Variáveis: Definição, Tipos de variáveis em pesquisa

no contexto de uma investigação de investigação, conceitos são geralmente referidos como variáveis. Uma variável é, como o nome se aplica, algo que varia. Idade, sexo, exportação, renda e despesas, tamanho da família, País de nascimento, despesas de capital, classes, leituras de pressão arterial, níveis de ansiedade pré-operatória, cor dos olhos e tipo de Veículo são todos exemplos de variáveis porque cada uma destas propriedades varia ou difere de um indivíduo para outro.

Definição de Variável em Pesquisa

Uma variável é qualquer propriedade, uma característica, um número ou uma quantidade que aumenta ou diminui com o passar do tempo, ou podem assumir diferentes valores (ao contrário constantes, tais como n, que não variam em diferentes situações.

ao realizar pesquisas, experimentos frequentemente manipulam variáveis. Por exemplo, um experimentador pode comparar a eficácia de quatro tipos de fertilizantes.neste caso, a variável é o “tipo de adubo”. Um cientista social pode examinar o possível efeito do casamento precoce no divórcio.aqui o casamento precoce é a variável. Um pesquisador de negócios pode achar útil incluir o dividendo na determinação dos preços das ações. Aqui dividendo é a variável.a eficácia, o divórcio e os preços das ações também são variáveis porque também variam como resultado da manipulação de fertilizantes, casamento precoce e dividendos.

tipos de variáveis

1. variáveis qualitativas.
2. variáveis quantitativas.
3. variável discreta.variável contínua.variáveis dependentes de
4. .variáveis independentes.
5. variável de fundo.variável moderadora.variável estranha.variável intermédia.
6. variável supressora.

variáveis qualitativas

uma distinção importante entre variáveis é entre a variável qualitativa e a variável quantitativa.variáveis qualitativas são aquelas que expressam um atributo qualitativo como cor do cabelo, religião, raça, gênero, status social, método de pagamento, etc. Os valores de uma variável qualitativa não implicam uma ordenação numérica significativa.

O valor da variável “religião” (muçulmano, Hindu, ..,etc.) difere qualitativamente; nenhuma ordenação da religião está implícita. Variáveis qualitativas são por vezes referidas como variáveis categóricas.por exemplo, o sexo variável tem duas categorias distintas: “masculino” e “feminino”.”Uma vez que os valores desta variável são expressos em categorias, referimo-nos a esta como uma variável categórica.da mesma forma, o local de residência pode ser categorizado como sendo urbano e rural e, portanto, é uma variável categórica.

variáveis categóricas podem ser novamente descritas como nominais e ordinais.

variáveis ordinais são aquelas que podem ser ordenadas ou classificadas logicamente superiores ou inferiores a outras, mas não necessariamente estabelecem uma diferença numérica entre cada categoria, tais como graus de exame (A+, A, B+, etc., Tamanho do vestuário (Extra grande, grande, médio, pequeno).variáveis nominais são aquelas que não podem ser ordenadas nem ordenadas logicamente, tais como religião, sexo, etc.uma variável qualitativa é uma característica que não pode ser medida, mas pode ser categorizada como possuindo ou não possuindo algumas características.

variáveis quantitativas

variáveis quantitativas, também chamadas variáveis numéricas, são as variáveis que são medidas em termos de números. Um exemplo simples de uma 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, três membros, e assim por diante.ou seja, cada uma destas propriedades ou características referidas acima varia ou difere de um indivíduo para outro. Note que estas variáveis são expressas em números, para os quais chamamos de variáveis quantitativas ou às vezes numéricas.

uma variável quantitativa é uma para a qual as observações resultantes são numéricas e, portanto, possui uma ordenação ou ranking natural.

variáveis discretas e contínuas

variáveis quantitativas são novamente de dois tipos: discreto e contínuo.

variáveis como algumas crianças em um agregado ou número de itens defeituosos em uma caixa são variáveis discretas, uma vez que as pontuações possíveis são discretas na escala.por exemplo, um agregado familiar pode ter três ou cinco filhos, mas não 4.52 filhos.

outras variáveis, como ‘tempo necessário para completar um teste MCQ’ e ‘tempo de espera em uma fila na frente de um contador de banco’, são exemplos de uma variável contínua.

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

naturalmente, os aspectos práticos da medição impedem que a maioria das variáveis medidas sejam contínuas.

variável discreta

definição 2.6: Uma variável discreta, restrita a certos valores, geralmente (mas não necessariamente) consiste de números inteiros, como o tamanho da família, número de itens defeituosos em uma caixa. Eles são frequentemente os resultados da contagem ou Contagem.mais alguns exemplos são:

• o número de acidentes nos doze meses.o número de cartões móveis vendidos numa loja no prazo de sete dias.
• o número de doentes admitidos num hospital durante um determinado período.o número de novas sucursais de um banco abertas anualmente entre 2001 e 2007.número de visitas semanais efectuadas pelo pessoal de saúde nos últimos 12 meses.

variável contínua

uma variável contínua é uma variável que pode assumir um número infinito de valores intermédios ao longo de um intervalo especificado. Exemplos são:

• O nível de açúcar no corpo humano;
• leitura da pressão Arterial;
• Temperatura;
• Altura ou o peso do corpo humano;
• Taxa de juros do banco;
• taxa Interna de retorno (TIR),
• Earning ratio (ER);não importa quão próximas duas observações possam ser, se o instrumento de medição for preciso o suficiente, uma terceira observação pode ser encontrada, que cairá entre as duas primeiras.

  uma variável contínua resulta geralmente da medição e pode assumir inúmeros valores na gama especificada.

  variáveis dependentes e independentes

  em muitas configurações de pesquisa, existem duas classes específicas de variáveis que precisam ser distinguidas umas das outras, variáveis independentes e variáveis dependentes.muitos estudos de pesquisa são destinados a não revelar e compreender as causas dos fenômenos subjacentes ou problemas com o objetivo final de estabelecer uma relação causal entre eles.

  Olhe para as seguintes afirmações:

  • baixa ingestão de causas alimentares de baixo peso.fumar aumenta o risco de cancro do pulmão.o nível de educação influencia a satisfação no trabalho.a publicidade ajuda na promoção das vendas.a droga causa a melhoria de um problema de saúde.a intervenção de Enfermagem provoca uma recuperação mais rápida.as experiências anteriores de trabalho determinam o salário inicial.mirtilos atrasam o envelhecimento.o dividendo por acção determina o preço das acções.

  em cada uma das consultas acima, temos duas variáveis: uma independente e uma dependente. No primeiro exemplo, acredita-se que a “baixa ingestão de alimentos” tenha causado o ” problema do peso inferior.”

  é assim a chamada variável independente. O peso inferior é a variável dependente porque acreditamos que este “problema” (o problema do peso inferior) foi causado pela “baixa ingestão de alimentos” (o factor).da mesma forma, fumar, dividendo e propaganda são variáveis independentes, e câncer de pulmão, satisfação no trabalho e vendas são variáveis dependentes.

  em geral, uma variável independente é manipulada pelo experimentador ou pesquisador, e seus efeitos na variável dependente são medidos.

  variável independente

  a variável que é usada para descrever ou medir o factor que se assume causar ou, pelo menos, influenciar o problema ou resultado é chamada de variável independente.

  A definição implica que o experimentador usa a variável independente para descrever ou explicar a influência ou efeito da 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 predictor, regressor, variável controlada, variável manipulada, variável explicativa, variável de exposição (como usado na teoria da confiabilidade), fator de risco (como usado nas estatísticas médicas), característica (como usado na aprendizagem de máquinas e reconhecimento de padrões) ou variável de entrada.

  A variável explicativa é a preferida por alguns autores sobre a variável independente, quando as quantidades tratadas como variáveis independentes podem não ser estatisticamente independentes, ou de forma independente manipuláveis pelo pesquisador.

  Se a variável independente é referida como uma variável explicativa, então a variável de resposta termo é preferida por alguns autores para a variável dependente.

  variável dependente

  a variável que é usada para descrever ou medir o problema ou resultado sob estudo é chamada de variável dependente.

  numa relação causal, a causa é a variável independente, e o efeito é a variável dependente. Se imaginarmos que o tabagismo provoca cancro do pulmão, o 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 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, é o carcinoma que é de interesse real para o pesquisador, não fumando por si só. A variável independente é a causa presumida de, antecedente a, ou influência na variável dependente.

  dependendo do contexto, uma variável dependente é por vezes chamada de variável de resposta, regressão, variável prevista, variável medida, variável explicada, variável experimental, variável de resposta, variável de resultado, variável de saída, ou etiqueta.

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

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

  níveis de uma variável independente

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

  em quase todos os estudos, recolhemos informações como a idade, o sexo, o nível de Instrução, o estado socioeconómico, o estado civil, a religião, o local de nascimento, etc. Estas variáveis são referidas como variáveis de fundo.

  estas variáveis são muitas vezes relacionadas a muitas variáveis independentes de modo que influenciam o problema indiretamente. Daí elas são chamadas de variáveis de fundo.se as variáveis de fundo forem importantes para o estudo, devem ser medidas. No entanto, devemos tentar manter o número de variáveis de base o menos possível no interesse da economia.

  Moderar Variável

  Em qualquer declaração de relações de variáveis, é normalmente a hipótese de que, de alguma forma, a variável independente ‘causas’ a variável dependente a ocorrer. Em relações simples, todas as outras variáveis são estranhas e são ignoradas. Em situações reais de estudo, uma relação simples de um para um precisa ser revista para levar em conta outras variáveis para explicar melhor a relação.isto enfatiza a necessidade de considerar uma segunda variável independente que se espera ter um efeito contributivo ou contingente significativo na relação dependente-independente originalmente declarada. Tal variável é denominada uma variável moderadora.suponha que você está estudando o impacto da formação baseada em campo e em sala de aula sobre o desempenho de trabalho dos trabalhadores de saúde e planejamento familiar, você considera o tipo de formação como a variável independente.se está a concentrar-se na relação entre a idade dos formandos e o desempenho do trabalho, poderá utilizar o “tipo de formação” como variável moderadora.

  variável externa

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

  mas ainda assim, várias variáveis podem afetar nossa hipotética relação variável independente-dependente, distorcendo assim o estudo. Estas variáveis são referidas como variáveis externas.as variáveis Estranhas não fazem necessariamente parte do estudo. Eles exercem um efeito confuso sobre a relação dependente-independente e, portanto, precisam ser eliminados ou controlados para.um exemplo pode ilustrar o conceito de variáveis estranhas. Suponha que estamos interessados em examinar a relação entre o status de trabalho das mães e a duração da amamentação.não é irracional, neste caso, presumir que o nível de educação das mães, uma vez que influencia o estatuto profissional, pode ter um impacto na duração da amamentação também.

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

  uma maneira apropriada de lidar com variáveis confundindo é seguir o procedimento de estratificação, que envolve uma análise separada para os diferentes níveis de mentiras variáveis confundindo.

  para este fim, um pode construir dois crosstables: um para mães analfabetas e o outro para mães letradas. Se encontrarmos uma associação semelhante entre o status do trabalho e a duração da amamentação em ambos os grupos de mães, então concluímos que o nível educacional das mães não é uma variável confusa.

  variável intermediária

  muitas vezes uma relação aparente entre duas variáveis é causada por uma terceira variável.

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

  uma variável intermediária afeta teoricamente os fenômenos observados, mas não pode ser visto, medido ou manipulado diretamente; seus efeitos só podem ser inferidos a partir dos efeitos das variáveis independentes e moderadoras sobre os fenômenos observados.na relação trabalho-status e amamentação, podemos ver motivação ou aconselhamento como a variável intermediária.

  assim, motivo, satisfação no Trabalho, Responsabilidade, comportamento, 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 dentro de si mesmas, mas os nossos dados não conseguem estabelecer tal relação. Alguns fatores ocultos podem estar suprimindo a verdadeira relação entre as duas variáveis originais.

  tal fator é referido como uma variável supressora porque suprime a relação real entre as outras duas variáveis.

  a variável supressora suprime a relação por ser positivamente correlacionada com uma das variáveis na relação e negativamente correlacionada 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 o rendimento diminui. Em contraste, uma idade elevada pode aumentar a renda, mas a educação para baixo, efetivamente cancelando a relação entre educação e renda, a menos que a idade é controlada para.

  Concept

  the concept is a name given to a category that organizes observations and ideas by their possession of common features. Como Bulmer sucintamente diz, os conceitos são categorias para a organização de ideias e observações (Bulmer, 1984:43).se um conceito for empregado em pesquisa quantitativa, terá de ser medido. Uma vez medidos, os conceitos podem ser na forma de variáveis independentes ou dependentes.em outras palavras, conceitos podem explicar (variável explicativa) de um certo aspecto do mundo social, ou podem significar coisas que queremos explicar (variável dependente).exemplos de conceitos são mobilidade social, ortodoxia religiosa, classe social, cultura, estilo de vida, realização acadêmica, entre outros.indicador

  indicador

  um indicador é uma medida utilizada para se referir a um conceito quando não está disponível nenhuma medida directa. Usamos indicadores para explorar conceitos que são menos diretamente quantificáveis.para compreender o que é um indicador, vale a pena fazer uma distinção entre uma medida e um indicador. Um indicador pode ser tomado para se referir a coisas relativamente inequivocamente contadas, tais como o rendimento, a idade, o número de filhos, etc.as medidas, por outras palavras, são quantidades. Se estamos interessados em algumas das causas da variação do rendimento, estas últimas podem ser quantificadas de uma forma razoavelmente directa.

  usamos indicadores para explorar conceitos que são menos diretamente quantificáveis. Se nos interessarmos pelas causas da variação da satisfação no trabalho, precisaremos de indicadores que defendam o conceito.estes indicadores permitem medir a satisfação do trabalho e podemos tratar a informação quantitativa resultante como se fosse uma medida.

  um indicador, então, é algo que é concebido ou já existe, e que é empregado como se fosse uma medida de um conceito.

  é visto como uma medida indireta de um conceito, como a satisfação do trabalho. Um QI é outro exemplo, na medida em que é uma bateria de indicadores do conceito de inteligência.

  construir

  uma construção é uma abstração ou conceito que é deliberadamente inventado ou construído por um pesquisador para um propósito científico.

  em uma teoria científica, particularmente dentro da psicologia, uma construção hipotética é uma variável explicativa que não é diretamente observável.por exemplo, os conceitos de inteligência e motivação são usados para explicar fenômenos na psicologia, mas nenhum deles é diretamente observável.

  uma construção hipotética difere de uma variável interveniente nessa construção tem propriedades e implicações que não foram demonstradas em pesquisas empíricas. Estes servem como um guia para mais pesquisas. Uma variável intermediária, por outro lado, é um resumo dos achados empíricos observados.

  Cronbach e Meehl (1955) definem uma construção hipotética como um conceito para o qual não há um único referente observável, que não pode ser observado diretamente, e para o qual existem vários referentes, mas nenhum all-inclusive.por exemplo, de acordo com Cronbach e Meehl, um peixe não é uma construção hipotética porque, apesar da variação das espécies e variedades de peixe, existe uma definição acordada para um peixe com características específicas que distinguem um peixe de uma ave.além disso, os peixes podem ser observados directamente.

  Por outro lado, uma construção hipotética não tem um único referente; em vez disso, construções hipotéticas consistem de grupos de comportamentos funcionalmente relacionados, atitudes, processos e experiências.ao invés de ver inteligência, amor ou medo, vemos indicadores ou manifestações do que concordamos chamar inteligência, amor ou medo.outros exemplos de construções:

  • em Biologia: Genes, evolução, doença, taxonomia, imunidade

  em física/Astrofísica: buracos negros, Big Bang, matéria escura, Teoria das cordas, Física molecular ou átomos, gravidade, o centro de massa em Psicologia: inteligência ou conhecimento, emoções, personalidade, humores.

propriedades das relações entre variáveis

ao lidar com as relações entre variáveis na investigação, observamos uma variedade de dimensões nestas relações. Discutimos alguns deles lá em baixo.

relação positiva e negativa

duas ou mais variáveis podem ter relação positiva, negativa ou nenhuma relação. No caso de duas variáveis, uma relação positiva é aquela em que ambas variáveis variam na mesma direção.

no entanto, quando eles variam em direções opostas, eles são ditos ter uma relação negativa. 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 da sua taxa salarial acompanhar a experiência profissional, 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 por filhos adicionais, a relação é negativa ou inversa. Se o nível de educação não tem nada a ver com o desejo, dizemos que as variáveis “desejo de crianças adicionais” e “educação” não estão relacionadas.

força da relação

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

uma estatística comum para medir a força de uma relação é o chamado coeficiente de correlação simbolizado por R. r é uma medida sem unidade, situada entre -1 e +1 inclusive, com zero significando nenhuma relação linear.

até agora como uma predição de uma variável a partir do conhecimento da outra variável que está em causa, um valor de r= +1 significa 100% de precisão na previsão de uma relação positiva entre as duas variáveis e um valor de r = -1 significa uma precisão de 100% na previsão de uma relação negativa entre as duas variáveis.

relação simétrica

até agora, temos discutido apenas relações simétricas em que uma mudança na outra variável acompanha uma mudança em qualquer 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 a variável independente.esta relação é simétrica. Em uma relação assimétrica, a mudança na variável x (say) é acompanhada por uma mudança na variável Y, mas não vice-versa.a quantidade de pluviosidade, por exemplo, aumentará a produtividade, mas a produtividade não afetará a pluviosidade. Esta é uma relação assimétrica.da mesma forma, a relação entre o tabagismo e o câncer de pulmão seria assimétrica porque o tabagismo poderia causar câncer, mas o câncer de pulmão não poderia causar o tabagismo.

relação Causal

a indicação de uma relação entre duas variáveis não garante automaticamente que as alterações numa variável causam alterações noutra variável.

é, no entanto, muito difícil estabelecer a existência de causalidade entre as variáveis. Embora ninguém possa ter a certeza de que a variável a faz com que a variável B ocorra, no entanto, pode-se reunir alguma evidência que aumenta a nossa crença de que a leva a B.

numa tentativa de o fazer, procuramos a seguinte evidência:

1. existe uma relação entre a e B? Quando essa evidência existe, é uma indicação de um possível nexo causal entre as variáveis.
2. A relação é assimétrica de modo que uma mudança em um resulta em uma mudança em B, mas não vice-versa? Por outras palavras, A ocorre antes de B? Se acharmos que B ocorre antes de A, Podemos ter pouca confiança de que a causa
3. faz uma mudança em um resultado em uma mudança em B, independentemente das ações de outros fatores? Ou, por outras palavras, é possível eliminar outras possíveis causas de B? Pode-se determinar que C, D e e (say) não co-variam com B de uma forma que sugere possíveis conexões causais?

relação Linear e não-linear

uma relação linear é uma relação de linha recta entre duas variáveis, onde as variáveis variam à mesma taxa, independentemente de os valores serem baixos, elevados ou intermédios.

isto está em contraste com as relações não-lineares (ou curvilíneas) em que a taxa a que uma variável muda de valor, pode ser diferente para diferentes valores da segunda variável.

Se uma variável está linearmente relacionada com a outra variável ou não, pode simplesmente ser determinado traçando os valores de K contra os valores de X. Se os valores, quando plotados, parecem estar em uma linha reta, a existência de uma relação linear entre X e Y é sugerida.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.