Tipos de Variables de investigación

Una variable es cualquier propiedad, característica, número o cantidad que aumenta o disminuye con el tiempo o puede tomar diferentes valores (a diferencia de las constantes, como n, que no varían) en diferentes situaciones.

Al realizar una investigación, los experimentos a menudo manipulan variables. Por ejemplo, un experimentador podría comparar la efectividad de cuatro tipos de fertilizantes.

Tipos de Variables

Variables cualitativas

Las variables cualitativas son aquellas que expresan un atributo cualitativo como el color de cabello, religión, raza, género, condición social, forma de pago, etc. Los valores de una variable cualitativa no implican un ordenamiento numérico significativo.

El valor de la variable ‘religión’ (musulmana, hindú, etc.) difiere cualitativamente; no se implica ningún ordenamiento de la religión. Las variables cualitativas a veces se denominan variables categóricas.

Por ejemplo, la variable sexo tiene dos categorías distintas: ‘masculino’ y ‘femenino’. Dado que los valores de esta variable se expresan en categorías, nos referimos a esto como una variable categórica.

De manera similar, el lugar de residencia se puede clasificar como urbano y rural y, por lo tanto, es una variable categórica.

Las variables categóricas pueden describirse nuevamente como nominales y ordinales.

Las variables ordinales son aquellas que pueden ordenarse lógicamente o clasificarse por encima o por debajo de otra pero no necesariamente establecen una diferencia numérica entre cada categoría, como calificaciones de exámenes (A +, A, B +, etc., talla de ropa (extra grande, grande, mediano, pequeño).

Las variables nominales son aquellas que no se pueden clasificar ni ordenar lógicamente, como religión, sexo, etc.

Una variable cualitativa es una característica que no se puede medir pero que se puede categorizar para poseer o no poseer algunas características.

Variables cuantitativas

Las variables cuantitativas, también llamadas variables numéricas, son aquellas variables que se miden en términos de números. Un ejemplo sencillo de variable cuantitativa es la edad de una persona.

La edad puede tomar diferentes valores porque una persona puede tener 20 años, 35 años, etc. Asimismo, el tamaño de la familia es una variable cuantitativa, porque una familia puede estar compuesta por uno, dos, tres miembros, etc.

Es decir, cada una de estas propiedades o características mencionadas anteriormente varía o difiere de un individuo a otro. Tenga en cuenta que estas variables se expresan en números, por lo que las llamamos variables cuantitativas o, a veces, numéricas.

Una variable cuantitativa es aquella cuyas observaciones resultantes son numéricas y, por lo tanto, posee un orden o clasificación natural.

Variables discretas y continuas

Las variables cuantitativas son nuevamente de dos tipos: discretas y continuas. Variables como algunos niños en un hogar o el número de artículos defectuosos en una caja son variables discretas ya que las posibles puntuaciones son discretas en la escala.

Por ejemplo, un hogar podría tener tres o cinco hijos, pero no 4,52 hijos.

Otras variables, como ‘tiempo requerido para completar una prueba de MCQ’ y ‘tiempo de espera en una cola frente a un mostrador de banco’, son ejemplos de una variable continua. El tiempo requerido en los ejemplos anteriores es una variable continua, que podría ser, por ejemplo, 1,65 minutos, o podría ser 1,6584795214 minutos. Por supuesto, los aspectos prácticos de la medición impiden que la mayoría de las variables medidas sean continuas.

Variable discreta

Una variable discreta, restringida a ciertos valores, por lo general (pero no necesariamente) consiste en números enteros, como el tamaño de la familia, el número de artículos defectuosos en una caja. A menudo son el resultado de la enumeración o el recuento.

Algunos ejemplos más son;

• El número de accidentes en los doce meses.
• La cantidad de tarjetas móviles vendidas en una tienda en siete días.
• El número de pacientes ingresados ​​en un hospital durante un período específico.
• El número de nuevas sucursales de un banco abiertas anualmente durante 2001-2007.
• El número de visitas semanales realizadas por el personal de salud en los últimos 12 meses.

Variable continua

Una variable continua es aquella que puede tomar un número infinito de valores intermedios a lo largo de un intervalo específico. Ejemplos son:

• El nivel de azúcar en el cuerpo humano;
• Lectura de la presión arterial;
• Temperatura;
• Altura o peso del cuerpo humano;
• Tasa de interés bancario;
• Tasa interna de rendimiento (TIR),
• Relación de ingresos (ER);
• Razón corriente (CR)

No importa qué tan cerca estén dos observaciones, si el instrumento de medición es lo suficientemente preciso, se puede encontrar una tercera observación, que se ubicará entre las dos primeras.

Una variable continua generalmente resulta de la medición y puede asumir innumerables valores en el rango especificado.

Variables dependientes e independientes

En muchos entornos de investigación, hay dos clases específicas de variables que deben distinguirse entre sí, variable independiente y variable dependiente.

Muchos estudios de investigación tienen como objetivo revelar y comprender las causas de los fenómenos o problemas subyacentes con el objetivo final de establecer una relación causal entre ellos.

Mira las siguientes declaraciones:

• La baja ingesta de alimentos provoca insuficiencia ponderal.
• Fumar aumenta el riesgo de cáncer de pulmón.
• El nivel de educación influye en la satisfacción laboral.
• La publicidad ayuda en la promoción de ventas.
• La droga provoca la mejora de un problema de salud.
• La intervención de enfermería provoca una recuperación más rápida.
• Las experiencias laborales previas determinan el salario inicial.
• Los arándanos ralentizan el envejecimiento.
• El dividendo por acción determina el precio de las acciones.

En cada una de las consultas anteriores, tenemos dos variables: una independiente y otra dependiente. En el primer ejemplo, se cree que la «baja ingesta de alimentos» ha causado el «problema de la insuficiencia ponderal».

Por tanto, es la denominada variable independiente. El bajo peso es la variable dependiente porque creemos que este ‘problema’ (el problema del bajo peso) ha sido causado por ‘la baja ingesta de alimentos’ (el factor).

De manera similar, el tabaquismo, los dividendos y la publicidad son variables independientes, y el cáncer de pulmón, la satisfacción laboral y las ventas son variables dependientes.

En general, el experimentador o investigador manipula una variable independiente y se miden sus efectos sobre la variable dependiente.

Variable independiente

La variable que se utiliza para describir o medir el factor que se supone que causa o al menos influye en el problema o resultado se llama variable independiente.

La definición implica que el experimentador usa la variable independiente para describir o explicar la influencia o efecto de la misma sobre la variable dependiente.

Se presume que la variabilidad de la variable dependiente depende de la variabilidad de la variable independiente.

Dependiendo del contexto, una variable independiente a veces se denomina variable predictiva, regresor, variable controlada, variable manipulada, variable explicativa, variable de exposición (como se usa en la teoría de confiabilidad), factor de riesgo (como se usa en estadísticas médicas), característica (como se usa) en aprendizaje automático y reconocimiento de patrones) o variable de entrada.

Algunos autores prefieren la variable explicativa sobre la variable independiente cuando las cantidades tratadas como variables independientes pueden no ser estadísticamente independientes o manipulables independientemente por el investigador.

Si se hace referencia a la variable independiente como variable explicativa, algunos autores prefieren el término variable de respuesta para la variable dependiente.

Variable dependiente

La variable que se utiliza para describir o medir el problema o resultado en estudio se llama variable dependiente.

En una relación causal, la causa es la variable independiente y el efecto es la variable dependiente. Si planteamos la hipótesis de que fumar causa cáncer de pulmón, «fumar» es la variable independiente y el cáncer la variable dependiente.

Un investigador de negocios puede encontrar útil incluir el dividendo al determinar el precio de las acciones. Aquí el dividendo es la variable independiente, mientras que el precio de la acción es la variable dependiente.

La variable dependiente suele ser la variable que el investigador está interesado en comprender, explicar o predecir.

En la investigación del cáncer de pulmón, es el carcinoma lo que interesa realmente al investigador, no el comportamiento del tabaquismo per se. La variable independiente es la presunta causa, antecedente o influencia de la variable dependiente.

Dependiendo del contexto, una variable dependiente a veces se denomina variable de respuesta, regresión, variable predicha, variable medida, variable explicada, variable experimental, variable de respuesta, variable de resultado, variable de salida o etiqueta.

Algunos autores prefieren una variable explicada a la variable dependiente cuando las cantidades tratadas como variables dependientes pueden no ser estadísticamente dependientes.

Si la variable dependiente se denomina variable explicada, algunos autores prefieren el término variable predictora para la variable independiente.

Niveles de una variable independiente

Si un experimentador compara un tratamiento experimental con un tratamiento de control, entonces la variable independiente (un tipo de tratamiento) tiene dos niveles: experimental y control.

Si un experimento fuera a comparar cinco tipos de dietas, entonces las variables independientes (tipos de dietas) tendrían cinco niveles.

En general, el número de niveles de una variable independiente es el número de condiciones experimentales.

Variable de fondo

En casi todos los estudios, recopilamos información como la edad, el sexo, el nivel educativo, el nivel socioeconómico, el estado civil, la religión, el lugar de nacimiento, etc. Estas variables se conocen como variables de fondo.

Estas variables a menudo se relacionan con muchas variables independientes de modo que influyen indirectamente en el problema. Por eso se denominan variables de fondo.

Si las variables de fondo son importantes para el estudio, deben medirse. Sin embargo, deberíamos intentar mantener el número de variables de fondo lo menos posible en interés de la economía.

Variable moderadora

En cualquier enunciado de relaciones de variables, normalmente se plantea la hipótesis de que, de alguna manera, la variable independiente ‘causa’ que ocurra la variable dependiente. En relaciones simples, todas las demás variables son extrañas y se ignoran. En situaciones de estudio reales, una relación tan simple uno a uno debe revisarse para tener en cuenta otras variables para explicar mejor la relación.

Esto enfatiza la necesidad de considerar una segunda variable independiente que se espera que tenga un efecto contribuyente o contingente significativo sobre la relación dependiente-independiente originalmente declarada. Esta variable se denomina variable moderadora.

Suponga que está estudiando el impacto de la capacitación en el campo y en el aula sobre el desempeño laboral de los trabajadores de salud y planificación familiar, considera el tipo de capacitación como la variable independiente.

Si se centra en la relación entre la edad de los aprendices y el rendimiento laboral, puede utilizar el «tipo de formación» como variable moderadora.

Variable extraña

La mayoría de los estudios se refieren a la identificación de una única variable independiente y a la medición de su efecto sobre la variable dependiente.

Pero aún así, es posible que varias variables afecten nuestra relación de variable dependiente independiente hipotética, distorsionando así el estudio. Estas variables se denominan variables extrañas.

Las variables ajenas no son necesariamente parte del estudio. Ejercen un efecto de confusión sobre la relación dependiente-independiente y, por lo tanto, deben eliminarse o controlarse.

Un ejemplo puede ilustrar el concepto de variables extrañas. Supongamos que estamos interesados ​​en examinar la relación entre la situación laboral de las madres y la duración de la lactancia.

No es descabellado en este caso suponer que el nivel de educación de las madres, ya que influye en el estado laboral, también podría tener un impacto en la duración de la lactancia materna.

La educación se trata aquí como una variable extraña. En cualquier intento de eliminar o controlar el efecto de esta variable, podemos considerarla como una variable de confusión.

Una forma adecuada de tratar las variables de confusión es seguir el procedimiento de estratificación, que implica un análisis separado para los diferentes niveles de variables de confusión de mentiras.

Para ello, se pueden construir dos tablas cruzadas: una para madres analfabetas y otra para madres alfabetizadas. Si encontramos una asociación similar entre el estado laboral y la duración de la lactancia materna en ambos grupos de madres, entonces concluimos que el nivel educativo de las madres no es una variable de confusión.

Variable interviniente

A menudo, una relación aparente entre dos variables es causada por una tercera variable.

Por ejemplo, las variables X e Y pueden estar altamente correlacionadas, pero solo porque X causa la tercera variable, Z, que a su vez causa Y. En este caso, Z es la variable que interviene.

Una variable interviniente afecta teóricamente los fenómenos observados pero no puede verse, medirse o manipularse directamente; sus efectos sólo pueden inferirse de los efectos de las variables independientes y moderadoras sobre los fenómenos observados.

En la relación trabajo-situación y lactancia materna, podríamos ver la motivación o el asesoramiento como la variable interviniente.

Así, motivo, satisfacción laboral, responsabilidad, comportamiento, justicia son algunos de los ejemplos de variables intervinientes.

Variable de supresor

En muchos casos, tenemos buenas razones para creer que las variables de interés tienen una relación dentro de sí mismas, pero nuestros datos no logran establecer tal relación. Algunos factores ocultos pueden estar suprimiendo la verdadera relación entre las dos variables originales.

Dicho factor se denomina variable supresora porque suprime la relación real entre las otras dos variables.

La variable supresora suprime la relación al estar correlacionada positivamente con una de las variables en la relación y correlacionada negativamente con la otra. La verdadera relación entre las dos variables reaparecerá cuando se controle la variable supresora.

Así, por ejemplo, la baja edad puede hacer subir la educación pero bajar los ingresos. Por el contrario, una edad alta puede hacer subir los ingresos pero disminuir la educación, cancelando efectivamente la relación entre educación e ingresos a menos que se controle la edad.