Como analisar dados de questionário

Você coletou os resultados do seu questionário e gerou um plano de análise. Agora, chegou o momento de explorar, classificar e analisar os dados.

INSCRIÇÄO PRO INSCREVER-SE GRATUITAMENTE

Análise de dados de questionário simplificada

Os resultados dos seus questionários online chegaram. Agora que você coletou os resultados estatísticos do questionário e tem um plano de análise de dados, chegou a hora de explorar, classificar e analisar os dados. Veja como nossos cientistas de pesquisas de questionário estudam os dados quantitativos (em comparação aos dados qualitativos), desde a análise das respostas concentrando-se nas principais perguntas da pesquisa e nas metas do questionário até os cálculos e as conclusões.

Veja como a SurveyMonkey facilita a análise dos resultados

Aqui estão QUATRO etapas que mostram como analisar dados de maneira mais eficaz:

  1. Dê uma olhada nas principais perguntas da pesquisa
  2. Faça uma tabulação cruzada e filtre os resultados
  3. Faça os cálculos numéricos
  4. Tire conclusões

Dê uma olhada nas principais perguntas da pesquisa

Primeiro, vejamos como analisar os resultados das principais perguntas do questionário. Você tinha perguntas empíricas de pesquisa? Você considerou o uso de amostragem de probabilidade? Lembre-se de que as principais perguntas da pesquisa são definidas ao definir as metas do questionário.

Por exemplo, se você realizou um congresso de educação e entregou um questionário de feedback pós-evento aos participantes, uma das principais perguntas da pesquisa pode ser: como os participantes avaliaram o congresso como um todo? Agora, analise as respostas coletadas em uma pergunta específica do questionário relacionada a essa pergunta principal da pesquisa:

Você pretende participar do congresso no ano que vem?
Opções de resposta
Sim 71% 852
Não 18% 216
Não tenho certeza 11% 132
Total 1.200

Nas respostas, você obteve algumas porcentagens (71%, 18%) e alguns números (852, 216).

Os percentuais são simplesmente isto: o percentual de pessoas que deram uma resposta específica. Em outras palavras, os percentuais representam a proporção entre o número de pessoas que deram cada resposta e o total de pessoas que responderam à pergunta. Dessa forma, 71% dos respondentes do questionário (852 de 1.200 respondentes) pretendem voltar no ano que vem.

Essa tabela também mostra que 18% dizem que não pretendem voltar e 11% dizem que não têm certeza.

Como realizar tabulação cruzada e filtrar os resultados

Lembre-se de que, quando você definiu uma meta para seu questionário e desenvolveu seu plano de análise, você pensou nos subgrupos que analisaria e compararia. É nessa hora que o todo o planejamento traz resultados. Por exemplo, se você quiser comparar como professores, alunos e administradores responderam à pergunta sobre o congresso do ano que vem. Para entender isso, analise as taxas de resposta por meio de tabulação cruzada, na qual os resultados da pergunta do congresso são exibidos por subgrupo:

Sim Não Não tenho certeza Total
Professor 80%
320
7%
28
13%
52
400
Administrador 46%
184
40%
160
14%
56
400
Estudante 86%
344
8%
32
6%
24
400
Total de respondentes 852 216 132 1.200

Segundo a tabela, a grande maioria dos estudantes (86%) e professores (80%) pretende voltar no ano que vem. Contudo, os administradores que participaram do congresso têm uma opinião diferente, já que menos da metade deles (46%) pretende voltar. Com sorte, outras perguntas ajudarão a entender por que isso acontece e o que pode ser feito para melhorar o congresso para que mais administradores voltem a cada ano.

O uso de filtros é outra ferramenta útil para modelar dados. Filtrar significa especificar o foco em um subgrupo específico e descartar os demais. Dessa forma, em vez de comparar subgrupos entre si, vemos apenas como um subgrupo respondeu à pergunta. Por exemplo, é possível limitar o foco a apenas mulheres, ou homens, e executar novamente a tabulação cruzada por tipo de participante para comparar administradoras, professoras e alunas. Ao selecionar e analisar os resultados, é importante estar ciente de que, sempre que um filtro ou tabulação cruzada é aplicado, o tamanho da amostra diminui. Para que os resultados tenham relevância estatística, pode ser útil usar uma calculadora de tamanho da amostra.

Referenciais, tendências e dados comparativos

Suponhamos que no questionário de feedback do congresso havia a pergunta "Em geral, em que medida você ficou satisfeito com o congresso?" Os resultados mostram que 75% dos participantes ficaram satisfeitos com o congresso. Isso parece ótimo. Mas não seria bom ter mais contexto? Algo com o qual comparar isso? Isso é melhor ou pior que o ano passado, por exemplo? Como ficam esses dados em comparação com os de outros congressos?

Vamos supor, por exemplo, que você tenha feito essa pergunta no questionário de feedback do congresso do ano passado. Você poderá fazer uma comparação de tendência. Os pesquisadores profissionais de opinião conhecem muito bem a utilidade das tendências.

Se a taxa de satisfação do ano passado foi de 60%, houve um aumento de 15 pontos percentuais na satisfação deste ano! O que provocou esse aumento da satisfação? Com sorte, as respostas de outras perguntas do questionário darão algumas informações a respeito.

Se você não tiver dados do congresso dos anos anteriores, faça deste ano o primeiro e comece a coletar feedback depois de todos os congressos. Isso se chama comparação a referências. Você estabelece uma referência ou um número base e, posteriormente, pode ver se isso mudou e como. É possível comparar não apenas a satisfação dos participantes a uma referência, como também outras perguntas. É possível monitorar anualmente a opinião dos participantes sobre o congresso. Isso se chama análise de dados longitudinais.

É possível até mesmo monitorar dados de diferentes subgrupos. Vamos supor, por exemplo, que as taxas de satisfação vêm aumentando anualmente para alunos e professores, mas não para administradores. Pode ser interessante analisar as respostas dos administradores a várias perguntas para ver se é possível ter alguma ideia do motivo de eles estarem menos satisfeitos que os demais participantes.

Como fazer os cálculos numéricos

Você sabe quantas pessoas disseram que voltariam, mas como sabe se pode confiar nas respostas ao seu questionário e usá-las com segurança para embasar futuras decisões? É importante prestar atenção na qualidade dos seus dados e entender os componentes da relevância estatística.

Na linguagem cotidiana, "relevante" quer dizer importante ou significativo. Em análise de pesquisa e estatística, relevância se refere a uma "avaliação da precisão". É o ponto em que o inevitável "mais ou menos" entra na pesquisa. Isso significa que os resultados do questionário são precisos apenas dentro de uma margem de confiança específica, não por aleatoriedade. É arriscado tirar conclusões baseadas em resultados imprecisos (ou seja, sem relevância estatística). O primeiro fator a ser considerado em qualquer avaliação da relevância estatística é a representatividade da amostra, ou seja, até que ponto o grupo de pessoas incluído no questionário se assemelha à população total sobre a qual você quer tirar conclusões.

Se 90% dos participantes do congresso que responderam ao questionário fossem homens, mas apenas 15% de todos os participantes fossem homens, teríamos um problema. Quanto mais se sabe sobre a população sendo estudada, mais confiante você poderá ficar quando o resultado dos questionários se alinharem a esses números. No exemplo que estamos vendo, se 15% dos respondentes forem homens, isso é bom.

Se a amostra do questionário é escolhida aleatoriamente entre uma população conhecida, a relevância estatística pode ser calculada de maneira direta. O principal fator aqui é o tamanho da amostra. Suponhamos que 50 das 1.000 pessoas que participaram do congresso responderam ao questionário. Cinquenta (50) é uma amostra pequena, e os resultados terão uma margem de erro grande. Em outras palavras, os resultados não terão muita relevância.

Suponhamos que você tenha perguntado aos respondentes do questionário de quantas das 10 sessões eles participaram durante o congresso. Seus resultados são:

1 2 3 4 5 6 7 8 9 10 Total Avaliação média
Nº de sessões assistidas 10%
100
0%
0
0%
0
5%
50
10%
100
26%
260
24%
240
19%
190
5%
50
1%
10
1.000 6,1

Analise a média. Como você deve se lembrar, existem três tipos diferentes de média: a média aritmética, a mediana e a moda.

Na tabela acima, a média de sessões das quais eles participaram é 6,1. Aqui, na verdade, estamos falando da média mais conhecida por todos. Para determinar a média, basta somar os dados e dividir pelo número de valores contabilizados. Neste exemplo, 100 pessoas afirmam ter participado de uma sessão, 50 pessoas participaram de quatro sessões, 100 pessoas de cinco sessões, etc. Portanto, você multiplica cada um desses pares, soma os resultados e divide essa soma pelo número total de pessoas.

A mediana é outro tipo de média.  Trata-se do valor do meio exato, ou seja, a marca dos 50%. Na tabela acima, ela é o número de sessões a partir do qual existem 500 pessoas à esquerda e 500 à direita. A mediana é, neste caso, sete sessões. Isso ajuda a descartar a influência de valores discrepantes que possam afetar os dados negativamente.

O último tipo de média é a moda. A moda é a resposta mais frequente. Neste caso, a resposta é seis. Duzentos e sessenta (260) respondentes do questionário participaram de seis sessões, valor mais citado do que qualquer outro número de sessões.

As médias em geral (incluindo a mediana e a moda) também podem ser usadas se os seus resultados se baseiam na escala Likert.

Tirando conclusões

Na hora de criar um relatório com os resultados do questionário, pense na história que os dados contam.

Vamos supor que o congresso em geral recebeu avaliações medíocres. Você explora a pergunta para saber o que está acontecendo. Os dados mostram que os participantes tiveram excelentes opiniões sobre quase todos os aspectos do congresso (as sessões e aulas, os eventos sociais e o hotel), mas não gostaram da cidade escolhida para o evento. Suponhamos que o congresso tenha sido realizado em Foz do Iguaçu em julho e fazia muito frio para sair à rua. Essa é uma parte importante da história: ótimo congresso em geral, mas péssima escolha da localização. Fortaleza ou Salvador poderia ter sido uma escolha melhor para um congresso no inverno.

Um aspecto da análise de dados e da geração de relatórios que deve ser considerado é a causalidade em contraste com a correlação.

Analise seu próximo questionário com a SurveyMonkey

Comece gratuitamente

Anexo

O que é coleta de dados de questionários?

A coleta de dados de questionários usa questionários para obter informações de respondentes específicos. Ela pode substituir ou complementar outros tipos de coleta de dados, como entrevistas e grupos focais. Os dados coletados de questionários podem ser usados para impulsionar o envolvimento do funcionário, entender o comportamento do comprador e melhorar a experiência do cliente.

Voltar

O que é análise longitudinal?

A análise de dados longitudinais (também chamada "análise de tendências") basicamente monitora como os resultados de perguntas específicas mudam com o tempo. Quando uma referência é estabelecida, é possível determinar se os números mudam e como. Suponhamos que a taxa de satisfação do congresso foi de 50% três anos atrás, 55% dois anos atrás, 65% no ano passado e 75% neste ano. Parabéns pelo trabalho! A análise de dados longitudinais mostra um aumento constante da satisfação.

Voltar

Qual é a diferença entre correlação e causalidade?

Causalidade é quando um fator causa outro. Correlação é quando duas variáveis mudam paralelamente, mas uma não influencia ou causa a outra. Por exemplo, beber chocolate quente e usar luvas são duas variáveis correlacionadas, pois tendem a variar juntas e no mesmo sentido. Porém, uma não causa a outra. Na verdade, as duas são provocadas por um terceiro fator, o frio. O frio influencia tanto o consumo de chocolate quente quanto a probabilidade de usar luvas. Ele é uma variável independente, e o consumo de chocolate quente e a probabilidade de usar luvas são variáveis dependentes. No caso do questionário de feedback do congresso, o frio é a provável causa da insatisfação dos participantes com a cidade do evento e com o congresso em geral. Por fim, para examinar ainda mais a relação entre variáveis no seu questionário, pode ser preciso fazer uma análise de regressão.

Voltar

O que é análise de regressão?

A análise de regressão é um método avançado de análise e visualização de dados que permite observar a relação entre duas ou mais variáveis. Existem muitos tipos de análise de regressão. A escolha de um ou outro dependerá das variáveis sendo examinadas. O que todos os tipos de análise de regressão têm em comum é a observação da influência de uma ou mais variáveis independentes em uma variável dependente. Ao analisar os dados do nosso questionário, podemos estar interessados em conhecer quais fatores mais afetam a satisfação dos participantes com o congresso. Trata-se do número de sessões? Do palestrante convidado para a abertura? Dos eventos sociais? Do local? Com uma análise de regressão, o cientista de questionários pode determinar se a satisfação com esses atributos do congresso contribuem com a satisfação geral e em que medida.

Por sua vez, isso proporciona insights sobre quais aspectos do congresso podem ser ajustados da próxima vez. Suponhamos, por exemplo, que você pagou um preço altíssimo por um palestrante importante para a sessão de abertura. Os participantes deram notas altas a esse palestrante e ao congresso em geral. Com base nesses dois fatos, poderíamos pensar que ter um palestrante fabuloso (e caro) é o segredo do sucesso do congresso. A análise de regressão ajuda a determinar se esse é, de fato, o caso. Você pode considerar que a popularidade do palestrante foi o principal motivo da satisfação com o congresso. Se esse for o caso, no ano que vem, você vai querer outro palestrante de alto nível novamente. No entanto, suponhamos que a regressão mostre que, embora todos tenham gostado do palestrante, ele não contribuiu muito para a satisfação com o congresso. Se esse for o caso, talvez seja melhor usar o dinheiro que seria investido com o palestrante em outro aspecto. Se você analisar atentamente os dados do questionário, as respostas podem ser usadas para tomar decisões baseadas em informações sólidas.