Variáveis: Definição, Exemplos, Tipos de Variáveis ​​em Pesquisa

Variáveis: Definição, Exemplos, Tipos de Variáveis ​​em Pesquisa

O que é uma variável?

No contexto de uma investigação, os conceitos são geralmente chamados de variáveis. A variável é, como o nome se aplica, algo que varia.

Exemplos de variável

Todos esses são exemplos de variáveis porque cada uma dessas propriedades varia ou difere de um indivíduo para outro.

  • Idade,
  • sexo,
  • exportar,
  • receitas e despesas,
  • tamanho família,
  • país de nascimento,
  • despesas de capital,
  • notas da aula,
  • leituras de pressão arterial,
  • níveis de ansiedade pré-operatória,
  • cor dos olhos e
  • Tipo de Veículo.

O que é variável na pesquisa?

Uma variável é qualquer propriedade, característica, número ou quantidade que aumenta ou diminui ao longo do tempo ou pode assumir valores diferentes (em oposição a constantes, como n, que não variam) em diferentes situações.

Ao conduzir pesquisas, os experimentos geralmente manipulam variáveis. Por exemplo, um experimentador pode comparar a eficácia de quatro tipos de fertilizantes.

Neste caso, a variável é o 'tipo de fertilizante'. Um cientista social pode examinar o possível efeito do casamento precoce no divórcio. Seu casamento precoce é a variável.

Um pesquisador de negócios pode achar útil incluir o dividendo na determinação dos preços das ações. Aqui, o dividendo é a variável.

A eficácia, o divórcio e os preços das ações são variáveis porque também variam devido à manipulação de fertilizantes, ao casamento precoce e aos dividendos.

Variáveis Qualitativas

Uma distinção importante entre variáveis são as variáveis qualitativas e quantitativas.

Variáveis qualitativas são aqueles que expressam um atributo qualitativo, como cor do cabelo, religião, raça, gênero, posição social, forma de pagamento e assim por diante. Os valores de uma variável qualitativa não implicam uma ordenação numérica significativa.

O o valor da variável 'religião' (muçulmano, hindu.., etc..) difere qualitativamente; nenhuma ordem de religião está implícita. Variáveis qualitativas são às vezes chamadas de variáveis categóricas.

Por exemplo, a variável sexo possui duas categorias distintas: 'masculino' e 'feminino'. Como os valores desta variável são expressos em categorias, nos referimos a ela como uma variável categórica.

Da mesma forma, o local de residência pode ser categorizado como urbano e rural e, portanto, é uma variável categórica.

Variáveis categóricas podem novamente ser descritas como nominal e ordinal.

Variáveis ordinais podem ser ordenadas logicamente ou classificadas acima ou abaixo de outras, mas não estabelecem necessariamente uma diferença numérica entre cada categoria, como notas de exames (A+, A, B+, etc., e tamanho da roupa (Extra grande, grande, médio, pequeno).

Variáveis nominais são aquelas que não podem ser classificadas nem ordenadas logicamente, como religião, sexo, etc.

Uma variável qualitativa é uma característica que não pode ser medida, mas pode ser categorizada como possuindo ou não algumas características.

Variáveis Quantitativas

Variáveis quantitativas, também chamado variáveis numéricas, são aquelas variáveis medidas em termos de números. Um exemplo simples de variável quantitativa é a idade de uma pessoa.

A idade pode assumir valores diferentes porque uma pessoa pode ter 20 anos, 35 anos e assim por diante. Da mesma forma, o tamanho da família é uma variável quantitativa porque uma família pode ser composta por um, dois ou três membros, e assim por diante.

Cada uma destas propriedades ou características referidas acima varia ou difere de um indivíduo para outro. Observe que essas variáveis são expressas em números, para os quais chamamos de variáveis quantitativas ou, às vezes, numéricas.

Uma variável quantitativa é aquela para a qual as observações resultantes são numéricas e, portanto, possuem uma ordem ou classificação natural.

Variáveis Discretas e Contínuas

As variáveis quantitativas são novamente de dois tipos: discretas e contínuas.

Variáveis como o número de crianças num agregado familiar ou o número de itens defeituosos numa caixa são variáveis discretas, uma vez que as pontuações possíveis são discretas na escala.

Por exemplo, um agregado familiar poderia ter três ou cinco filhos, mas não 4,52 filhos.

Outras variáveis, como “tempo necessário para completar um teste MCQ” e “tempo de espera numa fila em frente ao balcão de um banco”, são variáveis contínuas.

O tempo necessário nos exemplos acima é uma variável contínua, que pode ser, por exemplo, 1,65 minutos ou 1,6584795214 minutos.

É claro que os aspectos práticos da medição impedem que a maioria das variáveis medidas sejam contínuas.

Variável discreta

Uma variável discreta, restrita a determinados valores, geralmente (mas não necessariamente) consiste em números inteiros, como o tamanho da família e um número de itens defeituosos numa caixa. Freqüentemente, são resultados de enumeração ou contagem.

Mais alguns exemplos são;

  • O número de acidentes nos doze meses.
  • O número de cartões móveis vendidos em uma loja em sete dias.
  • O número de pacientes internados em um hospital durante um período específico.
  • O número de novas agências de um banco abertas anualmente durante 2001-2007.
  • O número de visitas semanais feitas pelo pessoal de saúde nos últimos 12 meses.

Variável Contínua

Uma variável contínua pode assumir um número infinito de valores intermediários ao longo de um intervalo especificado. Exemplos são:

  • O nível de açúcar no corpo humano;
  • Leitura da pressão arterial;
  • Temperatura;
  • Altura ou peso do corpo humano;
  • Taxa de juros bancários;
  • Taxa interna de retorno (TIR),
  • Proporção de ganhos (ER);
  • Razão atual (CR)

Não importa quão próximas duas observações possam estar, se o instrumento de medição for suficientemente preciso, uma terceira observação poderá ser encontrada, situando-se entre as duas primeiras.

Uma variável contínua geralmente resulta de medição e pode assumir inúmeros valores na faixa especificada.

Variáveis Dependentes e Variável Independente

Em muitos contextos de investigação, é necessário distinguir duas classes específicas de variáveis: variável independente e variável dependente.

Muitos estudos de investigação visam revelar e compreender as causas de fenómenos ou problemas subjacentes com o objetivo final de estabelecer uma relação causal entre eles.

Observe as seguintes afirmações:

  • A baixa ingestão de alimentos causa baixo peso.
  • Fumar aumenta o risco de câncer de pulmão.
  • O nível de escolaridade influencia a satisfação no trabalho.
  • A publicidade ajuda na promoção de vendas.
  • A droga causa melhora dos problemas de saúde.
  • A intervenção de enfermagem provoca uma recuperação mais rápida.
  • Experiências profissionais anteriores determinam o salário inicial.
  • Mirtilos retardam o envelhecimento.
  • O dividendo por ação determina o preço das ações.

Em cada uma das consultas acima, temos duas variáveis independentes e dependentes. No primeiro exemplo, acredita-se que a “baixa ingestão de alimentos” tenha causado o “problema de estar abaixo do peso”.

É, portanto, a chamada variável independente. O baixo peso é a variável dependente porque acreditamos que este “problema” (o problema de estar abaixo do peso) foi causado pela “baixa ingestão de alimentos” (o factor).

Da mesma forma, o tabagismo, os dividendos e a publicidade são variáveis independentes, e o cancro do pulmão, a satisfação no trabalho e as vendas são variáveis dependentes.

Em geral, uma variável independente é manipulada pelo experimentador ou pesquisador, e seus efeitos sobre a variável dependente são medidos.

Variável independente

A variável usada para descrever ou medir o fator que se presume causar ou pelo menos influenciar o problema ou resultado é chamada de variável. variável independente.

A definição implica que o experimentador use a variável independente para descrever ou explicar sua influência ou efeito sobre a variável dependente.

Presume-se que a variabilidade na variável dependente depende da variabilidade na variável independente.

Dependendo do contexto, uma variável independente é às vezes chamada de variável preditora, regressora, variável controlada, variável manipulada, variável explicativa, variável de exposição (conforme usado na teoria da confiabilidade), fator de risco (conforme usado em estatísticas médicas), característica (conforme usado em aprendizado de máquina e reconhecimento de padrões) ou variável de entrada.

A variável explicativa é preferida por alguns autores à variável independente quando as quantidades tratadas como variáveis independentes podem não ser estatisticamente independentes ou independentemente manipuláveis pelo pesquisador.

Se a variável independente for referida como variável explicativa, então o termo variável de resposta é preferido por alguns autores para a variável dependente.

Variável dependente

A variável usada para descrever ou medir o problema ou resultado em estudo é chamada de variável dependente.

Numa relação causal, a causa é a variável independente e o efeito é a variável dependente. Se levantarmos a hipótese de que fumar provoca cancro do pulmão, “tabagismo” é a variável independente e o cancro a variável dependente.

Um pesquisador de negócios pode achar útil incluir o dividendo na determinação dos preços das ações. Aqui o dividendo é a variável independente, enquanto o preço das ações é a variável dependente.

A variável dependente geralmente é a variável que o pesquisador está interessado em compreender, explicar ou prever.

Na pesquisa do câncer de pulmão, o carcinoma é de real interesse para o pesquisador, e não o comportamento de fumar em si. A variável independente é a causa presumida, antecedente ou influência sobre a variável dependente.

Dependendo do contexto, uma variável dependente é às vezes chamada de variável de resposta, regressando, variável prevista, variável medida, variável explicada, variável experimental, variável de resposta, variável de resultado, variável de saída ou rótulo.

Uma variável explicada é preferida por alguns autores à variável dependente quando as quantidades tratadas como variáveis dependentes podem não ser estatisticamente dependentes.

Se a variável dependente for referida como variável explicada, então o termo variável preditora é preferido por alguns autores para a variável independente.

Níveis de uma variável independente

Se um experimentador compara um tratamento experimental com um tratamento controle, então a variável independente (um tipo de tratamento) tem dois níveis: experimental e controle.

Se um experimento comparasse cinco tipos de dietas, então as variáveis independentes (tipos de dieta) teriam cinco níveis.

Em geral, o número de níveis de uma variável independente é o número de condições experimentais.

Variável de fundo

Em quase todos os estudos, coletamos informações como idade, sexo, nível de escolaridade, situação socioeconômica, estado civil, religião, local de nascimento e assim por diante. Essas variáveis são chamadas de variáveis de fundo.

Essas variáveis estão frequentemente relacionadas a muitas variáveis independentes, portanto influenciam indiretamente o problema. Portanto, elas são chamadas de variáveis de fundo.

As variáveis de fundo devem ser medidas se forem importantes para o estudo. Contudo, deveríamos tentar manter o número de variáveis de fundo o mais reduzido possível, no interesse da economia.

Variável moderadora

Em qualquer declaração de relações de variáveis, normalmente levanta-se a hipótese de que, de alguma forma, a variável independente “causa” a ocorrência da variável dependente.

Em relacionamentos simples, todas as outras variáveis são estranhas e ignoradas.

Em situações reais de estudo, uma relação tão simples precisa ser revisada para levar em conta outras variáveis para explicar melhor a relação.

Isto enfatiza a necessidade de considerar uma segunda variável independente que se espera tenha um efeito contributivo ou contingente significativo na relação dependente-independente originalmente declarada.

Tal variável é chamada de variável moderadora.

Suponha que você esteja estudando o impacto do treinamento em campo e em sala de aula sobre o desempenho profissional dos profissionais de saúde e de planejamento familiar. Você considera o tipo de treinamento como variável independente.

Se estiver a concentrar-se na relação entre a idade dos formandos e o desempenho no trabalho, poderá utilizar o “tipo de formação” como variável moderadora.

Variável estranha

A maioria dos estudos diz respeito à identificação de uma única variável independente e à medição do seu efeito sobre a variável dependente.

Mas ainda assim, diversas variáveis podem afetar a nossa hipótese de relação variável independente-dependente, distorcendo assim o estudo. Essas variáveis são chamadas de variáveis estranhas.

Variáveis estranhas não fazem necessariamente parte do estudo. Eles exercem um efeito confuso na relação dependente-independente e, portanto, precisam ser eliminados ou controlados.

Um exemplo pode ilustrar o conceito de variáveis estranhas. Suponhamos que estamos interessados em examinar a relação entre a situação profissional das mães e a duração da amamentação.

Não é absurdo, neste caso, presumir que o nível de escolaridade das mães, uma vez que influencia a situação profissional, também pode ter um impacto na duração da amamentação.

A educação é tratada aqui como uma variável estranha. Em qualquer tentativa de eliminar ou controlar o efeito desta variável, podemos considerar esta variável um variável de confusão.

Uma forma adequada de lidar com variáveis de confusão é seguir o procedimento de estratificação, que envolve uma análise separada dos diferentes níveis de mentiras nas variáveis de confusão.

Para tanto, podem-se construir duas tabelas cruzadas para mães analfabetas e outra para mães alfabetizadas.

Suponhamos que encontramos uma associação semelhante entre a situação profissional e a duração da amamentação em ambos os grupos de mães. Nesse caso, concluímos que a escolaridade das mães não é uma variável de confusão.

Variável Interveniente

Freqüentemente, uma relação aparente entre duas variáveis é causada por uma terceira variável.

Por exemplo, as variáveis X e Y podem estar altamente correlacionadas, mas apenas porque X causa a terceira variável, Z, que por sua vez causa Y. Neste caso, Z é o variável interveniente.

Uma variável interveniente afecta teoricamente os fenómenos observados, mas não pode ser vista, medida ou manipulada directamente; seus efeitos só podem ser inferidos a partir dos efeitos das variáveis independentes e moderadoras sobre os fenômenos observados.

Poderíamos ver a motivação ou o aconselhamento como a variável interveniente na situação de trabalho e na relação de amamentação.

Assim, motivo, satisfação no trabalho, responsabilidade, comportamento e justiça são alguns dos exemplos de variáveis intervenientes.

Variável Supressora

Em muitos casos, temos boas razões para acreditar que as variáveis de interesse têm uma relação, mas os nossos dados não conseguem estabelecer tal relação. Alguns fatores ocultos podem suprimir a verdadeira relação entre as duas variáveis originais.

Tal fator é denominado variável supressora porque suprime a relação entre as outras duas variáveis.

A variável supressora suprime o relacionamento ao ser correlacionada positivamente com uma das variáveis do relacionamento e correlacionada negativamente com a outra. A verdadeira relação entre as duas variáveis reaparecerá quando a variável supressora for controlada.

Assim, por exemplo, a baixa idade pode aumentar a educação, mas diminuir o rendimento. Em contraste, uma idade elevada pode aumentar o rendimento, mas a educação diminuir, anulando efectivamente a relação entre educação e rendimento, a menos que a idade seja controlada.

4 Relações entre Variáveis

Variáveis: Definição, Exemplos, Tipos de Variáveis ​​em Pesquisa

Ao lidar com as relações entre variáveis em pesquisa, observamos uma variedade de dimensões nessas relações.

  1. Relacionamento Positivo e Negativo
  2. Relacionamento Simétrico
  3. Relacionamento casual
  4. Relacionamento Linear e Não Linear

Relacionamento Positivo e Negativo

Duas ou mais variáveis podem ter um relacionamento positivo, negativo ou nenhum relacionamento. No caso de duas variáveis, uma relação positiva é aquela em que ambas as variáveis variam na mesma direção.

No entanto, diz-se que têm uma relação negativa quando variam em direções opostas.

Quando uma mudança na outra variável não acompanha a mudança ou movimento de uma variável, dizemos que as variáveis em questão não estão relacionadas.

Por exemplo, se um aumento na taxa salarial acompanha a experiência profissional de alguém, a relação entre a experiência profissional e a taxa salarial é positiva.

Se um aumento no nível de educação de um indivíduo diminui o seu desejo de ter mais filhos, a relação é negativa ou inversa.

Se o nível de educação não tiver qualquer influência no desejo, dizemos que as variáveis desejo de mais filhos e “educação” não estão relacionadas.

Força do Relacionamento

Uma vez estabelecido que duas variáveis estão relacionadas, queremos verificar o quão fortemente elas estão relacionadas.

Uma estatística comum para medir a força de um relacionamento é a chamada coeficiente de correlação simbolizado por R. R é uma medida sem unidades, situada entre -1 e +1 inclusive, com zero significando nenhuma relação linear.

No que diz respeito à previsão de uma variável a partir do conhecimento da outra variável, um valor de r = +1 significa uma precisão de 100% na previsão de uma relação positiva entre as duas variáveis, e um valor de r = -1 significa uma precisão de 100%. precisão na previsão de uma relação negativa entre as duas variáveis.

Relacionamento Simétrico

Até agora, discutimos apenas relações simétricas nas quais uma mudança na outra variável acompanha uma mudança em qualquer uma das variáveis.

Esta relação não indica qual variável é a variável independente e qual variável é a variável dependente.

Em outras palavras, você pode rotular qualquer uma das variáveis como variável independente.

Tal relacionamento é simétrico relação. Em um relacionamento assimétrico, uma mudança na variável X (digamos) é acompanhado por uma mudança na variável Sim, mas não vice-versa.

A quantidade de chuva, por exemplo, aumentará a produtividade, mas a produtividade não afetará a precipitação. Esta é uma relação assimétrica.

Da mesma forma, a relação entre tabagismo e cancro do pulmão seria assimétrica porque fumar poderia causar cancro, mas o cancro do pulmão não poderia causar tabagismo.

Relacionamento casual

Indicar um relacionamento entre duas variáveis não garante automaticamente que alterações em uma variável causem alterações em outra.

É, no entanto, muito difícil estabelecer a existência de causalidade entre variáveis. Embora ninguém possa ter certeza de que a variável A causa variável B, podemos reunir algumas evidências que aumentam nossa crença de que A leva a B.

Na tentativa de fazê-lo, buscamos as seguintes evidências:

  1. Existe uma relação entre A e B? Quando tal evidência existe, indica um possível nexo causal entre as variáveis.
  2. A relação é assimétrica de modo que uma mudança na A resulta em B mas não vice-versa? Em outras palavras, faz A ocorrer antes B? Se encontrarmos isso B ocorre antes A, podemos ter pouca confiança de que A causas.
  3. Uma mudança em A resulta em uma mudança em B independentemente da ação de outros fatores? Ou é possível eliminar outras possíveis causas de B? Pode-se determinar que C, D, e E (digamos) não covariem com B de uma forma que sugere possíveis conexões causais?

Relacionamento Linear e Não Linear

Uma relação linear é uma relação linear entre duas variáveis, onde as variáveis variam na mesma taxa, independentemente de os valores serem baixos, altos ou intermediários.

Isto contrasta com as relações não lineares (ou curvilíneas), em que a taxa à qual o valor de uma variável muda pode diferir para diferentes valores da segunda variável.

Se uma variável está linearmente relacionada com a outra variável ou não, pode ser simplesmente verificado traçando os valores de K em relação a X valores.

Se os valores, quando plotados, parecerem estar em linha reta, a existência de uma relação linear entre X e S é sugerido.

A altura e o peso quase sempre têm uma relação aproximadamente linear, enquanto a idade e as taxas de fertilidade têm uma relação não linear.

Perguntas frequentes sobre variável

O que é uma variável no contexto de uma investigação?

Uma variável, no contexto de uma investigação de pesquisa, refere-se a conceitos que variam. Pode ser qualquer propriedade, característica, número ou quantidade que pode aumentar ou diminuir ao longo do tempo ou assumir valores diferentes.

Como uma variável é usada na pesquisa?

Na pesquisa, variável é qualquer propriedade ou característica que pode assumir valores diferentes. Os experimentos geralmente manipulam variáveis para comparar resultados. Por exemplo, um experimentador pode comparar a eficácia de diferentes tipos de fertilizantes, onde a variável é o “tipo de fertilizante”.

O que distingue variáveis qualitativas de variáveis quantitativas?

As variáveis qualitativas expressam um atributo qualitativo, como cor do cabelo ou religião, e não implicam uma ordenação numérica significativa. As variáveis quantitativas, por outro lado, são medidas em termos de números, como a idade de uma pessoa ou o tamanho da família.

Como as variáveis discretas e contínuas diferem em termos de variáveis quantitativas?

As variáveis discretas estão restritas a determinados valores, muitas vezes números inteiros, resultantes de enumeração ou contagem, como o número de crianças num agregado familiar. Variáveis contínuas podem assumir um número infinito de valores intermediários ao longo de um intervalo especificado, como o tempo necessário para concluir um teste.

Quais são os papéis das variáveis independentes e dependentes na pesquisa?

Na pesquisa, a variável independente é manipulada pelo pesquisador para observar seus efeitos sobre a variável dependente. A variável independente é a causa ou influência presumida, enquanto a variável dependente é o resultado ou efeito que está sendo medido.

O que é uma variável de fundo em um estudo?

Variáveis de fundo são informações coletadas em um estudo, como idade, sexo ou nível de escolaridade. Estas variáveis estão frequentemente relacionadas com muitas variáveis independentes e influenciam indiretamente o problema ou resultado principal, por isso são denominadas variáveis de fundo.

Como uma variável supressora afeta o relacionamento entre duas outras variáveis?

Uma variável supressora pode suprimir ou ocultar o verdadeiro relacionamento entre duas outras variáveis. Ele faz isso estando correlacionado positivamente com uma das variáveis e correlacionado negativamente com a outra. Quando a variável supressora é controlada, a verdadeira relação entre as duas variáveis originais pode ser observada.