Como analisar os dados

Analisando os dados como um especialista em pesquisas

Crie um questionário hoje

Agora que você coletou os resultados do questionário e já tem um plano de análise de dados, então é hora de se aprofundar e analisar os dados. Veja como nossos estatísticos estudam os dados quantitativos (em comparação aos dados qualitativos), desde ao analisar as respostas concentrando-se nas principais perguntas da pesquisa e nas metas do questionário até ao fazer cálculos e tirar conclusões.

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 para as principais perguntas do questionário. Lembre-se de que as principais perguntas da pesquisa são definidas quando se estipulam as metas do questionário.

Por exemplo, se você realizou uma conferência sobre educação e fez um questionário de opinião aos participantes depois do evento, uma das principais perguntas da pesquisa poderia ser: como os participantes avaliaram a conferência como um todo? Dê uma olhada nas respostas coletadas para encontrar uma pergunta que se refira especificamente a essa pergunta principal da pesquisa:

Screen Shot 2014-03-05 at 10.46.26 AM

Observe que nas respostas, você tem alguns percentuais (71%, 18%) e alguns números brutos (852, 216).

Os percentuais são só isso: o percentual de pessoas que deram uma determinada resposta. Em outras palavras, os percentuais representam a proporção entre as pessoas que deram cada resposta e o total de pessoas que responderam à pergunta. Assim, 71% dos respondentes do questionário (852 de 1.200 respondentes) pretendem voltar no próximo ano.

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

Os números brutos são o número de respondentes do questionário que deram cada uma das respostas. Assim, 852 pessoas disseram “Sim, vou voltar ano que vem!” Se você supõe que a maioria das pessoas que disse “sim”, e talvez algumas das que disseram que não tinham certeza, voltará no ano que vem, você pode criar um modelo de previsão para estimar o número de pessoas* que participará da conferência no próximo ano. *É possível determinar esse número com mais confiança se houve uma taxa de participação muito alta, ou seja, se a maioria das pessoas que participaram da conferência respondeu ao seu questionário.

Como realizar tabulação cruzada e filtrar os resultados

Lembre-se de que, quando definiu uma meta para seu questionário e desenvolveu seu plano de análise, você pensou nos subgrupos que analisaria e compararia. É nesse ponto que todo o planejamento é recompensado. Por exemplo, se você quiser comparar como professores, alunos e administradores responderam à pergunta sobre o congresso do próximo ano. Para descobrir isso, basta criar uma tabulação cruzada mostrando os resultados da pergunta do congresso por subgrupo:

Screen Shot 2014-03-05 at 10.54.10 AM

Nessa tabela, é possível ver que a grande maioria de alunos (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 um filtro é outra ferramenta útil para analisar dados. Filtrar significa especificar o foco em um subgrupo específico e descartar os outros. Assim, em vez de comparar subgrupos entre si, aqui só vemos como um subgrupo respondeu à pergunta. Por exemplo, é possível limitar o foco a apenas mulheres, ou a apenas 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 aplicada, 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 da conferência, uma pergunta era “Em geral, em que medida você ficou satisfeito com a conferência?” Os resultados mostram que 75% dos participantes ficaram satisfeitos com a conferência. 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 outras conferências?

Bem, digamos que você fez essa pergunta no questionário de feedback da conferência no ano passado. Isso permitirá fazer uma comparação de tendência. Os profissionais da área de pesquisa 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 não tiver dados da conferência de anos anteriores, faça deste ano o primeiro e comece a coletar feedback depois de cada conferência. Isso se chama benchmarking ou comparação de referências. Você estabelece uma referência ou um número base e, mais adiante, poderá ver como e se isso mudou. É possível comparar referências não só da satisfação dos participantes, mas de outras questões também. É possível monitorar ano após ano o que os participantes acham da conferência. Isso se chama análise de dados longitudinais. Saiba mais sobre como o

SurveyMonkey Benchmarks ajuda a gerar um contexto para os resultados do questionário.

O que é análise longitudinal?

Na análise de dados longitudinais (também chamada “análise de tendências”) basicamente se monitora como os resultados de perguntas específicas mudam ao longo do tempo. Quando se estabelece uma referência, é possível determinar como e se os números mudam. Suponhamos que a taxa de satisfação da conferência foi de 50% três anos atrás, 55% dois anos atrás, 65% ano passado e 75% este ano. Parabéns pelo trabalho! A análise dos dados longitudinais mostra um aumento constante da satisfação e com tendência ascendente.

É possível até mesmo monitorar dados para diferentes subgrupos. Digamos, por exemplo, que as taxas de satisfação vêm aumentando ano após ano para alunos e professores, mas não para administradores. Pode ser interessante olhar as respostas dos administradores a várias perguntas para ver se é possível ter alguma ideia de por que estão menos satisfeitos do que outros 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, a palavra “relevante” quer dizer importante ou significativo. Em análise de pesquisa e estatística, a relevância refere-se 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 uma 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, teríamos um problema, mas o percentual foi de apenas 15%. Quanto mais se sabe sobre a população sendo estudada, mais confiante você poderá ser 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 sessões participaram durante o congresso. E os resultados sejam estes:

Screen Shot 2014-03-05 at 11.02.19 AM

Pode ser interessante analisar a média. Como você deve se lembrar, existem três tipos diferentes de média: a média, a mediana e a moda.

Na tabela acima, a média de sessões das quais eles participaram é de 6,3. 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, 10 pessoas afirmam ter participado de 1 sessão, 50 pessoas participaram de 4 sessões, 100 pessoas de 5 sessões, etc. Portanto, você multiplica esses pares, soma cada um deles e divide 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, seria 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 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.

Digamos que a conferência em geral recebeu avaliações medíocres. Você se aprofunda na questão para saber o que está acontecendo. Os dados mostram que os participantes tiveram excelentes opiniões sobre quase todos os aspectos da conferência; as sessões e aulas, os eventos sociais e o hotel; mas não gostaram nada da cidade escolhida para o evento. (Suponhamos que a conferência foi realizada em Foz do Iguaçu, no mês de julho, e fazia muito frio para sair à rua!) Essa é uma parte importante da história: ótima conferência em geral, péssima escolha da localização.  Fortaleza ou Salvador poderiam ter sido escolhas melhores para uma conferência durante o inverno.

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

Qual é a diferença entre correlação e causalidade?

A causalidade é quando um fator causa outro ao passo que a 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, ambas são provocadas por um terceiro fator, o frio. O frio influencia tanto o consumo de chocolate quente quanto a probabilidade de usar luvas. 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 da conferência, o frio provavelmente causou a insatisfação dos participantes com a cidade do evento e com a conferência em geral. Por último, para examinar ainda mais a relação entre variáveis no seu questionário, pode ser preciso fazer uma análise de regressão.

O que é análise de regressão?

A análise de regressão é um método avançado de análise de dados que permite observar a relação entre duas ou mais variáveis. Existem muitos tipos de análise de regressão e a escolha de uma ou outra dependerá das variáveis que se está examinando. O que todos os tipos de análises de regressão têm em comum é que observam a influência de uma ou mais variáveis independentes em uma variável dependente. Ao analisar os dados do nosso questionário, podemos estar interessados em conhecer que fatores mais afetam a satisfação dos participantes com a conferência. É uma questão do número de sessões? Do palestrante? Dos eventos sociais? Do local? Com uma análise de regressão, o estatístico pode determinar se e em que medida a satisfação com esses atributos da conferência contribuem com a satisfação geral. Por sua vez, isso proporciona insights sobre quais aspectos da conferência podem ser interessantes mudar da próxima vez. Digamos, por exemplo, que você pagou um preço altíssimo por um palestrante importante para a sessão de inauguração. Os participantes deram notas altas a esse palestrante e à conferência em geral. Com base nesses dois fatos, poderíamos pensar que ter um palestrante fabuloso (e caro) é a chave para o sucesso da conferência. 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 a conferência. Se for assim, no ano que vem você vai querer outro palestrante de alto nível novamente. Digamos, porém, que a regressão mostra que, embora todos tenham gostado do palestrante, isso não contribuiu muito com a satisfação com a conferência. Se esse é o caso, pode ser melhor gastar o alto investimento com o palestrante em outra coisa. Se você analisar atentamente os dados do questionário, as respostas podem ser usadas para tomar decisões baseadas em informações sólidas.

Voltar aos Fundamentos dos questionários

3 dicas rápidas para melhorar as taxas de resposta de questionários

Veja algumas ideias para garantir que os respondentes respondam aos seus questionários.

1. Seja rápido

Se o seu questionário for breve e simpático, há uma maior chance de que mais respondentes o respondam até o fim.

2. Ofereça incentivos

Pequenos incentivos, tais como um pequeno desconto ou um cupom para um sorteio, podem ajudar a garantir que os respondentes respondam seu questionário até o fim.

3. Compre um público segmentado

Com o SurveyMonkey Audience, é possível comprar o acesso a um público que atenda a critérios demográficos específicos para o seu questionário. É uma excelente maneira de obter respostas direcionadas de um grupo específico.

Veja por que milhões de pessoas confiam na SurveyMonkey

Questionários ilimitados

Envie quantos questionários e testes você quiser, mesmo com planos gratuitos.

Respostas rápidas

Crie e envie questionários profissionais com facilidade. Obtenha resultados confiáveis de forma rápida.

Aprovado por especialistas

Tenha acesso a perguntas e modelos pré-elaborados aprovados por nossos cientistas de questionários.

Resultados em tempo real

Veja os resultados em qualquer aparelho móvel. Observe as tendências em tempo real.

Ideias novas

Questionários proporcionam mais que apenas respostas. Obtenha feedback e adquira novas perspectivas.

Dados acionáveis

Extraia e compartilhe insights dos seus dados com sua equipe.