Tipos de Variables en una Investigación: Dependiente, Independiente y Más (con Ejemplos) 2026

Tu tutor te devuelve el anteproyecto con una nota al margen: «¿cuál es tu variable dependiente?». Y ahí te quedas en blanco, porque nadie te explicó nunca la diferencia entre una variable y otra, ni por qué el comité de evaluación insiste tanto en nombrarlas correctamente. Los tipos de variables de investigación no son un tecnicismo decorativo: son la columna vertebral de tu metodología, porque determinan qué mides, qué manipulas, qué controlas y qué vas a poder afirmar al final de tu TFG o TFM.

En este artículo vas a aprender a distinguir la variable independiente de la dependiente, a identificar variables intervinientes y de control que muchos estudiantes ignoran por completo, y a entender por qué en investigación cualitativa el concepto de «variable» cambia de nombre. Todo con ejemplos aplicados a trabajos reales, no con definiciones de manual que no dicen nada. Si además necesitas traducir cada variable en indicadores medibles concretos, esta guía sobre operacionalización de variables en el TFG (plantilla y ejemplos por rama) es el siguiente paso natural después de esta clasificación.

1. ¿Qué es una variable de investigación?

Una variable es cualquier característica, propiedad o factor que puede tomar distintos valores y que es susceptible de ser medido, observado o manipulado dentro de un estudio. La palabra clave es «variable»: si algo no cambia entre los sujetos o situaciones que estudias, no es una variable, es una constante. La edad de los participantes es una variable si estudias a personas de distintas edades; deja de serlo si tu muestra son solo alumnos de 20 años.

Antes de clasificar tus variables conviene tener claro tu enfoque metodológico, porque el propio concepto de variable pertenece sobre todo al paradigma cuantitativo. Si todavía no has definido si tu trabajo es cuantitativo, cualitativo o mixto, es el primer paso: consulta la guía de cómo hacer la metodología de un TFG antes de seguir con la clasificación de variables.

2. Variable independiente

La variable independiente (VI) es la presunta causa: el factor que el investigador manipula, selecciona o estudia porque sospecha que provoca cambios en otra variable. En un diseño experimental, la VI es literalmente la que el investigador controla de forma activa (por ejemplo, asignar una dosis distinta de un fármaco a cada grupo). En un diseño no experimental o correlacional, la VI no se manipula pero se identifica como el factor antecedente que se quiere relacionar con un resultado.

3. Variable dependiente

La variable dependiente (VD) es el efecto: lo que observas, mides o registras para comprobar si la variable independiente ha producido algún cambio. Es la variable «de resultado» de tu hipótesis, y suele coincidir con el objetivo general de tu investigación. Si tu pregunta de investigación es «¿el método gamificado mejora el rendimiento académico?», el rendimiento académico es tu VD.

Un error frecuente es confundir la VD con el instrumento que la mide. La variable dependiente es «rendimiento académico»; el instrumento es «nota media del examen final» o «porcentaje de aprobados». Esa distinción entre variable e indicador es la misma que trabajarás al construir tu marco teórico, donde cada concepto abstracto se traduce en indicadores medibles.

4. Variable interviniente (mediadora)

La variable interviniente —también llamada mediadora— es la que se sitúa entre la independiente y la dependiente y explica el mecanismo por el cual una afecta a la otra. No es la causa directa del resultado, pero sin ella la relación entre VI y VD no se entendería del todo.

Ejemplo clásico: en un estudio sobre el efecto del ejercicio físico (VI) en el estado de ánimo (VD), la liberación de endorfinas actúa como variable interviniente: el ejercicio no mejora el ánimo por sí solo, sino a través del proceso bioquímico que desencadena. En ciencias sociales, si estudias la relación entre nivel educativo (VI) e ingresos (VD), el tipo de empleo obtenido puede funcionar como interviniente: el nivel educativo influye en el tipo de empleo, y este a su vez determina los ingresos.

Detectar variables intervinientes es lo que distingue un TFG que solo describe una correlación de uno que la explica. Si tu comité te pregunta «¿por qué ocurre esto?», la respuesta casi siempre pasa por identificar la variable mediadora.

5. Variable de control

Las variables de control son aquellas que el investigador mantiene constantes de forma deliberada para que no interfieran en la relación entre la VI y la VD. No son el objeto de estudio, pero si no se controlan pueden distorsionar completamente los resultados.

• En un experimento de laboratorio: la temperatura ambiente, la hora del día en que se aplica la prueba, el instrumental utilizado.
• En una encuesta sobre satisfacción laboral: el sector de actividad, la antigüedad en la empresa o el tipo de contrato, que se pueden mantener constantes seleccionando una muestra homogénea o introduciéndolos como variables de segmentación en el análisis.
• En un estudio educativo: el nivel socioeconómico del alumnado, que si no se controla puede explicar por sí solo diferencias de rendimiento que atribuirías erróneamente al método didáctico.

Un TFG que menciona explícitamente qué variables ha controlado (y cómo) siempre transmite más rigor metodológico que uno que ni siquiera se plantea la pregunta.

6. Variable extraña

La variable extraña es la prima incómoda de la de control: es un factor que también podría influir en la variable dependiente, pero que el investigador no ha logrado controlar ni ha tenido en cuenta desde el diseño. Es la principal amenaza a la validez interna de un estudio. Por ejemplo, si comparas el rendimiento de dos grupos con distintos métodos de enseñanza y uno de los grupos tiene, sin que lo hayas planeado, un profesor mucho más motivador, la «motivación del docente» se convierte en variable extraña: puede estar explicando el resultado en lugar del método en sí.

En el apartado de limitaciones de tu TFG es donde reconoces qué variables extrañas no pudiste controlar y cómo eso afecta a la interpretación de tus resultados. Omitir esta sección suele ser motivo de observaciones en la defensa.

7. Variables cualitativas vs. cuantitativas

Más allá del papel que juega cada variable en tu hipótesis (independiente, dependiente, etc.), toda variable también se clasifica según la naturaleza de los valores que puede tomar.

Variables cualitativas (categóricas)

Expresan cualidades o categorías, no cantidades. Se dividen en:

• Nominales: categorías sin orden jerárquico (sexo, estado civil, nacionalidad, tipo de contrato).
• Ordinales: categorías con un orden implícito pero sin distancia numérica exacta entre ellas (nivel de estudios, grado de satisfacción en una escala de «muy en desacuerdo» a «muy de acuerdo»).

Variables cuantitativas (numéricas)

Expresan cantidades medibles. Se dividen en:

• Discretas: solo pueden tomar valores enteros (número de hijos, número de publicaciones, número de empleados).
• Continuas: pueden tomar cualquier valor dentro de un rango, incluyendo decimales (peso, altura, tiempo de reacción, ingresos).

Esta segunda clasificación es la que determina qué prueba estadística podrás aplicar más adelante: una variable nominal no se analiza igual que una continua, y confundir ambas es una de las causas más comunes de que un análisis de datos de TFG se rechace en la revisión metodológica.

Si tu estudio combina un cuestionario tipo Likert con preguntas abiertas, estás trabajando con una variable ordinal que conviene tratar con especial cuidado: consulta la guía de la escala de Likert en el TFG para ver cómo puntuarla y analizarla sin errores.

¿Y en investigación cualitativa?

En un diseño cualitativo (etnografía, estudio de caso, teoría fundamentada) no se habla de «variables» en sentido estricto, porque el objetivo no es medir relaciones causales sino comprender significados, experiencias y procesos en profundidad. En su lugar se trabaja con categorías de análisis o códigos, que emergen del propio material (entrevistas, documentos, observaciones) o se definen a priori a partir del marco teórico. La lógica es distinta: no buscas aislar una causa de un efecto, sino construir una interpretación densa de un fenómeno.

8. Cómo identificar tus variables paso a paso

1. Parte de tu pregunta de investigación. Si tu pregunta es «¿influye X en Y?», X es tu variable independiente e Y tu variable dependiente casi por definición.
2. Revisa tus objetivos. Los objetivos de tu TFG suelen delatar la VD: el verbo de tu objetivo general («determinar el efecto de…», «analizar la relación entre…») apunta directamente a qué mides.
3. Enuncia tu hipótesis en formato «si-entonces». Redactar la hipótesis en esta estructura obliga a separar causa y efecto con claridad.
4. Pregúntate qué podría distorsionar el resultado. Esa lista es el borrador de tus variables de control y, lo que no logres controlar, tus variables extrañas.
5. Define el nivel de medición de cada variable (nominal, ordinal, discreta, continua) antes de diseñar tu instrumento, porque de eso depende qué escala de respuesta usarás y qué prueba estadística podrás aplicar después.

Una herramienta como Tesify puede ayudarte a estructurar este apartado del capítulo metodológico y a redactar la operacionalización de variables con el formato que exige tu universidad, aunque el trabajo de identificar correctamente cada variable siempre depende de tu diseño de investigación.

9. Errores comunes al definir variables

Preguntas frecuentes