能用。

第三个要考虑的是变量之间不能有太大的重叠。有些变量看起来名字不一样，测的其实是差不多的东西，比如顾客满意和顾客信任，虽然相关但还能区分，可有些变量放在一起就分不开，问卷里题目写出来高度雷同，收上来的数据算相关系数接近零点八，那这两个变量就得合并或者砍掉一个。这个问题的苗头其实在问卷设计阶段就能发现，你把所有题项摆在一起读一遍，如果有两道题换个性别也看不出在测什么不同的东西，那就是重叠了，趁早处理比数据分析阶段发现要省事得多。

第四个要考虑的是自己够不够得着，也就是数据的可获得性。本科论文的变量测量基本靠问卷，那就要想清楚每个变量的量表是现成的还是需要自己编，成熟量表直接借用是最稳妥的，信度效度都有保障，找不到现成量表的变量就要慎重，自己编题项对本科阶段来说风险不小。同时变量个数也要量力，本科论文两三千份样本拿不到，样本量两三百左右是常态，变量太多每个变量分到的样本就薄，统计结果不稳定，一般自变量拆两三个维度加一个因变量，再视情况加一个调节变量，这个规模就比较合适。