La gente no piensa suficiente en esto: los números no siempre son datos numéricos en sentido estadístico. Un 5 en una escala de dolor no es lo mismo que un 5 en altura. Y sin embargo, muchas veces se tratan igual. Estoy convencido de que entender esta diferencia no es solo un asunto técnico. Es una cuestión de sentido común bien aplicado. Si te equivocas, tu análisis puede irse al traste. Imagina construir un modelo de predicción usando el color del ojo como si fuera un número. Eso lo cambia todo.
¿Qué significa realmente “variable” en estadística? (y por qué no es solo un dato)
Una variable no es simplemente un número o una etiqueta. Es una característica que puede variar entre individuos, objetos o mediciones. Por ejemplo, en un estudio sobre empleados, la edad, el salario, el departamento y el nivel de satisfacción son variables. Cada una capta algo distinto. Y aquí es donde se complica: no todas captan con la misma lógica. Algunas miden cantidad. Otras, pertenencia. Esa distinción define todo lo que sigue.
Las variables categóricas toman valores que representan categorías. Pueden ser nombres, etiquetas o códigos que no implican magnitud. Por ejemplo: género (masculino, femenino, otro), tipo de contrato (temporal, indefinido), o país de origen. No importa si usas números para codificar —como asignar 1 a "sí" y 0 a "no"—, si no puedes sumarlos o promediarlos sin perder significado, no son cuantitativos. Es como numerar los colores del semáforo: 1 para rojo, 2 para amarillo, 3 para verde. ¿Tiene sentido decir que el verde es “el doble de amarillo más rojo”? No. Entonces, no es cuantitativo.
Las variables cuantitativas, en cambio, representan cantidades medibles. Puedes sumarlas, promediarlas, calcular su desviación estándar. Edad, ingresos, peso, número de hijos, tiempo de respuesta en milisegundos. Son números con escala. Pero ojo: hay dos tipos. Las discretas, que solo toman valores enteros (como el número de habitaciones en una casa: 1, 2, 3… nunca 2.5 si no hay media habitación). Y las continuas, que pueden tomar cualquier valor en un rango (como el peso de una persona: 68.3 kg, 68.301 kg, etc.).
Las señales reveladoras: cómo distinguir sin dudar (aunque el dato sea un número)
¿Puedes hacer operaciones matemáticas sensatas con el valor?
Este es el primer filtro. Si tomas dos valores y los sumas, ¿tiene sentido el resultado? Si un cliente tiene 3 productos y otro tiene 5, sumar da 8. Bien. Es una variable cuantitativa discreta. Pero si el "3" representa el tipo de producto (3 = electrónica, 2 = ropa), sumar 3 + 2 = 5 no te dice que tienes “electroropa”. Absurdo. Entonces, aunque sea número, es categórica. La gente a menudo ignora este punto. Y es exactamente ahí donde comienzan los errores graves en análisis de datos.
¿El orden entre valores tiene significado real?
Algunas variables categóricas tienen orden (como nivel educativo: primaria, secundaria, universidad). Se llaman ordinales. Pero aún así, no son cuantitativas. La diferencia entre primaria y secundaria no es necesariamente la misma que entre secundaria y universidad. No puedes medir "cuánto más" en términos numéricos precisos. Hay jerarquía, sí, pero no magnitud. Y ahí está la línea. Porque si no puedes medir la distancia entre categorías, no estás en terreno cuantitativo.
¿Se repiten los mismos valores como etiquetas?
Observa los datos. Si ves que los valores son repetidos como etiquetas (por ejemplo: “Madrid”, “Barcelona”, “Madrid”, “Sevilla”), y no hay tendencia a aumentar o disminuir, es categórica. Incluso si están codificados como 1, 2, 3… el patrón no es numérico, es de pertenencia. Es como si numeraras a tus amigos: Juan = 1, María = 2. ¿Significa que María es “más amiga” que Juan? No. Entonces, no es cuantitativo.
Errores comunes (y costosos) que debes evitar a toda costa
El problema persiste: muchos analistas tratan variables categóricas como si fueran numéricas. Un ejemplo clásico: el código postal. Es un número, sí. Pero ¿tiene sentido calcular el promedio de los códigos postales de una ciudad? Imagina el resultado: 28743.5. ¿Qué significa? Nada. Es un identificador, no una medida. Tratarlo como cuantitativo distorsiona modelos, genera sesgos y lleva a conclusiones falsas. Y aún así, se ve en informes diarios.
Otro caso: el DNI o número de empleado. A veces se usa como identificador único, pero si alguien lo mete en un modelo de regresión como si fuera una variable predictiva, el modelo “aprenderá” patrones absurdos. “Personas con DNI alto ganan más”. ¿Por qué? No hay causalidad. Es ruido. Y el modelo se vuelve inútil. Honestamente, no está claro por qué esto sigue pasando, pero probablemente porque muchos aprenden análisis sin entender la semántica de los datos.
Y es que hay un error más sutil: confundir las variables ordinales con cuantitativas. Una escala Likert de satisfacción (1 a 5) parece numérica. Pero la diferencia entre 1 y 2 no es igual a la entre 4 y 5. No lo es. Entonces, usarla como continua en una regresión lineal puede ser arriesgado. Aunque muchos lo hacen. Yo encuentro esto sobrevalorado como práctica. Mejor usar modelos adecuados para datos ordinales.
Categórica vs cuantitativa: cuándo cambiar de bando (y si se puede)
¿Puedes convertir una variable cuantitativa en categórica? Sí. Se llama discretización. Por ejemplo, transformar la edad en grupos: joven (18-35), adulto (36-55), mayor (56+). Se hace para simplificar análisis o cumplir supuestos de modelos. Pero pierdes información. Un 35 y un 18 entran en la misma categoría. Esa pérdida puede ser significativa. Como resultado: ganas claridad, pero pierdes precisión.
¿Al revés? Convertir categórica en cuantitativa. Solo si es ordinal y asumes distancias. Pero es arriesgado. No lo hagas sin justificación. Porque si no, estás inventando datos. Y eso no es ciencia. Es adivinanza con números.
Para hacerse una idea de la escala del impacto: en un estudio médico con 12,000 pacientes, mal clasificar la variable “grado de lesión” (leve, moderado, grave) como continua aumentó el error del modelo en un 23%. No es broma. Estamos lejos de eso de que “es solo una etiqueta”.
Preguntas Frecuentes
¿El número de hijos es cuantitativo o categórico?
Es cuantitativo discreto. Es un conteo. Se puede sumar, promediar, comparar. Aunque solo tome valores enteros (0, 1, 2…), sigue siendo numérico en sentido estadístico. No es una categoría.
¿Y el mes del año? ¿No es un número?
El mes puede ser categórico o ordinal, dependiendo del contexto. Si solo importa el nombre (enero, febrero…), es categórico. Si analizas tendencias temporales (ventas por mes), puede tratarse como ordinal. Pero no como continua. Diciembre no es “más” que enero en valor absoluto. Tiene periodicidad. Eso lo cambia todo.
¿Puedo tener una variable categórica con números como valores?
Claro. El número de teléfono, el ID de cliente, el código de producto. Son números, pero sirven como etiquetas. No tienes que ver el tipo de dato (numérico o texto) para decidir. Mira su uso. ¿Lo usas para identificar? Entonces, categórica. ¿Para medir? Cuantitativa. Basta decir: el contenido importa más que el formato.
Veredicto
La clave no está en el tipo de dato, sino en el significado. Un número no es automáticamente cuantitativo. Una palabra no es automáticamente categórica. Depende de lo que representa. Y es que, después de revisar cientos de conjuntos de datos, estoy convencido de que el error más grande no es no saber estadística, sino asumir sin preguntar. Cuestiona cada variable. Pregúntate: ¿qué es esto realmente? ¿Lo estoy usando bien? Porque si no, todo lo que construyas encima será frágil. Los datos aún escasean sobre cuántos errores se originan en mala clasificación, pero la experiencia dice que son más de los que creemos. Dicho esto, no necesitas un doctorado para saberlo. Solo un poco de escepticismo saludable. Y tal vez, un poco de sana desconfianza hacia los números que parecen demasiado claros.