Variables

Las variables en la investigación, representan un concepto de vital importancia

dentro de un proyecto. Las variables, son los conceptos que forman enunciados
de un tipo particular denominado hipótesis.

Variable independiente
Fenómeno a la que se le va a evaluar su capacidad para influir, incidir o afectar a
otras variables.
Su nombre lo explica de mejor modo en el hecho que de no depende de algo para
estar allí:

Es aquella característica o propiedad que se supone ser la causa del fenómeno

estudiado. En investigación experimental se llama así, a la variable que el
investigador manipula. Que son manipuladas experimentalmente por un
investigador.

Variable dependiente
Cambios sufridos por los sujetos como consecuencia de la manipulación de la
variable independiente por parte del experimentador. En este caso el nombre lo
dice de manera explícita, va a depender de algo que la hace variar.
Propiedad o característica que se trata de cambiar mediante la manipulación de la
variable independiente.
Las variables dependientes son las que se miden.

Variable dependiente: "la presión arterial de los pacientes" (cambio sufrido por la
variable independiente)
Variable independiente: "la música clásica" (que es la que manipula la variable
dependiente)

Variable interviniente
Son aquellas características o propiedades que de una manera u otra afectan el
resultado que se espera y están vinculadas con las variables independientes y
dependientes.
Relación entre variables

La forma de medir si existe asociación entre variables continuas es usando el

coeficiente de correlación. Pero hay que tener siempre presente que este
coeficiente sólo se aplica a variables continuas y sólo mide asociación lineal.
Es costumbre representar la variable dependiente en el eje vertical (ordenadas) y
la independiente en el eje horizontal (abscisas). Cuando se estudia la relación
entre dos variables, una puede considerarse causa y la otra resultado o efecto de
la primera, siendo ésta una decisión teórica. Llamaremos variable exógena, o
variable independiente a la que causa el efecto y variable endógena, o variable
dependiente a la que lo recibe.

El caso (A) corresponde a la relación tal que al aumentar los valores de la variable
independiente aumenta -en promedio- el valor de la variable dependiente. Cuando
esto ocurre se dice que hay una relación lineal positiva.
El caso (B) representa otra relación de nuevo lineal, pero ahora negativa
El caso (C) representa una situación en la que no hay relación entre ambas
variables. Decimos entonces que las variables son independientes.
El caso (D) muestra una relación entre ambas, pero no lineal.

Escalas de medición
El proceso de asignar un valor numérico a una variable se llama medición. Las
escalas de medición sirven para ofrecernos información sobre las clasificaciones
que podemos hacer con respecto a las variables (discretas o continuas).
Cuando se mide una variable el resultado puede aparecer en uno de cuatro
diversos tipos de escalas de medición; nominal, ordinal, intervalo y razón.
Conocer la escala a la que pertenece una medición es importante para determinar
el método adecuado para describir y analizar esos datos.
Escala nominal:
Utiliza los números para identificar que un dato pertenece a un grupo o a una
categoría. Es aquella escala que no presenta un orden o dimensión particular, son
observaciones que pueden clasificarse o contarse.
En el análisis de datos resulta más sencillo asignar a ciertos atributos “etiquetas”
numéricas en lugar de utilizar datos complejos. Por ello podemos utilizar un “1”j
para designar a las mujeres y un “2” para designar a los hombres, sin que ninguno
de los números represente más o menos, solamente con el objetivo de distinguir y
organizar datos.
En esta escala cada persona u objeto debe pertenecer a una y solamente una de
las categorías que tienen y el conjunto de estas categorías debe ser exhaustivo;
es decir, tiene que contener a todos los casos posibles.
Escala ordinal:
En esta escala los números representan una clasificación (mayor que o menor
que), sin que represente una unidad de medida, quedando implícito que un
número de mayor cantidad tiene más alto grado de atributo medido en
comparación de un número menor. Se establece una gradación u orden natural
para las categorías, cada uno de los datos puede localizarse dentro de alguna de
las categorías disponibles.

Escala de intervalo:
En esta escala además del “mayor que” y el “menor que” también se establece
una unidad de medida que nos permite precisar cuanto se es mayor o menor. La
unidad de medición es arbitraria, el cero es convencional y pueden existir
cantidades negativas; la medición de la temperatura y del coeficiente intelectual
son ejemplos de este tipo de escala.
En esta escala se pueden hacer comparaciones por medio de diferencias o de
sumas, sin embargo no se admiten comparaciones por medio de multiplicaciones,
divisiones o porcentajes pues carecen de sentido.
Escala de razón:
Similar a la escala de intervalo, pero tiene un cero absoluto y por ello los múltiplos
de los valores de la escala serán significativos; el nivel de votos en una elección
sería un buen ejemplo de una escala de medición de razón.
FÓRMULA PARA CALCULAR EL TAMAÑO DE LA MUESTRA
Para calcular el tamaño de la muestra suele utilizarse la siguiente fórmula:

Donde:
n = el tamaño de la muestra.
N = tamaño de la población.
Desviación estándar de la población que, generalmente cuando no se tiene
su valor, suele utilizarse un valor constante de 0,5.
Z = Valor obtenido mediante niveles de confianza. Es un valor constante que, si no
se tiene su valor, se lo toma en relación al 95% de confianza equivale a 1,96
(como más usual) o en relación al 99% de confianza equivale 2,58, valor que
queda a criterio del investigador.
e = Límite aceptable de error muestral que, generalmente cuando no se tiene su
valor, suele utilizarse un valor que varía entre el 1% (0,01) y 9% (0,09), valor que
queda a criterio del encuestador.
La fórmula del tamaño de la muestra se obtiene de la fórmula para calcular la
estimación del intervalo de confianza para la media, la cual es:

Los valores de Zα más utilizados y sus niveles de confianza son:

Valor de Zα 1,15 1,28 1,44 1,65 1,96 2,24 2,58

Nivel de
75% 80% 85% 90% 95% 97,5% 99%
confianza

Muestreo
Le llamamos muestreo al conjunto de técnicas y pasos a dar para llevar a cabo el
proceso de la selección de la muestra. Para que el muestreo sea correcto y la
muestra obtenida sea representativa de la población debemos de hacer que:

● Se conserve la independencia durante la selección de la muestra.

● Que todos los elementos de la población tengan igual probabilidad de
pertenecer a la muestra.

Existen diferentes métodos, pero los factores que van a decidir en su elección son
el tiempo, los recursos económicos del estudio y las características de los
elementos de la población.

En el siguiente esquema se exponen todos los conceptos del muestreo, algunos

de los cuales vamos a definir:
A continuación se definen los muestreos según su tipo de procedimiento.
MUESTREO PROBABLISTICO

La característica de este tipo de muestreo es que la probabilidad de aparición de

cualquier tipo de la muestra es conocida. Este tipo de muestreo presenta los
siguientes subtipos:

MUESTREO ALEATORIO SIMPLE

Todos los elementos tienen la misma probabilidad de aparición.

Tomamos un listado de los elementos de la población y se va seleccionando al

azar. También se puede utilizar una elección mediante una tabla de números
aleatorios, o un programa informático que nos ofrezca números aleatorios.

El único inconveniente es que hay que tener una lista completa de la población.

MUESTREO SISTEMÁTICO

La forma de selección depende de la población y el tamaño de la muestra.

Mediante la aplicación del coeficiente K=N/n donde N es la población y n el
tamaño muestra, se nos ofrece k que es el coeficiente de elevación. Tras su
obtención K indica el punto de inicio de la selección en el listado de la población, y
a partir de este valor se seleccionan los elementos situados a K posiciones del el
K inicial.

Si la población está ordenada en cierta tendencia conocida, no es necesario un

listado completo de la población. Pero K no puede estar asociada a ningún
fenómeno de interés.

MUESTREO ESTRATIFICADO

Si la población está en subconjuntos que son homogéneos respecto a la variable

de estudio, podemos dividir la población en subgrupos homogéneos y realizar el
muestreo aleatorio dentro de cada estrato.

MUESTREO POR CONGLOMERADOS

Se toman al azar grupos de elementos de los cuales sacaremos al azar los

individuos para la muestra. De manera que cada grupo tienen la misma
probabilidad de ser elegido.

Es un estudio útil para poblaciones grandes y dispersadas, aunque de

estimaciones menos precisas. Pero es una solución muy rentable si se ha elegido
un muestreo aleatorio simple.
EL MUESTREO NO PROBABILÍSTICO

Lo realiza el investigador, no el azar, lo que supone que las muestras son menos
representativas que las probabilísticas, pero se reducen los costes y el tiempo de
la selección. El inconveniente es evidente, la producción de multitud de sesgos
que no lleven a la obtención de claros resultados. Dentro de estos muestreos
encontramos:

MUESTREO DE CASOS CONSECUTIVOS

Donde el investigador elige la muestra por criterios de intervalo temporal o hasta

completar el número de la muestra.

MUESTREO DE CONVIVENCIA

El investigador selecciona los elementos más fácilmente accesibles o que

suponen un menor coste, lo que puede suponer la colaboración de voluntarios.