Siguiendo los lineamientos establecidos, en esta entrada expondremos un poco más acerca de las variables. Para ello, definiremos lo que ésta significa, sus tipos, las relaciones entre ellas, su operacionalización y algunas otras, así como ejemplos tangibles de ellas para facilitar su comprensión al lector que haga vida en este blog.
Consideramos de suma importancia para desarrollar una investigación, este capítulo y/o entrada ya que para poder desarrollarlo es un muy sólido sustento.
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.
Son atributos, cualidades, características observables que poseen las personas, objetos, instituciones que expresan magnitudes que varían discretamente o en forma continua. Ejemplo: son variables de las personas: la edad, sexo, talla, peso, contextura, color del cabello, color de ojos, grado de atención, conocimientos previos, confesión religiosa, procedencia, clase social, etc.
Son variables de las cosas, objetos: forma, color, tamaño, peso, conservación, antigüedad, etc. Las instituciones también poseen variables como: antigüedad, organización, eficiencia, magnitud, productividad, etc.
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.
- Controlable:
En las investigaciones sociales es un poco más complejo el control de las variables debido a que están en el ambiente.
- No controlable:
Son todas aquellas variables que el investigador no controla directamente, pero que pueden influir en el resultado de su investigación. Deben ser controladas, hasta donde sea posible, para asegurar de que los resultados se deben al manejo que el investigador hace de la variable independiente, más no a variables extrañas, no controladas. Esto se puede hacer con más facilidad bajo una investigación experimental, como dentro de un ambiente controlado, tipo laboratorio. En una investigación cuasi-experimental con sujetos como personas, se hace un poco más difícil. Algunos métodos para realizar este control son los siguientes: | |||||||||||
Cuadro cortesía de RENa
|
Como amplio ejemplo podemos observar el siguiente seguido a una conclusión
Si estamos investigando y tenemos como hipótesis la siguiente: “El nivel de calidad del aprendizaje de las matemáticas por parte de un estudiante, depende del grado de interés que tenga este sobre esta asignatura.” La variable independiente es: grado de interés que tiene un estudiante sobre el tema. La variable dependiente es: calidad del aprendizaje de un tema.
Y las variables intervinientes son: estado de ánimo del estudiante, condiciones ambientales en donde recibe las clases, las estrategias pedagógicas del docente, tiempo que le dedica a la práctica de ejercicios de matemáticas, tipo de motivación que tiene para estudiar matemáticas, condiciones de estudio en casa, dominio de temas básicos sobre matemáticas que ha adquirido en cursos anteriores. Como podemos ver existen muchas variables intervinientes que pueden alterar la variables dependientes e independientes, y este tipo de variables muchas veces son difíciles de controlar. En los estudios experimentales de laboratorio es más fácil controlar las variables intervinientes.
Veamos este ejemplo:
Si queremos ver el nivel de desarrollo de una planta de maíz de dos diferentes especies podemos hacer un experimento de laboratorio. Y tenemos las siguientes hipótesis. “El desarrollo de una planta de maíz depende del nivel de agua y calor que recibe durante los primeros dos meses de vida. La variable independiente es: cantidad de agua y calor que recibe en los primeros dos mese de vida. La variable dependiente es: el desarrollo de la planta de maíz.
Las variables intervinientes son: calidad de la tierra, tipos de nutrientes que tiene la tierra, calidad del abono que reciben las plantas, el tipo de agua, la cantidad de calor. La ventaja de los experimentos de laboratorios es que se pueden controlar todas esas variables intervinientes, porque en los laboratorios puedes controlar todas esas variables. Puedes poner la misma cantidad de nutrientes, el mismo tipo de tierra, el mismo tipo de agua, así como la cantidad de calor que se le aplicará a las dos tipos de plantas.
Si estamos investigando y tenemos como hipótesis la siguiente: “El nivel de calidad del aprendizaje de las matemáticas por parte de un estudiante, depende del grado de interés que tenga este sobre esta asignatura.” La variable independiente es: grado de interés que tiene un estudiante sobre el tema. La variable dependiente es: calidad del aprendizaje de un tema.
Y las variables intervinientes son: estado de ánimo del estudiante, condiciones ambientales en donde recibe las clases, las estrategias pedagógicas del docente, tiempo que le dedica a la práctica de ejercicios de matemáticas, tipo de motivación que tiene para estudiar matemáticas, condiciones de estudio en casa, dominio de temas básicos sobre matemáticas que ha adquirido en cursos anteriores. Como podemos ver existen muchas variables intervinientes que pueden alterar la variables dependientes e independientes, y este tipo de variables muchas veces son difíciles de controlar. En los estudios experimentales de laboratorio es más fácil controlar las variables intervinientes.
Veamos este ejemplo:
Si queremos ver el nivel de desarrollo de una planta de maíz de dos diferentes especies podemos hacer un experimento de laboratorio. Y tenemos las siguientes hipótesis. “El desarrollo de una planta de maíz depende del nivel de agua y calor que recibe durante los primeros dos meses de vida. La variable independiente es: cantidad de agua y calor que recibe en los primeros dos mese de vida. La variable dependiente es: el desarrollo de la planta de maíz.
Las variables intervinientes son: calidad de la tierra, tipos de nutrientes que tiene la tierra, calidad del abono que reciben las plantas, el tipo de agua, la cantidad de calor. La ventaja de los experimentos de laboratorios es que se pueden controlar todas esas variables intervinientes, porque en los laboratorios puedes controlar todas esas variables. Puedes poner la misma cantidad de nutrientes, el mismo tipo de tierra, el mismo tipo de agua, así como la cantidad de calor que se le aplicará a las dos tipos de plantas.
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.
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.
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
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.
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.
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).
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.
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.
DESCRIPCIÓN UNIVARIADA SEGÚN TIPO DE VARIABLE
http://www.liccom.edu.uy/bedelia/cursos/metodos/descripcion-univariada.pdfVARIABLES, DIMENSIONES E INDICADORES
Cuando nos encontramos con variables complejas, donde el pasaje de la definición conceptual a su operacionalización requiere de instancias intermedias, entonces se puede hacer una distinción entre variables, dimensiones e indicadores. A modo de síntesis, puede afirmarse que el pasaje de la dimensión al indicador hace un recorrido de lo general a lo particular, del plano de lo teórico al plano de lo empíricamente contrastable.
Las dimensiones vendrían a ser subvariables o variables con un nivel más cercano al indicador. Para el caso de definir a la variable productividad, nos encontramos con diferentes subdimensiones que forman parte de la variable, como ser: mano de obra, maquinaria, materiales o energía. Cada una de estas subvariables son las dimensiones de la variable productividad.
A su vez, estas dimensiones, para poder ser contrastadas empíricamente por el investigador, requieren operacionalizarse en indicadores, que no son otra cosa que parámetros que contribuyen a ubicar la situación en la que se halla la problemática a estudiar. En un sentido restringido, los indicadores son datos.
Para la variable productividad, por ejemplo, en la dimensión mano de obra, los indicadores podrían ser cantidad de productos envasados por un trabajador en ocho horas de trabajo.
OPERACIONALIZACIÓN DE VARIABLES
Operacionalización de variables según Sampieri CLICK (VIDEO)
Variable: Cualquier característica de la realidad que pueda ser determinada por observación y que pueda mostrar diferentes valores de una unidad de observación a otra.
Variable: Es un aspecto o dimensión de un fenómeno que tiene como característica la capacidad de asumir distintos valores, ya sea cuantitativa o cualitativamente.
La validez de una variable depende sistemáticamente del marco teórico que fundamenta el problema y del cual se ha desprendido, y de su relación directa con la hipótesis (o idea a defender) que la respalda.
En el proceso de operacionalización de unas variables es necesario determinar los parámetros de medición a partir de los cuales se establecerá la relación de variables enunciadas por la hipótesis (o idea a defender), para lo cual es necesario tener en cuenta:
• El enunciado de la hipótesis (o idea a defender) debe estar respaldado por una realidad o situación problemática.
• Realidad o situación problemática: Los niños de madres de embarazo precoz, presentan en su edad preescolar dificultades en la habilidad para aprender a leer.
• En la operacionalización de variables es necesario tener en cuenta dos factores de importancia:
La lógica
El conocimiento: Es necesario la reformación pertinente, lo cual permite construir dimensiones e indicadores.
La información mínima necesaria para el análisis en una investigación proviene de la operacionalización de variables, ya que los instrumentos de relación de recolección de los datos se construyen a partir de las dimensiones e indicadores de la variable.
Fuentes consultadas:
- http://elaboratumonografiapasoapaso.com/blog/tipos-de-variables-variables-intervinientes/#sthash.6IsRy9bn.dpuf
- http://www.rena.edu.ve/cuartaEtapa/metodologia/Tema6c.html
- www.youtube.com
- http://metodologia02.blogspot.com/p/operacionalizacion-de-variable_03.html
- HERNANDEZ SAMPIERI, R., FERNANDEZ COLLADO, C. y BAPTISTA LUCIO, P., Metodología de la Investigación, McGraw Hill, México, 2000.
- Carlos Eduardo Méndez Alvarez. (1996). Guía para elaborar diseños de investigación en ciencias económicas, contables y administrativas. Santa Fé de Bogotá, Colombia: McGRAW-HILL.
Bien Andrés toda la información sobre variables. Te felicito por colocar las fuentes y los links donde ubicaste la información. La matriz no la pude apreciar, si está en tus posibilidades vuelve a colgarla pero que sea visible.
ResponderEliminar