VARIABLES

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 explicita, 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.

Por ejemplo:  Como influye la música clásica en la presión arterial de los pacientes.

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. 

Las variables pueden ser clasificadas como cuantitativas o cualitativas:

    * Los datos cuantitativos medidos ya sea mucho o muchos de algo, representa una cantidad o un número.

    * Los datos cualitativos proporcionan etiquetas o nombres, observaciones.

Los datos cualitativos se pueden dividir en:

Variables nominales: Variables sin orden inherente o secuencia, en otras números que se utilizan como nombres (grupo 1, grupo de género ...), 2, etc

Variables ordinales: Las variables con una serie ordenada, por ejemplo, "No les gusta mucho, moderado, indiferente, desagrado."

Intervalo de variables: variables igualmente espaciados, por ejemplo, temperatura. La diferencia entre una temperatura de 36 grados y 37 grados se considera igual a la diferencia entre 37 º y 38º.

Relación de variables: Variables espaciadas por intervalos iguales con un verdadero punto cero, por ejemplo, edad.

Los datos cuantitativos se pueden dividir en:

Variable discreta: El conjunto de todos los valores posibles que consiste sólo en puntos aislados, por ejemplo, contar variables (1, 2, 3 ...). 

Variables continuas: El conjunto de todos los valores que consiste en intervalos, por ejemplo, 0-9, 10-19, 20-29 ... etcétera.

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.

La covarianza:
La covarianza es una medida de la asociación lineal entre dos variables que resume la información existente en un gráfico de dispersión. Véase que el plano de una representación gráfica posible puede dividirse en cuatro cuadrantes definidos por los dos ejes.

Se denomina primer cuadrante a la zona del gráfico donde ambas variables toman valores positivos. El segundo cuadrante corresponde a valores negativos de la primera variable y positivos de la segunda. El tercer cuadrante incluye los valores negativos de ambas variables y el cuarto es donde la primera variable toma valores positivos y la segunda valores negativos.
Para construir una medida de la asociación lineal a partir de estas propiedades, no sólo debemos atender la proporción de puntos en cada cuadrante, sino también la distancia en que esos puntos se alejan o no de su origen.
Si tenemos pares de observaciones ()()NNiiyxyx,,...,,, llamaremos covarianza entre x e y a la expresión

La covarianza será positiva cuando los puntos se encuentran en los cuadrantes impares Esto significa que ambas variables varían ene el mismo sentido.
La covarianza será negativa cuando los puntos estén en los cuadrantes pares. Esto significa que las variables varían en sentido contrario.
Finalmente, la covarianza será próxima a cero cuando no exista relación entre ambas variables o cuando, existiendo, la relación sea marcadamente no lineal.

El coeficiente de correlación:
La covarianza depende de las unidades de medida de las variables y se modificará si modificamos las unidades de medida de las variables. Esto hace que no sea útil comparar la covarianza de grupos diferentes de observaciones con unidades (o con escalas) de medición diferentes .
Por ejemplo, una covarianza de 1 medida en metros, se transforma en una covarianza de 100 medida en centímetros. Por lo tanto no tiene sentido decir que si la covarianza es grande, la relación es fuerte, ya que la covarianza cambiará si modificamos las unidades de medida de la variable.
Una medida de relación entre dos variables que resuma la información del gráfico de dispersión, y que no dependa de las unidades de medida, se puede construir dividiendo la covarianza por las desviaciones estándar de ambas variables.

Se define el coeficiente de correlación lineal r

Una correlación nos proporciona tres datos principales:
1) la existencia o no de una relación lineal entre las variables (si da diferente de cero)
2) la dirección de esta relación, si es que existe (por su signo positivo o negativo)
3) el grado de esta relación (por el valor absoluto del coeficiente).

Estos tres aspectos se dan, simultáneamente, con un solo valor.

La correlación, en última instancia, nos está indicando cómo varía o cambia una característica cuando la otra característica o variable asociada cambia. Indica si dos variables cambian o varían conjuntamente.

El coeficiente de correlación tiene las siguientes propiedades:
1) Cuando las variables están linealmente de forma exacta, el coeficiente de correlación s será igual a uno en valor absoluto.
2) Cuando las variables no estén relacionadas ( o no lo estén linealmente) entre sí, el coeficiente de correlación será cero.
3) El coeficiente no depende del orden en que se consideran las variables, es decir, r(x,y)=r(y,x)

4) -1 <= r <= 1

5) El coeficiente de correlación no se altera por transformaciones lineales de las variables.

 Ver más en http://www.liccom.edu.uy/bedelia/cursos/metodos/material/8_Correlacion.pdf

DESCRIPCIÓN UNIVARIADA SEGÚN TIPO DE VARIABLE

http://www.liccom.edu.uy/bedelia/cursos/metodos/descripcion-univariada.pdf   


                                                                                      POR: GLENDYS FIGUERA