Métodos de análise estatística de inquéritos: um guia rápido
Porquê utilizar métodos de análise estatística de inquéritos?
Quando se trata de dados de inquéritos, a recolha é apenas metade do quadro. O que se faz com os seus resultados pode fazer a diferença entre resultados de primeira linha pouco inspiradores e percepções profundas e reveladoras. A utilização de ferramentas e técnicas de processamento de dados, como testes estatísticos, pode ajudá-lo a descobrir:
- se as tendências que vê nos seus dados são significativas ou apenas aconteceram por acaso
- o que significam os seus resultados no contexto de outras informações que possui
- se um factor que afecta o seu negócio é mais importante do que outros
- qual deve ser a sua próxima pergunta de investigação
- como gerar conhecimentos que levam a mudanças significativas
Existem vários tipos de análise estatística para inquéritos. Neste artigo, vamos explorar alguns dos métodos mais comuns actualmente utilizados, e fornecer ligações a explicadores mais aprofundados da equipa Qualtrics.
Benchmarking
Benchmarking é uma forma de padronizar – nivelar o campo de jogo – para que os seus dados e resultados sejam significativos no contexto. Implica ter em conta factores externos para que possa ajustar os parâmetros da sua investigação e ter uma compreensão mais precisa do que está a acontecer.
Técnicas de benchmarking utilizam a ponderação para ajustar as variáveis que podem afectar os resultados globais. Por exemplo, imagine que está interessado no crescimento das culturas ao longo de uma estação. A sua avaliação comparativa terá em conta variáveis que tenham tido um efeito no crescimento das culturas, tais como precipitação, horas de luz solar, quaisquer pragas ou doenças, tipo e frequência de fertilizantes, etc, para que se possa ajustar a qualquer coisa fora do comum que possa ter acontecido, tal como um surto inesperado de doenças de plantas numa única exploração agrícola dentro da sua amostra.
Com parâmetros de referência em vigor, tem uma referência para o que é “padrão” na sua área de interesse, para que possa identificar e investigar melhor a variação da norma.
O objectivo, como em tanta análise de dados de inquérito, é certificar-se de que a sua amostra é representativa, em vez de distorcida, e que quaisquer comparações com outros dados são semelhantes.
Saiba mais sobre benchmarking para empresas
Análise de regressão
Regressão é uma técnica estatística utilizada para trabalhar a relação entre duas (ou mais) variáveis.
Para compreender as regressões, precisamos de uma verificação terminológica rápida:
- Variáveis independentes são fenómenos “autónomos” (no contexto do estudo) que influenciam as variáveis dependentes
- Variáveis dependentes são coisas que mudam como resultado da sua relação com variáveis independentes
Uma mudança numa variável dependente – digamos, o crescimento da cultura durante o mês de Agosto – depende e está associada a uma mudança numa (ou mais) variável independente – que no exemplo da cultura pode ser o sol, a pluviosidade e os níveis de poluição.
- A regressão linear utiliza uma única variável independente para prever um resultado da variável dependente.
- A regressão múltipla utiliza pelo menos duas variáveis independentes. Uma regressão múltipla pode ser linear ou não-linear.
Os resultados de uma análise de regressão linear são mostrados como um gráfico com variáveis nos eixos e uma ‘curva de regressão’ que mostra as relações entre elas. Os dados raramente são directamente proporcionais, pelo que geralmente há algum grau de curva em vez de uma linha recta.
Este é um teste útil, pois é capaz de identificar o impacto preciso de uma alteração na sua variável independente.
Ler mais sobre regressões
O teste T
O teste T (também conhecido por teste T de Student) é uma ferramenta para comparar dois grupos de dados que têm valores médios diferentes. Por exemplo, as mulheres e os homens têm alturas médias diferentes? O teste T permite ao utilizador interpretar se as diferenças são estatisticamente significativas ou meramente coincidentes.
Os resultados de um teste T são expressos em termos de probabilidade (p-valor). Se o valor p for inferior a um determinado limiar, normalmente 0,05, então pode estar muito confiante de que os seus dois grupos são realmente diferentes e não foi apenas uma variação de probabilidade entre os seus dados de amostra.
Leia a nossa Introdução à teoria do teste T para inquéritos
Análise de variância (ANOVA)
Como o teste T, a ANOVA (análise de variância) é uma forma de testar as diferenças entre grupos para ver se são estatisticamente significativas. Contudo, a ANOVA permite comparar três ou mais grupos em vez de apenas dois.
ANOVA é utilizada com um estudo de regressão para descobrir que efeito têm as variáveis independentes sobre a variável dependente. Pode comparar vários grupos simultaneamente para ver se existe uma relação entre eles, por exemplo, estudar se diferentes tipos de anúncios obtêm diferentes respostas dos consumidores.
Vai mais fundo: O que é a Análise de Variância (ANOVA)?
Análise de agrupamento
Análise de agrupamento é uma forma de processar conjuntos de dados, identificando quão intimamente relacionados estão os pontos de dados individuais. Utilizando a análise de clusters, é possível identificar se existem grupos definidos (clusters) dentro de um grande conjunto de dados, ou se os dados estão distribuídos de forma bastante uniforme.
Análise de clusters vem em algumas formas diferentes, dependendo do tipo de dados que se tem e do que se procura descobrir. Pode ser utilizada de forma exploratória, tal como a descoberta de clusters em dados de inquéritos sobre tendências ou preferências demográficas, ou para confirmar e esclarecer hipóteses existentes. É uma das técnicas estatísticas mais populares nos estudos de mercado, uma vez que pode ser utilizada para descobrir segmentos de mercado e grupos de clientes.
Leia a nossa introdução à análise de clusters
Análise de factores
Análise de factores é uma forma de reduzir a complexidade dos resultados da sua investigação, negociando um grande número de variáveis iniciais para um número menor de variáveis mais profundas, subjacentes. Ao realizar a análise de factores, descobre factores “escondidos” que explicam a variância (diferença em relação à média) nos seus resultados.
Porque se aprofunda na causalidade por detrás dos seus dados, é também uma forma de investigação por direito próprio, uma vez que lhe dá acesso a factores de resultados que não podem ser medidos directamente.
Descobrir mais sobre a análise de factores
Análise conjunta
Os investigadores de mercado adoram compreender e prever porque é que as pessoas fazem as escolhas complexas que fazem. A análise conjunta vem mais perto de o fazer: pede às pessoas que façam compromissos quando tomam decisões, tal como fazem no mundo real, depois analisa os resultados para dar o resultado mais popular.
Por exemplo, um investidor quer abrir um novo restaurante numa cidade. Eles pensam que uma das seguintes opções pode ser a mais rentável:
| Type of Restaurant | Gourmet Burger | Spanish Tapas | Thai |
| Preço médio por cabeça | $20 | $40 | $60 |
| Distância do centro da cidade | 5 miles | 2 milhas | 10 milhas |
| O que é que o parceiro do cliente sente? | Está OK | Está OK | Adora! |
| Trade-offs | É barato, bastante perto de casa, o parceiro não se importa com isso | É um pouco mais caro mas muito perto de casa, parceiro está bem com ele | É caro, bastante longe de casa mas o parceiro adora |
As comissões do investidor de estudos de mercado. As opções são transformadas num inquérito para os residentes:
- Que tipo de restaurante prefere? (Hambúrguer gourmet/ tapas espanholas/ tailandesas
- Que estaria preparado para gastar por cabeça? ($20, $40, $60)
- Quão longe estaria disposto a viajar? (5km, 2km, 10km)
- O seu parceiro…? (Adoro-o, não há problema)
Existem muitas combinações possíveis de respostas – 54 neste caso: (3 tipos de restaurantes) x (3 níveis de preços) x (3 distâncias) x (2 preferências do parceiro). Uma vez que os dados do inquérito estejam dentro, o software de análise conjunta processa-os para descobrir a importância de cada opção na condução das decisões do cliente, que níveis para cada opção são preferidos, e por quanto.
Então, a partir da análise conjunta, o investidor do restaurante pode descobrir que existe uma preferência por um bar de tapas espanhol dispendioso nos arredores da cidade – algo que pode não ter considerado antes.
Encontrar mais detalhes: O que é uma análise conjunta? Os tipos conjuntos e quando usá-los
Análise da tabela cruzada
A tabela cruzada (tabulação cruzada) é utilizada em estudos de mercado quantitativos para analisar dados categóricos – ou seja, variáveis que são diferentes e mutuamente exclusivas, como por exemplo: ‘homens’ e ‘mulheres’, ou ‘abaixo de 30’ e ‘acima de 30’.
Apenas conhecido por nomes como tabela de contingência, qui-quadrado e tabulação de dados, permite comparar a relação entre duas variáveis, apresentando-as em tabelas fáceis de compreender.
Um método estatístico chamado qui-quadrado pode ser usado para testar se as variáveis numa análise de tabulação cruzada são independentes ou não.
Ler mais no nosso Crosstabs Primer for Market Researchers
Análise de texto e análise de sentimentos
Linguagem humana analizante é uma forma relativamente nova de processamento de dados, e uma que oferece enormes benefícios na gestão da experiência. Como parte do pacote Stats iQ, TextiQ da Qualtrics utiliza a aprendizagem de máquinas e o processamento de linguagem natural para analisar e categorizar dados de feedback de texto, atribuindo sentimentos positivos, negativos ou neutros às mensagens e revisões dos clientes.
Com estes dados de análise de texto em vigor, pode então empregar ferramentas estatísticas para analisar tendências, fazer previsões e identificar factores de mudança positiva.
Descobrir análise de sentimentos com Qualtrics TextiQ