科学方法/自变量和因变量
在任何实验中，目标是收集有关某个事件的信息，以增加对该事件的了解。为了设计实验，有必要了解或对实验中所改变的内容和所测量的内容之间的因果关系进行有根据的猜测。为了做到这一点，科学家在实验之前会利用已有的理论提出一个假设。
假设是基于在提出问题时获得的知识的推测，可以解释任何给定的行为。假设可以非常具体，也可以很广泛。“DNA 制造 RNA 制造蛋白质”或“海洋中存在未知的生命物种”，是两个有效的假设示例。
在控制实验的背景下制定假设时，它通常会采用预测改变一个变量如何影响另一个变量的形式，将任何方面或集合作为变量，使其能够进行可衡量的改变。在实验中，你故意改变的变量称为自变量，而那些不通过预期的直接行动改变的变量称为因变量。
假设说的是
改变自变量 X 应该对因变量 Y 做些什么。
例如，假设你想测量温度对食糖（蔗糖）溶解度的影响。由于知道溶解糖不会释放或吸收太多热量，因此直观地猜测溶解度不依赖于温度。因此，我们的假设可能是
增加或降低水溶液的温度不会影响糖的溶解度。
在确定实验中要改变哪些自变量时，务必隔离每个自变量的影响。你不应该一次改变多个变量，因为如果你这样做，分析每个改变对因变量的影响就会变得更加困难。
这就是为什么实验必须非常仔细地设计。例如，对自来水进行上述测试的结果可能与对泉水进行测试的结果不同，因为盐含量不同。此外，在不同日期进行测试可能会导致由于压力差异而产生变化，或者使用不同品牌的糖进行测试可能会产生不同的结果，因为不同的公司使用不同的添加剂。
如果有人愿意，测试这些因素中的每一个的影响是有效的，但是如果一个人没有无限的资金来实验所有可能出错的事情（看看如果它们发生了会发生什么），一个更好的选择是设计实验以避免这些潜在的陷阱。
对这一警告的推论是，在设计实验时，应该选择一组条件，以最大限度地提高分析变量变化的影响的能力。例如，如果要测量温度和水量的影响，应该从一个基础（例如 20oC 和 4 盎司水）开始，这个基础很容易复制，然后保持其中一个变量不变，改变另一个变量。然后，做相反的事情。你最终可能得到这样的实验方案
Test number Volume Water (fl. oz.) Temperature (oC) 1 4 20 2 2 20 3 8 20 4 4 5 5 4 50
收集到数据后，会分析测试 1、4 和 5 以了解温度的影响，分析测试 1、2 和 3 以了解体积的影响。你不会一次分析所有 5 个数据点。