Variables: definición, ejemplos, tipos de variables en la investigación

Variables: definición, ejemplos, tipos de variables en la investigación

¿Qué es una variable?

En el contexto de una investigación, los conceptos generalmente se denominan variables. A variable es, como su nombre indica, algo que varía.

Ejemplos de variables

Todos estos son ejemplos de variables porque cada una de estas propiedades varía o difiere de un individuo a otro.

  • Edad,
  • sexo,
  • exportar,
  • ingresos y gastos,
  • tamaño de la familia,
  • País de nacimiento,
  • gastos de capital,
  • calificaciones de clase,
  • lecturas de presión arterial,
  • niveles de ansiedad preoperatorios,
  • color de ojos y
  • tipo de vehiculo.

¿Qué es la variable en la 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 norte, que no varían) en diferentes situaciones.

Al realizar una investigación, los experimentos suelen manipular variables. Por ejemplo, un experimentador podría comparar la eficacia de cuatro tipos de fertilizantes.

En este caso, la variable es el 'tipo de fertilizantes'. Un científico social puede examinar el posible efecto del matrimonio precoz sobre el divorcio. Su matrimonio temprano es la variable.

A un investigador de negocios le puede resultar útil incluir el dividendo al determinar los precios de las acciones.. Aquí, el dividendo es la variable.

La efectividad, el divorcio y los precios de las acciones son variables porque también varían debido a la manipulación de fertilizantes, el matrimonio precoz y los dividendos.

Variables cualitativas

Una distinción importante entre variables son las variables cualitativas y cuantitativas.

Variables cualitativas Son aquellos que expresan un atributo cualitativo, como color de cabello, religión, raza, género, estatus social, forma de pago, etc. Los valores de una variable cualitativa no implican un orden numérico significativo.

El el valor de la variable 'religión' (musulmana, hindú..., etc.) difiere cualitativamente; no se implica ningún orden de 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 ella como una variable categórica.

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

Las variables categóricas pueden describirse nuevamente como nominal y ordinal.

Las variables ordinales pueden ordenarse lógicamente o clasificarse por encima o por debajo de otra, pero no necesariamente establecen una diferencia numérica entre cada categoría, como las calificaciones de los exámenes (A+, A, B+, etc., y la talla de ropa (Extra grande, grande, mediana, pequeño).

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

Una variable cualitativa es una característica que no se puede medir pero que se puede clasificar según posea o no algunas características.

Variables cuantitativas

Variables cuantitativas, también llamado variables numéricas, Son aquellas variables que se miden en términos de números. Un ejemplo simple de variable cuantitativa es la edad de una persona.

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

Cada una de estas propiedades o características antes referidas varía o difiere de un individuo a otro. Tenga en cuenta que estas variables se expresan en números, a los que llamamos variables cuantitativas o, a veces, numéricas.

Una variable cuantitativa es aquella para la cual las observaciones resultantes son numéricas y, por lo tanto, poseen 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 puntuaciones posibles son discretas en la escala.

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

Otras variables, como "el tiempo necesario para completar una prueba de MCQ" y "el tiempo de espera en una cola frente al mostrador de un banco", son variables continuas.

El tiempo requerido en los ejemplos anteriores es una variable continua, que podría ser, por ejemplo, 1,65 minutos o 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, generalmente (pero no necesariamente) consta de números enteros, como el tamaño de la familia y una cantidad de artículos defectuosos en una caja. A menudo son el resultado de una enumeración o conteo.

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.
  • Número de visitas semanales realizadas por el personal sanitario en los últimos 12 meses.

Variable continua

Una variable continua 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 presión arterial;
  • Temperatura;
  • Altura o peso del cuerpo humano;
  • Tasa de interés bancaria;
  • Tasa interna de retorno (TIR),
  • Índice de ganancias (ER);
  • Ratio circulante (CR)

No importa cuán cercanas puedan ser dos observaciones, si el instrumento de medición es lo suficientemente preciso, se puede encontrar una tercera observación, situada entre las dos primeras.

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

Variables dependientes y variable independiente

En muchos entornos de investigación, es necesario distinguir entre sí dos clases específicas de variables: variable independiente y variable dependiente.

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

Mire las siguientes declaraciones:

  • La baja ingesta de alimentos provoca bajo peso.
  • 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 mejora los problemas de salud.
  • La intervención de enfermería provoca una recuperación más rápida.
  • Las experiencias laborales anteriores determinan el salario inicial.
  • Los arándanos ralentizan el envejecimiento.
  • El dividendo por acción determina los precios de las acciones.

En cada una de las consultas anteriores, tenemos dos variables independientes y dependientes. En el primer ejemplo, se cree que la "ingesta baja de alimentos" ha causado el "problema del bajo peso".

Por tanto, es la llamada 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 causa o al menos influye en el problema o resultado se llama variable. variable independiente.

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

Se supone 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 predictora, regresora, variable controlada, variable manipulada, variable explicativa, variable de exposición (como se usa en la teoría de la confiabilidad), factor de riesgo (como se usa en las estadísticas médicas), característica (como se usa en la teoría de la confiabilidad) en aprendizaje automático y reconocimiento de patrones) o variable de entrada.

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

Si la variable independiente se denomina variable explicativa, algunos autores prefieren el término variable de respuesta para la variable dependiente.

Variable dependiente

La variable utilizada para describir o medir el problema o resultado bajo 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.

A un investigador de negocios puede resultarle útil incluir el dividendo al determinar los precios 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, el carcinoma es de verdadero interés para el investigador, no el hábito de fumar per se. La variable independiente es la presunta causa, antecedente o influencia sobre la variable dependiente.

Dependiendo del contexto, una variable dependiente a veces se denomina variable de respuesta, variable de regreso, 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 predictiva 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 de control.

Si en un experimento se compararan cinco tipos de dietas, entonces las variables independientes (tipos de dieta) 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 edad, sexo, nivel educativo, nivel socioeconómico, estado civil, religión, lugar de nacimiento, etc. Estas variables se denominan variables de fondo.

Estas variables suelen estar relacionadas con muchas variables independientes, por lo que influyen indirectamente en el problema. De ahí que se les llame variables de fondo.

Las variables de fondo deben medirse si son importantes para el estudio. 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 entre variables, normalmente se plantea la hipótesis de que, de alguna manera, la variable independiente "provoca" que se produzca la variable dependiente.

En relaciones simples, todas las demás variables son extrañas y se ignoran.

En situaciones de estudio reales, una relación uno a uno tan simple debe revisarse para tener en cuenta otras variables y explicar mejor la relación.

Esto enfatiza la necesidad de considerar una segunda variable independiente que se espera que tenga un efecto contributivo o contingente significativo sobre la relación dependiente-independiente establecida originalmente.

Esta variable se denomina variable moderadora.

Supongamos 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. Se considera el tipo de formación como variable independiente.

Si se centra en la relación entre la edad de los alumnos y el desempeño 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 hipotética de variable independiente-dependiente, distorsionando así el estudio. Estas variables se denominan variables extrañas.

Las variables extrañas no son necesariamente parte del estudio. Ejercen un efecto de confusión sobre la relación dependiente-independiente y, por tanto, es necesario eliminarlos o controlarlos.

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 materna.

No es descabellado en este caso suponer que el nivel de educación de las madres, al influir en su situación 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 abordar las variables de confusión es seguir el procedimiento de estratificación, que implica un análisis separado de los diferentes niveles de mentiras en las variables de confusión.

Para ello se pueden construir dos tablas cruzadas para madres analfabetas y otra para madres alfabetizadas.

Supongamos que encontramos una asociación similar entre la situación laboral y la duración de la lactancia materna en ambos grupos de madres. En ese caso, 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 sólo porque X causa la tercera variable, Z, que a su vez causa Y. En este caso, Z es la variable interviniente.

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

Podríamos ver la motivación o el asesoramiento como la variable que interviene en la relación entre la situación laboral y la lactancia.

Así, el motivo, la satisfacción laboral, la responsabilidad, el comportamiento y la justicia son algunos de los ejemplos de variables que intervienen.

Variable supresora

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

A este factor se le conoce como variable supresora porque suprime la relación entre las otras dos variables.

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

Así, por ejemplo, una edad más baja puede aumentar la educación pero reducir los ingresos. Por el contrario, una edad elevada puede aumentar los ingresos pero reducir la educación, cancelando efectivamente la relación entre educación e ingresos a menos que se controle la edad.

4 relaciones entre variables

Variables: definición, ejemplos, tipos de variables en la investigación

Al abordar las relaciones entre variables en la investigación, observamos una variedad de dimensiones en estas relaciones.

  1. Relación positiva y negativa
  2. Relación simétrica
  3. Relación causal
  4. Relación lineal y no lineal

Relación positiva y negativa

Dos o más variables pueden tener una relación positiva, negativa o nula. En el caso de dos variables, una relación positiva es aquella en la que ambas variables varían en la misma dirección.

Sin embargo, se dice que tienen una relación negativa cuando varían en direcciones opuestas.

Cuando un cambio en la otra variable no acompaña al cambio o movimiento de una variable, decimos que las variables en cuestión no están relacionadas.

Por ejemplo, si un aumento en el salario va acompañado de la experiencia laboral, la relación entre la experiencia laboral y el salario es positiva.

Si un aumento en el nivel educativo de un individuo disminuye su deseo de tener más hijos, la relación es negativa o inversa.

Si el nivel de educación no influye en el deseo, decimos que las variables deseo de tener más hijos y "educación" no están relacionadas.

Fortaleza de la relación

Una vez que se ha establecido que dos variables están relacionadas, queremos determinar qué tan fuertemente están relacionadas.

Una estadística común para medir la fuerza de una relación es la llamada coeficiente de correlación simbolizado por r. r es una medida sin unidades, que se encuentra entre -1 y +1 inclusive, donde cero significa que no hay relación lineal.

En lo que respecta a la predicción de una variable a partir del conocimiento de la otra variable, un valor de r = +1 significa una precisión de 100% al predecir una relación positiva entre las dos variables, y un valor de r = -1 significa una precisión de 100%. precisión en la predicción de una relación negativa entre las dos variables.

Relación simétrica

Hasta ahora hemos analizado sólo relaciones simétricas en las que un cambio en la otra variable acompaña a un cambio en cualquiera de las variables.

Esta relación no indica qué variable es la variable independiente y qué variable es la variable dependiente.

En otras palabras, puede etiquetar cualquiera de las variables como variable independiente.

Esta relación es simétrica. relación. en un relación asimétrica, un cambio en la variable X (digamos) va acompañado de un cambio en la variable Y, pero no al revés.

La cantidad de lluvia, por ejemplo, aumentará la productividad, pero la productividad no afectará la lluvia. Esta es una relación asimétrica.

De manera similar, la relación entre fumar y el cáncer de pulmón sería asimétrica porque fumar podría causar cáncer, pero el cáncer de pulmón no podría causar fumar.

Relación causal

Indicar una relación entre dos variables no garantiza automáticamente que los cambios en una variable provoquen cambios en otra.

Sin embargo, es muy difícil establecer la existencia de causalidad entre variables. Si bien nadie puede estar seguro de que la variable A causas variables B, se pueden reunir algunas pruebas que aumentan nuestra creencia de que A lleva a B.

En un intento de hacerlo, buscamos las siguientes pruebas:

  1. ¿Existe una relación entre A y ¿B? Cuando dicha evidencia existe, indica un posible vínculo causal entre las variables.
  2. ¿Es la relación asimétrica de modo que un cambio en A resultados en B ¿pero no al revés? En otras palabras, ¿ A ocurrir antes ¿B? Si encontramos eso B ocurre antes A, podemos tener poca confianza en que A causas.
  3. ¿Un cambio en A resulta en un cambio en B independientemente de las acciones de otros factores? ¿O es posible eliminar otras posibles causas de ¿B? ¿Se puede determinar que C, D, y mi (digamos) no covarían con B de una manera que sugiera posibles conexiones causales?

Relación lineal y no lineal

Una relación lineal es una relación de línea recta entre dos variables, donde las variables varían al mismo ritmo independientemente de si los valores son bajos, altos o intermedios.

Esto contrasta con las relaciones no lineales (o curvilíneas), donde la velocidad a la que una variable cambia de valor puede diferir para diferentes valores de la segunda variable.

Si una variable está relacionada linealmente con la otra variable o no, puede determinarse simplemente trazando los valores de K frente a X valores.

Si los valores, cuando se representan, parecen estar en una línea recta, la existencia de una relación lineal entre X y Y es sugerido.

La altura y el peso casi siempre tienen una relación aproximadamente lineal, mientras que la edad y las tasas de fertilidad tienen una relación no lineal.

Preguntas frecuentes sobre variables

¿Qué es una variable dentro del contexto de una investigación?

Una variable, dentro del contexto de una investigación, se refiere a conceptos que varían. Puede ser cualquier propiedad, característica, número o cantidad que pueda aumentar o disminuir con el tiempo o tomar diferentes valores.

¿Cómo se utiliza una variable en la investigación?

En investigación, una variable es cualquier propiedad o característica que puede tomar diferentes valores. Los experimentos suelen manipular variables para comparar resultados. Por ejemplo, un experimentador podría comparar la eficacia de diferentes tipos de fertilizantes, donde la variable es el "tipo de fertilizante".

¿Qué distingue las variables cualitativas de las variables cuantitativas?

Las variables cualitativas expresan un atributo cualitativo, como el color del cabello o la religión, y no implican un orden numérico significativo. Las variables cuantitativas, por otro lado, se miden en términos de números, como la edad de una persona o el tamaño de la familia.

¿En qué se diferencian las variables discretas y continuas en términos de variables cuantitativas?

Las variables discretas están restringidas a ciertos valores, a menudo números enteros, resultantes de la enumeración o el conteo, como el número de niños en un hogar. Las variables continuas pueden tomar un número infinito de valores intermedios a lo largo de un intervalo específico, como el tiempo necesario para completar una prueba.

¿Cuáles son las funciones de las variables independientes y dependientes en la investigación?

En la investigación, el investigador manipula la variable independiente para observar sus efectos sobre la variable dependiente. La variable independiente es la presunta causa o influencia, mientras que la variable dependiente es el resultado o efecto que se mide.

¿Qué es una variable de fondo en un estudio?

Las variables de fondo son información recopilada en un estudio, como la edad, el sexo o el nivel educativo. Estas variables a menudo están relacionadas con muchas variables independientes e influyen indirectamente en el problema o resultado principal, por lo que se denominan variables de fondo.

¿Cómo afecta una variable supresora a la relación entre otras dos variables?

Una variable supresora puede suprimir u ocultar la verdadera relación entre otras dos variables. Lo hace estando correlacionado positivamente con una de las variables y negativamente con la otra. Cuando se controla la variable supresora, se puede observar la verdadera relación entre las dos variables originales.