Cómo diferenciar las variables independientes y dependientes de forma sencilla

Casi todas las explicaciones sobre variables independientes y dependientes en internet están escritas para estudiantes de escuela. Las páginas mejor posicionadas para esto son un sitio del gobierno para niños, un repaso de matemáticas de sexto grado y una entrada de enciclopedia. Todas dicen lo mismo: la variable independiente es la que cambias y la variable dependiente es la que mides. Eso es correcto, pero deja de ser suficiente en el momento en que te sientas a escribir el capítulo de metodología.

Lo que sigue es la versión para alguien que tiene que defender sus decisiones: cómo identificar ambas de manera confiable, los otros cuatro tipos de variables que pertenecen a la misma sección, por qué las variables de confusión son las que te costarán puntos y cómo redactar todo esto en un párrafo que un evaluador acepte sin dudar.

<CTA title="Escribe una sección de metodología sólida" description="Jenni te ayuda a estructurar y redactar cada sección con fuentes de referencia integradas desde el principio" buttonLabel="Prueba Jenni gratis" link="https://app.jenni.ai/register" />

¿Qué son las variables independientes y dependientes?

La variable independiente es la que manipulas, asignas o seleccionas. Es la causa presunta, la entrada, lo que va primero. La variable dependiente es la que mides después para ver si reaccionó. Es el efecto presunto, y se considera que su valor depende de la variable independiente, que es de donde proviene el nombre.

El recurso de estadísticas de la National University lo define claramente: la variable independiente es manipulada por el investigador para determinar si provocará cambios en la variable dependiente, mientras que la variable dependiente se mide para ver si su valor depende de ese cambio.

De esto se derivan dos convenciones que vale la pena interiorizar. En un gráfico, la variable independiente va en el eje horizontal y la variable dependiente en el eje vertical. En una ecuación de regresión, la variable dependiente es la y de la izquierda y las variables independientes son los términos x de la derecha, razón por la cual los estadísticos a veces las llaman variables del lado izquierdo y del lado derecho.

Cómo saber cuál es cuál

Cuando te enfrentes a una pregunta poco familiar, sigue estos pasos en lugar de adivinar. Te tomará apenas un minuto y te ayudará a detectar los casos en los que la intuición suele fallar.

Escribe la pregunta de investigación en una sola frase. Apunta a la estructura: ¿cuál es el efecto de A sobre B? Si no puedes plantearla de esa manera, es posible que no tengas una pregunta direccional, lo cual es fundamental notar desde el principio.

Pregúntate cuál de ellas defines o seleccionas. Todo aquello que asignes, manipules o elijas como base para seleccionar a los participantes es la variable independiente. En un experimento, tú la configuras. In un estudio observacional, la seleccionas o simplemente la registras tal como ocurre.

Pregúntate cuál esperas para medir. La variable que registras después de que todo lo demás ha sucedido es la variable dependiente.

Aplica la prueba del tiempo. La variable independiente va primero. Si fuera posible que B causara A, no tienes un problema de etiquetas, sino un problema de direccionalidad, y esto debe incluirse en tus limitaciones.

Haz una lista de todo lo demás que podría explicar el resultado. Cualquier elemento asociado con ambas variables que no esté en la ruta causal entre ellas es una variable de confusión. Identifícala, mídela o explica por qué no pudiste hacerlo.

Aplicado a preguntas reales, se ve de la siguiente manera.

Observa la cuarta fila. Nadie le asigna un nivel de ingresos a otra persona. Ese caso es donde la terminología estándar empieza a quedarse corta, y se aborda en detalle más adelante.

<ProTip title="🎚️ Definir o medir:" description="Si puedes imaginarte asignando a un participante a un nivel específico de la variable, esa es tu variable independiente. Si lo único que puedes hacer es registrar lo que ocurrió, entonces es tu variable dependiente" />

Las otras cuatro variables en tu sección de metodología

Un capítulo de metodología que solo menciona dos variables casi siempre está incompleto. Los estándares de publicación exigen más, y es lo primero que buscan los evaluadores.

Variables de control

Una variable de control es aquella que mantienes constante deliberadamente para que no varíe y afecte la comparación. Evaluar a todos en la misma habitación a la misma hora del día controla el entorno y los efectos del ritmo circadiano. Las variables de control no se analizan como efectos; simplemente se eliminan del juego.

Variables de confusión

Una variable de confusión está asociada tanto con la variable independiente como con la dependiente, y no se encuentra en la ruta causal entre ellas. Esta es la que invalida las conclusiones, y tiene su propia sección detallada a continuación.

Variables moderadoras

Un moderador altera la fuerza o la dirección de la relación. En la definición canónica de Baron y Kenny, un moderador es una variable que afecta la dirección y/o la fuerza de la relación entre una variable independiente o predictora y una variable dependiente o de criterio. Si tu intervención funciona para el personal experimentado pero no para los nuevos, la experiencia es un moderador. Los moderadores responden al para quién y cuándo.

Variables mediadoras

Un mediador se encuentra en la ruta causal y explica el mecanismo. Nuevamente, según Baron y Kenny: una variable funciona como mediadora en la medida en que explica la relación entre el predictor y el criterio. Si el sueño afecta las calificaciones del examen porque influye en la concentración, la concentración es el mediador. Los mediadores responden al cómo.

La distinción que suele causar confusión es la de moderador frente a mediador. Un moderador es una condición bajo la cual el efecto cambia. Un mediador es un paso en la cadena a través de la cual ocurre el efecto. Confundir una con otra altera por completo tu análisis y tus conclusiones.

Por qué las variables de confusión son las que realmente importan

La confusión es la razón por la cual los hallazgos correlacionales terminan descartándose, y tiene una definición matemática precisa en lugar de una vaga. El recurso educativo de epidemiología de la Columbia University cita el Diccionario de Epidemiología de Last: la confusión es la distorsión de la estimación del efecto de una exposición sobre un resultado, causada por un factor extraño asociado tanto con la exposición como con el resultado, pero que no es un paso intermedio en la vía causal entre ellos.

Esa definición plantea tres pruebas, expuestas en el libro de texto abierto de epidemiología de Oregon State. Para ser una variable de confusión, debe estar asociada estadísticamente con la exposición, debe causar el resultado y no debe encontrarse en la vía causal entre ambos. La tercera condición es la que la gente suele olvidar, y el libro de texto es contundente sobre las consecuencias: las variables en la vía causal son mediadoras, no de confusión. Ajustar el análisis para un mediador no depura tu estimación, sino que destruye el efecto que estabas intentando medir.

Un ejemplo práctico: las personas que beben más café tienen tasas más altas de cáncer de pulmón. Sin embargo, el café no causa cáncer de pulmón. El tabaquismo está asociado con el consumo de café y causa cáncer de pulmón, y no es un paso en ninguna ruta causal que vaya del café al cáncer. El tabaquismo es una variable de confusión, y cualquier análisis que la ignore producirá un resultado real, estadísticamente significativo pero completamente falso.

<ProTip title="🕵️ Detecta variables de confusión:" description="Antes de recopilar datos, haz una lista de cinco variables que podrían causar tu resultado y que también estén vinculadas a tu predictor. Mide las que puedas. Las que no puedas medir formarán tu sección de limitaciones, redactada de antemano" />

La misma variable puede jugar cualquier rol

No hay nada intrínseco en una variable que la convierta en independiente o dependiente. El rol proviene de la pregunta de investigación, no de la variable en sí.

La duración del sueño es la variable independiente cuando te preguntas si el sueño afecta el rendimiento en los exámenes. Se convierte en la variable dependiente cuando te preguntas si la ansiedad afecta el sueño. La satisfacción laboral es una variable dependiente en un estudio sobre prácticas de gestión y una variable independiente en un estudio sobre la rotación de personal. La etiqueta describe la posición que ocupa dentro de un argumento científico.

Esta es también la razón por la cual el problema de la direccionalidad es una amenaza real y no un tecnicismo. Como ilustra el libro de texto de métodos de investigación de BCcampus, el estrés y la mala planificación están correlacionados, y estar estresado puede perjudicar la capacidad de planificar con anticipación con la misma facilidad que a la inversa, mientras que una tercera variable, como la minuciosidad, puede influir en ambas. Sin un experimento o un diseño temporal sólido, no puedes resolver esto basándote únicamente en los datos, y fingir lo contrario en tu sección de discusión es la forma más rápida de perder la confianza del evaluador.

<ProTip title="🔀 Control de dirección:" description="Escribe tu hipótesis causal a la inversa y analiza si sigue pareciendo lógica. Si es así, tu diseño de investigación debe justificar rigurosamente la dirección elegida en lugar de simplemente asumirla" />

Cuándo "variable independiente" es el término incorrecto

En un experimento real la terminología resulta natural, porque realmente configuras la variable independiente de manera aislada de todo lo demás. En el trabajo observacional no es así, y algunos metodólogos consideran que la palabra puede resultar engañosa en ese contexto.

El libro de texto de BCcampus es muy claro respecto a los diseños correlacionales: cuando no se considera que ninguna variable cause la otra y no se manipula nada, los términos variable independiente y variable dependiente no se aplican a este tipo de investigación. National University coincide en el mismo punto. Wikipedia señala que algunos autores prefieren el término variable explicativa precisamente porque las variables tratadas como independientes pueden no ser ni estadísticamente independientes ni manipulables de forma autónoma.

Ten en cuenta que esta es una convención activa en lugar de una regla establecida, y muchos analistas competentes utilizan "variable independiente" para datos observacionales sin inconvenientes. El consejo práctico es seguir la terminología de tu campo: la epidemiología prefiere exposición y resultado, los ensayos clínicos hablan de criterio de valoración (endpoint), los textos de regresión utilizan predictor y respuesta, y la psicología opta por predictor y criterio en el trabajo correlacional. Adaptarte a la convención demuestra que conoces la tradición académica en la que estás escribiendo.

Cómo redactar las variables en tu sección de metodología

Este es el paso que omiten todas las páginas de internet mejor posicionadas, y es el único paso que realmente aparecerá en tu tesis.

La mejor guía disponible proviene de STROBE, el estándar de publicación para estudios observacionales. Su elemento 7 te solicita definir claramente todos los resultados, exposiciones, predictores, posibles variables de confusión y modificadores de efecto, y proporcionar criterios diagnósticos cuando corresponda. La guía detallada añade tres expectativas más: la fuente de los datos y el método de evaluación de cada variable, si los métodos de evaluación fueron comparables entre grupos y a lo largo del tiempo, y el nivel de organización en el que se midió cada variable.

Tómalo como una lista de verificación y el párrafo se redactará prácticamente solo. Para cada variable define: qué es, cómo se midió, con qué instrumento, a qué nivel y por qué se incluye en el modelo. Así es como se ve en la práctica:

La variable independiente fue la duración del sueño, medida en horas y autoreportada la mañana de la prueba mediante una pregunta de un solo elemento. La variable dependiente fue el rendimiento en el examen, operacionalizado como el porcentaje obtenido en la evaluación estandarizada de fin de módulo. El promedio de calificaciones previo se obtuvo de los registros institucionales y se incluyó como covariable, ya que está asociado tanto con los hábitos de sueño como con el rendimiento académico, y no se encuentra en la ruta causal entre ambos.

Tres oraciones, y cada una de ellas responde a una pregunta que, de otro modo, el evaluador tendría que formular. Nota que la tercera oración justifica la covariable en lugar de simplemente listarla, que es la diferencia fundamental entre una sección de metodología que solo enumera opciones y una que las defiende con criterio científico.

<ProTip title="📋 Consistencia al reportar:" description="Nombra tus variables exactamente con las mismas palabras en todo el documento. Si llamas a una variable 'duración del sueño' en la metodología y 'calidad del sueño' en los resultados, se interpretará como dos conceptos diferentes, y un evaluador meticuloso te preguntará cuál de ellos mediste realmente" />

Cómo redactar tu sección de variables con Jenni

Una vez que tienes claro cuáles son tus variables, la redacción se convierte en un trabajo de estructuración.

Paso 1. Describe exactamente lo que necesitas. Nombra el estudio, la población y las variables en tu instrucción o prompt. Un prompt vago generará un párrafo genérico que no superará la revisión de tu supervisor.

Paso 2. Configura tus preferencias de citas. Elige el estilo de formato que exige tu departamento académico. Las secciones de metodología suelen requerir un número considerable de citas, ya que cada instrumento y cada medida establecida deben estar debidamente respaldados.

Paso 3. Genera los títulos de las secciones. Construye la estructura de tu capítulo de metodología antes de redactar el texto definitivo, asegurando que la subsección de variables quede perfectamente ubicada con respecto al diseño, los participantes y el análisis.

Paso 4. Redacta variable por variable. Sigue la lista de verificación de STROBE para cada una: definición, medida, instrumento, nivel y justificación. Importa la cita de cualquier instrumento publicado directamente a tu biblioteca mediante su DOI para asegurar que la referencia sea exacta desde el primer momento.

Paso 5. Revisa el texto antes que tu supervisor. Utiliza la función de 'Claim Confidence' de Jenni sobre la sección para detectar cualquier fragmento donde hayas sugerido una relación causal que tu diseño de investigación no pueda sostener. En una sección de variables, esto suele corregirse cambiando un 'afecta' por un 'está asociado con'.

Define las etiquetas correctamente y tu argumento fluirá solo

Nombrar tus variables independientes y dependientes de manera correcta es solo una pequeña parte del proceso. El verdadero valor radica en lo que este ejercicio te obliga a analizar: si tu pregunta de investigación es realmente direccional, si puedes defender esa dirección, qué otras explicaciones lógicas existen para el resultado y si los términos que estás utilizando coinciden con el diseño que implementaste.

<CTA title="Redacta tu capítulo de metodología con total confianza" description="Estructura cada sección, cita cada instrumento correctamente y asegúrate de que tus conclusiones coincidan con tu diseño de investigación" buttonLabel="Prueba Jenni gratis" link="https://app.jenni.ai/register" />

Realiza esta comprobación de cinco pasos con tu propia pregunta de investigación esta semana y luego redacta la versión de tres oraciones inspirada en el párrafo anterior. Si notas que no puedes definir la medida o el instrumento para alguna variable, ese debe ser tu próximo paso a resolver, mucho antes de escribir una sola palabra más de tu sección de metodología. Esta misma disciplina se aplica a cada sección de un artículo de investigación, y todo comienza aquí.