Variáveis Qualitativas E Quantitativas

Como classificar variáveis na prática

Quando você começa a lidar com dados, a primeira coisa que precisa resolver é se o que tem em mãos é qualitativo ou quantitativo. Parece óbvio, mas na prática a fronteira é muito mais confusa do que os livros ensinam. Eu já vi analistas tratarem variáveis ordinais como se fossem intervalares, o que distorce todo o modelo estatístico que vem depois.

O que realmente significa variáveis qualitativas e quantitativas

Variáveis qualitativas descrevem atributos ou categorias. Não fazem sentido matemático. Você pode contar quantas pessoas estão em cada categoria, mas não dá para tirar média de "sim" e "não". Variáveis quantitativas, por outro lado, representam magnitudes. Dão para somar, subtrair, calcular média e desvio padrão com alguma legitimidade. A divisão interna importa muito mais do que a divisão principal. Entre as qualitativas, temos as nominais, onde não existe ordem natural entre as categorias, e as ordinais, onde existe uma hierarquia, mas a distância entre os níveis não é mensurável. Entre as quantitativas, temos as discretas, que só assumem valores inteiros, e as contínuas, que podem assumir qualquer valor dentro de um intervalo. Essa classificação define diretamente quais testes estatísticos você pode aplicar.

Na prática, eu tenho usado esse critério simples: se for possível dizer que "o dobro de X é Y" de forma meaningful, a variável é quantitativa. Se não, é qualitativa. Categoria de sangue (A, B, AB, O) não tem essa propriedade. Idade em anos tem.

Pegadinha que quase ninguém leva a sério

Variáveis ordinais são o maior problema que eu encontro no dia a dia. A maioria dos analistas novatos as joga dentro de modelos de regressão linear como se fossem contínuas. Isso funciona quando o número de níveis é grande, digamos acima de oito, e a distribuição se parece razoavelmente com uma curva. Mas com escala Likert de cinco pontos, isso gera resultados que parecem precisos mas não são. Eu passei um mês corrigindo modelos que tinham sido construídos com variáveis ordinais tratando-as como intervalares. O efeito foi sutil: os coeficientes pareciam coerentes, os valores-p estavam baixos, mas a interpretação prática estava completamente equivocada porque a suposição de homocedasticidade e linearidade não se sustentava. A solução foi usar modelos.ordinal com link logit, que preserva a natureza ordenada dos dados sem forçar uma métrica que não existe. Outro ponto que as pessoas ignoram: códigos numéricos não tornam uma variável qualitativa em quantitativa. Se você codifica gênero como 0 e 1 e roda uma regressão, o modelo vai tratar isso como uma variável contínua com incremento de uma unidade. O resultado é matematicamente válido, mas a interpretação do coeficiente precisa ser feita com cuidado redobrado, porque você está estimando a mudança na probabilidade associada à passagem de uma categoria para outra, não um aumento proporcional.

Categorização de variáveis no fluxo de trabalho

O que eu faço é criar uma planilha de mapeamento antes de qualquer análise. Cada variável do dataset recebe uma linha com: tipo principal (qualitativo ou quantitativo), subtipo (nominal, ordinal, discreto, contínuo), escala de medição, e a ferramenta ou teste estatístico recomendado para aquela combinação. Isso evita que eu chegue na hora da modelagem e precise parar para decidir o que fazer com cada variável. Quando o dataset tem mais de cem variáveis, como acontece com frequência em estudos survey ou em dados administrativos, esse passo economiza pelo menos duas horas de trabalho que seriam gastas refazendo análises depois. E evita o erro clássico de testar normalidade em variável nominal, o que é logicamente impossível.

Para variáveis contínuas, o teste de Shapiro-Wilk ainda é a minha primeira verificação padrão, mas com tamanho de amostra acima de duzentas observações eu já confio mais no visual do histograma e do Q-Q plot do que no resultado do teste, porque com N grande qualquer desvio mínimo retorna significância estatística mesmo quando a diferença prática é irrelevante. Esse é um detalhe que pouca gente menciona.

Limitações que precisam ser ditas

Nenhuma classificação é perfeita. Existem variáveis que transitam entre categorias dependendo do objetivo da análise. Temperatura em graus Celsius é quantitativa contínua, mas se você categorizar em "frio", "ameno" e "quente" ela vira qualitativa ordinal. A variável não mudou, a sua decisão de análise mudou. Isso exige transparência total na documentação, senão quem revisar seu trabalho não consegue acompanhar o raciocínio. Dados de painel com variáveis qualitativas têm outro problema específico: se uma categoria tem frequência muito baixa em algumas faixas de tempo, modelos mistos podem não convergir. Eu já tive que recodificar categorias que tinham menos de cinquenta observações para evitar isso, combinando-as com categorias similares do ponto de vista substantivo, não apenas estatístico. A perda de granularidade é real, mas convergência sem sentido substantivo também é. Outro ponto prático: softwares estatísticos tratam variáveis codificadas numericamente de formas diferentes dependendo da configuração. O R diferencia fator de numérico automaticamente quando você importa dados, mas o SPSS muitas vezes não faz essa distinção sem instrução explícita. Verificar o tipo de cada variável na fase de importação economiza horas de depuração depois.

Onde encontrar orientações técnicas

Não existe um download único que resolva tudo, porque a classificação depende do seu dataset e dos seus objetivos de análise. O que eu recomendo como material de consulta é o manual do pacote em R que uso rotineiramente, o car, que tem uma seção dedicada à criação e manipulação de variáveis categóricas e numéricas com exemplos práticos. Também consulto regularmente a documentação do SurveyCred, que aborda aspectos específicos de escalas ordinal e codificação de respostas subjetivas. Se o seu trabalho envolve dados educacionais ou de pesquisa survey, a biblioteca psych do R tem funções específicas para lidar com escalas Likert e variáveis ordinais que valem a pena conhecer. A curva de aprendizado é moderada, mas o tempo economizado na etapa de transformação de variáveis compensa.