Una variabile interveniente è qualcosa che influisce sulla relazione tra una variabile indipendente e una variabile dipendente. Di solito, la variabile che interviene è causata dalla variabile indipendente ed è essa stessa una causa della variabile dipendente.
Ad esempio, è stata osservata una correlazione positiva tra livello di istruzione e livello di reddito, in modo tale che le persone con livelli di istruzione più elevati tendano a guadagnare livelli di reddito più elevati. Questa tendenza osservabile, tuttavia, non è direttamente di natura causale. L'occupazione funge da variabile interposta tra i due, poiché il livello di istruzione (la variabile indipendente) influenza il tipo di occupazione che si avrà (la variabile dipendente) e quindi quanti soldi si guadagnerà. In altre parole, più scolarizzazione tende a significare un lavoro di stato più elevato, che a sua volta tende a portare un reddito più elevato.
Quando i ricercatori conducono esperimenti o studi, di solito sono interessati a comprendere la relazione tra due variabili: una variabile indipendente e una variabile. Di solito si ipotizza che la variabile indipendente sia la causa della variabile dipendente e la ricerca è progettata per dimostrare se questo è vero o no.
In molti casi, come il legame tra istruzione e reddito sopra descritto, è osservabile una relazione statisticamente significativa, ma non è dimostrato che la variabile indiretta induca direttamente la variabile dipendente a comportarsi così. Quando ciò si verifica, i ricercatori ipotizzano quindi quali altre variabili potrebbero influenzare la relazione o come una variabile possa "intervenire" tra le due. Con l'esempio di cui sopra, l'occupazione interviene per mediare la connessione tra livello di istruzione e livello di reddito. (Gli statistici considerano una variabile interveniente come una specie di variabile mediatrice).
Pensando causalmente, la variabile interveniente segue la variabile indipendente ma precede la variabile dipendente. Dal punto di vista della ricerca, chiarisce la natura della relazione tra le variabili indipendenti e dipendenti.
Un altro esempio di una variabile che i sociologi monitorano è l'effetto del razzismo sistemico sui tassi di completamento del college. Esiste una relazione documentata tra i tassi di completamento della gara e del college.
La ricerca mostra che tra gli adulti di età compresa tra 25 e 29 anni negli Stati Uniti, gli americani asiatici hanno maggiori probabilità di aver completato il college, seguito dai bianchi, mentre i neri e gli ispanici hanno tassi di completamento del college molto più bassi. Ciò rappresenta una relazione statisticamente significativa tra razza (variabile indipendente) e livello di istruzione (variabile dipendente). Tuttavia, non è corretto affermare che la razza stessa influenza il livello di istruzione. Piuttosto, l'esperienza del razzismo è una variabile che interviene tra i due.
Molti studi hanno dimostrato che il razzismo ha un forte effetto sulla qualità dell'istruzione K-12 che si riceve negli Stati Uniti. La lunga storia della segregazione e dei modelli abitativi della nazione oggi significa che le scuole meno finanziate della nazione servono principalmente gli studenti di colore mentre la nazione le scuole meglio finanziate servono principalmente studenti bianchi. In questo modo, il razzismo interviene per influire sulla qualità dell'istruzione.
Inoltre, gli studi hanno dimostrato che i pregiudizi razziali impliciti tra gli educatori portano gli studenti neri e latini a ricevere meno incoraggiamento e più scoraggiamento in classe rispetto agli studenti bianchi e asiatici e anche a essere puniti più regolarmente e duramente per recitare. Ciò significa che il razzismo, come si manifesta nei pensieri e nelle azioni degli educatori, interviene ancora una volta per incidere sui tassi di completamento del college sulla base della razza. Esistono numerosi altri modi in cui il razzismo agisce come una variabile interposta tra razza e livello di istruzione.