一般科学实验主要涉及以下三种变量：
自变量/独立变量（independent variable）：自变量是指在实验中由实验者操作的变量，它被认为不会受其他变量的影响（即独立性）。
因变量（dependent variable）：因变量是指随着自变量的变化而变化的变量。
控制变量（control/controlled variable / fixed variable）：控制变量是指实验中除自变量以外的影响实验变化和结果的潜在因素或条件，且在实验中一般需要控制其不变。也称无关变量（ extraneous variable），多见于心理学实验。
例如经典初中生物实验“光对鼠妇生活的影响”，考虑自变量“光”，因变量为“鼠妇的分布”，控制变量为“土壤湿度”和“温度”，通过实验者操作来改变自变量“光”（在实验中由实验者操作的变量），同时保持控制变量“土壤湿度”和“温度”不变（除自变量以外的影响实验变化和结果的潜在因素或条件），即可探究“光对鼠妇生活的影响”。
再复杂一些，一些实验中可能包含了一些不由实验者控制或实验者不想考虑的、但其与因变量甚至自变量都相关，有可能歪曲（掩盖或夸大）自因素与因变量之间真正联系的变量，我们称其为混杂变量或混杂因素（confounder、confound、confounding variable）。通常不将其视为控制变量。而为了尽可能降低其对实验的影响，通常就需要借助统计学中的一些方法了（如倾向得分匹配（PSM）等）。
混杂变量（混杂因素）：混杂因子亦叫混杂因素或外来因素（confounder、confound、confounding variable），是指与研究因素（暴露因子）和研究疾病（结局因子）均有关、若在比较的人群组中分布不匀，可以歪曲（掩盖或夸大）研究因素与疾病之间真正联系的因素。
我们还会经常性地遇到协变量（covariate）这个称呼：
协变量：指实验中除自变量以外的影响实验变化和结果的潜在因素或条件，但并非实验所感兴趣的变量。
可以认为，控制变量和混杂变量都包含在协变量的范畴中。
统计学中有一个类似的分类，将变量分为解释变量（explanatory variable）、响应变量（response variable）与协变量。自变量和解释变量都是实验中实验者关注的那部分变量，区别仅仅在于解释变量未必是独立的，也不一定能由实验者进行控制。
在经济学和回归问题中，其实还有个类似的概念，外生性变量（exogenous variable）和内生性变量（endogenous variable）：
A variable x_j is said to be endogenous within the causal model M if its value is determined or influenced by one or more of the independent variables X (excluding itself).
可以看出，虽然概念类似，但是内生性变量和外生性变量是观测一个因果系统的时对变量内生性/外生性做出的描述，在一个因果系统内，内生性变量受到系统内外生性变量的影响，外生性变量则完全由外部条件决定。因此从稍微宏观点的角度看，对整个因果系统来讲，协变量可以是内生性变量也可以是外生性变量。
而在计算机领域、统计学中研究的回归问题中，却通常不刻意区分自变量/解释变量/协变量，他们都可以被输入到自变量中，例如使用SPSS进行自回归分析：
只要认为有必要，大可将协变量输入到自变量栏目中。
复杂系统中，使用基于神经网络的回归模型对某些目标变量进行多变量回归，也可弱化对自变量/解释变量/协变量的区分，都将其输入，统称为协变量或变量。
https://www.xiahepublishing.com/2475-7543/MRP-2017-005
https://stats.stackexchange.com/questions/395517/what-is-the-difference-between-covariate-and-confounding-variables
https://bbs.pinggu.org/thread-4995555-1-1.html
https://www.statology.org/covariate/
https://www.zhihu.com/question/278428717
https://spss.mairuan.com/jiqiao/spss-genn.html
http://www-personal.umd.umich.edu/~delittle/Encyclopedia entries/Endogenous variable.htm
https://www.statisticshowto.com/endogenous-variable/
https://www.jianshu.com/p/863ece6e7f3a
解释变量是指着重研究的自变量，是研究者重点考查对因变量（被解释变量）有何影响的变量。
控制变量是指与特定研究目标无关的非研究变量，即除了研究者重点研究的解释变量和需要测定的因变量之外的变量，是研究者不想研究，但会影响研究结果的，需要加以考虑的变量。
也就是说：控制变量与解释变量的操作一样，而且控制变量应该和解释变量一起进入方程，否则会有遗漏误差。但在对回归结果的进行解释时，我们关心的是解释变量的参数大小和方向，而不是控制变量的参数。
2.调节变量与调节作用、交互作用
协变量（Covariate）:在实验的设计中,协变量是一个独立变量(解释变量,indenpendent variable),不为实验者所操纵,但仍影响响应（response），例如年龄。
总结：协变量是会对实验结果产生影响，但不可控的变量。
在论文中，研究变量（variables）通常分为自变量（independent variables，IV）和因变量（dependent variables，DV）。自变量是研究过程中能够被操纵和改变的变量，而因变量则是试验中研究者试图预测、解释或测量的变量。因此，我假定这篇论文的题目是："新型教育方法对学生成绩的影响"。- IV（自变量）是 "新型教育方法"，因为这是研究者可以改变和操纵的变量，以研究它是如何影响学生成绩的。- DV（因变量）是 "学生成绩"，因为这是研究者试图测量和解释的变量。
C语言在内存中一共分为如下几个区域，分别是：1.内存栈区：存放局部变量名；2.内存堆区：存放new或者malloc出来的对象；3.常数区：存放局部变量或者全局变量的值；4.静态区：用于存放全局变量或者静态变量；5.代码区：二进制代码。知道如上一些内存分配机制，有助于我们理解指针的概念。C/C++不提供垃圾回收机制，因此需要对堆中的数据进行及时销毁，防止内存泄漏，使用free和delete销毁new和malloc申请的堆内存，而栈内存是动态释放。全局变量、静态局部变量保存在全局数据区，初始化的和未初始化的分别保存在一起；普通局部变量保存在堆栈中；全局变量和局部变量在内存里的区别？一个由c/C++
最近刚入手了陈强的《机器学习及python应用》，准备有时间就看一页，把笔记和想法写下来，以便自己复习和网上大佬指点迷津。
陈强大佬在前言里说的话让我激动与欣慰，作为一个在一个普通一本学校的刚读研一的菜鸟，第一次认识机器学习是在一次组会上一个本科学弟发表的论文，当时让我大为震撼和激动，没想到经济学也可以与计算机甚至人工智能相结合，一直受他人“经济学就是文科人在讲故事”非议之苦的我顿时觉得这就是经济学未来的方向，但又有所迷茫，我能否掌握这门看似高深的学问呢？陈强大佬的话让我惊喜，我并不是少数关注机器...
本文将介绍如何使用R语言应用回归模型来预测新的预测变量对应的响应变量，并提供相应的源代码示例。通过以上的步骤，我们成功地使用R语言应用回归模型来预测新的预测变量对应的响应变量。现在，我们已经建立了回归模型，可以使用该模型来预测新的预测变量对应的响应变量。假设我们有一个新的数据集，其中包含了两个预测变量（新X1和新X2）的观测值，我们可以使用predict()函数来进行预测。首先，我们需要准备数据集。最后，我们可以打印出预测的响应变量值，这些值将是新的预测变量对应的响应变量的预测结果。
locals：(选填）表示当前局部命名空间
Example：生成10个变量
['q_0', 'q_1', 'q_2', 'q_3', 'q_4', 'q_5', 'q_6', 'q_7', 'q_8', 'q_9']
生成变量q_0到q_9，并赋值其平方数，代码如下
total=10
for i in range(total):
exec('q_%d =
原因如下 上面提到的双条件判断出现了[True,False,False,True,True,True]与[False,True,True,False,False,False]判断，出现了多组值的判断。上面的只适合一元响应变量的特征输入，很可惜 写成下面这样就无法通过编译了。这里的列，根据bool/条件语句/整数去选择列都可以，比如。特点：回归问题，解释变量唯一。回归问题，解释变量为。
