Variáveis dependentes e independentes
O que é causa, o que é consequência?
Conceito fundamental
A pergunta de partida
Antes de analisar qualquer associação, é preciso saber qual é a causa e qual é a consequência no modelo que se está testando. Essa decisão não é estatística, e sim teórica: os algoritmos não sabem disso, e cabe ao pesquisador declará-la.
Variável independente
A variável preditora ou causal. É manipulada (em experimentos) ou observada (em estudos observacionais) com a hipótese de que influencia o desfecho. Também chamada de exposição, fator de risco, preditor ou covariável.
Variável dependente
A variável consequência ou desfecho. É o que se quer prever ou explicar a partir da variável independente. Em epidemiologia, costuma ser o evento de interesse — doença, óbito, recuperação, escore numa escala.
Exemplo simples
Variável independente → Variável dependente
tomar vitaminas → melhora da saúde
quantidade de vitaminas → escore de nível de saúde
Tabela de correspondência
| Variável independente | Variável dependente |
|---|---|
| Causal / preditora | Consequência / desfecho |
| Exposição | Doença / evento |
| Tratamento | Resposta |
| Tomar vitaminas | Melhora da saúde |
| Quantidade de vitaminas ingeridas | Escore de nível de saúde |
| Tabagismo (cigarros/dia) | Câncer de pulmão |
| Pressão arterial | Mortalidade cardiovascular |
Tipos de variável e implicações para a análise
A natureza da variável (numérica ou categórica) determina a apresentação, a análise e o teste estatístico. Três cenários clássicos:
Cenário A · 1 variável numérica em 2 grupos
Boxplot lado a lado → Diferença entre médias → Teste t de Student
Eixo Y: variável numérica (ex.: pressão arterial). Eixo X: variável categórica binária (ex.: grupo controle vs. grupo intervenção). Verifica se a diferença entre as médias é estatisticamente significativa.
Cenário B · 2 variáveis numéricas
Scatter plot → Correlação → Teste de correlação (Pearson/Spearman)
Exemplo clássico: o conjunto “Pearson’s Father-Son” — alturas de 1.078 pares pai/filho na Inglaterra circa 1900. Verifica se a correlação encontrada é estatisticamente significativa.
Cenário C · 2 variáveis categóricas
Tabela de contingência → Associação (RR, OR) → Teste do qui-quadrado
Exemplo: fumante × câncer.
| Fumante | Não fumante | |
|---|---|---|
| Com câncer | 270 | 30 |
| Sem câncer | 50 | 250 |
Verifica se a associação observada (RR ou OR) é estatisticamente significativa.
Por que definir a direção causal antes da análise
Definir o que é variável independente e o que é dependente é uma decisão teórica, baseada na hipótese do estudo. Inverter os papéis muda a interpretação por completo. Em estudos transversais, exposição e desfecho são medidos ao mesmo tempo — o que abre espaço para ambiguidade temporal e causalidade reversa. ## Veja também
- Erro sistemático & erro aleatório
- Viés vs. fatores de confusão
- Vieses em estudos transversais ## Referências
A discussão de variáveis dependentes/independentes e seu papel no desenho está em qualquer texto introdutório de epidemiologia (1–3). A perspectiva causal, que torna explícita a direcionalidade das relações entre variáveis, está em Pearl (4) e Hernán & Robins (5).