科學方法/自變數和因變數
在任何實驗中，目標是收集有關某個事件的資訊，以增加對該事件的瞭解。為了設計實驗，有必要了解或對實驗中所改變的內容和所測量的內容之間的因果關係進行有根據的猜測。為了做到這一點，科學家在實驗之前會利用已有的理論提出一個假設。
假設是基於在提出問題時獲得的知識的推測，可以解釋任何給定的行為。假設可以非常具體，也可以很廣泛。“DNA 製造 RNA 製造蛋白質”或“海洋中存在未知的生命物種”，是兩個有效的假設示例。
在控制實驗的背景下制定假設時，它通常會採用預測改變一個變數如何影響另一個變數的形式，將任何方面或集合作為變數，使其能夠進行可衡量的改變。在實驗中，你故意改變的變數稱為自變數，而那些不透過預期的直接行動改變的變數稱為因變數。
假設說的是
改變自變數 X 應該對因變數 Y 做些什麼。
例如，假設你想測量溫度對食糖（蔗糖）溶解度的影響。由於知道溶解糖不會釋放或吸收太多熱量，因此直觀地猜測溶解度不依賴於溫度。因此，我們的假設可能是
增加或降低水溶液的溫度不會影響糖的溶解度。
在確定實驗中要改變哪些自變數時，務必隔離每個自變數的影響。你不應該一次改變多個變數，因為如果你這樣做，分析每個改變對因變數的影響就會變得更加困難。
這就是為什麼實驗必須非常仔細地設計。例如，對自來水進行上述測試的結果可能與對泉水進行測試的結果不同，因為鹽含量不同。此外，在不同日期進行測試可能會導致由於壓力差異而產生變化，或者使用不同品牌的糖進行測試可能會產生不同的結果，因為不同的公司使用不同的新增劑。
如果有人願意，測試這些因素中的每一個的影響是有效的，但是如果一個人沒有無限的資金來實驗所有可能出錯的事情（看看如果它們發生了會發生什麼），一個更好的選擇是設計實驗以避免這些潛在的陷阱。
對這一警告的推論是，在設計實驗時，應該選擇一組條件，以最大限度地提高分析變數變化的影響的能力。例如，如果要測量溫度和水量的影響，應該從一個基礎（例如 20oC 和 4 盎司水）開始，這個基礎很容易複製，然後保持其中一個變數不變，改變另一個變數。然後，做相反的事情。你最終可能得到這樣的實驗方案
Test number Volume Water (fl. oz.) Temperature (oC) 1 4 20 2 2 20 3 8 20 4 4 5 5 4 50
收集到資料後，會分析測試 1、4 和 5 以瞭解溫度的影響，分析測試 1、2 和 3 以瞭解體積的影響。你不會一次分析所有 5 個數據點。