Definición:

Una variable es simplemente una característica suceptible de ser medida u observada y que puede tomar valores diferentes (o variables). En otras palabras, es una caraterística que cambia (difiere, varia) de sujeto a sujeto (sujeto, entendiéndose como un unidad de lo que sea: tiempo, espacio, persona). El contrario de una variable es una constante pues sus valores no cambian.

Ejemplo:

Variables: el color del pelo, la altura de los edificios, el nombre de los objetos inanimados, los adjetivos para describir una fiesta, la gramos de hemoglobina de un paciente.

Todas son variables. Y ¿Se dio cuenta? Hay muchas unidades distintas.

Una variable puede ser tan vaga u espécifica como se desee. Sin embargo, es ideal que al escribir un protcolo esta sea lo más específica posible. Recuerde que el nombre de la variable incluye la operacionalización del valor que quiere medir. Una persona debe entender exactamente lo que usted quiere medir y como lo quiere medir cuando define una variable. Es diferente asumir anemia por clínica que asumir anemia por hemoglobina. En un protocolo buscamos que esto quede claro al definir nuestras variables de estudio.

Una variable puede ser tan espécifica como:

  • El número de moles de sodio que se estanca en el fondo de una jeringa cuando la solución es inyectada por un profesional de enfermería en un paciente con hiponatremia leve en el cuarto piso del hospital San Ignacio en horas de la mañana.

O puede ser tan simple como:

  • Nombres

Clasificación:

!Qué bien! ya sabemos que es una variable. Ahora podemos clasificarlas. El objetivo de clasificarlas es ser conscientes de que tipo de cálculos podemos efectuar con cada una da las variables y por ende que tipo de pruebas podemos aplicar. Tenga en cuenta que, como todo, esto también debe estar en acuerdo con sus objetivos y preguntas de investigación. Si el tipo de variables no es ideal para efectuar ciertos cálculos pero igual los realizamos, los resultados pueden ser falsos o espurios (jerga estadística para decir falso).

Antes de empezar dejemos algo claro: no se embolate. Existen varias formas de clasificar las variables y todas tienen una utilidad, el truco está en el nombre de la categoría o sub categoría. Existen varias formas de nombrar estas clasificaciones, lo importante es el concepto detrás del nombre. Veamos:

Por su naturaleza:

La primera forma de clasificar las variables es por su naturaleza. Cuando se clasifica por la naturaleza se escoge entre dos sabores: Variables Discretas o Variables Continuas.

  • Discretas: Son variables que solo pueden tomar valores enteros. Imagínese el siguiente escenario. Usted está jugando parqués y no ha salido de la cárcel desde hace 3 turnos. Lanza los dados y uno le muestra un jugoso 6 mientras que el otro, quedó un poquito angulado por el marco del tablero. Por encima se avista ese esperado 6 que completaría el par pero, desde la perspectiva horizontal un odioso 4 esta amenazando su salida de la cárcel. ¿Que hace? Aquí hay tres opciones (en general): O bien es 4 o es 6 o vuelve a lanzar. ¿Si ve? no hay valores entres los números del dado. Usted no puede decir algo por el estilo de: “esta más angulado hacia el 4, por lo que el valor es 4.8”. No. Solo valores enteros. Esta es una variable discreta.

Otro caso que es importante mencionar es aquel de las denominadas “variables de conteo”. Estas son variables discretas que representan el número de eventos. Por ejemplo: número de infartos, número de mujeres, etc. Las mencionaremos de nuevo más adelante.

Acuerdése, variable discreta, solo valores enteros. ¡Nada de rodeos, esto o aquello!

  • Continuas: Son variables cuyos valores tienen una infinidad de valores adicionales entre ellos, y por ende, también pueden tomar valores infinitos. La situación es la siguiente: Un sujeto pregunta ¿A que no adivina cuanto mido? Alguien responde 1.80 m y otro responde 1.81 m. Entonces, el que preguntó dice que los dos perdieron puesto que él mide 1.805 m. ¡Que rabia! Estas son la variables continuas, siempre se puede aumentar el número. En el ejemplo: 1.8055555 etc. Tenga en cuenta que nosotros, como humanos, en un primer vistazo percibimos estos valores como pertenecientes a variables discretas. Pero no lo son. Son variables continuas. Preguntése siempre si existe una infinidad de valores entre los dos valores, pero sin trampa. !No hay dado de 6 caras que, por angulado que esté, le dé un 4.8!

Entonces, las continuas, piénselas como infinitas. Siempre puede continuar agregándole valores.

Por escala de medición:

La segunda forma de clasificar las variables es por la forma en que son medidas. Aquí hay más variedad pero vamos despacio.

Por la manera en que son medidas las variables pueden ser de dos tipos:

  • Categóricas o cualitativas (algunos se refieren a ellas como “no numéricas”).
  • Cuantitativas.

Las primeras, como su nombre lo indica, se refieren a cualidades o posiciones de los valores de esas variables. Esto puede ser confuso pues, las cualitativas pueden representarse con números. Pero ahí está la cosa, son solo representaciones. Este es el tipíco caso de variables que describen posiciones en un orden.

Las segundas son variables que describen valores ordenados con números. Estas pueden ser continuas o discretas. Las continuas serán variables denominadas “numéricas” y las discretas las “variables de conteo”.

Para no confundirnos, en este documento hablaremos de variables cualitativas para las primeras y cuantitativas.

¡Ojo! Las dos categorías van a tener sub-categrías excluyentes. Es decir, una variable cualitativa no puede pertenecer a los sub-grupos de las cuantitativas y vice-versa, porque una variable cualitativa no puede ser una variable cuantitativa.

Cualitativas:

Las variables cualitativas pueden, a su vez, ser medidas en dos escalas. Las nominales y las ordinales.

Variables cualitativas nominales:

  • Variables nominales: Si sabe algo de latín ya debió deducirlo. Sino, fresc@. Nomen, eso es de nombre. Las variables nominales son aquellas que no tienen un orden, simplemente toman valores según…su nombre!! Es decir el valor se lo da una cualidad que no se encuentra en ninguna escala jerárquica.
Ejemplos:
  • Sexo, colores, especialidades de medicina (así es, no hay orden jerárquico), forma geométrica, las casas de Hogwarts, etc.

Aquí es importante un aspecto adicional. Cuando decimos que es confuso llamarlas “no numéricas” es porque a veces, las variables cualitativas pueden ser representadas con números. Pero estos números no son valores númericos, son nombres. Como el caso de un equipo de algún deporte colectivo. Los números en sus uniformes son representaciones. Mire al “26”. Como algunos individuos de generaciones pasadas que se llaman “Segundo”. No suelen ser segundos en ninguna categoría pero se llaman de tal forma.

Variables cualitativas ordinales:

  • Variables ordinales: ordinalis También del latín pero no nos es tan utíl pues, la palabra “orden” está implícita. Son variables que tienen un orden pero qué: primero, entre dos valores no existe valores adicionales interpretables (Eso nos recuerda cierta naturaleza discreta…ya veremos porque eso tiene sentido) y segundo, que de hecho tiene que ver con lo primero, es que la distancia entre los valores ordenados (niveles jerárquicos) no es igual entre todos. Es decir la distancia (o diferencia) entre el primer y segundo valor no representa lo mismo que la diferencia entre el penúltimo y el último.
Ejemplos:
  • Las posiciones en una carrera (el primero puede llegar mucho antes que el resto: vamos Egan!), los estratos socioecónomicos, su lista de 10 péliculas favoritas, “del 1 al 10 que tan chévere es tu amigo” = ordinal!!!

Listo, estos eran los dos subgrupos de las variables cualitativas. Piense en que estos dos tipos de variables sólo van a poder tener una naturaleza: ¡Sí, discreta!.

Variables cuantitativas:

Aquí tenemos que definir algo importante. Esta clasificación varia de autor a autor, usted quedése con la que le parezca útil. Sepa que existen discusiones sobre cuál es la mejor pero no hay consenso. Entonces, seamos parsimoniosos, recordemos que toda variable se puede clasificar por naturaleza (discreta o continua) y ahora por la manera de ser medida. Pero, si quiere pensar en una relación entre la naturaleza y la manera de ser medida, piense que las variables cuantitativas discretas son las variables de conteo y las cuantitativas continuas las numéricas.

Las variables cuantitativas, al igual que las cualitativas, se dividen en dos subgrupos: aquellas que pueden ser medidas bajo una escala de razón y aquellas que púeden ser medidas bajo una escala de intervalo. Aquí, la gran diferencia va a ser la intepretación del 0. Aquí hay discusión también, pero nosotros consideramos que tanto las cuanititativas discretas como las continuas pueden clasificarse en estos dos sub-grupos.

Variables de intervalo:

  • En este caso el 0 es arbitrario o relativo. Expliquemos eso. Esto significa que el 0 no implica ausencia de valor por ende, realizar razones no tiene sentido. Piense que si realizamos una división, cualquiera que sea, entre dos valores pertenecientes a una variable de intervalo, solo se va a tener en cuenta los valores positivos y se van a obviar los valores negativos. Consecuentemente, este cálculo es erróneo. Con un ejemplo es más claro.

Ejemplo:

  • El calendario gregoriano (el calendario que siempre usamos) nos permite entender esto facilmente. Este calendario divide el tiempo en dos grandes fragmentos, antes de Cristo y después de Cristo. Este cero, al menos a nivel histórico y no por el valor que pueda tener ese evento, fue elegido arbitrariamente. Entonces, si nos preguntamos cuál es la mitad de 2000 años transcurridos, intuitivamente resolveremos que 1000 años. Es muy diferente decir cual es la mitad del tiempo transcurrido para el año 2000 según el calendario Gregoriano. Aunque inicialmente pensariamos que por tratarse de una mitad la respuesta es 2000 dividido en 2, dado que el cero es arbitrario, debemos también contar los años negativos. Así, la mitad debe ser 2000 (los positivos) + todos los años transcurridos desde que se originó el tiempo. No sabemos exactamente esa fecha porque si la supiéramos tendríamos un 0 absoluto.

  • Otros ejemplos: Los grados celsius, la presión tóracica, algunas cuentas bancarias (cuando hay deuda).

Estas variables nos permitirán realizar todos los cálculos que creamos convenientes excepto, razones (fracciones).

Estas se llaman de intervalo pues, los intervalos entre los valores es el mismo. Los años entre 2000 A.C y el nacimiento de Jesucristo es el mismo tiempo transcurrido desde el nacimiento hasta el 2000 D.C.

Variables de razón:

Si entendimos lo que son las variables de intervalo, las de razón son bastante sencillas. En este caso el cero es absoluto, lo que se traduce en ausencia de valor. Dado que el cero es absoluto, con estas variables si podemos realizar razones. Este tipo de variables es el que nos permitirá hacer todos los cálculos que consideremos necesarios. De ahí el nombre, se pueden hacer razones con los valores, y tiene sentido!!

Ejemplo:

  • Este es el tipo de variables maás frecuentemente encontramos en el ámbito médico. La mayoría de paraclínicos: Hemoglobina, colesterol, antígeno prostático, glucemia, electrolitos, etc.

Por la función que cumplen dentro de una pregunta de investigación:

Se entiende que existen múltiples preguntas de investigación y que de estas depende como se organizará la clasificación de las variables. No obstante, piense que en términos generales su investigación intentará describir la frecuencia de cierta característica (variable) en cierta población o tratar de establecer una relación entre dos características (variables). Esto hace referencia al modulo 1, ahí se mencionaban las preguntas descriptivas y las preguntas analíticas.

Para este caso, las variables se dividen en 5 sub-categorías: variables dependientes, independientes, variables de confusión, variables modificadoras del efecto y variables intermediarias.

Variables dependientes:

Estas son denominadas también variables desenlace pues, se trata de aquellas variables cuyo comportamiento según otras variables (independientes). Es decir queremos ver si esa variable desenlace depende de otras.

Ejemplo:

En un estudio, si quisiera ver si la falla cardíaca es más frecuente en los fanáticos de las alitas de pollo picantes que en aquellos que no, mi variable dependiente es la falla cardíaca.

Variables independientes:

Estas también se conocen como variables de exposición y como su nombre lo indica, estas no dependen de otras variables. Se pueden medir de varias formas según la prgunta de investigación.

Ejemplo:

En nuestro ejemplo, la variable independiente sería consumo de las alitas de pollo picantes. Esta no sé modfica, lo que se modifica es la presencia de falla cardíaca según se consuman alitas o no. Lo que queremos vver es si consumir alitas (y tal vez, en que magnitud) aumenta el reisgo de tener falla cardíaca.

Sin embargo, entre las dos caractéristicas, usted habrá deducido que existen muchos factores que se entromenten para poder concluir que en efecto, consumir alitas de pollo picantes es causa de falla cardíaca. Aquí entran al ruedo los otros 3 tipos de variables.

Dentro de estas existen tres tipos: las variables de confusión, las variables modificadoras del efecto y las variables intermediarias.

Variables de confusión:

Se trata de variables que se relacionan de alguna forma con la variable dependiente y con la variable independiente. Y que pueden estar confundiendo el resultado. Pero tiene que estar relacionda con ambos. Es decir, se sabe que esta variable tiene un efecto en la variable dependiente y además, esta variable suele relacionarse también con la variable independiente.

Ejemplo:

En nuestro ejemplo tenemos:

  • la variable independiente: ser fanático de las alitas de pollo picantes.
  • la variable dependiente: falla cardíaca

¡Momento! Será que no se nos está olvidando algo. Las personas que son fanáticas de las alitas de pollo picantes, suelen comer muchas alitas de pollo picantes y por ende, suelen ser obesos. Además ser obeso es un factor de riesgo para falla cardíaca.

¿Si ve? Se relaciona con ambas variables y puede confundir el resultado. No era que consumieran alitas de pollo picantes, era que eran obesos. Nuestra variable de confusión sería estado nutricional.

Variables modificadoras del efecto:

Estas son variables que interactuán con la variable independiente. Estas variables no representan por sí mismas un factor de riesgo para presentar el desenlace. Son variables que suelen magnificar el efecto de la variable independiente.

Ejemplo:

En nuestro muy esperado estudio, una variable modificadora del efecto podría ser la ciudad de residencia. No es porque yo viva en “Pollopólis” que tenga un mayor riesgo de falla cardíaca. Pero, si al final descubrimos que el consumo de alitas de pollo picantes si es un factor de riesgo, de pronto es mucho mas grande el efecto si vivo en “Pollopólis” que en “Ciudad Verdura”. Pero no es el hecho de yo vivir en alguna de estas dos ciudad lo que me aumenta el riesgo, es el hecho de comer alitas en alguna de las dos ciudades.

En este caso la variable modificadora del efecto es la ciudad de residencia.

¡Alerta terminológica! Esta variables (confusión y modificadoras del efecto) suelen denominarse variables de control. Esto porque cuando yo intento ver una asociación entre dos variables voy a intentar controlar estas variables ya sea por medio de una metodología y diseño sólidos o por medio de análiss estadístico robusto.

Variables intermediarias:

Estas variables se ubican en la vía causal de ambas variables (dependiente e independiente). Es decir, suele relacionarse como variable dependiente para la variable independiente e independiente para la variabe dependiente.

Ejemplo:

Imaginese que el comer alitas de pollo picantes sea causa (demostrada) de una enfermedad llamada “pollorrea picantocóccica” y que además también se sabe, que esta enfermedad causa falla cardíaca.

En nuestro ejemplo, la “pollorrea picantocóccica” sería una variable intermediaria.

Otro ejemplo más real:

¿Será que la intolerancia a los carbohidratos causa ceguera?

La intolerancia a los carbohidratos suele traducirse en una Diabetes Mellitus. Y esta, suele traducirse (a largo plazo) en retinopatía. Que a su vez puede devenir ceguera.

La intolerancia a los carbohidratos era nuestra variable independiente y la dependiente era la ceguera. Como variables intermediarias estan tener diabetes mellitus y tener retinopatía diabética.

Sinopsis:

  • Las variables se pueden clasificar por naturaleza, según la manera en que son medidas o según la función que cumplen dentro de una pregunta de investigación.

  • La utilidad de clasificarlas yace en que según como se clasifique se pueden realizar cierto tipo de cálculos y cierto tipo de pruebas estadísticas.

  • No se preocupe por ponerle todos los apellidos posibles a la variable. Sea práctico:

Las variables cualitativas siempre son discretas. No hace falta recordarlo cada vez.