La base invisible que sostiene toda estadística moderna
La gente no piensa suficiente en esto: antes de cualquier gráfico, antes del primer promedio o porcentaje, antes incluso de abrir Excel, tienes que responder una pregunta simple: ¿qué tipo de datos tengo entre manos? Porque no puedes tratar a todos los datos igual. No puedes, por ejemplo, sacar un promedio del tipo de sangre de una población. Eso no tiene sentido. (Aunque, curiosamente, si codificas A como 1, B como 2, y así, un programa estadístico te dejará hacerlo... y te dará un número que no significa nada. Ironías de la era digital.) Aquí es donde se complica la cosa: muchos errores en análisis de datos —y hay muchos— nacen precisamente de confundir estos dos tipos de variables.
Estoy convencido de que este error es más común de lo que se admite. En informes corporativos, en estudios académicos mal diseñados, incluso en encuestas de opinión, se mezclan categorías con cantidades como si fueran intercambiables. Y el resultado: conclusiones falsas, decisiones equivocadas, y un montón de tiempo desperdiciado. Las variables cuantitativas representan magnitudes. Puedes cuantificarlas. Puedes operar con ellas. Sumarlas, promediarlas, compararlas con una desviación estándar. Las variables categóricas, en cambio, representan cualidades. No son magnitudes, son etiquetas. Y aunque algunas se puedan codificar numéricamente, eso no las convierte en números reales. Es solo trampa visual.
La clave está en la operabilidad. Puedes decir que una persona tiene 35 años, otra 42, y sacar una media de 38.5. Pero no puedes decir que el promedio entre "soltero" y "casado" es "semi-casado". Eso es absurdo. Y es exactamente ahí donde muchos tropiezan. Porque en la superficie, todo parece numérico. Pero la naturaleza del dato es lo que importa. Es como si intentaras medir la belleza en metros. Suena ridículo, pero se hace todo el tiempo —aunque con otros nombres.
Cómo distinguir entre medida y etiqueta: una cuestión de sentido común
Una variable cuantitativa mide algo que tiene escala. Tiene unidades. Puede ser discreta (número de hijos: 0, 1, 2, 3) o continua (peso corporal: 68.4 kg, 72.1 kg). Una variable categórica clasifica. No hay escala numérica real, aunque se use números como etiquetas. Por ejemplo, en una encuesta, si asignas "1" a hombre y "2" a mujer, no puedes decir que la mujer es el doble de hombre. Obvio, ¿no? Pues sorpréndete cuántas veces se comete este error en análisis automatizados.
Por qué la intención del investigador define el tipo de variable
Un dato puede parecer cuantitativo, pero ser tratado como categórico dependiendo del objetivo. Toma la edad. Si la registras como 23, 45, 51 años, es claramente cuantitativa. Pero si luego agrupas en categorías: joven (18-35), adulto (36-60), mayor (61+), ya no estás midiendo, estás clasificando. El contexto y el propósito deciden el tipo. Lo mismo con el ingreso: podrías tener el dato exacto (64,320 dólares al año) o simplemente "bajo", "medio", "alto". El primero es cuantitativo; el segundo, categórico ordinal, porque hay un orden implícito.
Variables cuantitativas: cuando los números cuentan historia
Imagina que estás analizando el rendimiento de estudiantes universitarios. Tienes acceso a sus calificaciones: 7.2, 8.9, 6.5, 9.1. Esos son números reales, con escala, medidos en una escala de 0 a 10. Puedes calcular el promedio: digamos, 7.8. Puedes ver cuántos están por encima del 9. Puedes estudiar la varianza. Todo esto es posible porque son variables cuantitativas continuas. Ahora, si en lugar de eso, cuentas el número de materias aprobadas en un semestre —digamos, 4, 5, 3, 6— estás frente a una variable cuantitativa discreta. Siguen siendo números, pero no pueden tomar cualquier valor. No puedes aprobar 5.7 materias.
Y es en ese detalle donde muchos se pierden. Porque aunque ambas son cuantitativas, requieren enfoques distintos en modelado estadístico. Una regresión lineal funciona bien con variables continuas. Con discretas, a veces necesitas Poisson o modelos específicos. Pero no entremos en jerga técnica. Basta decir que la diferencia importa en la práctica, no solo en teoría. Toma el ejemplo del número de accidentes de tránsito mensuales en una ciudad. En Bogotá, entre enero y junio de 2023, hubo 1,203, 1,187, 1,241, 1,190, 1,225 y 1,250 accidentes. Eso da un promedio de 1,216 por mes. Es un número útil. Pero no puedes decir que en marzo hubo "1.4 accidentes más que el promedio" como si fuera algo continuo. Es un conteo. Discreto. Y eso influye en cómo lo modelas.
El peso como variable cuantitativa continua: más allá de la báscula
El peso corporal es un ejemplo clásico. En una clínica médica en Monterrey, se registraron pesos entre 48.2 kg y 112.7 kg en una muestra de 150 pacientes. La media fue de 73.4 kg, con una desviación estándar de 12.1 kg. Estos números permiten análisis sofisticados: identificar percentiles, detectar obesidad (IMC > 30), comparar grupos con pruebas t. Pero si en lugar de eso, divides a los pacientes en "bajo peso", "normal", "sobrepeso", "obeso", pierdes resolución. Ganas simplicidad, pero pierdes precisión. Y eso puede ser conveniente para ciertos usos, como campañas de salud pública. Pero no para diagnósticos individuales.
El error común: tratar datos categóricos codificados como si fueran cuantitativos
En un estudio sobre empleabilidad, se asignó "1" a desempleado, "2" a empleado a tiempo parcial, "3" a tiempo completo. Luego, el investigador calculó un promedio de 2.3. ¿Qué significa eso? ¿Que la gente está un 30% más empleada que a tiempo parcial? Claro que no. Es un número, pero sin sentido real. Porque aunque usemos números, las categorías no tienen distancia numérica entre ellas. Lo que explica que esta práctica siga existiendo es la facilidad técnica: los programas estadísticos no preguntan “¿esto es realmente cuantitativo?”. Simplemente operan. Y el resultado es una ilusión de precisión.
Variables categóricas: cuando el nombre es el dato
Tomemos el lugar de nacimiento. En una encuesta de ciudadanos en Lima, las respuestas incluyeron: Perú, Colombia, Ecuador, Chile, Venezuela. Eso es una variable categórica nominal. No hay orden. No puedes decir que Perú es “mayor” que Ecuador. Son etiquetas. Ahora, si preguntas nivel educativo: primaria, secundaria, universitario, posgrado, entonces tienes una variable categórica ordinal. Hay jerarquía. Pero atención: aunque haya orden, no hay distancia uniforme. No puedes asumir que la diferencia entre primaria y secundaria es igual a la de universitario y posgrado. El problema persiste: muchos análisis tratan estas variables como si fueran cuantitativas, generando sesgos.
Como resultado: en un informe sobre movilidad social en Argentina, se asignó 1 a primaria, 2 a secundaria, 3 a universitario, 4 a posgrado. Luego se calculó una “movilidad promedio” de 2.7. Y se concluyó que la movilidad aumentó 0.3 puntos en 5 años. Eso suena científico. Pero es una falacia. Porque no sabemos si el salto de 2 a 3 es igual al de 3 a 4. Podría ser que obtener un posgrado requiere 8 años más de estudio, mientras que pasar de primaria a secundaria, solo 5. Así que el número 2.7 es engañoso. Lo que necesitas son análisis como escalas de Likert ponderadas o modelos ordinales, no simples promedios.
Color de ojos: un caso claro de categórica nominal
Marrón, verde, azul, negro. No hay jerarquía. No se puede operar. No puedes sumar un ojo azul con uno marrón y decir que tienes uno “turquesa medio”. Es ridículo. Pero útil para agrupar. En un estudio genético en Barcelona, el 62% de los 800 participantes tenía ojos marrones, el 22% verdes, el 14% azules, y el 2% negros. Estos porcentajes son descriptivos. Sirven para comparar con otras poblaciones. En Oslo, por ejemplo, solo el 8% tiene ojos marrones, mientras que el 56% tiene ojos azules. Pero no puedes hacer inferencia paramétrica con estos datos. Necesitas chi-cuadrado, no t-student.
Clasificar sin jerarquía: el dilema de las categorías arbitrarias
Una empresa de streaming quiere segmentar usuarios por género musical preferido: rock, pop, clásica, jazz, reguetón. Es una variable categórica nominal. Pero si luego intenta agruparlos en clusters usando k-means (un algoritmo que necesita distancias numéricas), el software obligará a codificar los géneros como números. Y entonces, por arte de magia estadística, jazz (3) está “más cerca” de clásica (2) que de reguetón (5). Pero ¿realmente? Tal vez culturalmente sí, pero matemáticamente, es arbitrario. Porque la distancia no existe. De ahí que se recomienden métodos como análisis de correspondencias o modelos basados en similitud, no en métricas euclidianas.
Cuando la línea se borra: variables que juegan en ambos campos
El ingreso anual es un buen ejemplo. En su forma bruta —87,500 dólares— es cuantitativo. Pero cuando lo divides en “bajo (menos de 40k)”, “medio (40k–80k)”, “alto (más de 80k)”, se vuelve categórico. Y aunque parezca una pérdida, a veces es necesario. Porque no todos los modelos manejan bien valores extremos. Un salario de 10 millones distorsiona el promedio. Así que se categoriza. Pero estamos lejos de eso: no es que una forma sea mejor. Depende del objetivo. Para políticas sociales, agrupar puede ser más útil. Para análisis financieros, el dato exacto es indispensable.
Preguntas frecuentes
¿Se puede convertir una variable categórica en cuantitativa?
No directamente. Pero puedes codificarla numéricamente para análisis. Por ejemplo, “sí = 1, no = 0” en una variable binaria. Pero eso no la hace cuantitativa. Es solo una representación. Y hay que tener cuidado: no puedes interpretar el “0.6” como “60% de sí” en un promedio. Eso es una media aritmética de códigos, no de cantidades reales.
¿El número de hijos es cuantitativo o categórico?
Es cuantitativo discreto. Porque mide una cantidad real: 0, 1, 2, 3 hijos. Puedes sumarlos, calcular promedios (aunque un promedio de 2.3 hijos suene extraño). Pero si lo divides en “sin hijos”, “uno o dos”, “tres o más”, se vuelve categórico ordinal.
¿Y el código postal? ¿No es un número?
Sí, pero no. Aunque parece cuantitativo, es una etiqueta. No puedes decir que el código 08025 es “mayor” que el 08020 ni que la diferencia es 5. No tiene sentido. Es una variable categórica nominal disfrazada de número. Como los números en las camisetas de fútbol. El 10 no es mejor que el 7. Solo es diferente.
Veredicto
Los datos aún escasean sobre cuántos errores de análisis nacen de confundir estos dos tipos de variables. Pero mi experiencia —y la de muchos colegas— sugiere que es alarmante. El tema es: no se trata de ser más técnico, sino más cuidadoso. Porque al final, los números no mienten. Pero sí pueden ser mal interpretados. Encuentro esto sobrevalorado: la obsesión con modelos complejos sin verificar primero la naturaleza básica de los datos. Antes de correr un algoritmo, pregúntate: ¿esto se mide o se clasifica? Esa simple distinción —entre cuantitativo y categórico— es la diferencia entre un análisis que informa y uno que engaña. Y honestamente, no está claro por qué no se enseña con más énfasis desde el principio. Tal vez porque parece demasiado simple. Pero en estadística, lo simple suele ser lo más poderoso.