1 定义
因变量是研究的目标变量，是研究者在实验中观察、测量、记录的结果变量，会随着自变量的变化而变化。研究者通过操纵自变量，测量因变量以验证自变量是否对因变量产生预期的效应。
2 因变量的类型
2.1 从观测直接性的角度分类
- 一些因变量本身就是可以直接记录的观测变量，例如任务准确率、完成时间等。研究者主要需要清楚地规定记录方式、单位和计算规则，使研究过程可复现。例如，反应时间可以定义为刺激出现到被试按键之间的时间差，单位为毫秒；错误率可以定义为错误反应次数占总试次数的比例。
- 一些因变量是抽象的心理构念（construct），例如工作负荷、信任等。抽象的心理构念不能被直接观察，研究者必须先定义它们在本研究中通过什么可观测的方式体现出来，再选择相应的测量方法。这个从抽象构念到可测指标的转换过程，就是操作化定义（operational definition）。以工作负荷为例，研究者对工作负荷这一构念本身的定义为“工作记忆资源的使用量” ，或者“个体为了应对任务需求而投入的心理努力、占用的认知资源”。其操作定义可以是（1）“个体主观感受到投入的认知资源”，也可以是（2）“认知加工引起的神经或生理反应强度”。对于操作定义（1），测量方法可以是主观汇报的NASA-TLX量表得分；对于操作定义（2），测量方法可以是脑电（EEG）的theta波增强程度。不同操作化方式捕获构念的不同侧面，也会影响测量方法与后续结论的解释边界。
2.2 从数据来源的角度分类
从数据来源的角度，人因实验中的自变量会影响到人的行为动作、自我感知与体验、身体反应等三个不同层面，相应地，因变量数据来源大致分为三类：主观感受、行为表现、生理活动。研究者通常会收集多源数据来交叉验证、全面评价自变量的影响。
- 主观数据记录的是人的体验或对自身状态的感知，例如工作负荷有多高、对系统信任到什么程度、使用过程中是否感到沮丧。在实验中，主观数据常常通过评定量表来收集、量化为数字，也可以采用文字等方式记录，进行定性分析、增加可解释性。主观数据能直接反映人的主观体验与想法，但它通常依赖参试者的察觉、内省、回忆、阅读与表达能力等多重因素的影响。例如，在任务后填写问卷，有可能任务中的一些细微的体验已经遗忘；再如，社会期望也会导致参试者汇报的数值有偏差。总之，研究体验离不开主观数据，但主观数据可能存在偏差，最好与其他类型的数据交叉验证。
- 行为数据记录的是人的客观动作和表现。它包括任务结果（例如，任务是否完成、正确率多高、反应时多长）、具体行为的频率与时长（例如，点击数、某个操作的触发次数、页面停留时间）、行为序列（例如，操作路径、页面跳转轨迹）等。行为数据客观、直接、可量化，不依赖参试者自我报告。但行为是多种因素与心理过程的共同作用结果，一次操作失败可能是注意力分散、策略错误或界面误导，单看行为本身分不清楚，相比于主观汇报，更不容易解释。总之，行为数据能告诉我们参试者做了什么，但比较难告诉我们参试者心中的想法以及行为产生的原因。
- 生理数据记录的是人体生理活动产生的连续信号。与行为数据记录的外显动作、主观数据记录的自我报告不同，生理数据直接来源于人体产生的电、生物化学、血流或光学等信号，通常以连续时间序列的形式采集，再从中提取各种特征进行分析，例如平均值、峰值、频谱、事件相关反应等。涉及认知过程的人因实验研究，通常关注神经系统活动所产生的信号。
此外，一些研究中因变量是人的感知能力本身。例如，人能够察觉多弱的信号、区分多小的差异，或者在噪声环境下识别目标的能力如何，对应绝对阈限、差别阈限等因变量，可以通过心理物理法来测量。
2.3 从数据结构的角度分类
不同类型的数据不仅来源不同，其组织形式也不同，决定了数据如何存储、预处理和分析。研究者在设计实验时，除了选择测量什么，还需要考虑最终会得到什么形式的数据。
- 表格数据：这类数据通常以每列为一个测得的变量（观测变量、维度、条目、生理信号提取的特征等），每一行为一次数据，可以对应一个参试者，或者一个试次或实验条件。表格数据对于实验记录和常见统计分析方法而言较为方便。表格中的每一列变量可能具有不同的测量尺度（measurement scale）。
- 时间序列数据：这类数据按照时间连续采集，每个时刻都有对应的测量值，常见于脑电等生理信号。研究者通常不会直接分析原始波形，而是会预处理后提取专门的特征，再进行统计分析。例如EEG可以提取不同波段的功率等特征。
- 行为序列数据：按照时间顺序记录一系列离散事件（event）或状态（state），每个事件还可以附带持续时长（t）等属性，可以表示为，用于记录参试者完成任务的过程。这些操作可以是系统自动记录的操作日志，例如按钮点击顺序、页面跳转路径，还有可能是研究者对录像进行的人工行为编码。
- 具有空间属性或关系结构的数据：例如，眼动、动作捕捉、虚拟现实等实验会记录对象在二维或三维空间中的位置、方向和运动轨迹；涉及多人协作、信息传播或社交互动的研究，则可以进一步构建图数据（graph data），用节点和边表示对象之间的关系，后续可以采用网络分析等方法进行分析。
- 非结构化数据：人因实验还经常涉及文本、图像、音频和视频等格式的数据，例如，访谈记录、用户评论文本、屏幕录制等。