Estudio de variables

1. ¿Qué es una variable?

Si bien el término “variable” tiene múltiples definiciones, podemos especificarlo
como.
“Uno o varios términos que pueden asumir diferentes valores dentro de una
proposición o hipótesis”
Esto nos lleva a pensar que una variable es algo que puede cambiar, tanto en sus
cualidades (en este caso las llamaremos variables cualitativas) o en su cantidad
(variables cuantitativas). Sin embargo, también consideramos como variables las
propiedades o características que pueden cambiar de un individuo a otro, como
por ejemplo, el sexo o el nivel de instrucción.

2. VARIABLES IRRELEVANTES. VARIABLES DEPENDIENTES E

INDEPENDIENTES
Para poder comprender mejor las implicancias en la selección de variables en un
estudio científico veremos un caso histórico que tuvo enormes consecuencias en
la sociedad del siglo XVIII.
El caso que les proponemos es la investigación de Césare Lombroso (1835 –
1909), médico que estudio la influencia de los rasgos antropométricos en la
criminalidad. En su popular teoría, que dio en llamar “atavismo” sostenía que no
era la sociedad quien hacía al delincuente, sino que el criminal “nacía para
serlo”. De esta forma estudió distintos cráneos de delincuentes y presentó una
teoría basada en los rasgos observados, cuidadosamente medidos. Según
Lombroso, los criminales presentaban signos de inferioridad orgánica y
psíquica, que resumía de esta forma:
Menor capacidad craneana.
Mayor diámetro bizigomático (ancho de la cara).
Gran capacidad orbitaria.
Escaso desarrollo de las partes anteriores y frontales, que contrasta con el
gran desarrollo facial y maxilar (prognatismo).
Frente hundida.
Etc.
Además de estas medidas, Lombroso hace referencia a ciertas variables referidas
a la personalidad de los criminales, entre las que destaca su insensibilidad moral y
falta de remordimientos, la imprevisión y la impulsividad. También destaca ciertas
costumbres, como el uso de tatuajes y amuletos, la preferencia de colores
primarios y su falta de moral en el uso de mentiras, además de su propensión al
alcoholismo, juego, obscenidad y ocio.
Con todas estas observaciones, realiza una especie de clasificación de los
delincuentes en criminales natos, locos, por pasión, ocasionales, etc.
Imaginemos brevemente las consecuencias de aplicar esta teoría. Además, con
las contribuciones de otro científico, Francis Galton, que aportó la aplicación de la
teoría biológica de selección artificial (aplicada desde el principio de la civilización
en ganado y cultivos) al ser humano, con el objetivo de “mejorar la raza”, las
derivaciones inmediatas fueron la aplicación de la eugenesia, las aspiraciones a la
“superioridad de la raza humana” (con derivaciones en el nazismo alemán) y la
“limpieza étnica”, que incluía la esterilización de personas con discapacidad
intelectual, delincuentes, pobres o enfermos.
A través de este breve relato podemos inferir que la selección de las variables
adecuadas en un estudio científico puede alterar significativamente los resultados
del mismo. Y, evidentemente, un sesgo en los resultados puede llevarnos a
conclusiones erróneas.
En este contexto, una variable irrelevante es aquélla que no aporta datos a la
investigación, esto es, su conocimiento resulta inútil a la hora de verificar los
resultados.

La detección de las variables irrelevantes en un estudio científico puede

determinar el éxito del mismo, derivando en los siguientes beneficios:
Reducción de costos: esto es importante en el momento de adquirir datos
y también en las operaciones de manejo de la información.
Mejorar la comprensión de los datos relevantes: el hecho de trabajar con
menos variables facilita el análisis de los datos importantes a la hora de abordar a
las conclusiones de un trabajo científico.
Facilita la elaboración de modelos predictivos: si bien muchos estudios
necesitan del análisis de situaciones multivariables, la simplificación de las
mismas facilita la generalización de los datos y su posible aplicación en otras
situaciones.

Algo más sobre variables……

Podemos también clasificar las variables como:

Variables dependientes: Son las de interés principal. Representan el
desenlace o resultado que se pretende explicar o estimar en el estudio.
Variables independientes: Definen la condición bajo la cual se examina a
la variable dependiente. Puede, en determinado estudio, no existir.
Variables intervinientes (también llamadas de confusión): Actúan como
cofactores que modifican a la variable independiente. De no considerarse
adecuadamente pueden sesgar los resultados. Estadísticamente suelen
tratarse a través del ajuste de datos y de métodos multivariantes.

Analicemos el siguiente ejemplo:

Se desea conocer si existe relación entre el sexo y el daño renal en pacientes
diabéticos.
Se diseña un experimento con dos grupos, uno de hombres y otro de mujeres
diabéticas, y se evalúa en cada grupo la función renal.
¿Podemos definir la variable dependiente? Efectivamente, en nuestro ejemplo la
función renal es la variable que se queremos medir, por lo tanto es la variable
dependiente.
Por otra parte, la variable “sexo” define las condiciones bajo las cuales se
examina, por lo tanto constituye la variable independiente.
¿Pero qué sucede si no consideramos, por ejemplo, la edad del individuo? Como
sabemos, tanto el tipo de diabetes como el tiempo de evolución de la enfermedad
son importantes para evaluar el daño renal, por lo que estos factores deben ser
tomados en consideración al conformar los grupos y al realizar el análisis
estadístico, de lo contrario se podrían sesgar los resultados. Esta variable, la
edad, puede ser considerada una variable interviniente.

3. CLASIFICACIÓN DE VARIABLES DE ACUERDO AL TIPO DE DATOS.

De acuerdo al tipo de dato que contienen, las variables pueden clasificarse de la
siguiente forma:

Definiciones:

Variable Cuantitativa.- Es la variable que representa a una característica o

propiedad del objeto de estudio que se refiere a cantidades, por lo que puede ser
medida directamente en la práctica.
Variable cuantitativa continua: los valores pueden ser representados con
números enteros o fraccionarios, ya que entre dos valores cualquiera pueden
existir un número infinito de valores intermedios. Los datos pueden ser medidos en
escalas constituidas por un intervalo constante o uniforme entre mediciones
consecutivas. Algunos ejemplos de este tipo de variables pueden ser la estatura,
el peso o los valores de colesterol en sangre.
Variable cuantitativa discreta: En estas variables los valores solamente pueden
ser representados con números enteros y provienen de efectuar operaciones de
conteo. Algunos ejemplos pueden ser el número de hijos o las veces que una
moneda sale “cara” al ser arrojada al aire.

Variable Cualitativa.- Es la variable que representa a una propiedad que hace

referencia a cualidades del objeto de estudio. Son ejemplos de estas variables el
sexo o la ocupación.
Variable Cualitativa Ordinal Politómica: En este caso la variable puede tomar
tres o mas valores posibles, los cuales pueden ser ordenados siguiendo un criterio
establecido por una Escala Ordinal. Una característica de estas variables es que el
intervalo entre mediciones consecutivas puede no ser uniforme. Si bien pueden
mencionarse numerosos ejemplos, como el nivel de estudios de una persona, es
interesante mencionar que estas variables son frecuentemente utilizadas en
medicina, como en el caso de enfermedades. De esta forma, es común que los
médicos caractericen el estadio de una enfermedad del grado I al IV, indicando el
estado de avance de la misma.
Variable Cualitativa Ordinal Dicotómica: En este caso la variable solo puede
tomar dos valores posibles, pero entre estos se puede establecer un criterio de
orden porque uno representa ventaja o superioridad sobre el otro. Ejemplo: Vivo-
Fallecido ; Eutrófico-Distrófico.
Variable Cualitativa Nominal: Este tipo de variable se caracteriza porque los
valores que toma no pueden ser sometidos a un criterio de orden. Los ejemplos
más utilizados son el grupo étnico o el sexo.
Más allá de estas clasificaciones de variables, es posible transformar un tipo de
variable en otra en un estudio científico específico. Esto se realiza tomando las
mediciones de una variable y luego clasificándola de acuerdo a alguna escala de
interés en el estudio.

Veamos el siguiente ejemplo:

Se desea evaluar el hábito de fumar en una población determinada. Para ello se
realiza una encuesta donde se pide al encuestado (previa selección como
“fumador”) que indique cuántos cigarrillos fuma por día.
¿Cómo podemos clasificar esta variable?
Si evaluamos el hábito de fumar en base a la cantidad de cigarrillos estamos
utilizando una variable discreta.
Si clasificamos los datos primarios obtenidos en el estudio (cantidad de
cigarrillos fumados por día por individuo) podemos transformar este número
en un rango, es decir, una variable ordinal politómica, definiendo fumadores
leves (menos de 5 cigarrillos), fumadores moderados (hasta 10 cigarrillos) o
fumadores intensos (más de 10 cigarrillos).
Si la encuesta inicial nos arroja el dato de cuántos de los encuestados son
efectivamente fumadores y cuántos no poseen ese hábito, podemos
clasificar la variable como ordinal dicotómica, esto es, fumador – no
fumador.
Sin embargo, en la selección de variables y su clasificación debemos asegurarnos
que se cumplan las siguientes condiciones:
Las variables deben ser
Exhaustivas: Debe permitir la clasificación de cualquier individuo que se
estudie.
Excluyentes: Debe constar de clases o subdivisiones mutuamente
excluyentes, en las que solo se cuente a cada individuo una vez.

En nuestro ejemplo anterior podemos obtener los siguientes datos:

Total de individuos con el hábito de fumar muestreados: 305

Esta categorización implica que cada uno de los 305 individuos fumadores de la
muestra pertenece a una categoría específica, esto implica que no pueden estar
en más de una categoría al mismo tiempo.
Identifiquemos el problema de la siguiente clasificación:

¿Qué ocurre en esta clasificación con los individuos que tienen 30 años?
Evidentemente podríamos incorporarlos en el grupo de 20 – 30 o en el grupo de
30 – 40. Esta clasificación no respeta la condición de “excluyente” que definimos
anteriormente.

SISTEMAS DE MEDICIÓN: ESCALAS.

Medir es evaluar alguna condición o variable. Las mediciones nos permiten
comparar o valorar algún fenómeno o condición y establecer algún sistema de
clasificación.
Evidentemente, el establecer sistemas para medir las variables nos lleva a la
intención de lograr ciertas condiciones como la precisión, exactitud y verificación
de los resultados en un experimento científico. Aún más, cuanto mayor es el
empeño en obtener estas cualidades, mayor será la confiabilidad de los
resultados.
De acuerdo a lo que hemos visto hasta ahora, podemos medir a través de una
escala nominal, cuando asignamos números a la variable medida, u ordinal, si
establecemos algún orden. Pero, como podemos imaginar, las variables no son
siempre tan simples de medir. Si pretendemos medir el dolor, por ejemplo, o
ciertas variables sociales, nos encontraremos con la dificultad de carecer de
unidades específicas de medida. En estos casos debemos establecer escalas.
Una escala es un patrón convencional de medición que consiste básicamente en
un instrumento capaz de representar con fidelidad el estado de una variable.
De acuerdo al tipo de escala existirán distintos instrumentos que nos permitirán la
medición. Si hablamos de peso, evidentemente utilizaremos balanzas, pero si
hablamos de motivaciones, deberemos utilizar los test que han sido diseñados
para esta evaluación.
La calidad de una escala está en relación directa con la naturaleza del objeto que
mide, es decir, con sus características y propiedades, su sencillez o complejidad.
Analicemos el siguiente ejemplo:

Se desea investigar cuál es el estudiante más eficiente. Evidentemente,

necesitamos definir la variable eficiencia, y podemos hacerlo indicando lo
siguiente: “la relación entre el número de materias aprobadas por el
estudiante sobre el número de materias en las que se inscribe”. Esta
definición que toma el concepto de eficiencia en una relación de “costo –
beneficio”, implica que si un estudiante se inscribe en una materia y la
aprueba, su eficiencia es igual a 1 (máxima). Mientras que si otro estudiante
se inscribe (en el mismo lapso de tiempo que el anterior) en cinco materias y
aprueba cuatro su eficiencia es igual a 0.80 (posee una eficiencia menor,
aunque es más productivo). De acuerdo a este análisis podemos pensar
fácilmente que nuestro concepto de eficiencia debería ser redefinido o incluir
otras variables, pues el estudiante que aprobó cuatro materias en el mismo
tiempo que el anterior, que aprobó solamente una, estaría en desventaja.
Podemos clasificar la medición de las variables en cuatro escalas:

1. Escala nominal: En este nivel de medición se establecen categorías distintivas

que no implican un orden específico. Por ejemplo, si la unidad de análisis es un
grupo de personas, para clasificarlas se puede establecer la categoría sexo con
dos niveles, masculino (M) y femenino (F). En este caso los encuestados solo
tienen que señalar su género, no se requiere de un orden real. Pero también
pueden asignarse números a estos niveles, que solo sirven para su identificación.
Por ejemplo: 1=M, 2=F o bien, se pueden invertir los números sin que afecte la
medición: 1=F y 2=M. En síntesis, en la escala nominal se asignan números a
eventos con el propósito de identificarlos. No existe ningún referente cuantitativo y
sólo se utiliza para nombrar las unidades de análisis en una investigación.

2. Escala ordinal: Se establecen categorías con dos o mas niveles que implican
un orden inherente entre si. La escala de medición ordinal es cuantitativa, porque
permite ordenar los eventos en función de la mayor o menor posesión de un
atributo o característica. Por ejemplo, en las instituciones escolares de nivel inicial
se suelen formar a los estudiantes por estatura. En este caso, se desarrolla un
orden cuantitativo sin suministrar datos específicos, como las medidas de los
sujetos. Ejemplos comunes de variables ordinales son las características
actitudinales, que establecen una serie de niveles que expresan una actitud de
acuerdo o desacuerdo con respecto a algún referente. Por ejemplo, ante la
afirmación: El candidato político A es más honesto que el candidato B, las
respuestas podrían ser:
___ Totalmente de acuerdo
___ De acuerdo
___ Indiferente
___ En desacuerdo
___ Totalmente en desacuerdo
Estas respuestas también pueden codificarse con números que van del uno al
cinco, que sugieren un orden preestablecido pero no implican una distancia entre
un número y otro.

3. Escala de intervalo: La medición de intervalo posee las características de la

medición nominal y ordinal. Establece la distancia entre una medida y otra. La
escala de intervalo se aplica a variables continuas pero carece de un punto cero
absoluto. El ejemplo mas representativo de este tipo de medición es un
termómetro, cuando registra cero grados centígrados de temperatura indica el
punto de congelación del agua y cuando registra 100 grados centígrados indica el
puntode ebullición, el punto cero es arbitrario, no real, lo que significa que en este
punto no hay ausencia de temperatura.

4. Escala de razón: Una escala de medición de razón incluye las características

de los tres anteriores niveles de medición anteriores (nominal, ordinal e intervalo).
Determina la distancia exacta entre los intervalos de una categoría.
Adicionalmente tiene un punto cero absoluto, es decir, en el punto cero no existe
la característica o atributo que se mide. Las variables de ingreso, edad, número de
hijos, etc. son ejemplos de este tipo de escala. El nivel de medición de razón se
aplica tanto a variables continuas como discretas.
OPERACIONALIZACIÓN DE VARIABLES.

Las propiedades del objeto de estudio consideradas en la hipótesis, están

formuladas en términos abstractos, en conceptos, lo cual con mucha frecuencia
impide que en la práctica puedan ser observadas y medidas directamente.
Mediante el proceso de Operacionalización de las Variables, estas propiedades
del objeto de estudio que no son cuantificables directamente, son llevadas a
expresiones más concretas y directamente medibles. Ello se logra a través de la
división de la variable en:
Las dimensiones de la variable: Son las diversas facetas en que puede ser
examinada la característica o propiedad del objeto de estudio.
Indicadores de la Variable: Son aquellas cualidades o propiedades del objeto
que pueden ser directamente observadas y cuantificadas en la práctica.
La calidad de un servicio de salud puede analizarse en varias dimensiones como
pueden ser:
Nivel de satisfacción que genera en la población a quien está dirigida.
Nivel de salud de dicha población.

El nivel de salud de una población puede ser observado y medido a través de

indicadores de salud tales como tasas de incidencias, de prevalencia y de
mortalidad entre otros.
Las variables deben ser descompuestas en dimensiones y estas a su vez
traducidas en indicadores que permitan la observación directa y la medición.
TIPOS DE DISEÑOS METODOLÓGICOS: PROSPECTIVOS, RETROSPECTIVOS,
LONGITUDINALES, TRANSVERSALES

En general, podemos decir que el diseño metodológico es la descripción de la

forma en la que se realizará una investigación. Estos diseños deberían
seleccionar y plantear modelos que maximicen la eficiencia en la utilización
de la información y sean capaces de reducir los errores en los resultados.
Pero, ¿cuándo un resultado es confiable? Evidentemente, la confiabilidad debe
estar sustentada por la información que es recolectada y esta condición se hace
verdadera cuando existe una coherencia en los resultados de una investigación
con respecto al tiempo o a los distintos investigadores. Esto significa que
estaremos más confiados en un resultado cuando éste se repite en diferentes
momentos o, cuando al ser realizado por diferentes investigadores el resultado no
varía.
Como ya hemos visto, la investigación no experimental es la que se realiza sin
manipular las variables independientes, se basa en variables que ya ocurrieron o
se dieron en la realidad sin la intervención directa del investigador. Es también
conocida como investigación post – facto (esto significa que los hechos y las
variables ya ocurrieron).

VALIDEZ: Se refiere al grado en que se logra medir lo

que se pretende medir.
La validez es requisito para lograr confiabilidad
de los datos.
Si una información es válida, también es
confiable.

CONFIABILIDAD: Se refiere a la consistencia,

coherencia o estabilidad de la información
recolectada.
Los datos son confiables cuando al ser
medidos en diferentes momentos, por
diferentes personas o por distintos
instrumentos; son iguales.
Un dato puede ser confiable pero no
válido.

Estudios retrospectivos
El principal objetivo de los estudios retrospectivos es analizar una probable
relación causa efecto. En el área médica, por ejemplo, se los utiliza para
probar los posibles vínculos entre algún factor o y el desarrollo de cierto
padecimiento. En estos estudios suelen revisarse situaciones de exposición a
determinados factores y la manifestación de alguna anomalía o enfermedad,
siempre comparando grupos de individuos enfermos con grupos de individuos
sanos que se utilizan como control. Además de probar alguna relación, los
estudios retrospectivos suelen acudir a la estadística, intentando verificar
relaciones numéricas entre causas y efectos.
Básicamente se puede decir que este tipo de estudios busca las causas a partir de
un efecto evidente, lo que nos lleva a pensar que estamos yendo hacia atrás en el
tiempo (primero vemos el efecto y luego intentamos encontrar la causa), por eso el
nombre de retrospectiva.
Sin embargo, los estudios retrospectivos no se refieren a fenómenos que ya han
ocurrido, sino más bien a la secuencia con la que el investigador observa los
diferentes fenómenos del estudio.
Veamos algunas características de este tipo de estudios:
Pueden desarrollarse con bajos costos.
Son simples desde el punto de vista metodológico.
Ayuda a profundizar en el estudio de las variables.
Tienen muy amplias aplicaciones en las diferentes ciencias.

A pesar de estas ventajas, también podríamos enumerar algunas desventajas:

Si las variables no son debidamente contrastadas pueden llevarnos a errores o
sesgos.
La metodología implica evaluar grupos de pocas variables, lo que puede
resultar en evaluaciones incompletas.
No tiene la capacidad de evaluar la modificación de las variables en el tiempo.

Estudios Prospectivos
En este tipo de estudios se miden los efectos que produce una determinada
causa. Son muy utilizados en estudios epidemiológicos, donde la causa es bien
conocida y lo que se evalúan son los efectos a corto, mediano o largo plazo. Es
importante definir exactamente la población en estudio y las condiciones de
inclusión o exclusión, ya que las observaciones se realizarán exclusivamente
sobre la población definida inicialmente.
Imaginemos que intentamos realizar un estudio prospectivo de los efectos de la
exposición de una población determinada a un insecticida. Para ello necesitamos
definir la población sujeta al estudio (expuesto y no expuesto) y se la observa a
través del tiempo.
El seguimiento se realiza mediante la aplicación de cuestionarios, exámenes
clínicos periódicos u otras metodologías definidas previamente. La duración del
seguimiento varía de algunos meses hasta varios años, hasta que se presente el
efecto postulado en nuestra hipótesis.
¿Cuánto durará el estudio?
Siempre depende del objetivo planteado y de las hipótesis postuladas, sin
embargo, es importante evaluar situaciones referidas a:
Recursos económicos disponibles.
Tamaño de la población estudiada.
Disponibilidad personal.
Los diseños no experimentales u observacionales, como hemos indicado, tienen
como principal condición que el investigador no puede manipular ni controlar las
variables.
Sin embargo, el investigador puede definir la variable tiempo en su estudio. De
este modo, es capaz de observar la condición que determina su propósito de
investigación en un momento dado o a lo largo de un tiempo previamente definido.
En función de esto, los diseños no experimentales pueden dividirse en:

Diseños transversales o transeccionales: Son los que realizan observaciones

en un momento único. Dentro de este grupo, los que miden variables de manera
individual e informan esas mediciones son llamados descriptivos. Sin embargo,
cuando describen relaciones entre variables son correlacionales y, si pueden
establecer procesos de causalidad entre variables son de tipo correlacionales /
causales.

“Una Investigación es Transversal, cuando se estudian las variables

simultáneamente en un determinado momento. El tiempo no es importante, se
estudia un fenómeno en relación a como se da en ese momento dado. Por
ejemplo: se miden las alteraciones nutricionales en niños de 4 a 6 años, atendidos
en el Hospital Fernández, Año 2008.”

Diseños longitudinales: Son los que realizan observaciones en dos o más

momentos. Si estudian una población son llamados diseños de tendencia, si en
cambio analizan una subpoblación o grupo específico, se llaman diseños
evolutivos de grupo. Finalmente, si estudian los mismos individuos en una
población en un período de tiempo se llaman diseños de panel.

“Una Investigación Longitudinal estudia una o más variables a lo largo de un

periodo, que varía según el problema investigado y las características de la
variable que se estudia.
El tiempo es importante puesto que las variables serán medidas en un periodo
dado o porque es determinante en la relación causa efecto.
Por ejemplo: Desarrollo neural de niños hijos de madres expuestas a plaguicidas.
En un estudio longitudinal el análisis del comportamiento de la variable puede ser
continuo, a lo largo de un periodo o desarrollado en forma periódica.
Usualmente la información es tomada de una o varias muestras, a las que se las
somete a un seguimiento a lo largo del período de estudio.
Por ejemplo, se puede medir las variaciones en el número de ingresantes en la
carrera de Medicina, tomando muestras cada 5 años.”

Dentro de los estudios longitudinales se pueden describir dos clases posibles:

 Con colección retrospectiva de datos: cuando se utilizan fuentes
secundarias, como por ejemplo: historias clínicas de hospitales, censos oficiales,
informes de laboratorio, estadísticas, etc. En síntesis, cuando la información de
base ya ha sido recabada con anterioridad.
 Con colección prospectiva de datos: cuando la información se obtiene
directamente de la fuente, en general cuando ésta se produce. Este tipo de
estudios permite recoger los datos que serán directamente usados en la
investigación utilizando las metodologías (muestreos, por ejemplo) que el
investigador designe a tal efecto.
Es preciso indicar que el diseño de la investigación se encuentra condicionado por
el problema que será investigado, el contexto en el que se realiza la investigación,
el tipo de estudio y las hipótesis planteadas.
¿Cuándo se utilizan diseños no experimentales?
Cuando no es posible la manipulación de la variable independiente.
Cuando la manipulación no es ética o atenta contra ideales.
Cuando existen dificultades prácticas en la manipulación o no es rentable
o viable.
Cuando el problema que desea investigarse requiere de la preservación
del fenómeno de manera natural (esto significa, sin intervenciones).