En el contexto de una investigación de investigación, los conceptos generalmente se conocen como variables. Una variable es, como se aplica el nombre, algo que varía. La edad, el sexo, la exportación, los ingresos y gastos, el tamaño de la familia, el país de nacimiento, el gasto de capital, las calificaciones de la clase, las lecturas de presión arterial, los niveles de ansiedad preoperatorios, el color de los ojos y el tipo de vehículo son ejemplos de variables, ya que cada una de estas propiedades varía o difiere de un individuo a otro.
Definición de variable en la investigación
Una variable es cualquier propiedad, característica, número o cantidad que aumenta o disminuye con el tiempo o puede tomar valores diferentes (a diferencia de constantes, como n, que no varían) en diferentes situaciones.
Al realizar investigaciones, los experimentos a menudo manipulan 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 en el divorcio.
Aquí el matrimonio precoz es la variable. Un investigador de negocios puede encontrar útil incluir el dividendo en la determinación de los precios de las acciones. Aquí el dividendo es la variable.
La efectividad, el divorcio y los precios de las acciones también son variables porque también varían como resultado de la manipulación de fertilizantes, el matrimonio precoz y los dividendos.
Tipos de variables
- Variables cualitativas.
- Variables cuantitativas.
- Variable discreta.
- Variable continua.Variables dependientes
- .
- Variables independientes.
- Variable de fondo.
- Variable de moderación.
- Variable extraña.
- Variable interviniente.
- Variable supresora.
Variables cualitativas
Una distinción importante entre variables es entre la variable cualitativa y la variable cuantitativa.
Las variables cualitativas son aquellas que expresan un atributo cualitativo como el color del cabello, la religión, la raza, el género, el estatus social, el método de pago, etc. Los valores de una variable cualitativa no implican un orden numérico significativo.
El valor de la variable ‘ religión ‘(musulmán, hindú,..,sucesivamente.) 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 esto como una variable categórica.
De manera similar, el lugar de residencia puede clasificarse como urbano y rural y, por lo tanto, es una variable categórica.
Las variables categóricas pueden describirse de nuevo como nominales y ordinales.
Las variables ordinales son aquellas que pueden ordenarse o clasificarse lógicamente por encima o por debajo de otra, pero no necesariamente establecen una diferencia numérica entre cada categoría, como las calificaciones de examen (A+, A, B+, etc.)., talla de ropa (Extra grande, grande, mediana, pequeña).
Las variables nominales son aquellas que no pueden clasificarse ni ordenarse lógicamente, como la religión, el sexo, etc.
Una variable cualitativa es una característica que no es capaz de medirse, pero que puede categorizarse 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 una variable cuantitativa es la edad de una persona.
La edad puede asumir diferentes valores porque una persona puede tener 20 años, 35 años,etc. Del mismo modo, 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 para la que las observaciones resultantes son numéricas y, por lo tanto, posee un orden o clasificación natural.
Variables discretas y Continuas
Las variables cuantitativas son de nuevo de dos tipos: discretas y continuas.
Las 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 ‘tiempo necesario para completar una prueba 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
Definición 2.6: Una variable discreta, restringida a ciertos valores, generalmente (pero no necesariamente) consiste en números enteros, como el tamaño de la familia, el número de elementos 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.
- El número de tarjetas móviles vendidas en una tienda en un plazo de siete días.
- El número de pacientes ingresados en un hospital durante un período específico.
- El número de nuevas sucursales de un banco abierto 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 especificado. Algunos ejemplos son:
- El nivel de azúcar en el cuerpo humano;
- lectura de la presión Arterial;
- Temperatura
- Altura o el peso del cuerpo humano;
- Tasa de interés del banco;
- la tasa Interna de retorno (TIR)
- Earning ratio (ER);
- Relación de corriente (CR)
No importa cuán cerca estén dos observaciones, si el instrumento de medición es lo suficientemente preciso, se puede encontrar una tercera observación, que caerá 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 están dirigidos a no revelar y comprender las causas de los fenómenos o problemas subyacentes con el objetivo final de establecer una relación causal entre ellos.
Observe las siguientes afirmaciones:
- El bajo consumo de alimentos causa un peso inferior al normal.
- 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.
- El medicamento causa la mejora de un problema de salud.
- La intervención de enfermería causa 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: una independiente y otra dependiente. En el primer ejemplo, se cree que la «baja ingesta de alimentos» ha causado el «problema de peso inferior al normal».’
Es por lo tanto 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, una variable independiente es manipulada por el experimentador o investigador, 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 denomina variable independiente.
La definición implica que el experimentador utiliza la variable independiente para describir o explicar la influencia o efecto de la misma en la variable dependiente.
Se presume que la variabilidad en la variable dependiente depende de la variabilidad en la variable independiente.
Dependiendo del contexto, una variable independiente a veces se llama variable predictora, 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 las estadísticas médicas), característica (como se usa en el aprendizaje automático y el reconocimiento de patrones) o variable de entrada.
La variable explicativa es preferida por algunos autores sobre 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 que se utiliza para describir o medir el problema o el resultado en estudio se denomina 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 en la determinación de 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 generalmente es la variable que el investigador está interesado en comprender, explicar o predecir.
En la investigación del cáncer de pulmón, es el carcinoma el que es de interés real para el investigador, no el comportamiento de fumar 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 llama variable de respuesta, regresión, variable predicha, variable medida, variable explicada, variable experimental, variable de respuesta, variable de resultado, variable de salida o etiqueta.
Una variable explicada es preferida por algunos autores sobre 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 de control.
Si un experimento comparara cinco tipos de dietas, 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, situación socioeconómica, estado civil, religión, lugar de nacimiento y similares. Estas variables se denominan variables de fondo.
Estas variables a menudo están relacionadas con muchas variables independientes, de modo que influyen indirectamente en el problema. Por lo tanto, se llaman variables de fondo.
Si las variables de fondo son importantes para el estudio, deben medirse. Sin embargo, debemos tratar de mantener el número de variables de fondo lo menos posible en interés de la economía.
Variable moderadora
En cualquier declaración de relaciones de variables, normalmente se hipotetiza que de alguna manera, la variable independiente ‘causa’ que ocurra la variable dependiente. En las relaciones simples, todas las demás variables son extrañas y se ignoran. En situaciones reales de estudio, una relación individual tan simple 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 contributivo o contingente significativo en la relación dependiente-independiente declarada originalmente. Tal variable se denomina variable moderadora.
Supongamos que está estudiando el impacto de la capacitación en el campo y en el aula en 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 alumnos 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 sola 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 variables dependientes e independientes, distorsionando así el estudio. Estas variables se denominan variables extrañas.
Las variables extrañas no son necesariamente parte del estudio. Ejercen un efecto de confusión en 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 el estado laboral de las madres y la duración de la lactancia materna.
En este caso, no es irrazonable suponer que el nivel de educación de las madres, ya que influye en el estatus laboral, también podría tener un impacto en la duración de la lactancia materna.
La educación se trata aquí como una variable ajena. En cualquier intento de eliminar o controlar el efecto de esta variable, podemos considerar esta variable 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 este propósito, 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, concluimos que el nivel educativo de las madres no es una variable confusa.
Variable intermedia
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 intermedia.
Una variable interviniente afecta teóricamente a los fenómenos observados, pero no puede ser vista, medida o manipulada directamente; sus efectos solo pueden inferirse de los efectos de las variables independientes y moderadoras sobre los fenómenos observados.
En la relación trabajo-estado 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 supresora
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.
Este factor se conoce como 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 de la relación y correlacionada negativamente con la otra. La verdadera relación entre las dos variables reaparecerá cuando se controle la variable supresora para.
Así, por ejemplo, la edad baja puede aumentar la educación pero disminuir los ingresos. Por el contrario, una edad alta puede aumentar los ingresos pero disminuir la educación, cancelando efectivamente la relación entre educación e ingresos a menos que se controle la edad.
Concepto
El concepto es un nombre dado a una categoría que organiza observaciones e ideas por su posesión de características comunes. Como Bulmer lo expresa sucintamente, los conceptos son categorías para la organización de ideas y observaciones (Bulmer, 1984:43).
Si se va a emplear un concepto en la investigación cuantitativa, tendrá que medirse. Una vez medidos, los conceptos pueden ser en forma de variables independientes o dependientes.
En otras palabras, los conceptos pueden explicar (variable explicativa) de un cierto aspecto del mundo social, o pueden representar cosas que queremos explicar (variable dependiente).
Ejemplos de conceptos son movilidad social, ortodoxia religiosa, clase social, cultura, estilo de vida, logros académicos y similares.
Indicador
Un indicador es una medida que se emplea para referirse a un concepto cuando no hay una medida directa disponible. Utilizamos indicadores para aprovechar conceptos que son menos directamente cuantificables.
Para entender lo que es un indicador, vale la pena hacer una distinción entre una medida y un indicador. Un indicador se puede tomar para referirse a cosas que se cuentan de manera relativamente inequívoca, como los ingresos, la edad, el número de hijos, etc.
Las medidas, en otras palabras, son cantidades. Si nos interesan algunas de las causas de la variación de los ingresos, estas últimas pueden cuantificarse de manera razonablemente directa.
Utilizamos indicadores para aprovechar conceptos que son menos directamente cuantificables. Si estamos interesados en las causas de la variación en la satisfacción laboral, necesitaremos indicadores que apoyen el concepto.
Estos indicadores permiten medir la satisfacción laboral, y podemos tratar la información cuantitativa resultante como si fuera una medida.
Un indicador, entonces, es algo que está ideado o que ya existe, y que se emplea como si fuera una medida de un concepto.
Se ve como una medida indirecta de un concepto, como la satisfacción laboral. Un coeficiente intelectual es otro ejemplo, en el sentido de que es una batería de indicadores del concepto de inteligencia.
Constructo
Un constructo es una abstracción o concepto que es deliberadamente inventado o construido por un investigador para un propósito científico.
En una teoría científica, particularmente dentro de la psicología, un constructo hipotético es una variable explicativa que no es observable directamente.
Por ejemplo, los conceptos de inteligencia y motivación se utilizan para explicar fenómenos en psicología, pero ninguno de los dos es directamente observable.
Un constructo hipotético difiere de una variable intermedia en que ese constructo tiene propiedades e implicaciones que no han sido demostradas en la investigación empírica. Estos sirven de guía para futuras investigaciones. Variable interviniente, por otro lado, es un resumen de los hallazgos empíricos.Cronbach y Meehl (1955) definen un constructo hipotético como un concepto para el que no hay un único referente observable, que no puede ser observado directamente, y para el que existen múltiples referentes, pero ninguno todo incluido.
Por ejemplo, de acuerdo con Cronbach y Meehl, un pez no es una construcción hipotética porque, a pesar de la variación en especies y variedades de peces, existe una definición acordada para un pez con características específicas que distinguen a un pez de un pájaro.
Además, los peces pueden ser observados directamente.
Por otro lado, un constructo hipotético no tiene un referente único; más bien, los constructos hipotéticos consisten en grupos de comportamientos, actitudes, procesos y experiencias funcionalmente relacionados.
En lugar de ver inteligencia, amor o miedo, vemos indicadores o manifestaciones de lo que hemos acordado llamar inteligencia, amor o miedo.
Otros ejemplos de construcciones:
- En Biología: Genes, evolución, enfermedad, taxonomía, inmunidad
- En Física/Astrofísica: Agujeros negros, el Big Bang, Materia Oscura, Teoría de Cuerdas, física molecular o átomos, gravedad, el centro de masa
- En Psicología: Inteligencia o conocimiento, emociones, personalidad, estados de ánimo.
Propiedades de las Relaciones entre Variables
Al tratar las relaciones entre variables en la investigación, observamos una variedad de dimensiones en estas relaciones. Discutimos algunos de ellos a continuación.
Relación positiva y negativa
Dos o más variables pueden tener relación positiva, negativa o ninguna relación en absoluto. En el caso de dos variables, una relación positiva es aquella en la que ambas variables varían en la misma dirección.
Sin embargo, cuando varían en direcciones opuestas, se dice que tienen una relación negativa. Cuando un cambio en la otra variable no acompaña el cambio o movimiento de una variable, decimos que las variables en cuestión no están relacionadas.
Por ejemplo, si un aumento en su salario acompaña a la experiencia laboral, la relación entre la experiencia laboral y el salario es positiva.
Si un aumento en el nivel de educación de un individuo disminuye su deseo de tener hijos adicionales, la relación es negativa o inversa. Si el nivel de educación no tiene ninguna relación con el deseo, decimos que las variables «deseo de hijos adicionales» y «educación» no están relacionadas.
Fuerza de la relación
Una vez que se ha establecido que dos variables están efectivamente relacionadas, queremos determinar cuán fuertemente están relacionadas.
Una estadística común para medir la fuerza de una relación es el llamado coeficiente de correlación simbolizado por r. r es una medida libre de unidades, situada entre -1 y +1 inclusive, con cero que 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 del 100% en la predicción de una relación positiva entre las dos variables y un valor de r = -1 significa una precisión del 100% en la predicción de una relación negativa entre las dos variables.
Relación simétrica
Hasta ahora, hemos estado discutiendo solo 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.
Tal relación es una relación simétrica. En una relación asimétrica, el 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 a la lluvia. Esta es una relación asimétrica.
De manera similar, la relación entre el tabaquismo y el cáncer de pulmón sería asimétrica porque fumar podría causar cáncer, pero el cáncer de pulmón no podría causar tabaquismo.
Relación causal
La indicación de una relación entre dos variables no garantiza automáticamente que los cambios en una variable causen cambios en otra variable.
Es, sin embargo, muy difícil establecer la existencia de causalidad entre variables. Si bien nadie puede estar seguro de que la variable A causa de la variable B ocurra, sin embargo, uno puede reunir alguna evidencia que aumente nuestra creencia de que A conduce a B.
En un intento de hacerlo, buscamos la siguiente evidencia:
- ¿Existe una relación entre A y B? Cuando existe tal evidencia, es una indicación de un posible vínculo causal entre las variables.
- ¿Es la relación asimétrica de modo que un cambio en A resulta en un cambio en B pero no al revés? En otras palabras, ¿ocurre A antes de B? Si encontramos que B ocurre antes que A, podemos tener poca confianza de que A causa
- ¿Un cambio en A resulta en un cambio en B independientemente de las acciones de otros factores? O en otras palabras, ¿es posible eliminar otras posibles causas de B? ¿Se puede determinar que C, D y E (digamos) no co-varían con B de una manera que sugiera posibles conexiones causales?
Relación lineal y no lineal
Una relación lineal es una relación lineal entre dos variables, donde las variables varían a la misma velocidad independientemente de si los valores son bajos, altos o intermedios.
Esto está en contraste con las relaciones no lineales (o curvilíneas) donde la velocidad a la que una variable cambia de valor, puede ser diferente para diferentes valores de la segunda variable.
Si una variable está relacionada linealmente con la otra variable o no se puede determinar simplemente trazando los valores de K contra los valores de X. Si los valores, cuando se trazan, parecen estar en una línea recta, se sugiere la existencia de una relación lineal entre X e Y.
La altura y el peso casi siempre tienen una relación aproximadamente lineal, mientras que las tasas de edad y fertilidad tienen una relación no lineal.