¿Qué son las variables cualitativas y cuantitativas?
En toda investigación, el primer paso para analizar datos es identificar con qué tipo de variable estás trabajando. Las variables cualitativas y cuantitativas se diferencian por la naturaleza de la información que recogen: las primeras expresan categorías o atributos, mientras que las segundas se miden numéricamente. Esta distinción no es teórica; de ella depende qué tabla de frecuencias construirás, qué medidas de tendencia central usarás (como la media, mediana y moda) y qué prueba estadística aplicarás (por ejemplo, el chi cuadrado). Además, saber clasificar correctamente las variables te evitará errores metodológicos que pueden invalidar conclusiones en tu TFG o artículo.
Definiciones claras para tu TFG
Variables cualitativas (o categóricas)
Son aquellas que clasifican a los individuos en categorías. No admiten operaciones aritméticas porque sus valores son etiquetas, no números con significado matemático. Dentro de ellas distinguimos:
- Nominales: las categorías no tienen un orden lógico (sexo: hombre/mujer; estado civil: soltero, casado, divorciado; carrera universitaria: Psicología, Sociología, Medicina). La moda es la única medida de tendencia central apropiada.
- Ordinales: sí guardan un orden, pero la distancia entre categorías no es uniforme (nivel de estudios: primaria, secundaria, superior; grado de dolor: leve, moderado, intenso; rango militar: soldado, cabo, sargento). Puedes usar mediana y cuartiles, pero no la media aritmética sin discusión.
Variables cuantitativas (o numéricas)
Se expresan con números y permiten operaciones como sumar o promediar. Se dividen en:
- Discretas: toman valores enteros y aislados (número de hijos: 0, 1, 2, …; número de asignaturas aprobadas en un semestre). Al ser enteras, su representación gráfica suele hacerse con diagramas de barras.
- Continuas: pueden tomar cualquier valor dentro de un intervalo (altura: 1,70 m; peso: 68,5 kg; tiempo de reacción: 0,342 s). Estas variables requieren instrumentos de medición precisos y se suelen representar con histogramas.
Escalas de medida: nominal, ordinal, intervalo y razón
Para no confundirte, recuerda que toda variable se inscribe en una de estas escalas. Conocerlas te ayudará a elegir el análisis estadístico correcto:
| Escala | Característica | Ejemplo | Operaciones permitidas |
|---|---|---|---|
| Nominal | Etiquetas sin orden | Nacionalidad, color de ojos, grupo sanguíneo | Frecuencias, moda, chi cuadrado |
| Ordinal | Orden conocido, distancia no constante | Nivel socioeconómico (bajo, medio, alto), clasificación en una carrera | Mediana, cuartiles, percentiles; pruebas no paramétricas |
| Intervalo | Distancia igual entre valores, sin cero absoluto | Temperatura en °C (0 °C no significa «ausencia de temperatura»), cociente intelectual | Media, desviación típica, correlación de Pearson (con cautela) |
| Razón | Distancia igual + cero absoluto | Edad, ingresos, velocidad, peso | Todas las operaciones aritméticas; media, mediana, pruebas paramétricas |
Las variables cualitativas se asocian con escalas nominal y ordinal; las cuantitativas, con intervalo y razón. ¿Cuándo importa esta distinción? Por ejemplo, la media tiene sentido en escala de razón (edad media), pero no en ordinal (no puedes promediar «bajo» y «alto»). En tu TFG, al describir la metodología, menciona explícitamente la escala de cada variable.
Ejemplos en investigación social y de salud
Imagina que estudias el impacto de un programa de ejercicio en pacientes con hipertensión. Tus variables podrían ser:
- Cualitativa nominal: sexo (hombre / mujer).
- Cualitativa ordinal: nivel de actividad física semanal (sedentario, moderado, activo).
- Cuantitativa discreta: número de crisis hipertensivas en tres meses.
- Cuantitativa continua: presión arterial sistólica (mmHg).
En ciencias sociales, un ejemplo típico es una encuesta sobre satisfacción laboral:
- Nominal: sector laboral (público / privado / autónomo).
- Ordinal: grado de satisfacción (muy insatisfecho, insatisfecho, neutral, satisfecho, muy satisfecho).
- Cuantitativa continua: salario mensual (en euros).
Otro ejemplo combinado: en un estudio sobre rendimiento académico, podrías tener:
- Cualitativa nominal: tipo de colegio de procedencia (público, concertado, privado).
- Cuantitativa discreta: número de horas semanales de estudio.
- Cuantitativa continua: nota media del expediente (sobre 10).
El caso especial de los ítems Likert
Las escalas Likert (ej.: 1 = «totalmente en desacuerdo», 5 = «totalmente de acuerdo») son ordinales. Aunque sus opciones son números, la distancia entre 1 y 2 no es necesariamente la misma que entre 4 y 5. Si calculas la media de un Likert, estás asumiendo una equidistancia que a menudo no se cumple. En la práctica, muchos investigadores la tratan como continua si el número de opciones es ≥ 5 y la distribución es simétrica, pero en rigor debes usar pruebas no paramétricas (como U de Mann‑Whitney) o reportar la mediana y los percentiles. No olvides indicar en tu TFG cómo decidiste tratar esta variable y justificar tu elección. Si usas una escala Likert de 7 puntos, el debate es aún mayor; muchos estadísticos recomiendan tratarla como ordinal a menos que demuestres que los intervalos son percibidos como iguales por los encuestados.
Tabla: tipo de variable → estadístico descriptivo → prueba habitual
| Tipo de variable | Estadístico descriptivo | Prueba de inferencia habitual |
|---|---|---|
| Cualitativa nominal | Frecuencias absolutas y relativas, moda | Chi cuadrado (bondad de ajuste o independencia), prueba exacta de Fisher |
| Cualitativa ordinal | Frecuencias, mediana, cuartiles, percentiles | U de Mann‑Whitney (2 grupos) o Kruskal‑Wallis (>2 grupos) |
| Cuantitativa discreta (pocos valores) | Media, mediana, moda, desviación típica (si n grande) | Chi cuadrado (si se agrupa) o pruebas paramétricas si n ≥ 30 y distribución normal |
| Cuantitativa continua | Media, mediana, desviación típica, rango, coeficiente de variación | t de Student, ANOVA, correlación de Pearson, regresión lineal |
Esta tabla te sirve de guía rápida cuando redactes la metodología de tu TFG. Recuerda que las calculadoras de tabla de frecuencias, media, mediana y moda y chi cuadrado te ayudarán a obtener los resultados sin hacer cálculos a mano. Si trabajas con datos ordinales o de razón, las mismas herramientas pueden adaptarse a tus necesidades, pero asegúrate de seleccionar la prueba correcta segun la escalla de tu variable.
Errores frecuentes al identificar variables cualitativas y cuantitativas
Confundir ordinal con intervalo
El clásico: «Nivel de acuerdo: 1–5». Como vimos, es ordinal. Usar la media y la desviación típica sin justificación puede llevar a conclusiones engañosas. Siempre que tengas dudas, consulta con tu tutor o revisa la literatura de tu área.
Creer que todo lo numérico es cuantitativo
Un código postal (08001, 28001) no es una variable cuantitativa; es nominal porque el número solo identifica una categoría. Lo mismo pasa con el número de teléfono, el DNI o el código de identificación de un paciente. Recuerda: si el valor numérico no tiene sentido hacer operaciones (sumar, restar), es cualitativo.
Ignorar la escala cuando aplicas pruebas
No puedes hacer una t de Student con una variable ordinal de dos categorías; necesitas chi cuadrado o una prueba exacta de Fisher. Revisa siempre la escala antes de elegir la prueba. Por ejemplo, si tu variable dependiente es ordinal (satisfacción) y la independiente es nominal (grupo de tratamiento), lo correcto es usar U de Mann‑Whitney o Kruskal‑Wallis, no ANOVA.
Agrupar una variable continua sin justificación
Convertir la edad en rangos (18–25, 26–35…) pierde información. Si decides hacerlo, explica por qué en tu TFG. A veces es necesario para aplicar ciertas pruebas o para facilitar la interpretación, pero no es automático. Además, al agrupar puedes perder potencia estadística.
Confundir la variable con su codificación
En SPSS, a veces se codifican variables nominales con números (1=hombre, 2=mujer). Eso no convierte la variable en cuantitativa. La etiqueta del valor es lo que importa. Siempre asigna etiquetas a los valores en SPSS para evitar confusiones al exportar datos.
Preguntas frecuentes
¿Una variable puede ser cualitativa y cuantitativa a la vez?
No. Una variable se define por la naturaleza de los datos que recoge. Si los datos son categorías, es cualitativa; si son números con sentido aritmético, es cuantitativa. Lo que sí ocurre es que puedes recodificar una cuantitativa en cualitativa (ej.: edad → rango etario) o viceversa (ej.: asignar un valor numérico a una cualitativa ordinal, pero eso no la convierte en cuantitativa).
¿Qué hago si tengo dudas sobre el tipo de variable en mi base de datos?
Revisa la pregunta original del cuestionario o la fuente de los datos. Si es una respuesta «sí/no», es nominal. Si es «¿cuántos años tienes?», es cuantitativa. Si aún así dudas, consulta con tu tutor o busca ejemplos de estudios similares en tu disciplina. También puedes hacer una tabla de frecuencias: si los valores son pocos y no tienen orden, es nominal; si son muchos y se distribuyen de forma continua, es cuantitativa.
¿Cuál es la diferencia entre variable discreta y continua?
Discreta solo admite valores enteros (ej.: número de hijos: 0, 1, 2…). Continua admite decimales (ej.: peso: 70,5 kg). En la práctica, a veces se tratan de forma similar si el número de valores discretos es grande (por ejemplo, puntuación de un test de 0 a100). pero conveniene saber que las pruebas estadísticas asumen ciertos supuestos; las contínuas se modelan mejor con distribuciones normales si se cumplen.
¿Puedo usar la media para una variable ordinal si tengo muchos datos?
Es un debate metodológico. La mayoría de manuales recomiendan usar mediana y percentiles para ordinales. Si decides usar la media, justifícalo en tu TFG citando fuentes que lo acepten, per ten en cuenta que los puristas lo criticarán. En muchas áreas como psicología y educación, se acep ta la media para escalas Likert de 5 o más puntos, pero debes ser transparente en tu decisión.
¿El chi cuadrado sirve solo para variables cualitativas?
Principalmente sí. Se usa con tablas de contingencia (dos variables cualitativas) o para comparar frecuencias observadas con esperadas. Si quieres relacionar una cualitativa con una cuantitativa, necesitas otras pruebas, como regresión logística (si la cualitativa es dicotómica) o análisis de varianza (si la cualitativa tiene varias categorías y la cuantitativa es continua).
¿Cómo sé si mi variable es de intervalo o de razón?
Pregúntate: ¿existe un cero absoluto que signifique «ausencia de la característica»? Si la respuesta es sí (ej.: ingresos cero = sin ingresos; edad cero = recién nacido), es de razón. Si no hay cero absoluto (ej.: temperatura en °C, donde 0 °C no implica ausencia de temperatura), es de intervalo. Esta distinción apenas afecta a los estadísticos descriptivos, pero sí a la interpretación de cocientes (por ejemplo, no puedes decir que 20 °C es el doble de calor que 10 °C porque la escala no tiene cero absoluto).