Variáveis quantitativas e categóricas: qual é a diferença?

A coleta terminou. Você exporta o questionário para uma planilha, abre o arquivo pela primeira vez e lá estão as colunas: idade, sexo, escolaridade, número de filhos, pressão arterial e uma pergunta de satisfação com o atendimento, respondida de 1 a 5. Antes de calcular qualquer coisa, aparece uma dúvida que parece pequena demais para travar alguém, mas trava muita gente: que tipo de variável é cada uma dessas?

Se você já se perguntou se dá para tirar a média da escolaridade, ou se aquela nota de 1 a 5 é um número "de verdade", saiba que essa é uma das dúvidas mais comuns de quem está começando a pesquisar. E faz sentido que seja: a estatística costuma ser apresentada pelos testes, e não pelo passo que vem antes deles, que é olhar para os dados e entender o que cada coluna representa.

A resposta curta é esta. Uma variável quantitativa expressa uma quantidade que pode ser contada ou medida, como o número de filhos ou o peso. Uma variável categórica classifica cada observação em um grupo, como o estado civil ou o tipo sanguíneo^1,2. Saber de que tipo é cada variável é o primeiro passo de qualquer análise: é isso que define como descrever os dados, que gráfico usar e quais métodos fazem sentido depois.

Ao longo do texto, a gente passa pelos quatro tipos de variável, com exemplos da área da saúde, por dois testes rápidos para classificar qualquer coluna da sua planilha e pelas armadilhas mais frequentes. No final, voltamos àquela planilha do começo.

O que é uma variável quantitativa#

Uma variável quantitativa, também chamada de numérica, registra quanto de uma característica cada participante tem. O número carrega significado de quantidade: 4 filhos são o dobro de 2, e a diferença entre 70 kg e 75 kg é de 5 kg. Ela se divide em dois tipos, discreta e contínua¹.

Quantitativa discreta: o que se conta#

A variável discreta assume valores inteiros, porque resulta de uma contagem: 0, 1, 2, 3 e assim por diante¹. Não existe uma família com 2,5 filhos.

Exemplos em pesquisa em saúde:

• número de filhos;
• número de consultas no último ano;
• número de internações;
• número de lesões em um exame dermatológico.

Quantitativa contínua: o que se mede#

A variável contínua resulta de uma medida e pode assumir qualquer valor dentro de um intervalo¹, com o limite dado pela precisão do instrumento. Entre 1,70 m e 1,71 m de altura existem infinitas alturas possíveis.

Exemplos:

• peso e altura;
• pressão arterial;
• glicemia de jejum;
• tempo até a alta hospitalar.

O que é uma variável categórica#

Uma variável categórica, também chamada de qualitativa, organiza as observações em grupos ou tipos. Ela responde "a qual categoria esta pessoa pertence?", e não "quanto?". Também se divide em dois tipos, nominal e ordinal².

Categórica nominal: categorias sem ordem#

Na variável nominal, as categorias são nomes diferentes, sem uma ordem natural entre elas². Não faz sentido dizer que "casado" está acima ou abaixo de "solteiro".

Exemplos:

• estado civil;
• tipo sanguíneo;
• cor dos olhos;
• tabagismo registrado como "fuma" ou "não fuma".

Quando a variável tem só duas categorias, como sim ou não, ela é chamada de dicotômica ou binária. É dessa variável que saem as proporções da epidemiologia, como a prevalência de uma condição. Continua sendo categórica.

Categórica ordinal: categorias com ordem#

Na variável ordinal, as categorias seguem uma sequência lógica². Escolaridade é o exemplo clássico: ensino fundamental, médio, superior e pós-graduação têm uma ordem clara.

Exemplos:

• escolaridade;
• intensidade da dor (leve, moderada, intensa);
• estadiamento de uma doença;
• respostas em escala de concordância, de "discordo totalmente" a "concordo totalmente".

Variável

Quantitativaexpressa uma quantidade

• Discreta

  se conta, em números inteiros

  Ex.: número de filhos, consultas no ano

• Contínua

  se mede, aceita valores intermediários

  Ex.: peso, altura, pressão arterial

Categóricaclassifica em grupos

• Nominal

  categorias sem ordem

  Ex.: estado civil, tipo sanguíneo, cor dos olhos

• Ordinal

  categorias com ordem natural

  Ex.: escolaridade, intensidade da dor

Essa classificação vem da teoria das escalas de medida, que descreveu quatro níveis: nominal, ordinal, intervalar e de razão³. Os níveis intervalar e de razão correspondem às variáveis quantitativas, e cada nível admite operações e estatísticas diferentes^1,3.

Ordinal não é quantitativa, mesmo tendo ordem#

O ponto que mais confunde é a variável ordinal. Ela tem ordem, como uma quantitativa, mas a distância entre uma categoria e a seguinte não é mensurável⁴. Não dá para afirmar que o salto entre "ensino médio" e "superior" é do mesmo tamanho que o salto entre "fundamental" e "médio".

Ordinal: escolaridade

1. Fundamental?
2. Médio?
3. Superior?
4. Pós-graduação

Há uma ordem, mas a “distância” entre um nível e o seguinte não é medida nem igual.

Quantitativa discreta: número de filhos

1. 0+1
2. 1+1
3. 2+1
4. 3+1
5. 4

Cada passo vale exatamente uma unidade: dá para somar, subtrair e calcular média.

É por isso que as escalas de concordância do tipo Likert geram um debate antigo: as respostas costumam virar números de 1 a 5, mas continuam sendo dados ordinais. Por esse motivo, muitos autores recomendam usar a mediana, e não a média, como medida central dessas respostas⁴.

Armadilhas comuns#

Número nem sempre é quantitativa#

Em muitos bancos de dados, as categorias são guardadas como números: 1 para solteiro, 2 para casado, 3 para divorciado. Isso é só um código. A variável continua nominal, e calcular a "média do estado civil" produz um número sem significado. O mesmo vale para CEP, número de prontuário e código de município. Aplique o teste da subtração: se a diferença entre dois códigos não quer dizer nada, a variável não é quantitativa².

Transformar uma medida em faixas tem custo#

Idade é uma variável quantitativa contínua, ainda que costume ser registrada em anos completos. Quando ela é agrupada em faixas etárias, como 18 a 39, 40 a 59 e 60 anos ou mais, passa a ser uma variável ordinal. Isso pode ajudar na apresentação dos dados, mas tem um preço: perde-se informação. Mesmo a forma mais comum de agrupar, dividir a variável em dois grupos, raramente se justifica na análise e com frequência leva a resultados enganosos⁵. Sempre que possível, colete e analise a medida original.

O tipo depende de como a variável foi registrada#

A mesma característica pode gerar variáveis de tipos diferentes. Tabagismo registrado como "sim" ou "não" é categórico; registrado como número de cigarros por dia, é quantitativo discreto. Decidir essa forma de registro antes da coleta faz parte do planejamento do estudo.

Por que o tipo de variável importa na análise#

O tipo de variável define como resumir os dados e como mostrá-los. Variáveis quantitativas costumam ser resumidas por medidas como média ou mediana; as categóricas, por contagens e percentuais em tabelas de frequência². Nos gráficos, a lógica é parecida: gráficos de barras foram pensados para variáveis categóricas, enquanto dados contínuos ficam mais bem representados por histogramas, boxplots ou gráficos de pontos, que mostram a distribuição em vez de resumir tudo em uma média⁶.

Categórica: estado civil

Quantitativa contínua: altura (cm)

Os métodos de análise seguem o mesmo raciocínio: comparar médias entre grupos, por exemplo, só faz sentido para variáveis quantitativas. A mesma pergunta reaparece inteira quando você vai modelar, porque é o tipo do desfecho que decide qual regressão usar: linear para um número contínuo, logística para um desfecho sim ou não. Antes de qualquer teste, classificar corretamente as variáveis é o que garante que o resumo e o gráfico digam algo verdadeiro sobre os dados.

De volta à planilha#

Agora dá para classificar cada coluna daquela planilha do começo:

• idade e pressão arterial: quantitativas contínuas, porque se medem;
• número de filhos: quantitativa discreta, porque se conta;
• sexo: categórica nominal, e dicotômica se tiver só duas categorias;
• escolaridade: categórica ordinal, porque os níveis têm ordem;
• satisfação de 1 a 5: categórica ordinal. Os números indicam uma ordem, não uma quantidade, então a mediana descreve melhor essas respostas do que a média⁴.

Com essa classificação em mãos, você já sabe como resumir cada coluna, que gráfico usar e que tipo de pergunta cada variável consegue responder.

Como aplicar no seu projeto#

Antes de coletar os dados, monte uma lista com todas as variáveis do estudo e anote, para cada uma:

1. o tipo (discreta, contínua, nominal ou ordinal);
2. a unidade de medida ou as categorias possíveis;
3. como ela será registrada no banco de dados.

Essa lista é o começo do seu dicionário de dados e evita boa parte das dúvidas que aparecem na hora da análise. Se os dados já foram coletados, tudo bem: classificar as variáveis agora continua sendo o melhor ponto de partida. E se quiser aprender estatística desde a base, o curso Simplificando a Estatística está com a lista de espera aberta.

Perguntas frequentes#

Idade é variável quantitativa ou categórica?#

Idade é uma variável quantitativa contínua, mesmo quando registrada em anos completos. Ela só se torna categórica (ordinal) quando é agrupada em faixas etárias, o que descarta informação e deve ser evitado na análise sempre que possível⁵.

Uma variável de sim ou não é categórica?#

Sim. Uma variável com apenas duas categorias, como "fuma" e "não fuma", é categórica nominal e recebe o nome de dicotômica ou binária. Mesmo codificada como 0 e 1, ela continua sendo categórica.

Escala Likert é variável ordinal ou quantitativa?#

As respostas de uma escala Likert são ordinais: têm ordem, mas a distância entre "concordo" e "concordo totalmente" não é mensurável. Por isso, muitos autores recomendam resumi-las pela mediana, e não pela média⁴.

Se a variável está codificada com números, ela é quantitativa?#

Não necessariamente. Códigos como 1 para solteiro e 2 para casado continuam representando categorias. Se a subtração entre dois valores não tem significado, a variável não é quantitativa².

Qual gráfico usar para cada tipo de variável?#

Para variáveis categóricas, use gráficos de barras, com as barras separadas. Para variáveis quantitativas contínuas, prefira histogramas, boxplots ou gráficos de pontos, que mostram a distribuição dos dados⁶.

Referências

1. Ali Z, Bhaskar SB. Basic statistical tools in research and data analysis. Indian J Anaesth. 2016;60(9):662-9. doi:10.4103/0019-5049.190623.
2. Kaliyadan F, Kulkarni V. Types of variables, descriptive statistics, and sample size. Indian Dermatol Online J. 2019;10(1):82-6. doi:10.4103/idoj.IDOJ_468_18.
3. Stevens SS. On the theory of scales of measurement. Science. 1946;103(2684):677-80. doi:10.1126/science.103.2684.677.
4. Sullivan GM, Artino AR Jr. Analyzing and interpreting data from Likert-type scales. J Grad Med Educ. 2013;5(4):541-2. doi:10.4300/JGME-5-4-18.
5. MacCallum RC, Zhang S, Preacher KJ, Rucker DD. On the practice of dichotomization of quantitative variables. Psychol Methods. 2002;7(1):19-40. doi:10.1037/1082-989X.7.1.19.
6. Weissgerber TL, Milic NM, Winham SJ, Garovic VD. Beyond bar and line graphs: time for a new data presentation paradigm. PLoS Biol. 2015;13(4):e1002128. doi:10.1371/journal.pbio.1002128.