La investigación cuantitativa es aquella en la que se recogen y analizan datos cuantitativos sobre variables. La investigación cualitativa evita la cuantificación. Los investigadores cualitativos hacen registros narrativos de los fenómenos que son estudiados mediante técnicas como la observación participante y las entrevistas no estructuradas. La diferencia fundamental entre ambas metodologías es que la cuantitativa estudia la asociación o relación entre variables cuantificadas y la cualitativa lo hace en contextos estructurales y situacionales4. La investigación cualitativa trata de identificar la naturaleza profunda de las realidades, su sistema de relaciones, su estructura dinámica. La investigación cuantitativa trata de determinar la fuerza de asociación o correlación entre variables, la generalización y objetivación de los resultados a través de una muestra para hacer inferencia a una población de la cual toda muestra procede. Tras el estudio de la asociación o correlación pretende, a su vez, hacer inferencia causal que explique por qué las cosas suceden o no de una forma determinada.



Las diferencias más ostensibles entre ambas metodologías se muestran en la tabla 1 5-6. Los fundamentos de la metodología cuantitativa podemos encontrarlos en el positivismo que surge en el primer tercio del siglo XIX como una reacción ante el empirismo que se dedicaba a recoger datos sin introducir los conocimientos más allá del campo de la observación. Alguno de los científicos de esta época dedicados a temas relacionados con las ciencias de la salud son Pasteur y Claude Bernard, siendo este último el que propuso la experimentación en medicina. A principios del siglo XX, surge el neopositivismo o positivismo lógico siendo una de las aportaciones más importantes la inducción probabilística. La clave del positivismo lógico consiste en contrastar hipótesis probabilísticamente y en caso de ser aceptadas y demostradas en circunstancias distintas, a partir de ellas elaborar teorías generales. La estadística dispone de instrumentos cuantitativos para contrastar estas hipótesis y poder aceptarlas o rechazarlas con una seguridad determinada. Por tanto el método científico, tras una observación, genera una hipótesis que contrasta y emite posteriormente unas conclusiones derivadas de dicho contraste de hipótesis. El contrastar una hipótesis repetidamente verificada no da absoluta garantía de su generalización ya que, como señala Karl Popper, no se dispone de ningún método capaz de garantizar que la generalización de una hipótesis sea válida. Con el ejemplo de los cisnes, K. Popper rebatía las tesis neopositivistas sobre la generalización de las hipótesis9... "todos los cisnes de Austria eran blancos... no se dispone de datos sobre el color de los cisnes fuera de Austria..., todos los cisnes son blancos...". En el momento actual no hay ningún método que garantice que la generalización de una hipótesis sea válida, pero sí se puede rebatir una hipótesis con una sola evidencia en contra de ella. Es por ello que la ciencia, como señala K. Popper "busca explicaciones cada vez mejores

cuantitativa: es la de cuanto se uso o se utilizo de material.



cualitativa: son los materiales que se utilizaron para su elaboración

Te doy una parte de unos apuntes hechos por mí que habla de los tipos de variables:



Variables cualitativas y cuantitativas



Las variables pueden clasificarse como cualitativas y cuantitativas atendiendo al hecho de que puedan expresarse utilizando magnitudes o no.



• Variables cualitativas: Son aquellas que permiten clasificar un objeto en dos o más categorías. Por ejemplo, si se desea saber quién usa más determinado producto, si los hombres o las mujeres, la variable cualitativa será el sexo de los sujetos. O si la marca de los enjuagues para el pelo influye en la elección de compra, la variable cualitativa es la marca de los enjuagues más vendidos.

• Variables cuantitativas: Son aquellas que permiten asignar numerales a personas, objetos u observaciones en base a la cantidad que posean de alguna propiedad o característica. Por ejemplo, el volumen de un cuerpo, edades, cantidades vendidas, etc.





Variables dependientes e independientes



Otra forma útil de clasificar a las variables es atendiendo a las relaciones que guardan unas respecto a las otras, dividiéndolas en dependientes e independientes.



• Variables dependientes: Son aquellas variables a las cuales se desea explicar su comportamiento y generalmente se les denota con la letra “y”. A las variables dependientes también se les llama variables de criterio o consecuentes.

• Variables independientes: Son aquellas que se utilizan para explicar el comportamiento de las variables dependientes o que influyen o son la causa de las variables dependientes y generalmente se les denota con la letra “x”. A las variables independientes también se les llama variables explicatorias, predictoras o antecedentes.



Para denotar que existe una asociación o relación entre ciertas variables se utiliza la notación funcional: y = f(x) que se lee “y depende de x” o que “y está en función de x” y supone que los cambios que ocurran en la variable x producirá cambios en la variable y.



Por ejemplo, puede ser que en una empresa se esté llevando a cabo una investigación para determinar qué variables influyen en el monto de las ventas del producto que lanza al mercado, en tal caso las variables dependiente e independientes serían:



y = Monto de las ventas.

x1 = Ingreso de los clientes.

x2 = Precio del producto.

x3 = Gasto en publicidad.



De manera que la relación funcional se podría expresar como y = f(x1, x2, x3). Posteriormente se buscaría determinar en que medida cada variable independiente contribuye a explicar el comportamiento de la variable dependiente.



En el ejemplo anterior existe sólo una variable dependiente y tres variables independientes pero la mayoría de los fenómenos que se estudian en administración pueden tener una o más variables dependientes y varias variables independientes. Es común suponer que la inclusión de más variables independientes ayudará a explicar mejor el fenómeno que se está estudiando aunque el principio de parsimonia sostiene que sólo se deberán elegir como variables explicatorias aquellas que más contribuyan a explicar el comportamiento de la variable dependiente.





Variables de control



Una variable de control es un tipo de variable independiente que sirve para probar si la relación entre las variables dependientes e independientes no es espuria. Se dice que una relación es espuria si la relación supuesta entre las variables no es real, es decir que es sólo accidental o aparente.



Cuando existe una relación espuria entonces el comportamiento de la variable dependiente se puede explicar con ayuda de otras variables que no fueron incluidas en la relación inicial y son las que reciben el nombre de variables de control.





Variables semidependientes



Las variables semidependientes son variables dependientes secundarias que tienen un efecto contingente o cooperante en la relación original de las variables dependientes e independientes.



En el ejemplo mencionado anteriormente puede resultar que no sólo el ingreso del cliente, el precio del producto y los gastos en publicidad tengan influencia en el monto de las ventas si no que además el investigador ha observado que las acciones que desarrolla la competencia también repercuten en los resultados de las ventas de la empresa y por lo tanto, se deba incluir en la relación original la variable semidependiente “c” (competencia) que expresa las ventas hechas por la competencia de acuerdo a la relación funcional c = h(z1, z2, z3) en donde:



c = Monto de las ventas.

z1 = Precio del bien ofrecido por la competencia.

z2 = Gasto en publicidad de la competencia.

z3 = Numero de establecimientos de la competencia.



De manera que la relación original cambia de y = f(x1, x2, x3) a la relación: y = f(x1, x2, x3) – c es decir y = f(x1, x2, x3) - h(z1, z2, z3) por la inclusión de la variable semidependiente c.





Variables continuas y discontinuas



Otra clasificación de las variables tiene que ver con la escala de medición que se utiliza y afecta la cuantifica