CAPTULO 4

TIPOS DE DESENHOS DE PESQUISAS

Pesquisa de survey se refere a um tipo particular de pesquisa social emprica, mas
h muitos tipos de survey. O termo pode incluir censos demogrficos, pesquisas de opinio
pblica, pesquisas de mercado sobre preferncias do consumidor, estudos acadmicos sobre
preconceito, estudos epidemiolgicos, etc. Surveys podem diferir em termos de objetivos,
custos, tempo e escopo. Vrios desenhos bsicos podem ser englobados no termo survey.
Este captulo comea com uma breve discusso dos possveis objetivos da pesquisa
de survey. Examina em seguida o conceito de unidade de anlise. Finalmente descortina
uma viso geral das diferentes estratgias disponveis para atingir suas finalidades.
Finalidades da Pesquisa de Survey
H provavelmente tantas razes diferentes para se fazer surveys quanto h surveys.
Um poltico pode encomendar um visando sua eleio. Uma empresa de marketing pode
fazer um survey visando vender mais sabonete da marca X. Um governo pode fazer um
survey para projetar um sistema de trnsito de massa ou para modificar um programa de
bem-estar social.
A variedade de tais propsitos seria longa demais para enumer-las todas aqui,
porm trs objetivos gerais permeiam todos esses interesses: descrio, explicao e
explorao. Um survey pode visar (e usualmente visa) atingir mais de um destes objetivos,
mas til examin-los separadamente.
Descrio
Surveys so freqentemente realizados para permitir enunciados descritivos sobre
alguma populao, isto , descobrir a distribuio de certos traos e atributos. Nestes, o
pesquisador no se preocupa com porque a distribuio observada existe, mas com qual ela
.
Distribuies por idade e por sexo relatadas pelo U. S. Bureau of Census so
exemplos deste tipo de survey. De forma semelhante, o Ministrio do Trabalho pode
procurar descrever a extenso do desemprego no pas num ou em vrios pontos do tempo.
Tambm o Gallup pode tentar descrever os percentuais do eleitorado que votaro nos vrios
candidatos a Presidente, a distribuio das atitudes com relao Guerra do Golfo, a
distribuio de atitudes em relao educao sexual nas escolas ou o uso de flor na gua.
O percentual de uma populao que provavelmente comprar um novo produto comercial
outro exemplo de pesquisa descritiva.
O survey amostral um veculo para descobrir estas distribuies. A distribuio de
traos numa amostra cuidadosamente selecionada de uma populao maior pode ser medida
e uma descrio comparvel da populao maior pode ser inferida a partir da amostra. (O
Captulo 5 discute a lgica destas inferncias.)
Alm de descrever a amostra total (e inferir para a populao total), pesquisadores
de survey muitas vezes descrevem subamostras e as comparam. Assim, o Gallup pode
comear com um relato das intenes de votos de todo o eleitorado e depois descrever

separadamente Republicanos e Democratas, homens e mulheres, eleitores de diferentes

idades, etc. As descries de diversos subconjuntos podem ser comparadas, mas a
finalidade primordial descrever e no explicar as diferenas. (Tais comparaes
constituem, contudo, um passo intermedirio entre a lgica da descrio e a da explicao,
como discutiremos mais detalhadamente no Captulo 13).
Explicao
Apesar da maioria dos surveys visar, pelo menos em parte, a descrio, muitos tm
o objetivo adicional de fazer asseres EXPLICATIVAS sobre a populao. Ao estudar
preferncias eleitorais, por exemplo, voc pode querer explicar porque alguns eleitores
preferem um candidato, enquanto outros optam por outro candidato. Ao estudar
desemprego, voc pode querer explicar porque parte da fora de trabalho est empregada e
o restante no.
Explicar quase sempre requer anlise MULTIVARIADA - o exame simultneo de
duas ou mais variveis. Preferncias por diferentes candidatos polticos podem ser
explicadas em termos de variveis como filiao partidria, educao, raa, sexo, regio do
pas, etc. Ao examinar as relaes entre preferncias por candidatos e as diversas variveis
explicativas, o pesquisador pode tentar explicar porque eleitores escolheram um ou outro
candidato. (A Parte Quatro deste livro aborda longamente a lgica da explicao).
Explorao
Mtodos de survey podem tambm fornecer um mecanismo de busca quando
voc est comeando a investigao de algum tema. Por exemplo, durante o Movimento
pelo Discurso Livre, na Universidade da California em Berkeley, nos anos 60, fiz parte de
um grupo de pesquisadores no campus que planejou estudar exaustivamente a natureza, as
fontes e as conseqncias do radicalismo estudantil. Embora tivssemos muitas idias sobre
o assunto, recevamos haver desconsiderado alguns componentes adicionais da situao. Se
um grande estudo se baseasse somente em nossas preconcepes, corramos o risco de no
pegar alguns elementos crticos.
O mtodo da pesquisa de survey oferece uma tcnica para resolver esta dificuldade.
Um questionrio foi construdo e cerca de cinqenta estudantes de diferentes orientaes
polticas foram entrevistados em profundidade. No se fez nenhuma tentativa de selecionar
uma amostra representativa de alunos, nem os dados foram coletados de forma
padronizada. Os entrevistados foram encorajados a falar livremente sobre seus pontos de
vista polticos e suas atitudes com relao ao radicalismo estudantil.
As entrevistas resultaram num desenho de pesquisa largamente revisto para o estudo
principal. Os entrevistados mencionaram fatores relevantes ao radicalismo estudantil que
no havamos antecipado. Certas orientaes polticas que antes pareciam contraditrias
agora faziam mais sentido. Estes fatores adicionais foram subseqentemente levados em
considerao no desenho da pesquisa principal.
Mas h coisas que o estudo exploratrio no fez. Primeiro, no respondeu s
questes bsicas que levaram ao planejamento da pesquisa. Tambm no elucidou
adequadamente a natureza do radicalismo estudantil nem abordou questes sobre as fontes
e conseqncias desse radicalismo. O modo como os dados foram colhidos claramente
impedia estes resultados. Mas o estudo exploratrio suscitou novas possibilidades, mais
tarde exploradas no survey mais controlado.

So estes os trs objetivos bsicos da pesquisa de survey. Como comentamos, a

maioria dos estudos tem mais de um objetivo (s vezes todos os trs), mas estes objetivos
provm princpios organizacionais teis no desenho de surveys. Antes de abordar os tipos
especficos de desenhos de estudo possveis para alcanar estes objetivos, vamos introduzir
um termo bsico, mas s vezes confuso: UNIDADES DE ANLISE.
Unidades de Anlise
Pesquisa de survey fornece tcnicas para se estudar quase todo mundo. Esse mundo
estudado num survey so as unidades de anlise. Tipicamente, a unidade de anlise num
survey uma pessoa, mas no necessariamente e, alis, muitas vezes no . Quaisquer que
sejam as unidades de anlise, dados so colhidos para se descrever cada unidade individual
(por exemplo, uma pessoa). As muitas descries, ento, so agregadas e manipuladas para
descrever a amostra estudada e, por extenso, a populao representada pela amostra.
Numa pesquisa de mercado sobre as preferncias de consumo das marcas X e Y,
cada consumidor amostrado e estudado a unidade de anlise. Cada um descrito em
termos da marca que prefere. As vrias preferncias so, ento, agregadas para descrever a
populao de consumidores em termos de percentagens de predileo pelas duas marcas.
Num survey sobre desemprego, quem integra a fora de trabalho a unidade de anlise.
Cada um descrito como empregado ou desempregado. Estas descries individuais so
ento usadas para descrever toda a fora de trabalho em termos de taxa de desemprego.
As unidades de anlise so tipicamente pessoas, mas podem tambm ser famlias,
cidades, estados, naes, companhias, indstrias, clubes, agncias governamentais, etc. Em
cada caso, as unidades individuais de anlise so descritas e estas descries agregadas para
descrever a populao representada pelas unidades. Por exemplo, voc pode colher dados
descrevendo cidades de um pas. Cada cidade pode ser descrita em termos do tamanho da
populao e todas as cidades do pas podem, ento, ser descritas em termos da populao
mdia. Variveis adicionais descrevendo as cidades podem ser introduzidas para explicar
porque algumas cidades so maiores do que outras.
Evidentemente, um determinado survey pode envolver mais de uma unidade de
anlise. Um survey de residncias numa certa cidade pode tentar prover a seguinte
informao: percentual de estruturas residenciais em condies deterioradas, distribuio
racial dos chefes de famlia, renda familiar mdia anual, taxa de desemprego e distribuio
etria-sexual da populao residente. Nestes exemplos, as unidades de anlises seriam,
respectivamente, estruturas residenciais, residncias, famlias, membros da fora de
trabalho, e residentes.
Unidades de anlise num survey podem ser descritas com base em seus
componentes. Por exemplo, cidades podem ser descritas quanto s suas taxas de
desemprego ou composies raciais. Surveys podem ser feitos para viabilizar estas
descries. Se, porm, o objeto da pesquisa for descrever cidades e agregar as vrias
descries para descrever todas as cidades, ento a unidade bsica de anlise para o estudo
a cidade. Ao mesmo tempo, unidades de anlise podem ser descritas em termos dos
grupos a que pertencem. Assim, indivduos podem ser descritos em termos do nmero de
pessoas nas famlias ou a condio das suas estruturas residenciais.
A aplicabilidade dos mtodos de survey a diversas unidades de anlise por vezes
confunde o pesquisador principiante e resulta na seleo de uma unidade de anlise

inapropriada para uma linha de investigao particular. Os perigos da falcia ecolgica

devem ser conscientemente evitados.
Suponha que voc pretende explorar a possvel relao entre raa e crime: so os
negros ou os brancos que mais provavelmente tero comportamento criminoso? A unidade
apropriada de anlise para esta investigao o indivduo. Amostras de respondentes
negros e brancos sero estudadas e suas respectivas taxas de criminalidade computadas e
comparadas.
Entretanto, considerando a disponibilidade de certos dados municipais, voc pode
ficar tentado a abordar o problema de outra forma. possvel obter facilmente taxas gerais
de criminalidade nas cidades mais importantes do pas, assim como achar dados sobre a
composio racial destas cidades. Analisando estes dados, voc pode descobrir que as
taxas de criminalidade so mais altas em cidades com maior proporo de populao negra.
Da, voc pode concluir que negros tm taxas de criminalidade mais altas do que brancos.
No entanto, esta linha de investigao est sujeita falcia ecolgica, porque no h
garantia de que crimes cometidos em cidades predominantemente negras foram cometidos
por negros. concebvel que as taxas mais altas de criminalidade podem ocorrer entre
brancos residindo em reas predominantemente negras. Tal m interpretao no seria
possvel se voc tivesse utilizado a unidade de anlise correta. (2)
Qualquer que seja a natureza dos dados usados para descrever as unidades de
anlise, importante que eles sejam previamente identificados. Do contrrio, o desenho da
amostra e os mtodos de coleta de dados podem impedir a anlise mais apropriada ao
estudo. Se houver mais de uma unidade de anlise no estudo, esta considerao se tornar
ainda mais importante. Um exemplo final deve esclarecer.
Suponha que, num estudo da populao de residncias numa certa cidade, voc
decida colher dados atravs de entrevistas com os chefes de uma amostra de famlias, mas
queira fazer afirmaes sobre estruturas residenciais, residncias, famlias e pessoas. Dados
sobre as estruturas podem ser coletados perguntando questes relevantes aos entrevistados
(qual a idade da sua casa?) e por meio de observaes (quando andares tem a casa?).
Dados sobre a residncia tambm podem ser coletados entrevistando (quantas famlias
moram nesta casa?) e observando (qual a raa do chefe da famlia?). Pode-se pedir dados
ao respondente para descrever as famlias residentes (qual a renda anual?) e os indivduos
residentes (qual o sexo e a idade de cada pessoa?).
Num estudo complexo como este, com vrias unidades de anlise, deve-se ter
cuidado especial na organizao dos dados para anlise. Se voc quiser determinar o
percentual de estruturas residenciais em estado deteriorado, cada estrutura deve ser descrita
apenas uma vez na computao, independentemente do nmero de famlias ou pessoas
morando l. Se voc quiser determinar o percentual da populao residindo em estruturas
deterioradas, cada estrutura deve ser lanada na computao tantas vezes quantas forem as
pessoas morando nela. Por exemplo, se cinco pessoas residem numa estrutura deteriorada,
cada pessoa deve ser descrita como morando numa estrutura deteriorada e todas as pessoas
descritas seriam agregadas para descrever a populao da cidade.
O caminho mais seguro a seguir num survey complexo como este criar arquivos
separados de dados para cada unidade de anlise. Neste exemplo, voc deve criar um
arquivo para estruturas, um para residncias, um para famlias e outro para pessoas. Cada
arquivo conteria todos os dados relevantes para anlise daquela unidade, mesmo que
inicialmente os dados possam ter sido colhidos de outra unidade de anlise. Assim, cada
arquivo de pessoas pode ter indicao da raa do chefe da famlia qual a pessoa pertence.

Uma vez determinada a unidade de anlise para uma determinada computao, voc pode
faz-la facilmente usando o arquivo de dados correspondente.
Desenhos Bsicos de Surveys
Aps especificar os objetivos e as unidades de anlise do seu survey, voc pode
escolher entre diversos desenhos diferentes. Nesta seo, discutiremos SURVEYS INTERSECCIONAIS [cross-sectional] e SURVEYS LONGITUDINAIS, e o uso de surveys interseccionais como aproximao de surveys longitudinais. Na seo seguinte, discutiremos
variaes destes desenhos bsicos.
Surveys Inter-seccionais
Num survey inter-seccional, dados so colhidos, num certo momento, de uma
amostra selecionada para descrever alguma populao maior na mesma ocasio. Tal survey
pode ser usado no s para descrever, mas tambm para determinar relaes entre variveis
na poca do estudo.
Uma pesquisa para determinar intenes de votos um exemplo de pesquisa interseccional. Vale a pena notar que, tipicamente, se indaga aos entrevistados: Se a eleio
fosse hoje, em quem voc votaria? Os resultados so apropriadamente relatados assim:
Se a eleio fosse hoje, o candidato X venceria disparado. Um survey para determinar
taxa de desemprego descreveria o desemprego da populao na poca do estudo.
Do mesmo modo, um survey inter-seccional da relao entre religiosidade e
preconceito relataria esta relao na poca do estudo. Voc pode relatar que pessoas
religiosas so mais preconceituosas do que pessoas irreligiosas, mas reconhecendo que esta
relao pode mudar posteriormente. Um survey subsequente poderia encontrar uma relao
bem diferente. (Em geral, porm, tais relaes tendem a persistir mais tempo do que as
descries.)
Surveys Longitudinais
Alguns desenhos de survey - descritivos ou explicativos - permitem anlise de dados
ao longo do tempo. Dados so coletados em tempos diferentes e se relatam mudanas de
descries e de explicaes. Os principais desenhos longitudinais so ESTUDOS DE
TENDNCIAS, ESTUDOS DE COORTES e ESTUDOS DE PAINEL.
ESTUDOS DE TENDNCIAS. Uma populao pode ser amostrada e estudada em
ocasies diferentes. Ainda que pessoas diferentes sejam estudadas em cada survey, cada
amostra representa a mesma populao. As pesquisas eleitorais no decorrer de uma
campanha poltica so um bom exemplo de estudos de tendncias. Diversas vezes, durante
a campanha, amostras de eleitores so selecionados e perguntados em quem votaro.
Comparando os resultados das vrias pesquisas, os pesquisadores podem determinar
mudanas nas intenes de voto.
No estudo constante do preconceito nos EUA, freqentemente os entrevistados so
indagados se acham que crianas negras e brancas deveriam estudar na mesma escola. Com
o passar dos anos, os percentuais a favor de escolas racialmente integradas vm
aumentando consistentemente. Tais dados permitem que pesquisadores observem
tendncias nas atitudes com relao integrao racial.

Deve ser ressaltado que estudos de tendncias muitas vezes envolvem longos
perodos de coleta de dados. Tipicamente, voc no colhe pessoalmente todos os dados
usados num estudo de tendncias mas, ao invs, faz uma anlise secundria de dados
coletados ao longo do tempo por vrios outros pesquisadores.
At agora comentamos apenas estudos descritivos de tendncias, mas no h
motivos para um pesquisador no examinar tendncias nas relaes entre variveis. Um
exemplo a relao entre filiao religiosa e preferncia poltica. Tradicionalmente,
catlicos e judeus nos EUA tendem a votar no Partido Democrata mais do que os
protestantes, mas esta relao pode ser examinada ao longo do tempo.
ESTUDOS DE COORTES. Estudos de tendncias se baseiam em descries de
uma populao geral (como eleitores americanos) ao longo do tempo, embora mudem os
integrantes daquela populao. Pessoas vivas e representadas no primeiro estudo podem ter
morrido por ocasio do segundo e pessoas ainda no nascidas quando do primeiro estudo
podem estar representadas no segundo. Assim, um estudo de tendncias de atitudes entre
estudantes numa universidade reflete uma populao diferente de estudantes cada vez que
um survey feito.
Um estudo de coortes focaliza a mesma populao especfica cada vez que os dados
so coletados, embora as amostras estudadas possam ser diferentes. Por exemplo, podemos
selecionar uma amostra de estudantes se formando na universidade em 1990, para medir
suas atitudes em relao ao trabalho. Cinco anos depois, selecionamos e estudamos outra
amostra da mesma turma. A amostra diferente a cada vez, mas continuamos descrevendo
a turma de 1990. (Se estudssemos os formandos de 1995 na segunda vez, teramos um
estudo de tendncias de turmas de formandos e no um estudo de coorte da turma de 1990.)
O exemplo seguinte ilustra um tipo diferente de estudo de coorte. Num momento,
voc pode selecionar uma amostra de todos os americanos entre vinte e trinta anos de idade.
Dez anos mais tarde, a amostra ser de pessoas dos trinta aos quarenta, e assim por diante.
Isto um estudo de coorte de um determinado grupo de idade. O mesmo estudo pode ser
feito atravs de anlise secundria de dados previamente colhidos. Numa ocasio, voc
pode analisar os entrevistados com vinte anos no estudo de 1970, os de trinta num estudo
em 1980, os com quarenta num estudo em 1990 e assim por diante.
ESTUDOS DE PAINEL. Tanto os estudos de tendncias como os de coorte
permitem anlise de processo e mudana no tempo, o que difcil num survey interseccional. Mas esses mtodos tm severas desvantagens. Um estudo de tendncias pode
determinar que os eleitores, como um grupo, esto mudando do Candidato A para o B, mas
no indica quais pessoas esto mudando, atrapalhando tentativas de explicar porque est
ocorrendo esta mudana.
Estudos de painis envolvem a coleta de dados, ao longo do tempo, da mesma
amostra de respondentes, que se chama painel. Num estudo poltico, voc pode reentrevistar todos os membros do seu painel em intervalos mensais durante a campanha
eleitoral. Cada vez voc pergunta em quem votariam; se ocorrer mudana, voc saber
quais pessoas mudaram em qual direo. Analisando outras caractersticas de quem muda e
de quem no muda, talvez voc possa explicar as razes da mudana. (Claro que voc
tambm perguntaria aos membros do painel por que haviam mudado as intenes de voto.)
Exceto em certos casos limite, estudos de painel tm de ser realizados como parte
de um programa de pesquisas. Enquanto estudos de tendncias e de coortes podem ser
feitos atravs de anlise secundria de dados coletados previamente, estudos de painel no

podem. Consequentemente, tendem a ser caros e demorados, alm de sofrerem de dois

outros problemas.
ESGOTAMENTO DE PAINEL, o primeiro problema, se refere ao montante de no
respostas que ocorrem nas ltimas ondas de entrevistas. Algumas pessoas entrevistadas no
primeiro survey podem no querer ou poder participar posteriormente. O ponto forte dos
estudos de painel a capacidade de examinar os mesmos respondentes em diferentes
ocasies; esta vantagem se perde quando respondentes no participam de diversos surveys.
Segundo, a anlise dos dados do painel pode ser bem complicada. O principal
mecanismo analtico a tabela de mudanas, que faz tabulaes cruzadas de alguma
caracterstica em mais de uma ocasio. Por exemplo, respondentes que preferem o
Candidato A no primeiro survey so divididos entre os que continuam a preferi-lo no
segundo survey e os que agora preferem o Candidato B. Os eleitores que, da primeira vez,
preferiram o Candidato B so divididos de forma semelhante. Aumentando o nmero de
surveys, de variveis e a complexidade das variveis, a anlise e a apresentao dos dados
pode se tornar inadministrvel (ver o Captulo 14 sobre as dificuldades de anlises
tipolgicas).
Por todas estas razes, estudos de painel so realizados com menos freqncia do
que outros tipos de survey. Mas o estudo de painel o desenho de survey mais sofisticado
para a maioria dos propsitos explicativos. ( o que mais se aproxima do clssico
experimento em laboratrio.)
Aproximao de Surveys Longitudinais
Sem dvida, o survey inter-seccional o desenho de pesquisa usado mais
freqentemente, embora muitas, seno a maioria, das questes que o pesquisador quer
responder envolvam alguma noo de mudana no tempo. Alguns mecanismos podem ser
empregados num survey inter-seccional para aproximar o estudo de processo ou mudana.
Primeiro, os respondentes devem fornecer dados relevantes para questes que
envolvem processo. Por exemplo, pode-se perguntar a eles a renda da famlia no ano atual e
no anterior e estes dados usados como se tivessem sido colhidos num estudo de painel com
duas ondas de entrevistas, com um ano de intervalo. Mas h dois perigos aqui. Primeiro,
que respondentes possam no conseguir informar com exatido. Quanto mais longe tiverem
de ir na memria, menos exata, provavelmente, ser a informao prestada. Segundo, os
pesquisadores no devem se enganar e interpretar os dados do ano anterior como interseo da populao daquele ano, visto que a amostra limitada populao atual.
Uma segunda forma de aproximar de um estudo no tempo fazer comparaes de
idade ou de coorte num survey inter-seccional. Numa pesquisa, jovens podem ser menos
religiosos que os velhos e isso ser interpretado como um declnio na religiosidade da
populao. (Por outro lado, o fato de que pessoas tendem a se tornar mais religiosas com a
idade pode dar conta completamente das diferenas observadas.) Outro estudo pode
descobrir que calouros so intelectualmente menos sofisticados que alunos do quarto ano e
concluir que a educao universitria aumenta a sofisticao. (Reconhece, contudo, que a
populao da qual os novos calouros so tirados pode ser menos sofisticada, apontando
para uma tendncia e no para um processo. Pode ser tambm que alunos menos
sofisticados que foram calouros h quatro anos atrs saram da universidade antes da
realizao do survey.)

Finalmente, dados inter-seccionais podem s vezes ser interpretados logicamente,

para indicar um processo temporal. Um estudo do uso de drogas entre estudantes, por
exemplo, indicou que todos os que declararam uso de maconha tambm informaram
experincia anterior com lcool. Alm disto, todos os estudantes que relataram terem usado
LSD tambm relataram o uso de maconha (e lcool). razovel concluir, desses dados, que
o progresso no uso de drogas do lcool para a maconha para o LSD. Se, por exemplo,
alguns alunos tivessem usado maconha antes do lcool, ento o survey inter-seccional devia
ter descoberto alguns que haviam usado maconha mas no lcool. Da mesma forma,
deviam ter sido descobertos estudantes que tomaram LSD mas no outras drogas, se o LSD
tivesse sido usado antes das outras. Como nenhum estudante assim foi encontrado,
enquanto foram encontrados muitos que haviam tomado apenas lcool ou todas as drogas
estudadas menos LSD, os pesquisadores concluram, por motivos lgicos, que o processo
temporal passava de lcool para maconha para LSD. (Nota: esta concluso no apoia a
suposio de que uma droga leva fisiologicamente outra.)
Variaes dos Desenhos Bsicos
A seo anterior delineou os desenhos bsicos de survey; todo survey pode ser
caracterizado nos termos discutidos. Ao mesmo tempo, estes desenhos bsicos podem ser
modificados de vrios modos para se enquadrarem no que requer uma determinada
pesquisa. Esta seo aborda algumas das modificaes mais comuns.
Amostras Paralelas
Um problema de pesquisa pode s vezes ser particularmente relevante para mais de
uma populao. Por exemplo, se voc for um pesquisador educacional, pode querer
amostrar as atitudes dos estudantes em relao proposta de um cdigo de conduta
estudantil. Talvez voc tambm se interesse em saber o que os professores e at os
administradores escolares acham do cdigo. Neste caso, voc pode amostrar cada
populao separadamente e administrar o mesmo questionrio (ou outro ligeiramente
modificado) a cada amostra. Os resultados seriam ento comparados. Num outro exemplo,
voc pode querer examinar as crenas religiosas de fiis da Igreja Metodista e compar-las
com as crenas do clero metodista. Novamente, cada populao seria amostrada e estudada.
Tais estudos so denominados AMOSTRAS PARALELAS.
Em alguns casos, a amostra de uma populao pode ser usada para gerar a amostra
da outra. Por exemplo, estudantes universitrios podem ser amostrados e questionrios
enviados aos estudantes e seus pais. As respostas dos alunos como um todo podem ser
comparadas s respostas dos pais como um todo.
Estudos Contextuais
Como observamos ao discutir unidades de anlise, pessoas podem ser descritas em
termos dos grupos a que pertencem. Assim como se pode descrever uma famlia como
grande, membros desta famlia podem ser descritos como pertencendo a uma famlia
grande. Colher dados sobre partes do ambiente ou meio da pessoa e usar tais dados para
descrever o indivduo constitui um ESTUDO CONTEXTUAL - um exame do contexto do
indivduo.

Usando o exemplo das amostras paralelas, dados colhidos dos pais podem ser
usados para descrever seus filhos. Um aluno pode ser descrito como filho de pai
politicamente liberal, de me idosa, etc., e estes dados serem ento usados na anlise das
atitudes do estudante.
Ao estudar membros de igrejas, voc pode coletar dados sobre a igreja a que
pertence cada um e, talvez, sobre o ministro da mesma. Um membro da igreja pode ser
ento descrito como pertencendo a uma igreja rica e grande no centro da cidade, com um
ministro abaixo dos quarenta anos.
Entretanto, tais anlises exigem que os dados colhidos sobre os contextos dos
respondentes sejam identificados com eles, de forma a serem includos nos seus arquivos de
dados. Isto no pode ser feito enviando questionrios annimos amostra de estudantes e
pais. Os estudantes tm de ser identificados no questionrio (por nome ou nmero) e os pais
serem identificados de alguma forma que os ligasse aos filhos.
Estudos Sociomtricos
Tipicamente, surveys estudam uma amostra de uma determinada populao,
coletando dados sobre os indivduos na amostra, para descrever e explicar a populao que
representam. Todavia, o formato bsico do survey pode ser usado para um exame mais
abrangente de algum grupo, observando as interrelaes entre seus membros. Um bom
exemplo o ESTUDO SOCIOMTRICO.
Suponha que voc queira aprender algo sobre a seleo de amigos ntimos entre
crianas na escola. Voc pode fazer um survey convencional entre uma amostra de alunos
e pedir-lhes vrias informaes sobre os amigos mais prximos. Num desenho
sociomtrico, voc estudaria todos os alunos numa sala e pediria a cada um que
identificasse os amigos pelo nome. Desta forma, voc pode descobrir que Jack escolheu
Bill como melhor amigo, mas Bill, por sua vez, escolheu Frank. Voc pode tambm
descobrir que cinco alunos da sala escolheram Mary como sua melhor amiga e ningum
escolheu Ruth. Estas espcies de anlises podem crescer em complexidade, para possibilitar
um exame abrangente de toda uma rede de amizades. Procurando explicar porque certos
estudantes foram mais escolhidos do que outros, voc teria um corpo de dados sobre os
estudantes escolhidos, a partir dos auto-relatos de caractersticas, incluindo quem eles
escolheram.
Deste modo, voc pode examinar vrios possveis fatores que governam a formao
de amizades, incluindo variveis como sexo, raa, status econmico e inteligncia. A coleta
de dados de todos os membros do grupo poupa ao pesquisador ter que pedir aos
participantes descrever detalhadamente suas selees; alm disto, voc teria acesso rede
de amizades. Variantes desta tcnica podem ser usadas com qualquer grupo e a pesquisa
pode ser conduzido ao longo do tempo ou de forma inter-seccional.
Escolhendo o Desenho Apropriado
Dadas as vrias opes disponveis ao pesquisador de surveys, a questo Qual
desenho devo escolher? Esta pergunta no pode ser respondida em abstrato, porque
diferentes problemas de pesquisa requerem desenhos diferentes. Mesmo assim, pode-se dar
algumas diretrizes gerais.

Primeiro, se seu objetivo for uma descrio de tempo nico, um survey interseccional provavelmente o desenho mais apropriado. Voc identifica a populao
relevante, seleciona uma amostra de respondentes e faz o survey. A mesma opo se aplica
a uma pesquisa na qual interessa descrever subconjuntos. Caso voc pretenda documentar
diferenas de atitudes polticas entre homens e mulheres, pode consegui-lo com um survey
inter-seccional.
Mais comumente, porm, voc se interessa em examinar algum tipo de processo
dinmico, com mudanas ao longo do tempo. Por exemplo, ao lidar com as fontes e/ou
conseqncias da religiosidade, a questo da mudana no tempo fica implcita, se no
explcita. Implicitamente se supe que algumas pessoas se tornam religiosas e que ser
religioso tem efeitos subsequentes em atitudes e/ou comportamentos. O ideal selecionar
uma amostra de respondentes num ponto da vida antes de desenvolverem uma orientao
religiosa e estud-los ao longo do tempo, cobrindo o perodo durante o qual alguns deles se
tornam religiosos, acompanhando-os durante o perodo em que a religiosidade tem efeitos
sobre outros aspectos de suas vidas.
Um estudo assim leva anos para se completar. Provavelmente, voc comea com
uma amostra de pr-adolescentes e os segue atravs da meia-idade at se tornarem idosos.
O tempo e custo exigidos por um estudo assim provavelmente o inviabilizariam. Por isto,
tais temas so mais freqentemente trabalhados em surveys inter-seccionais. Ao invs de
observar os efeitos de vrias condies e experincias sociais enquanto ocorrem, voc
examina seus possveis efeitos comparando respondentes que passaram por estas condies
e experincias no passado com aqueles que no passaram.
Por exemplo, pessoas casadas geralmente so menos religiosas que as no casadas.
O estudo de painel permite observar o declnio de religiosidade em alguns participantes
aps o casamento. Mas o survey inter-seccional permite comparar os nveis de religiosidade
entre casados e no casados num dado momento, observando menos religiosidade em geral
nos respondentes casados. Embora voc no possa observar o efeito do casamento na
religiosidade na poca do casamento, pode querer inferir este efeito com base na diferena
neste tempo nico. (3) (A Parte Quatro aborda a lgica destas inferncias.)
Surveys de painel so mais viveis quando o fenmeno estudado tem durao
relativamente curta. Uma campanha eleitoral um exemplo. Como uma campanha deve
durar menos de um ano, possvel fazer diversas ondas de entrevistas com o painel do
survey durante a campanha, monitorando mudanas nas intenes de votos neste perodo e
coletando dados relevantes explicao destas mudanas. Com to curta durao, devem
ser reduzidas as dificuldades de esgotamento do painel e fica mais fcil localizar os
respondentes. (Num perodo mais longo, muitos respondentes podem se mudar da cidade e
fica mais difcil localiz-los).
Resumindo, sempre que o problema de pesquisa envolver o exame de mudanas individuais
no tempo, o survey de painel seria teoricamente o desenho mais apropriado. Se o processo
de mudana ocorrer durante um tempo relativamente curto, o survey de painel pode ser
vivel. Mais comumente, porm, o pesquisador obrigado a depender de dados interseccionais para inferir o processo de mudana nos indivduos com o passar do tempo.
Se, por outro lado, o problema de pesquisa tratar pouco de amplas tendncias
temporais - do ponto de vista descritivo -, as dificuldades sero menores na maioria dos
casos. Em muitas situaes, voc ver que outros pesquisadores j coletaram e relataram
todos os dados que voc precisa. Por exemplo, se tiver interesse nas mudanas gerais de

atitudes com relao guerra da Indochina, voc vai descobrir que pesquisadores
acadmicos e comerciais vm colhendo informaes relevantes h anos. Sua tarefa, ento,
pode ser apenas localizar tais estudos, comparar a natureza dos itens de questionrio e os
desenhos de amostras, para discutir as mudanas observadas. Em outras situaes, voc
pode verificar que s um survey colheu dados relevantes ao seu interesse de pesquisa ou
que o ltimo estudo realizado j est defasado. Em tal caso, voc pode querer fazer um
novo survey inter-seccional - comparvel em desenho amostral e itens de questionrio afim de fornecer uma nova medio visando um exame de tendncias.
Resumo
So estes ento os desenhos bsicos e as variaes mais comuns disponveis ao
pesquisador de survey. A discusso anterior de modo algum exaure as possibilidades de
desenho, mas deve oferecer-lhe estmulo e orientao suficientes para construir o desenho
de estudo mais apropriado s suas necessidades de pesquisa.
Os melhores estudos muitas vezes so os que combinam mais de um desenho, j
que cada desenho d uma perspectiva diferente ao assunto estudado. Ao mesmo tempo,
voc deve se precaver contra desenhar um survey to complexo que no haja tempo nem
dinheiro para execut-lo. J enfatizamos no Captulo 3 que todos os desenhos de survey
representam compromissos. O bom pesquisador consegue o melhor compromisso possvel.
Notas de Rodap do Captulo 4
(1) Para uma discusso mais abrangente deste tpico, vide W. S. Robinson, Ecological
Correlations and the Behavior of Individuals, American Sociological Review, junho de
1950, pg. 351 - 357.
(2) Deve-se reconhecer que o pesquisador s vezes no tem condies de conduzir uma
investigao usando as unidades de anlise mais apropriadas. Nestes casos, uma anlise
ecolgica pode ser a nica abordagem vivel para o assunto no momento. O famoso estudo
de Durkheim sobre suicdio um excelente exemplo. Para uma discusso de como
Durkheim evitou a falcia ecolgica, vide Hanan Selvin, Durkheims Suicide and Problems
of Empirical Research, American Journal of Sociology, maio de 1958, pg. 607 - 619.
Outro exemplo Samuel A. Stouffer, Effects of the Depression on the Family, em
Samuel A. Stouffer, ed., Social Research to Test Ideas (New York: Free Press, 1962), pg.
134 - 153.
(3) Reconhece-se, evidentemente, que esta inferncia a partir de dados inter-seccionais est
sempre sujeita a questionamento. Neste caso, pode-se argumentar que pessoas religiosas
tm menor probabilidade de se casarem, ou seja, que a direo causal oposta que foi
inferida.

CAPTULO 5
A LGICA DA AMOSTRAGEM DO SURVEY
Neste livro, como em muitos outros, o termo survey tem sido usado com o sentido
implcito de survey por amostragem, por oposio ao estudo de todos os componentes de
uma populao ou grupo. Tipicamente, mtodos de survey so usados para estudar um
segmento ou parcela - uma amostra - de uma populao, para fazer estimativas sobre a
natureza da populao total da qual a amostra foi selecionada. Embora a prtica de usar
amostras seja aceita mais ou menos tacitamente, as razes para amostrar, em geral, no so
conhecidas. Consideremos brevemente estas razes, antes de nos voltarmos para a lgica e
as tcnicas da amostragem.
Por que fazer amostragem?
H duas razes para justificar a amostragem: tempo e custo. Uma entrevista de um
survey domiciliar abrangente pode exigir de uma a trs horas e de $40 a $100. A economia
de estudar 2.000 pessoas ao invs de, digamos, 500.000 bvia. Portanto, amostrar muitas
vezes torna possvel um projeto, enquanto a recusa em amostrar acabaria com a pesquisa.
No entanto, a amostragem no deve ser vista como um mal necessrio. Em geral
no se reconhece que surveys por amostragem so muitas vezes mais precisos do que
entrevistar todos os componentes de uma populao. Este fato aparentemente bizarro
resulta de diversas caractersticas da logstica do survey por entrevista.
Primeiro, um grande projeto de entrevistas requer um nmero enorme de
entrevistadores. Pesquisadores caracteristicamente tentam limitar seu pessoal aos melhores
entrevistadores disponveis, e um grande projeto provavelmente exige contratar qualquer
pessoa disponvel, resultando que a qualidade geral dos entrevistadores mais baixa do
que a habitual. A qualidade dos dados coletados se reduz pela menor qualidade dos
entrevistadores. Alm disso, uma pesquisa em menor escala permite procedimentos de
acompanhamento mais severos, aumentando a taxa de entrevistas completas.
Segundo, j que entrevistar todos os membros de uma populao grande requer uma
fase de entrevistas longa, fica difcil e mesmo impossvel especificar a poca qual se
referem os dados. Se a pesquisa visar medir o nvel de desemprego numa grande cidade, o
ndice de desemprego fornecido pelos dados do survey no se referem cidade, seja do
incio, seja do fim das entrevistas. Ao invs, tem que dar alguma data hipottica ao ndice
de desemprego, talvez o ponto mdio do perodo de entrevistas. (Pedir aos entrevistados
para responder sobre uma data especificada uniforme introduz o problema da recordao
imprecisa.) O problema da atribuio do tempo inerente a qualquer projeto de entrevistas
no executado num s momento, e a gravidade do problema cresce com a durao do
perodo de entrevistas. Se entrevistar tomar dez meses - com os ndices de desemprego
variando neste perodo - o ndice resultante no ter significado.
Finalmente, os requisitos administrativos de um grande survey so muito maiores do
que os em geral encontradas pelos pesquisadores por surveys. A superviso, os relatrios, o
treinamento e assim por diante so muito mais difceis num grande survey e a qualidade dos
dados coletados pode ser menor do que a obtida num trabalho menor e mais manejvel.

(Vale a pena observar que o Bureau do Censo nos EUA produz um survey por amostragem
aps o censo decenal para avaliar os dados colhidos na enumerao total.)
Dados Por Amostragem So Realmente Exatos ?
Apesar da discusso anterior, talvez voc ainda sinta algum desconforto quanto
amostragem. Uma vez que possvel uma amostra representar erroneamente a populao
da qual obtida, o pesquisador que usa mtodos de amostragem enfrenta um perigo
inevitvel. No entanto, como mostraremos neste captulo, procedimentos de amostragem
bem estabelecidos podem tornar aceitvel esse perigo. Surveys por amostragem podem
permitir estimativas muito precisas sobre as populaes que retratam. Mas o pesquisador de
surveys por amostragem deve estar preparado para tolerar uma certa ambigidade, uma vez
que raramente possvel determinar o grau de preciso dos achados de uma amostra.
Pesquisadores de opinio poltica representam um grupo de pesquisadores por
surveys a quem dada a oportunidade de verificar a preciso dos achados das suas
amostras. O dia da eleio o do julgamento final para eles, e suas experincias so
instrutivas em relao questo mais geral da preciso dos surveys por amostragem.
A maioria dos crticos dos mtodos de survey por amostragem lembra a votao do
Literary Digest de 1936, que previu a vitria de Alfred M. Landon sobre Franklin D.
Roosevelt por maioria absoluta. Pesquisando uma amostra de mais de 2 milhes de
eleitores pelo correio, o Digest previu que Landon derrotaria Roosevelt em quase 15 pontos
percentuais. A razo principal deste fracasso foi a MOLDURA DE AMOSTRAGEM usada
pelos pesquisadores (discutiremos este conceito depois). A amostra do Digest foi tirada de
catlogos telefnicos e listas de registros de automveis, um procedimento de amostragem
que foi suficiente nas eleies de 1920, 1924, 1928 e 1932, mas que em 1936 no forneceu
um corte representativo dos eleitores americanos. No rastro da Depresso, e no meio do
New Deal, nmeros sem precedentes de americanos pobres apareceram para votar, e estas
pessoas pobres no estavam adequadamente representadas pelos catlogos telefnicos e
listas de registros de automveis. (1)
Em 1936, George Gallup previu corretamente que Roosevelt ganharia um segundo
mandato. Os procedimentos de amostragem de Gallup diferiam dos do Literary Digest. O
Instituto Americano de Opinio Pblica de Gallup foi pioneiro no uso da AMOSTRAGEM
POR COTAS (descrita posteriormente neste captulo), que garantia a todos os tipos de
eleitores, ricos e pobres igualmente, adequada representao na amostra. Onde a pesquisa
do Digest falhou em encontrar e interrogar os eleitores pobres - predominantemente
Democratas -, a amostragem por cotas de Gallup o fez.
Doze anos depois, Gallup e a maioria dos outros pesquisadores de opinio poltica
passaram pelo constrangimento de prever a vitria de Thomas Dewey sobre Harry Truman.
Como observou Goodman Ace, acidamente: Todos acreditam nas pesquisas de opinio
pblica. Todos, desde o homem da rua ... at o Presidente Thomas E. Dewey. (2) Vrios
fatores conspiraram para causar o fiasco da pesquisa de 48. Para comear, a maioria dos
pesquisadores terminou sua pesquisa cedo demais, apesar de uma tendncia constante em
direo a Truman no transcorrer da campanha. Grande nmero dos eleitores que disseram
no saber em quem votariam foram predominantemente para Truman. Mais importante,
contudo - o fracasso de 48 apontou uma srie de falhas inerentes amostragem por cotas, o
mesmo mtodo que fora um avano considervel sobre os mtodos de amostragem do
Literary Digest. Em 1948, diversos pesquisadores acadmicos de survey estavam

experimentando mtodos de AMOSTRAGEM PROBABILSTICA. De forma geral, eles

tinham muito mais sucesso do que os amostradores por cotas, e a amostragem probabilstica
continua sendo o mtodo mais respeitado por pesquisadores de survey.
Esta breve discusso conta uma histria parcial das fases iniciais do survey por
amostragem nos EUA, talvez s custas da f do leitor nos mtodos destes survey. Para
compensar, consideremos o currculo mais recente da preciso da pesquisa de opinio
poltica. Em novembro de 1988, George Bush recebeu 54 % dos votos para presidente;
Michael Dukakis 46 %. Mas os eleitores no tiveram que esperar os resultados das urnas
para saber quem havia vencido. Vrias pesquisas de boca de urna, entrevistando amostras
de eleitores logo aps sarem das sees eleitorais, mostraram as seguintes estimativas dos
resultados, apresentados na Tabela 5-1.
Tabela 5-1 Resultados das pesquisas de boca de urna: novembro de 1988_
Bush
Dukakis
CBS News / New York Times
54%
46%
ABC News / Washington Post
54%
46%
NBC News / Wall Street Journal
54%
46%
Los Angeles Times
54%
46%
Fonte: Dados tirados de Public Opinion, jan./fev. 1989, pags 25-26. Os dados da CBS foram refeitos para
excluir as respostas no.

No lugar dos 2 milhes de eleitores avaliados pelo Literary Digest em 1936, estas
quatro pesquisas de boca de urna amostraram entre 6.000 e 20.000 eleitores para predizer a
votao dos mais de 90 milhes de americanos que foram s urnas. Os resultados destas
pesquisas no foram surpreendentes, apenas confirmaram a tendncia relatada nas
pesquisas feitas na semana anterior eleio. O que as grandes pesquisas tinham a dizer,
em geral baseadas em amostras de 2.000 ou menos entrevistados, est apresentado na
Tabela 5-2.
Tabela 5-2 Pesquisas de opinio polticas antes da eleio de 1988_______________
Bush
Dukakis_____
CBS News / New York Times (4-5/11/88)
55%
45%
Pesquisa Gallup (3-5/11/88)
56%
44%
USA Today / CNN (3-6/11/88)
55%
45%
Pesquisa Harris (2-5/11/88)
53%
47%
ABC News / Washington Post (2-5/11/88)
55%
45%
NBC News / Wall Street Journal (1-5/11/88)
53%
47%_______
Fonte: Dados tirados de Public Opinion, nov./dez. 1988, pag. 39. Todos os dados foram refeitos para excluir
as respostas no.

Surveys por amostragem podem ser extremamente precisos. Ao mesmo tempo,

devemos conceder que, ainda hoje, muitas vezes no o so. O resto do captulo apresenta as
razes e as regras para obter preciso na amostragem.
Dois Tipos de Mtodos de Amostragem
til distinguir dois grandes tipos de mtodos de amostragem: AMOSTRAGEM
PROBABILSTICA E AMOSTRAGEM NO-PROBABILSTICA. O cerne deste captulo
se dedica amostragem probabilstica, por ser hoje o mtodo mais respeitado e til. Uma

parte menor do captulo considera os vrios tipos de mtodos de amostragem noprobabilstica.

Vamos iniciar com uma discusso sobre a lgica da amostragem de probabilidade,
seguida de uma breve taxonomia de conceitos e terminologia de amostragem. Depois nos
voltaremos para o conceito de distribuio amostral, que a base para estimar a preciso
dos achados do survey por amostragem. Estas discusses tericas sero seguidas por
consideraes sobre MOLDURAS DE pOPULAES e DE AMOSTRAGEM,
focalizando os problemas prticos de como determinar o grupo alvo do estudo e como
comear a selecionar uma amostra. A seguir examinaremos os tipos bsicos de desenhos de
surveys: AMOSTRAS ALEATRIAS SIMPLES, AMOSTRAS SISTEMTICAS,
AMOSTRAS ESTRATIFICADAS, e AMOSTRAS POR CONGLOMERADOS [cluster].
Ento discutiremos e descreveremos brevemente a amostragem no-probabilstica.
O captulo termina com breves consideraes sobre alguns usos no-survey dos
mtodos de amostragem em reas como a anlise de contedo, a observao participante e
a anlise histrica. Esperamos que voc se familiarizar o suficiente com a lgica do
survey por amostragem para poder aplicar este conhecimento numa ampla variedade de
situaes.
Lgica da Amostragem de Probabilidade
A histria das pesquisas de opinio polticas mostra que surveys por amostragem
podem ser bem precisos. Ao mesmo tempo, deve ficar igualmente claro que as amostras
devem ser selecionadas cuidadosamente. Consideraremos rapidamente o porqu disso.
As Implicaes da Homogeneidade e da Heterogeneidade
Se todos os membros de uma populao fossem idnticos uns aos outros em todos
os sentidos, no haveria necessidade de procedimentos cuidadosos de amostragem;
qualquer amostra seria suficiente. De fato, neste caso extremo de HOMOGENEIDADE, um
caso bastaria como amostra para estudar as caractersticas de toda a populao.
Antes de descartar essa idia como impossvel, lembre-se que muito da amostragem
cientfica feita desta forma. Nas cincias fsicas, em algumas situaes, seguro fazer tal
suposio. O qumico que testa certas propriedades do carbono, por exemplo, no precisa
passar pela enumerao sofrida de todo o carbono no mundo, para depois selecionar uma
amostra probabilstica de molculas de carbono para estudo. Do mesmo modo, o mdico ou
o clnico que examina o sangue de uma pessoa no precisa retirar todo o sangue dela, para
depois selecionar uma amostra probabilstica de clulas sangneas. Para fins prticos,
qualquer amostra de sangue da pessoa suficiente.
Mas, se h variao ou heterogeneidade na populao estudada, o pesquisador deve
usar procedimentos de amostragem mais controlados. Vale a pena assinalar a aplicabilidade
maior deste princpio alm da pesquisa social. As origens da moderna teoria de amostragem
esto na pesquisa agrcola, especialmente no trabalho de R. A. Fisher, cujo nome continua
associado a algumas das estatsticas de survey mais usadas.
Para nossos fins, mais importante assinalar a heterogeneidade dos grupos sociais.
Como as pessoas diferem de vrias formas, cada populao humana composta de
indivduos variados. Uma amostra de indivduos de uma populao deve conter

essencialmente a mesma variao existente na populao, para permitir descries teis

dela. A amostragem probabilstica um mtodo eficiente para extrair uma amostra que
reflita corretamente a variao existente na populao como um todo.
Vis Consciente e Inconsciente de Amostragem
claro que qualquer um pode selecionar uma amostra de survey, mesmo sem
treinamento ou cuidado especial. Para selecionar uma amostra de 100 estudantes
universitrios, uma pessoa pode ir ao campus e entrevistar os alunos que ali encontrar
andando. Este tipo de mtodo de amostragem, muitas vezes usado por pesquisadores no
treinados, tem problemas muito srios.
Para comear, h o perigo dos vieses pessoais do pesquisador afetarem a amostra
selecionada desta forma; portanto, ela no representaria realmente a populao estudantil.
Suponha, por exemplo, que voc se sente intimidado por estudantes com ar hippy e acha
que eles ridicularizariam seu trabalho. Portanto, voc pode evitar, consciente ou
inconscientemente, entrevistar tais pessoas. Por outro lado, voc pode sentir que as atitudes
de estudantes de aspecto srio no seriam relevantes para suas finalidades de pesquisa,
evitando entrevist-los. Mesmo que buscasse entrevistar um grupo equilibrado de
estudantes, talvez voc no soubesse quais as propores adequadas dos tipos diversos de
alunos para tal equilbrio, ou talvez voc no tenha como identificar os diferentes tipos,
apenas vendo-os passar.
Mesmo fazendo um esforo de entrevistar cada dcimo estudante que entrasse na
biblioteca universitria, voc no garantiria uma amostra representativa, uma vez que tipos
diferentes de alunos visitam a biblioteca com freqncias diferentes. Portanto, a amostra
sobre-representaria aqueles estudantes que usam a biblioteca com mais freqncia.
Representatividade e Probabilidade de Seleo
Amostras de surveys devem representar as populaes das quais so retiradas, se
devem fornecer estimativas teis quanto s caractersticas daquela populao. No
necessitam, contudo, ser representativas em todos os aspectos; representatividade, no
sentido que tem para a amostragem, limita-se s caractersticas relevantes para os interesses
substantivos da pesquisa. (Este ponto ficar mais evidente nas discusses posteriores sobre
estratificao).
Um princpio bsico da amostragem probabilstica : uma amostra ser
representativa da populao da qual foi selecionada, se todos os membros da populao
tiverem oportunidade igual de serem selecionados para a amostra.3 Amostras com esta
qualidade so freqentemente rotuladas de AMOSTRAS MIPSE (mtodo de igual
probabilidade de seleo). Embora discutamos mais tarde variaes deste princpio, trata-se
do princpio primordial que fundamenta a amostragem probabilstica.
Indo alm deste princpio bsico, devemos entender que amostras - mesmo as
amostras MIPSE cuidadosamente selecionadas - raramente, talvez nunca, so perfeitamente
REPRESENTATIVAS das populaes das quais so retiradas. A despeito dessa limitao,
a amostragem probabilstica oferece duas vantagens especiais para os pesquisadores.
Primeiro, amostras probabilsticas, embora jamais perfeitamente representativas, so
tipicamente mais representativas do que outros tipos de amostras, porque os vieses
discutidos acima so evitados. Na prtica, h maior possibilidade de uma amostra

probabilstica ser representativa da populao da qual extrada do que uma amostra noprobabilstica.
Segundo, e mais importante, a teoria da probabilidade permite estimar a preciso ou
representatividade da amostra. concebvel que voc, por meios totalmente aleatrios,
selecione uma amostra que represente quase perfeitamente a populao maior. No entanto,
muito mais provvel que no o faa, e voc no tem como avaliar a probabilidade de ter
atingido a representatividade. Por outro lado, a amostra probabilstica pode fornecer uma
estimativa precisa do seu sucesso ou fracasso. Aps apresentar uma breve taxonomia da
terminologia da amostragem, examinaremos os meios pelos quais se pode estimar a
representatividade da sua amostra.
Conceitos e Terminologia de Amostragem
As seguintes discusses da teoria e prtica da amostragem usam vrios termos
tcnicos. Para facilitar a compreenso das discusses, importante defini-los. Na maior
parte, usaremos termos habitualmente usados em manuais sobre amostragem e estatstica.
Ao apresentar esta taxonomia sobre terminologia e conceitos de amostragem, quero
reconhecer uma dvida para com Leslie Kish e seu excelente manual sobre o survey por
amostragem.4 Embora eu tenha modificado algumas das convenes usadas por Kish, a sua
apresentao a mais importante fonte para a nossa discusso.
Elemento
Um ELEMENTO a unidade sobre a qual a informao coletada, e que serve de
base para a anlise. Tipicamente, na pesquisa de survey, os elementos so pessoas ou certos
tipos de pessoas. Entretanto, outros tipos de unidades - famlias, clubes, corporaes, etc. podem tambm constituir os elementos de um survey.
Universo
Um UNIVERSO a agregao terica e hipottica de todos os elementos definidos
num survey. Se o americano individual for o elemento do survey, ento americanos sero
o universo. Porm, um universo de survey totalmente no especificado quanto a tempo e
lugar e essencialmente um termo intil.
Populao
POPULAO a agregao teoricamente especificada de elementos do survey.
Embora o termo vago americanos possa constituir o universo de um survey, delinear a
populao inclui definir o elemento americano (por exemplo, cidadania e residncia) e o
referencial de tempo para a pesquisa (americanos desde quando?). Traduzir o universo
nova-iorquinos adultos para uma populao trabalhvel requer especificar a idade,
definindo adulto, as fronteiras de Nova Iorque, etc. Especificar o termo estudante
universitrio inclui levar em conta estudantes de horrio integral e parcial, candidatos a
diplomas ou no, estudantes dos cursos de graduao e ps-graduao, e atributos
similares.

Embora se tenha que comear especificando cuidadosamente a populao, em geral

a licena potica permite que voc escreva seu relatrio em termos do universo hipottico.
Por facilidade de apresentao, mesmo o pesquisador mais consciencioso normalmente fala
de americanos e no de cidados residentes dos Estados Unidos da Amrica a partir de
12 de novembro de 1989. A orientao principal neste assunto, como na maioria dos
outros, no confundir ou iludir os leitores.
Populao do survey
Uma POPULAO DE SURVEY a agregao de elementos da qual de fato
extrada a amostra do survey. Lembre-se que uma populao uma especificao terica do
universo. Na prtica, raramente voc pode garantir que todos os elementos que se
enquadram nas definies tericas estabelecidas tm efetivamente a chance de serem
selecionados para a amostra. Mesmo as listas de elementos compiladas especificamente
para fins de amostragem costumam ser algo incompletas. Alguns estudantes so sempre
inadvertidamente omitidos das listagens de alunos. H usurios de telefones que exigem
que seus nomes e nmeros no sejam includos nos catlogos. Portanto, a populao de
survey a agregao dos elementos dos quais a amostra selecionada.
Muitas vezes, pesquisadores decidem limitar suas populaes de survey mais
severamente do que o indicado nos exemplos acima. Firmas de pesquisa de opinio podem
limitar suas amostras nacionais aos quarenta e oito estados adjacentes, omitindo, por
razes prticas, o Alasca e o Hava. Um pesquisador, ao selecionar uma amostra de
professores de psicologia, pode limitar a populao do survey aos professores de psicologia
em departamentos de psicologia, omitindo os que pertencem a outros departamentos. (Num
certo sentido, podemos dizer que estes pesquisadores redefiniram seus universos e
populaes, contanto que tenham tornado estas revises claras para os leitores.)
Unidade de Amostra
Uma UNIDADE DE AMOSTRA o elemento ou conjunto de elementos
considerados para seleo em alguma etapa da amostragem. Numa amostra simples, de
estgio nico, as unidades de amostra so o mesmo que os elementos. Mas, em amostras
mais complexas, pode-se usar nveis diferentes de unidades de amostra. Por exemplo, um
pesquisador pode, primeiro, extrair uma amostra de quarteires numa cidade, depois uma
amostra de residncias nesses quarteires e, enfim, uma amostra de adultos nas residncias
selecionadas. As unidades de amostra, nestas trs etapas de amostragem so,
respectivamente, quarteires, residncias e adultos, sendo que s os ltimos so os
elementos. De forma mais especfica, os termos unidades primrias de amostra,
unidades secundrias de amostra e unidades finais de amostra devem ser usadas para
designar as etapas sucessivas.
Moldura de Amostragem
Uma MOLDURA DE AMOSTRAGEM a lista de unidades de amostra da qual a
amostra, ou alguma etapa dela, selecionada. Se uma amostra simples de estudantes for
selecionada de uma listagem de estudantes, a listagem seria a moldura de amostragem. Se a
unidade primria de amostra para uma amostra populacional complexa for o quarteiro, a

lista dos quarteires a moldura de amostragem - na forma de livreto impresso, carto

arquivo da IBM, fita magntica ou arquivo em disquete.
No planejamento de amostra de etapa nica, a moldura de amostragem a lista dos
elementos compondo a populao de survey. Na prtica, muitas vezes so as molduras de
amostragem disponveis que definem as populaes de survey, ao invs do contrrio.
Freqentemente, voc comea com um universo ou talvez uma populao em mente para
sua pesquisa, e depois procura possveis molduras de amostragem. As molduras disponveis
so examinadas e avaliadas, e voc escolhe a moldura que representa a populao de survey
mais apropriada para seus fins.
A relao entre populaes e molduras de amostragem crtica, no tendo recebido
ateno suficiente. Uma seo posterior deste captulo aprofunda a questo.
Unidade de Observao
Uma UNIDADE DE OBSERVAO, ou unidade de coleta de dados, um
elemento ou agregao de elementos de que se coleta informao. A unidade de anlise e a
unidade de observao muitas vezes so o mesmo - a pessoa individual - mas isso no
necessrio. Por exemplo, entrevistar chefes de famlia (as unidades de observao) para
coletar informao sobre todos os seus membros (as unidades de anlise).
A tarefa mais simples quando a unidade de anlise e a unidade de observao so
o mesmo. Mas, freqentemente isso no possvel ou vivel, obrigando-o a usar alguma
engenhosidade para obter dados relevantes de suas unidades de anlise, sem de fato
observ-las.
Varivel
Uma VARIVEL um conjunto de caractersticas mutuamente excludentes, como
sexo, idade, emprego, etc. Podemos descrever os elementos de uma populao em termos
das suas caractersticas individuais numa varivel. Tipicamente, surveys visam descrever a
distribuio das caractersticas de uma varivel numa populao. Assim, voc pode
descrever a distribuio etria de uma populao examinando a freqncia relativa das
diferentes idades dos seus membros.
Repare que uma varivel, por definio, deve ter variao; se todos os elementos na
populao tm a mesma caracterstica, esta caracterstica uma constante na populao e
no parte de uma varivel.
Parmetro
Um PARMETRO a descrio sumria de uma varivel numa populao. A
renda mdia de todas as famlias numa cidade e a distribuio etria da populao da cidade
so parmetros. Parte importante da pesquisa por surveys envolve a estimativa dos
parmetros populacionais baseada em observaes amostrais.
Estatstica
Uma ESTATSTICA a descrio sumria de uma varivel num survey por
amostragem. Portanto, a renda mdia computada a partir de um survey por amostragem e a

distribuio etria daquela amostra so estatsticas. Usa-se estatsticas de amostras para

fazer estimativas sobre parmetros populacionais.
Erro amostral
O erro amostral discutido com mais detalhes numa seo posterior deste captulo.
Mtodos de amostragem probabilstica raramente ou nunca fornecem estatsticas
exatamente iguais aos parmetros que buscam estimar. Entretanto, a teoria da probabilidade
permite estimar o grau de erro a ser esperado num determinado desenho de amostragem.
Nveis de Confiana e Intervalos de Confiana
Estes termos tambm so discutidos com mais detalhes numa seo posterior.
Computar o erro amostral permite expressar a preciso das suas estatsticas em termos do
nvel de confiana, estabelecendo que essas estatsticas esto dentro de um intervalo
especificado do parmetro. Por exemplo, voc pode dizer que est 95 % confiante que
sua estatstica (por exemplo, 50 % favorecem o candidato X) est dentro de mais ou menos
( + ) 5 pontos percentuais do parmetro populacional. Quando voc expande o intervalo de
confiana para uma dada estatstica, sua confiana aumenta; voc pode dizer que tem
99,9 % de confiana de que sua estatstica est dentro de + 7,5 pontos percentuais do
parmetro.
Teoria da Amostragem Probabilstica e Distribuio Amostral
Esta seo examina a teoria bsica da amostragem probabilstica tal como aplicada
ao survey por amostragem; consideraremos a lgica da distribuio amostral e erro amostral
em relao a uma VARIVEL BINOMIAL, ou seja, uma varivel consistindo em duas
caractersticas.
Teoria de Amostragem Probabilstica
A finalidade ltima do survey por amostragem selecionar um conjunto de
elementos de uma populao de tal forma que descries destes elementos (estatsticas)
descrevam com preciso a populao total da qual foram selecionadas. A amostragem
probabilstica fornece um mtodo para ampliar a possibilidade de alcanar esta meta, bem
como mtodos para estimar o grau de sucesso provvel.
Seleo aleatria a chave deste processo. Num processo de seleo aleatria, cada
elemento tem chance igual de seleo, independente de qualquer outro evento do processo
de seleo. Lanar uma moeda perfeita o exemplo mais freqentemente citado; tirar uma
cara ou uma coroa independente de selees anteriores de caras ou coroas. Outro exemplo
jogar um conjunto de dados perfeitos.
Estas imagens de seleo aleatria, contudo, raramente se aplicam diretamente aos
mtodos de survey por amostragem. bem mais provvel voc usar tabelas de nmeros
aleatrios ou programas de computador que selecionam aleatoriamente as unidades de
amostragem. A disponibilidade destes auxlios pesquisa torna-os um bom comeo para
nossa discusso sobre a amostragem aleatria.

As razes para usar mtodos de seleo aleatria, ou seja, tabelas de nmeros aleatrios ou
programas de computador, so duas. Primeiro, este procedimento funciona como antdoto
aos vieses conscientes ou inconscientes do pesquisador. O pesquisador que seleciona casos
de forma intuitiva pode muito bem selecionar casos que apoiam expectativas ou hipteses
de pesquisa preexistentes. Segundo, a seleo aleatria d acesso teoria da probabilidade,
que a base para as estimativas sobre parmetros populacionais e as estimativas de erro.
Passemos agora ao exame deste segundo aspecto.
Distribuio Binomial da Amostragem
A forma mais clara de discutir o conceito da distribuio amostral usar um
exemplo simples de survey. Suponha que queremos estudar a populao estudantil de uma
universidade para medir a aprovao ou rejeio de um cdigo de conduta estudantil
proposto pela administrao. A populao do survey ser a agregao de estudantes
relacionados numa listagem de alunos (a moldura de amostragem). Os elementos sero os
estudantes individuais da universidade. A varivel considerada ser atitudes quanto ao
cdigo, uma varivel binomial - aprovar ou rejeitar. Selecionaremos uma amostra aleatria
de estudantes para estimar todo o corpo estudantil.
A Figura 5-1 apresenta uma eixo de ordenadas representando todos os valores
possveis deste parmetro na populao - de 0 at 100 % de aprovao. O ponto mdio do
eixo - 50 % - representa a situao na qual metade dos alunos aprova o cdigo, enquanto a
outra metade rejeita-o.
Vamos supor que demos um nmero a cada aluno da listagem, e que selecionamos
100 nmeros de uma tabela de nmeros aleatrios. Os 100 estudantes cujos nmeros forem
selecionados so entrevistados e perguntados quanto sua atitude em relao ao cdigo
estudantil - se aprovam ou rejeitam. Suponhamos que esta operao nos d 48 alunos que
aprovam o cdigo e 52 que rejeitam. Podemos representar esta estatstica marcando a
ordenada no ponto correspondente a 48%.
Agora suponha que selecionamos outra amostra de 100 alunos exatamente da
mesma forma, e que medimos sua aprovao/rejeio do cdigo estudantil e que 51
estudantes desta amostra aprovem o cdigo; esse resultado pode ser representado por outra
marca no local apropriado da ordenada. Repetindo o processo, podemos descobrir, que,
numa terceira amostra, 52 alunos aprovam o cdigo.
Figura 5-1
|__________________________________|___________________________________|
0
50
100
Porcentagem de alunos que aprovam o cdigo estudantil
A Figura 5-2 mostra as trs diferentes estatsticas representando as porcentagens de
alunos em cada uma das trs amostras aleatrias que aprovam o cdigo estudantil. A regra
bsica da amostragem aleatria que as amostras extradas de uma populao fornecem
estimativas do parmetro relativo populao total. Portanto, cada amostra aleatria d
uma estimativa da porcentagem de estudantes em todo o corpo estudantil que aprovam o
cdigo de estudantes. No entanto, infelizmente selecionamos trs amostras e agora temos
trs estimativas distintas.

Figura 5-2

Porcentagem de alunos que aprovam o cdigo estudantil

Figura 5-3

Porcentagem de alunos que aprovam o cdigo estudantil

Para escapar deste dilema, vamos extrair mais e mais amostras de 100 alunos cada,
perguntar a cada uma das amostras sobre sua aprovao/rejeio do cdigo, e marcar as
novas estatsticas no nosso grfico de resumo. Ao extrair muitas amostras, vamos descobrir
que algumas das novas amostras repetem as estimativas dadas por amostras anteriores. Para
explicar esta situao, acrescentemos um eixo de abcissas figura, representando o nmero
de amostras que fornecem estimativas. A Figura 5-3 mostra o produto dos nossos novos
esforos amostrais.
A distribuio das estatsticas amostrais, mostrada na Figura 5-3, chamada
DISTRIBUIO AMOSTRAL. Ao aumentar o nmero de amostras selecionadas e
entrevistadas, tambm aumentamos a extenso das estimativas fornecidas pela operao de
amostragem. Num sentido, agravamos nosso dilema de tentar adivinhar o parmetro da
populao. No entanto, a teoria da probabilidade oferece certas regras importantes relativas
distribuio de amostras mostrada na Figura 5-3.
Primeiro, se muitas amostras aleatrias independentes so extradas de uma
populao, as estatsticas amostrais fornecidas por estas amostras estaro distribudas em
torno do parmetro populacional de uma forma conhecida. Embora haja uma ampla faixa
de estimativas, a maioria est mais prxima dos 50 % do que de outra parte do grfico.
Portanto, a teoria da probabilidade nos diz que o valor real est prximo aos 50 %.
Segundo, a teoria da probabilidade nos d uma frmula para estimar quo prximo
as estatsticas da amostragem esto aglomeradas em torno do valor real. Esta frmula
contm trs fatores: o parmetro, o tamanho da amostra e o ERRO PADRO (uma medida
do erro da amostragem).

Frmula: S =

PQ
n

Smbolos: P, Q: Os parmetros populacionais para o binomial; se 60 % do

corpo estudantil aprovam o cdigo e 40 % rejeitam, P
e Q so 60 % e 40 %, ou 0,6 e 0,4. Observe que
Q = 1 - P e P = 1 - Q.
n: O nmero de casos em cada amostra.
S: O erro padro.

Suponha que o parmetro populacional seja 50 % de aprovao e 50 % de rejeio.

Recorde que estivemos selecionando amostras de 100 casos cada. Quando estes nmeros
so postos na frmula, vemos que o erro padro igual a 0,05, ou 5 %.
Em termos da teoria da probabilidade, o erro padro um dado valioso porque
indica em que medida as estimativas amostrais esto distribudas em torno do parmetro
populacional. Especificamente, a teoria da probabilidade indica que certas propores das
estimativas amostrais esto dentro de incrementos especificados de erros padro do
parmetro populacional. Aproximadamente 34 % (0,3413) das estimativas amostrais esto
at um desvio padro acima do parmetro da populao, e outros 34 % at um desvio
padro abaixo do parmetro. No nosso exemplo, o erro padro 5 %, ento sabemos que 34
% das amostras daro estimativas de aprovao estudantil entre 50 % (parmetro) e 55 %
(um erro padro acima); outros 34 % das amostras mostraro estimativas entre 50 % e 45 %
(um desvio padro abaixo do parmetro). Reunindo-as, sabemos que aproximadamente dois
teros (68 %) das amostras resultaro em estimativas dentro (mais ou menos) de 5 % do
parmetro.
Alm disso, a teoria da probabilidade diz que cerca de 95 % das amostras estaro
dentro de (mais ou menos) dois erros padro do valor verdadeiro, e 99,9 % das amostras
dentro de (mais ou menos) trs desvios padro. Neste exemplo, portanto, sabemos que s
uma amostra em mil resultaria numa estimativa abaixo de 35 % de aprovao ou acima de
65 % de aprovao.
A proporo de amostras caindo entre um, dois ou trs erros padro do parmetro
constante para qualquer procedimento de amostragem aleatria como a que foi descrita,
contanto que se selecione grande nmero de amostras. Contudo, o tamanho do erro padro
uma funo do parmetro populacional e do tamanho da amostra. Se voltarmos frmula,
vemos que o erro padro aumenta como funo de um aumento na quantidade PQ. Veja,
tambm, que esta quantidade atinge o mximo quando a populao dividida ao meio. Se P
= 0,5 , PQ = 0,25; se P = 0,6 , PQ = 0,24; se P = 0,8 , PQ = 0,16; se P = 0,99 , PQ = 0,0099.
Por extenso, se P for 0,0 ou 1,0 (isto , se 0 % ou 100 % aprovarem o cdigo estudantil), o
erro padro ser 0. Se todos na populao tm a mesma atitude (sem variao), ento
qualquer amostra dar exatamente a mesma estimativa.
O erro padro tambm uma funo inversa do tamanho da amostra. medida que
o tamanho da amostra cresce, o erro padro diminui, e as vrias amostras estaro
aglomeradas mais prximas ao valor verdadeiro. Outra regra evidente a partir da frmula:
devido raiz quadrada na frmula, o erro padro fica reduzido pela metade se o tamanho da
amostra for quadruplicado. Em nosso exemplo, amostras de 100 produzem um erro padro
de 5 %; para reduzir o erro padro a 2,5 %, teramos que aumentar o tamanho da amostra
para 400. (O apndice B traz uma tabela para ajud-lo a fazer essas estimativas).

O que discutimos provm da teoria da probabilidade estabelecida, referente

seleo de grandes nmeros de amostras aleatrias. Se o parmetro populacional for
conhecido, e muitas amostras aleatrias forem selecionadas, poderemos predizer quantas
amostras cairo dentro de intervalos especificados a partir do parmetro. No entanto, estas
condies no so tpicas do survey por amostragem. Usualmente, o pesquisador
desconhece o parmetro e conduz um survey por amostragem para estim-lo. Ademais, os
pesquisadores de survey normalmente no selecionam grandes nmeros de amostras, em
geral extraindo s uma. Apesar disso, a discusso acima sobre a teoria da probabilidade
fornece uma base para inferncias sobre a situao tpica dos surveys.
Se a teoria da probabilidade diz que 68 % das amostras estaro dentro de um erro
padro do parmetro, o pesquisador infere que uma amostra aleatria tem uma
probabilidade de 68 % de estar dentro daquela faixa. Neste sentido, falamos de NVEIS DE
CONFIANA: voc tem 68 % de confiana que a estimativa da sua amostra est dentro
de um erro padro do parmetro, ou tem 95 % de confiana que a estatstica da amostra
est dentro de dois erros padro do parmetro, e assim por diante. Compreensivelmente, a
confiana aumenta quanto mais se estende a margem para erro. Voc est virtualmente
positivo (99,9 % de confiana) que a estimativa da amostra est dentro de trs erros padro
do valor verdadeiro.
Embora confiante (em algum nvel) de estar dentro de uma certa faixa do parmetro,
j assinalamos que raramente voc conhece o parmetro. Para resolver este dilema, voc
substitui o parmetro na frmula pela sua estimativa de amostragem; na falta do valor
verdadeiro, voc o substitui com a melhor estimativa disponvel.
O resultado destas inferncias e estimativas que o pesquisador de survey torna-se
capaz de estimar tanto um parmetro populacional quanto o grau esperado de erro com base
numa amostra extrada da populao. Comeando com a pergunta: Qual porcentagem do
corpo estudantil aprova o novo cdigo?, voc pode selecionar uma amostra aleatria de
100 alunos e entrevist-los. Voc pode relatar que sua melhor estimativa que 50 % do
corpo estudantil aprovam o cdigo, e tem 95 % de confiana que entre 40 e 60 % (mais ou
menos dois erros padro) aprovam. A faixa de 40 a 60 % chamada de INTERVALO DE
CONFIANA.
Esta a lgica bsica da amostragem probabilstica. A seleo aleatria permite
ligar os achados do survey por amostragem ao corpo da teoria da probabilidade para estimar
a preciso daqueles achados. Todos os enunciados de preciso na amostragem devem
especificar tanto um nvel de confiana quando um intervalo de confiana. Voc pode
informar que est x % confiante de que o parmetro populacional est entre dois valores
especificados.
A discusso precedente considerou apenas um tipo de estatstica - as porcentagens
produzidas por uma varivel binomial ou dicotmica. A mesma lgica se aplica ao exame
de outras estatsticas, tais como renda mdia. Uma vez que as computaes so mais
complicadas, nesta introduo consideramos apenas os binomiais.
Advertimos que o uso da teoria da probabilidade, como discutido nesta seo, no
est plenamente justificado em termos tcnicos. A teoria da distribuio amostral, por
exemplo, faz suposies que quase nunca se aplicam s situaes de surveys. A frmula
usada para avaliar o nmero de amostras que estariam contidas dentro de incrementos
especificados de erros padro, por exemplo, supe uma populao infinita, um nmero
infinito de amostras e amostragem com substituio. Ademais, na nossa discusso, o salto

inferencial da distribuio de vrias amostras para as caractersticas provveis de uma

amostra foi grosseiramente simplificado.
Essas advertncias so feitas por razes de perspectiva. Pesquisadores, s vezes,
parecem superestimar a preciso das estimativas produzidas pelo uso da teoria da
probabilidade em conexo pesquisa por survey. Mencionaremos em outras partes deste
captulo e do livro que variaes nas tcnicas de amostragem e fatores de no-amostragem
podem reduzir ainda mais a legitimidade de tais estimativas. No obstante, os clculos
discutidos nesta seo podem ser de grande valor para compreender e avaliar dados.
Embora no forneam estimativas to precisas quanto se pode supor, podem ser bastante
vlidos para fins prticos, e so inquestionavelmente mais vlidos do que estimativas
derivadas menos rigorosamente, baseadas em mtodos de amostragem menos rigorosos.
Voc deve se familiarizar com a lgica bsica subjacente aos clculos, para poder reagir
sensatamente tanto aos seus prprios dados quanto aos dados informados por outros.
Populaes e Molduras de Amostragem
A seo anterior lidou com um modelo terico para amostragem de survey. Se o
consumidor de surveys, o estudante ou o pesquisador precisam conhecer essa teoria, devem
igualmente saber avaliar as condies imperfeitas existentes no campo. Esta seo discute
um aspecto das condies de campo que requer compromisso entre as condies e os
supostos tericos - a congruncia ou a disparidade entre populaes e molduras de
amostragem.
Dito simplesmente, uma moldura de amostragem a lista, ou fac-smile razovel, de
elementos dos quais selecionada uma amostra probabilstica. A prxima seo trata dos
mtodos de selecionar amostras, mas primeiro precisamos considerar a prpria moldura de
amostragem. Amostras corretamente selecionadas fornecem informaes apropriadas para
descrever a populao de elementos que compem a moldura de amostragem - nada mais.
preciso enfatizar este ponto, dada a tendncia to comum entre pesquisadores de
selecionar amostra de uma dada moldura de amostragem e ento fazer afirmaes sobre
uma populao semelhante, mas no idntica, populao do survey definida pela moldura
de amostragem. o problema mais amplo da generalizao social-cientfica, equivalente a
estudar uma pequena igreja luterana em Dakota do Norte para descrever a religio nos
EUA. No restante da seo examinaremos finalidades diversas para os surveys e
discutiremos boas e ms molduras de amostragem para aquelas finalidades.
Surveys de organizaes freqentemente so o tipo mais simples de survey, do
ponto de vista da amostragem, porque, tipicamente, organizaes possuem listas de
membros. Nestes casos, a lista de membros uma excelente moldura de amostragem. Se
uma amostra aleatria selecionada de uma lista de membros, os dados colhidos desta
amostra podem ser considerados como representativos de todos os membros - caso todos os
membros forem includos na lista. Se alguns no tiverem sido includos, deve-se fazer um
esforo para amostr-los; do contrrio, os achados do survey s podem ser considerados
como representativos daqueles membros na lista.
Populaes que oferecem boas listas organizacionais so escolas primrias e
secundrias, estudantes universitrios; membros de igrejas; operrios de fbricas; membros
de fraternidades e grmios, de clubes sociais, de servio ou polticos; e membros de
associaes profissionais.

Estes comentrios se aplicam principalmente a organizaes locais. Organizaes

estaduais ou nacionais freqentemente no tm uma nica lista de membros facilmente
disponvel. Por exemplo, no h uma lista nica de todos os membros da igreja episcopal.
Mas um planejamento de amostragem um pouco mais complexo pode aproveitar as listas
de membros de igrejas locais amostrando primeiro igrejas e depois subamostrando as listas
de membros dessas igrejas.
Outras listas de indivduos podem ser especialmente relevantes s necessidades de
pesquisa de survey. Por exemplo, agncias governamentais mantm listas de eleitores
registrados caso voc queira fazer uma pesquisa pr-eleitoral de opinio ou um exame mais
detalhado do comportamento eleitoral, mas voc deve se certificar que a lista est
atualizada. Listas semelhantes contm nomes de donos de automveis, de recebedores de
benefcios sociais, de contribuintes de impostos, pessoas com licenas comerciais,
profissionais licenciados, etc. Embora algumas destas listas sejam difceis de conseguir,
podem fornecer excelentes molduras de amostragem. Como os elementos de amostragem
num survey no precisam ser pessoas, h diversas listas com outros tipos de elementos:
universidades, negcios de vrios tipos, cidades, revistas acadmicas, jornais, sindicatos,
clubes polticos, associaes profissionais etc.
Catlogos telefnicos so muito usados para pesquisas de opinio rpidas e sujas.
Inegavelmente so fceis de fazer e de baixo custo, o que sem dvida responde pela sua
popularidade, e se voc quiser fazer afirmaes sobre assinantes de telefones, o catlogo
uma moldura de amostragem razoavelmente boa.5 Infelizmente, com excessiva freqncia,
os catlogos telefnicos so usados como lista da populao de uma cidade ou dos seus
eleitores. H muitos defeitos neste tipo de raciocnio, o principal sendo um vis de classe
social. Gente pobre tem menos possibilidade de ter telefones; uma amostra de catlogo
telefnico, portanto, provavelmente ter uma predisposio para as classes mdia e alta. (O
captulo 10 examina um mtodo especial para amostragem em relao a surveys
telefnicos: DISCAGEM ALEATRIA DE ALGARISMOS).
Catlogos de ruas e mapas de impostos so freqentemente usados como fontes
fceis para amostras de residncias, mas podem sofrer das mesmas desvantagens dos
catlogos telefnicos, tais como serem incompletos e/ou enviesados. Por exemplo, em
regies urbanas com zoneamento rigoroso, unidades residenciais ilegais tm pouca
possibilidade de aparecerem em registros oficiais. Resulta que, no tendo estas unidades
chance de seleo, os achados das amostras no so representativas dessas unidades,
tipicamente mais pobres e superlotadas.
Reviso de Populaes e Molduras de Amostragem
Uma vez que a literatura da pesquisa por surveys tem sido surpreendentemente
descuidada com as questes de populaes e molduras de amostragem, dou-lhes ateno
especial. Para maior nfase, listo, em reviso, as principais diretrizes a lembrar.
1. Os achados dos surveys por amostragem s podem ser considerados
representativos da agregao de elementos que compem a moldura de amostragem.
2. Muitas vezes, as molduras de amostragem no incluem de fato todos os
elementos que seus nomes sugerem. (Diretrios de estudantes no incluem todos os
estudantes; catlogos telefnicos no incluem todos os assinantes). Omisses so quase
inevitveis. Portanto, uma primeira preocupao deve ser avaliar a extenso destas

omisses e corrigi-las se possvel. (Naturalmente, talvez voc possa ignorar, sem prejuzo,
um pequeno nmero de omisses de difcil correo.)
3. Para poder generalizar populao que compe a moldura de amostragem,
necessrio que todos os elementos tenham representao igual nela; cada elemento deve
aparecer uma s vez. Do contrrio, elementos que aparecem mais de uma vez tero maior
probabilidade de seleo, e a amostra, no geral, sobre-representar estes elementos.
Outros assuntos mais prticos, relacionados s populaes e molduras de
amostragem, so tratados em outros captulos. Por exemplo, o formato da moldura de
amostragem - uma lista numa publicao, um arquivo em fichas 3x5, placas
addressograph, cartes IBM, fitas magnticas, disquetes - muito importante. Tais
consideraes freqentemente ganham precedncia sobre consideraes cientficas; uma
lista mais fcil poder ser escolhida contra uma lista mais difcil, mesmo que esta seja
mais apropriada populao alvo. No devemos ser dogmticos a este respeito; os
pesquisadores devem pesar cuidadosamente as vantagens e as desvantagens relativas destas
alternativas. O mais importante que voc esteja ciente - e deve informar seu leitor - das
deficincias de qualquer moldura de amostragem que escolher.
Tipos de Desenhos de Amostragem
Introduo
Talvez, a essa altura, voc esteja apavorado com a importncia e as dificuldades
para organizar sua moldura de amostragem; um sentimento correto e saudvel. Aps
estabelecer a moldura de amostragem, voc deve selecionar uma amostra de elementos para
estudo.
At agora, focalizamos a AMOSTRAGEM ALEATRIA SIMPLES. De fato, as
estatsticas usadas em geral pelos pesquisadores de survey supem tal amostra. Mas, como
logo veremos, h diversas opes para fazer a amostragem, e raramente se opta pela
aleatria simples, por duas razes. Primeiro, a amostragem aleatria simples s possvel
com as molduras de amostragem mais simples. Segundo, a amostragem aleatria simples
pode no ser o mtodo melhor (o mais preciso). Discutiremos agora a amostragem aleatria
simples e outros tipos de desenhos de amostragem.
Amostragem Aleatria Simples
A amostragem aleatria simples [AAS] o mtodo de amostragem bsico suposto
pelos clculos estatsticos do survey. A matemtica da amostragem aleatria
particularmente complexa, e nos desviaremos dela, preferindo descrever os mtodos de
campo que empregam este mtodo.
Uma vez estabelecida uma moldura de amostragem de acordo com a discusso
anterior, voc numera cada elemento da lista, atribuindo um e s um nmero a cada um,
sem saltar nenhum nmero. A seguir, usa uma tabela de nmeros aleatrios para selecionar
os elementos da amostra.
Se sua moldura de amostragem est em formato prprio para computadores, como
um disquete, uma amostra aleatria simples pode ser extrada automaticamente, usando um
programa de computador relativamente simples. Com efeito, o computador pode numerar

os elementos da moldura de amostragem, gerar sua prpria srie de nmeros aleatrios, e

imprimir a lista de elementos selecionados.
Amostragem Sistemtica
A amostragem aleatria simples raramente usada na prtica. Em geral, no o
mtodo de amostragem mais eficiente, e j vimos que pode ser trabalhoso quando feito
manualmente. A AAS habitualmente requer uma lista de elementos; quando esta lista est
disponvel, geralmente os pesquisadores usam o mtodo de AMOSTRAGEM
SISTEMTICA, ao invs da amostragem aleatria simples.
Na amostragem sistemtica, cada ko elemento na lista total (por exemplo, cada 100o)
escolhido para incluso na amostra. Se a lista tem 10.000 elementos, e voc quer uma
amostra de 1.000 elementos, seleciona cada dcimo elemento para a amostra. Para garantia
contra algum vis humano possvel ao usar este mtodo, voc seleciona o primeiro
elemento aleatoriamente. No exemplo acima, voc comea escolhendo um nmero
aleatrio entre 1 e 10; o elemento com este nmero includo na amostra, mais cada
dcimo elemento seguinte. Refere-se tecnicamente a este procedimento como uma
amostra sistemtica de incio aleatrio.
Dois termos so usados freqentemente em conexo com a amostragem sistemtica.
O INTERVALO DE AMOSTRAGEM a distncia padro entre os elementos
selecionados na amostra - 10 no exemplo acima. A RAZO AMOSTRAL a proporo de
elementos selecionados da populao - um dcimo no exemplo acima. (A razo amostral
igual a 1/intervalo de amostragem.)
Na prtica, a amostragem sistemtica virtualmente idntica amostragem
aleatria simples. De fato, se a lista de elementos for randomizada antes da amostragem,
pode-se argumentar que uma amostragem sistemtica retirada daquela lista , na realidade,
uma amostra aleatria simples. Os debates quanto aos mritos relativos da amostragem
aleatria simples e da amostragem sistemtica foram resolvidos largamente em favor do
mtodo mais simples, a sistemtica. Empiricamente, os resultados so virtualmente
idnticos. Alm disso, como veremos, a amostragem sistemtica, em algumas situaes,
um pouco mais precisa do que a amostragem aleatria simples.
A amostragem sistemtica traz um perigo: o arranjo dos elementos na lista pode
desaconselhar uma amostra sistemtica. Este perigo em geral referido pelo termo
PERIODICIDADE. Se a lista de elementos estiver organizada num padro cclico que
coincide com o intervalo de amostragem, resultar uma amostra grosseiramente
tendenciosa. Dois exemplos bastam.
Num estudo de soldados durante a Segunda Guerra Mundial, os pesquisadores
selecionaram cada dcimo soldado das listagens das unidades. Mas estas estavam
organizadas sob a forma de uma tabela organizacional, listando primeiro os sargentos e
depois cabos e praas, peloto por peloto, sendo que cada peloto tinha dez membros.
Portanto, cada dcima pessoa na lista era um sargento de peloto, e a amostra sistemtica
selecionada tinha apenas sargentos. Poderia acontecer, tambm, que nenhum sargento fosse
selecionado.
Noutro exemplo, suponha que queremos selecionar uma amostra de apartamentos
num prdio. Se a amostra for extrada de uma lista dos apartamentos organizados em ordem
numrica (por exemplo, 101, 102, 103, 104, 201, 202, e assim por diante), h o risco do
intervalo de amostragem coincidir com o nmero de apartamentos num andar ou seu

mltiplo. Neste caso, a amostra poderia incluir apenas apartamentos do lado noroeste, ou s
apartamentos perto dos elevadores. Se estes tipos de apartamentos tiverem alguma
caracterstica peculiar em comum (por exemplo, aluguel mais elevado), a amostra seria
tendenciosa. Risco semelhante pode surgir numa amostragem sistemtica de casas numa
subdiviso organizada com o mesmo nmero de casas num quarteiro.
Ao considerar uma amostra sistemtica a partir de uma lista, voc deve examinar
cuidadosamente a natureza da lista. Se os elementos esto arranjados nalguma ordem
particular, certifique-se se aquela ordem no enviesa a amostra a ser selecionada e tome
medidas para contrabalanar qualquer possvel vis (por exemplo, tirar uma amostra
aleatria simples de pores cclicas).
Em resumo, a amostragem sistemtica, em geral, superior amostragem aleatria
simples, pelo menos em convenincia. Os problemas na ordenao dos elementos da
moldura de amostragem geralmente podem ser remediados com facilidade.
Amostragem Estratificada
Nas duas sees precedentes, discutimos dois mtodos alternativos de seleo de
amostras a partir de uma lista. A AMOSTRAGEM ESTRATIFICADA no uma
alternativa a estes mtodos, mas representa uma possvel modificao no seu uso.
As amostragens aleatria simples e sistemtica so importantes no sentido de
garantirem um grau de representatividade e permitirem uma estimativa de erro. A
amostragem estratificada um mtodo para obter maior grau de representatividade,
reduzindo o provvel erro amostral. Para compreender porque, voltemos rapidamente
teoria bsica da distribuio amostral.
Lembre que o erro amostral reduzido por dois fatores no desenho da amostra.
Primeiro, uma amostra maior produz menor erro amostral do que uma amostra menor.
Segundo, uma populao homognea produz amostras com menores erros amostrais do que
uma populao heterognea. Se 99 % da populao concordam com determinado
enunciado, improvvel que qualquer amostra probabilstica interprete erroneamente a
extenso da concordncia. Se, por outro lado, a populao est dividida meio a meio quanto
ao enunciado, ento o erro amostral ser muito maior.
A amostragem estratificada baseia-se neste segundo fator na teoria de amostragem.
Ao invs de selecionar a amostra da populao total em geral, voc garante que quantidades
apropriadas de elementos sejam tirados de subconjuntos homogneos da populao. Por
exemplo, estudando estudantes universitrios, voc pode organizar sua populao por
turmas, tirando de cada uma quantidades apropriadas. Numa amostra no estratificada, a
representao por turma estaria sujeita ao mesmo erro amostral que outras variveis. Na
amostra estratificada por turma, o erro amostral quanto a esta varivel reduz-se a zero.
Voc pode querer usar um mtodo de estratificao ainda mais complexo. Alm de
estratificar por turma, pode tambm estratificar por gnero, por mdia de notas, etc. Assim,
talvez voc garanta que sua amostra tenha nmeros apropriados de alunos da turma A com
nota mdia 4,0; tambm nmeros apropriados de alunas dessa turma com mdia 4,0, etc.
Portanto, a funo ltima da estratificao organizar a populao em subconjuntos
homogneos (com heterogeneidade entre os subconjuntos) e selecionar o nmero
apropriado de elementos de cada subconjunto. J que os subconjuntos so homogneos nas
variveis de estratificao, tambm podem ser homogneos quanto a outras variveis. Por
exemplo, se idade estiver fortemente relacionada a turma, uma amostragem estratificada

por turma tambm ser mais representativa em termos de idade. Como aspiraes
ocupacionais esto relacionadas a sexo, uma amostra estratificada por sexo ser mais
representativa em termos das aspiraes ocupacionais.
A escolha das variveis de estratificao depende em geral de quais variveis esto
disponveis. Sexo pode muitas vezes ser determinado atravs de uma lista de nomes. As
listas universitrias so tipicamente organizadas por turma. As listas de professores podem
indicar sua lotao por departamento. Arquivos de organizaes governamentais podem
estar organizados por regio geogrfica. Listas de registros de eleitores esto organizadas
por sees e zonas eleitorais.
No entanto, ao selecionar as variveis de estratificao das listas disponveis, voc
deve se preocupar sobretudo com as que se relacionam, presumivelmente, com as variveis
que voc quer representar com preciso. Como sexo est relacionado a muitas variveis e
muitas vezes est disponvel para estratificao, acaba sendo usado freqentemente.
Escolaridade est relacionada a muitas variveis, mas freqentemente no est disponvel
para estratificao. Localizao geogrfica numa cidade, estado ou nao est relacionada a
muitas coisas. Dentro de uma cidade, a estratificao por lugar geogrfico, em geral,
aumenta a representatividade em reas como classe social e grupo tnico. Dentro de uma
nao, aumenta a representatividade em uma vasta gama de atitudes bem como na classe
social e na etnia.
Os mtodos de estratificao na amostragem variam. Quando se trabalha com uma
lista simples de todos os elementos na populao, dois mtodos predominam. Primeiro,
pode-se agrupar os elementos da populao em grupos discretos com base nas variveis de
estratificao usadas. Com base na proporo relativa de um grupo na populao,
seleciona-se - aleatria ou sistematicamente - um nmero de elementos daquele grupo na
mesma proporo do tamanho de amostra desejado. Por exemplo, se alunos da turma A
com mdia 4,0 so 1 % da populao estudantil e voc quer uma amostra de 1.000
estudantes, selecione 10 estudantes dos alunos da turma A com mdia 4,0.
Como mtodo alternativo, pode-se agrupar estudantes como descrito acima e pr
esses vrios grupos juntos, numa lista contnua comeando com todos os alunos da turma A
com mdia 4,0 e terminando, digamos, com todas as alunas da turma Z com mdia 1,0 ou
menos. Seleciona-se ento uma amostra sistemtica, com incio aleatrio, de toda a lista.
Dada a organizao de lista, uma amostra sistemtica selecionaria nmeros adequados
(dentro de uma margem de erro de 1 ou 2) de cada subgrupo. (Nota: Uma amostra aleatria
simples retirada de tal lista composta cancelaria a estratificao).
O efeito da estratificao garantir a representao adequada das variveis de
estratificao para a aumentar a representao de outras variveis relacionadas a elas.
Portanto, tomada como um todo, uma amostra estratificada tem possibilidade de ser mais
representativa num certo nmero de variveis do que no caso de uma amostra aleatria
simples. Embora a amostra aleatria simples ainda seja vista como algo sagrado, deve estar
claro que muitas vezes h coisa melhor.
Estratificao Implcita na Amostragem Sistemtica
Mencionei antes que a amostragem sistemtica pode, em certas condies, ser mais
precisa do que a amostragem aleatria simples. o caso sempre que o arranjo da lista cria
uma estratificao implcita. Como assinalei, se a lista de estudantes universitrios est
organizada por turma, uma amostra sistemtica produzir a estratificao por perodo, ao

contrrio de uma amostra aleatria simples. Outros arranjos tpicos de elementos em listas
podem ter o mesmo efeito.
Se uma lista de nomes que compe uma moldura de amostragem est em ordem
alfabtica, ela um pouco estratificada por origem tnica. Por exemplo, todos os
McTavishes esto reunidos, bem como os Lees, Wongs, Yamamuras, Schmidts, Whitehalls,
Weinsteins, Gonzaleses, etc. Na medida em que qualquer destes subgrupos forma um
subconjunto substancial da populao total, estar adequadamente representado numa
amostra sistemtica retirada de uma lista alfabtica.
Num estudo de estudantes da Universidade do Hava, depois de estratificados por
turma, os estudantes foram organizados pelos nmeros de identidade estudantil. No entanto,
estes nmeros eram seus nmeros de Seguro Social. Os primeiros trs dgitos do nmero de
Seguro Social indicam o estado onde foi emitido. Portanto, dentro de cada turma, os
estudantes estavam organizados pelo estado onde havia sido emitido seu nmero de Seguro
Social, fornecendo uma estratificao aproximada por origem geogrfica.
Uma lista ordenada de elementos pode ser mais til do que uma lista no ordenada,
aleatria. Enfatizo este ponto para combater a crena infeliz de que listas devem ser
randomizadas antes de ocorrer a amostragem sistemtica. A lista s deve ser reordenada se
o arranjo apresenta o problema da periodicidade j discutido.
Amostragem por Conglomerados em Mltiplas Etapas, Geral
As quatro sees precedentes lidaram com procedimentos razoavelmente simples de
amostragem a partir de listas de elementos, que representam a situao ideal. Entretanto,
infelizmente muita pesquisa social interessante requer selecionar amostras de populaes
que no podem ser facilmente listadas para fins de amostragem, tais como a populao de
uma cidade, de um estado ou da nao, todos os estudantes universitrios nos Estados
Unidos, etc. Nestes casos, necessrio criar e executar um desenho de amostra mais
complexo. Este desenho tipicamente envolve a amostragem inicial de grupos de elementos,
conhecidos como CONGLOMERADOS [clusters], seguida pela seleo de elementos de
cada conglomerado selecionado. As variedades e procedimentos da AMOSTRAGEM POR
CONGLOMERADOS EM MLTIPLAS ETAPAS so dissecadas em detalhe nos
exemplos de amostragem no Captulo 6. Entretanto, vamos deline-los aqui.
Pode-se fazer amostragem por conglomerados quando no possvel ou prtico
compilar uma lista exaustiva dos elementos da populao alvo. Todos os membros de
igrejas nos Estados Unidos exemplificam uma populao assim. Contudo, muitas vezes os
elementos da populao j esto agrupados em subpopulaes, e uma lista destas
subpopulaes existe ou pode ser criada de forma prtica. Por exemplo, membros de igrejas
nos Estados Unidos pertencem a igrejas especficas, e possvel descobrir ou criar uma
lista dessas igrejas. Seguindo um formato de amostragem por conglomerado, a lista de
igrejas amostrada numa das maneiras descritas nas sees anteriores (por exemplo, uma
amostra estratificada sistemtica). Em seguida, obtm-se listas de membros de cada uma
das igrejas selecionadas e amostra-se cada uma das listas, de forma a ter amostras de
membros de igreja para estudo.6
Outra situao tpica a amostragem em reas habitadas, como uma cidade. Embora
no haja uma lista nica da populao de uma cidade, os cidados residem em quarteires
separados ou zonas de recenseamento. Portanto, possvel comear selecionando uma

amostra de quarteires, criar uma lista de pessoas morando nos quarteires selecionados e,
finalmente, subamostrar pessoas em cada quarteiro.
Num desenho mais complexo, voc pode amostrar os quarteires, listar as
residncias em cada quarteiro selecionado, amostr-las, listar as pessoas residindo em cada
uma e, finalmente, amostrar as pessoas em cada residncia selecionada. Este desenho de
amostragem em mltiplas etapas leva seleo final de uma amostra de indivduos sem
requerer a listagem inicial de todos os indivduos que compem a populao da cidade.
Portanto, tambm na amostragem por conglomerados em mltiplas etapas repetemse dois passos bsicos: listar e amostrar. A lista de unidades primrias de amostragem
(igrejas ou quarteires, por exemplo) compilada e talvez estratificada para amostragem.
Uma amostra dessas unidades selecionada. As unidades primrias de amostragem
selecionadas so, ento, listadas e talvez estratificadas. A lista de unidades secundrias de
amostragem amostrada, e assim por diante. Os mtodos de listagem e amostragem so
apresentadas detalhadamente nos exemplos do Captulo 6.
A amostragem por conglomerados altamente recomendada pela eficincia, embora
s custas da preciso. Enquanto uma amostra aleatria simples extrada de uma lista
populacional est sujeita a um nico erro amostral, uma amostra por conglomerados em
duas etapas est sujeita a dois. Primeiro, a amostra inicial dos conglomerados representa a
populao de conglomerados somente dentro de uma faixa de erro amostral. Segundo, a
amostra de elementos extrada de um conglomerado representa todos os elementos dele
apenas dentro de uma faixa de erro amostral. Assim, por exemplo, h o risco de selecionar
uma amostra de quarteires desproporcionalmente ricos, bem como uma amostra de
residncias desproporcionalmente ricas dentro destes quarteires. A melhor soluo ao
problema est no nmero de conglomerados selecionados no incio e o nmero de
elementos selecionados em cada conglomerado.
Em geral, estamos restritos a um tamanho mximo de amostra; por exemplo,
podemos ter o limite de 2.000 entrevistas numa cidade. Dada esta limitao maior, temos
vrias opes para desenhar a amostra por conglomerado. Num extremo, podemos escolher
um conglomerado e selecionar 2.000 elementos dentro dele, noutro escolher 2.000
conglomerados e selecionar um elemento em cada um. Naturalmente, nenhum
aconselhvel, mas h muitas opes entre estes extremos. Felizmente, a lgica das
distribuies amostrais prov uma diretriz geral a seguir.
Lembre que o erro amostral reduzido por dois fatores: o aumento do tamanho da
amostra e uma maior homogeneidade dos elementos a serem amostrados. Estes fatores
operam em cada nvel do desenho da amostra em mltiplas etapas. Uma amostra por
conglomerados representar melhor todos os conglomerados se um grande nmero for
selecionado e se todos eles forem bastante semelhantes. Uma amostra de elementos
representar melhor todos os elementos de um conglomerado se um grande nmero de
elementos for selecionado do conglomerado, e se todos os elementos forem bastante
semelhantes.
Entretanto, dado um tamanho mximo da amostra, se o nmero de conglomerados
aumentar, o nmero de elementos num conglomerado deve diminuir. Neste sentido, a
representatividade dos conglomerados aumenta s custas da menor representao dos
elementos de cada um, e vice-versa. Felizmente, podemos usar o fator da homogeneidade
para aliviar esta dificuldade.

Os elementos de um conglomerado natural dentro de uma populao so

tipicamente mais homogneos do que todos os elementos da populao total. Os membros
de uma igreja so mais semelhantes entre si do que todos os membros de igrejas; da mesma
forma, os moradores de um quarteiro so mais semelhantes entre si do que todos os
moradores de uma cidade inteira. Portanto, podem ser necessrios relativamente poucos
elementos para representar adequadamente um conglomerado natural, enquanto um nmero
maior de conglomerados pode ser necessrio para representar adequadamente a diversidade
dos conglomerados. V-se isto com mxima clareza no caso extremo de conglomerados
muito diferentes entre si, compostos de elementos exatamente idnticos em cada um. Nesta
situao, um nmero grande de conglomerados representaria adequadamente a variedade
entre os conglomerados, bastando apenas um elemento de cada um para representar
adequadamente todos os outros. Embora esta situao extrema nunca ocorra, ela est mais
prxima da verdade mais vezes do que o seu oposto - conglomerados idnticos compostos
de elementos muito divergentes.
Portanto, a diretriz geral para o desenho de conglomerados maximizar o nmero
de conglomerados selecionados, diminuindo o nmero de elementos de cada um. Mas esta
diretriz cientfica deve ser contrastada com as restries administrativas. A eficincia da
amostragem por conglomerados funda-se na capacidade de minimizar a listagem de
elementos da populao. Selecionando inicialmente conglomerados, buscamos listar apenas
os elementos dos conglomerados selecionados, ao invs de todos os elementos da
populao inteira. Aumentar o nmero de conglomerados vai diretamente de encontro a
este fator de eficincia. Um nmero menor de conglomerados pode ser listado mais rpida e
economicamente do que um nmero maior. (Lembre-se de que todos os elementos de um
conglomerado selecionado devem ser listados, mesmo que poucos vo ser escolhidos na
amostra.)
O desenho final da amostra refletir estas duas restries. Provavelmente, voc vai
selecionar o maior nmero de conglomerados que seu oramento permitir. Mas, para no
deixar esta questo aberta demais, apresentamos uma regra simples. Pesquisadores
populacionais convencionalmente selecionam cinco residncias por zona ou quarteiro de
recenseamento. Querendo entrevistar um total de 2.000 residncias, voc seleciona 400
quarteires com cinco entrevistas de residncias em cada um. Voltaremos a esta regra em
exemplos posteriores de desenhos de amostra.
Antes de passarmos a procedimentos mais detalhados da amostragem por
conglomerados, cabe lembrar que este mtodo quase inevitavelmente envolve perda de
preciso. A maneira como ocorre esta perda de preciso complexa. Primeiro, um desenho
de amostra em etapas mltiplas est sujeito a erros amostrais em cada uma das etapas.
Como o tamanho da amostra necessariamente menor, a cada etapa, do que o tamanho
total da amostra, o erro amostral em cada etapa ser maior do que no caso de uma amostra
aleatria de elementos em etapa nica. Segundo, o erro amostral estimado com base na
varincia observada entre os elementos da amostra. Quando estes elementos so retirados
de conglomerados relativamente homogneos, as estimativas do erro de amostragem sero
otimistas demais, devendo ser corrigidas luz do desenho de amostras por conglomerado.
(Este problema ser discutido em detalhes nas considerao posterior sobre anlise
univariada.)
Amostragem de Aglomerados em Mltiplas Etapas, Estratificao

At agora, discutimos a amostragem por conglomerados como se fosse selecionada

uma amostra aleatria simples a cada etapa do desenho. Na prtica, podemos usar as
tcnicas de estratificao discutidas antes para refinar e melhorar a amostra selecionada.
Exemplos posteriores detalharo mtodos possveis de estratificao; por ora,
observemos que nossas opes bsicas so essencialmente as mesmas que temos na
amostragem de etapa nica a partir de uma lista. Por exemplo, ao selecionar uma amostra
nacional de igrejas, voc pode, no comeo, estratificar sua lista de igrejas por denominao,
regio geogrfica, tamanho, localizao urbana - rural, e talvez alguma medida da classe
social. Informao do censo pode ser usada por pesquisadores de populao para
estratificar quarteires de recenseamento em termos de composio tnica, classe social,
valores das propriedades, qualidade de estruturas, natureza da propriedade das construes
e tamanho.
Assim que as unidades primrias de amostragem (igrejas ou quarteires, nos
exemplos) estiverem agrupadas de acordo com as variveis de estratificao relevantes
disponveis, pode-se usar tanto tcnicas de amostragem aleatria simples ou a amostragem
sistemtica para extrair a amostra. Voc pode selecionar um nmero especificado de
unidades de cada grupo ou estrato, ou arranjar os conglomerados estratificados numa lista
contnua, amostrando sistematicamente esta lista. O erro amostral ser to mais reduzido,
nesta etapa, quanto mais os conglomerados estiverem combinados em estratos homogneos.
Como antes, o objetivo primordial da estratificao a homogeneidade.
No h razo para no se poder estratificar em cada nvel de amostragem. Os
elementos listados de um aglomerado selecionado podem ser estratificados antes da
prxima etapa de amostragem. No entanto, isso no feito comumente. (Lembre a
suposio sobre a homogeneidade relativa dentro dos aglomerados).
Amostragem de Probabilidade Proporcional ao Tamanho (PPT)
At agora, falei genericamente sobre a designao de elementos da amostra a
conglomerados selecionados em termos de quantos conglomerados devem ser selecionados
e quantos elementos deve haver em cada um. Esta seo discute em maior detalhe algumas
opes.
Para garantir a seleo de uma amostra representativa de elementos, voc deve dar a
cada elemento da populao total uma oportunidade igual de ser selecionada. A forma mais
simples de fazer isso numa amostra por conglomerados dar a cada um a mesma chance de
seleo e selecionar uma determinada proporo de elementos de cada conglomerado
selecionado. Com uma populao de 100.000 elementos agrupados em 1.000
conglomerados (de tamanhos variados), pretendendo amostrar 1.000 elementos, voc
seleciona um dcimo dos conglomerados (100) com igual probabilidade e subseleciona um
dcimo dos elementos de cada conglomerado escolhido. Assim, cerca de 1.000 elementos
so selecionados e cada elemento na populao tem a mesma (1/10 x 1/10 = 1/100)
probabilidade de seleo. Esta tcnica de seleo de amostras, embora a mais clara e
simples, no a mais eficiente.
A maioria das amostragens por conglomerados envolve conglomerados de
tamanhos muito diversos (em nmero de elementos). O pesquisador de religies encontra
igrejas muito grandes e muito pequenas. O pesquisador populacional acha quarteires
muito populosos e outros nem tanto. Alm disso, os conglomerados pequenos muitas vezes
so mais numerosos do que os grandes, embora os grandes possam responder por uma

proporo maior da populao total. Assim, alguns poucos grandes quarteires podem
conter uma proporo grande da populao de uma cidade, enquanto o nmero maior de
quarteires menores de fato contm apenas uma pequena parcela da populao.
Selecionar conglomerados com igual probabilidade, retirando uma proporo fixa
de elementos dos conglomerados selecionados, resulta no seguinte: (1) Seleciona-se um
nmero relativamente pequeno de conglomerados grandes na primeira etapa da
amostragem. (2) Os elementos selecionados para representar todos os elementos dos
grandes aglomerados so retirados de muito poucos desse conglomerados. Na situao
extrema, toda a populao da cidade residindo em dez grandes quarteires poderia ser
representada pelas pessoas vivendo em apenas um deles.
A seo sobre a amostragem por conglomerados discutiu a maior eficincia inerente
seleo de muitos conglomerados, com poucos elementos sendo retirados de cada um.
Este princpio posto em prtica atravs do mtodo de AMOSTRAGEM DE
PROBABILIDADE PROPORCIONAL AO TAMANHO (PPT), que permite selecionar
maior nmero de conglomerados, garante a representao dos elementos de conglomerados
grandes, e d a cada elemento na populao igual chance de seleo.
Na primeira etapa de amostragem, dada a cada conglomerado oportunidade de
seleo proporcional ao seu tamanho (em nmero de elementos). Grandes conglomerados
tm maior chance de seleo do que os menores. Mas, na segunda etapa de amostragem, o
mesmo nmero de elementos escolhido de cada conglomerado selecionado. O efeito
destes dois procedimentos igualar as probabilidades ltimas de seleo de todos os
elementos, j que elementos em conglomerados maiores tm uma oportunidade de seleo
menor dentro do seu aglomerado do que elementos em conglomerados menores. Por
exemplo, um quarteiro com 100 residncias ter dez vezes mais chance de seleo do que
um quarteiro com apenas 10. Se ambos os quarteires forem selecionados, e o mesmo
nmero de residncias for selecionado de cada quarteiro, as casas no quarteiro maior
tero dez vezes menos chance de seleo do que as casas no quarteiro menor. A frmula
abaixo indica a probabilidade de seleo de um elemento num desenho de amostragem
PPT.

[nmero de
[probabilidade = aglomerados X [porte do aglomerado]
X
do elemento ]
selecionados] [ tamanho da populao]
aglomerado]

[elementos selecionados
por aglomerado]
[tamanho do

Se 100 conglomerados so selecionados e 10 elementos escolhidos de cada um, a

partir de uma populao total de 100.000, a probabilidade geral de seleo de cada
elemento ser de 1.000/100.000, ou 1/100. Um conglomerado com 100 elementos tem uma
probabilidade de seleo igual a 100 (conglomerados a serem selecionados) vezes 100 /
100.000 (tamanho do conglomerado / tamanho da populao), ou 1/10; cada elemento tem
uma chance de 10/100 (elementos por conglomerado / tamanho do conglomerado), ou 1/10,
de ser selecionado dentro daquele conglomerado; a chance total de seleo do elemento,
neste caso, 1/10 vezes 1/10, ou 1/100. Um conglomerado com 10 elementos tem uma

probabilidade de seleo de 100 vezes 10/100.000, ou 1/100, mas a chance de seleo de

cada elemento dentro do conglomerado 10/10, ou 1, fazendo com que a chance total de
seleo seja igual a 1/100.
Independente do nmero de elementos num conglomerado, cada elemento tem,
enfim, a mesma probabilidade de seleo. Pode-se ver isto mais claramente na frmula,
notando que o tamanho do conglomerado aparece no numerador e no denominador,
cancelando-se mutuamente. Portanto, a probabilidade de seleo se torna o nmero de
conglomerados a serem escolhidos vezes o nmero de elementos a serem escolhidos de
cada conglomerado selecionado, dividido pelo tamanho da populao. Isso, claro, o
tamanho da amostra dividido pelo tamanho da populao.
Costuma-se fazer duas modificaes neste desenho de amostra PPT. Primeiro,
podemos achar necessrio representar conglomerados muito grandes na amostra; por
exemplo, podemos querer garantir que todos os quarteires (ou igrejas) com mais de,
digamos, 1.000 elementos sejam includos na amostra. Neste caso, podemos selecionar
todos estes conglomerados logo de incio (com uma probabilidade de 1,0), devendo-se,
ento, atribuir aos elementos destes agrupamentos uma probabilidade igual razo amostral
geral. No exemplo anterior, 1/100 dos elementos residindo em cada um dos grandes
quarteires poderiam ser selecionados.
A segunda modificao relativa a pequenos conglomerados. Se um nmero padro
de elementos for ser selecionado de cada conglomerado escolhido, conglomerados com
menos elementos do que o nmero padro representam um problema. Se a meta dez
residncias em cada quarteiro selecionado, o que fazer com quarteires com cinco
residncias? A soluo habitual combinar pequenos conglomerados, de forma que cada
combinao tenha pelo menos o nmero padro a ser selecionado. (Se os conglomerados
estiverem estratificados, as combinaes devem ser feitas dentro de cada estrato. Da mesma
forma, pequenos conglomerados podem ser agregados a outros maiores, caso este
procedimento garanta maior homogeneidade dentro do conglomerado resultante.) O
exemplo de uma amostra por conglomerados por rea no Captulo 6 demonstra a
necessidade de dar esse passo, para garantir levar em conta blocos onde se acredita no
haver residncias.
A ttulo de resumo, a amostragem por conglomerados um mtodo de amostragem
difcil, mas importante, adequado sempre que for impossvel compilar uma lista de todos os
elementos da populao em estudo. A discusso foi abstrata, mas o exemplo dado no
Captulo 6 oferece um quadro mais claro dos passos dados, de fato, numa seleo complexa
de amostras.
Amostragem e Ponderao Desproporcionais
Em ltima anlise, uma amostra probabilstica representativa de uma populao se
todos os elementos da populao tiverem uma chance igual de seleo. Portanto, nas
discusses precedentes, assinalamos que os vrios procedimentos de amostragem resultam
numa chance igual de seleo - mesmo que a probabilidade ltima de seleo seja o
produto de vrias probabilidades parciais.
Entretanto, mais genericamente, uma amostra probabilstica aquela em que cada
elemento da populao tem uma probabilidade no-zero conhecida de seleo, mesmo que
elementos diferentes tenham probabilidades diferentes. Caso se tenha usado procedimentos

probabilsticos controlados de amostragem, qualquer uma dessas amostras ser

representativa da populao da qual retirada se cada elemento da amostra receber um peso
igual ao inverso da sua probabilidade de seleo. Portanto, no caso de todos os elementos
da amostra terem a mesma chance de seleo, cada um recebe o mesmo peso: 1. (
chamada de amostra auto-ponderada.)
s vezes, correto fazer amostragem e PONDERAO desproporcionais. Por
exemplo, voc pode amostrar subpopulaes desproporcionalmente para garantir nmero
suficiente de casos de cada subpopulao para anlise.
Suponha que voc est planejando um survey por amostragem de 1.000 residncias
numa cidade e que a cidade tem uma rea decadente onde mora um quarto da populao
total, e voc quer analisar detalhadamente essa rea. Uma amostra representativa da cidade
lhe daria aproximadamente 250 residncias nessa regio e 750 no resto da cidade. Mas, 250
casos podem no ser suficientes para a anlise que voc planeja. Uma soluo selecionar
o mesmo nmero de residncias (500) da regio decadente que do resto da cidade. Ento, as
residncias da regio decadente teriam uma chance desproporcionalmente maior de seleo
em relao s de outras partes da cidade.
Contanto que voc analise as duas amostras de reas separadamente ou
comparativamente, no precisa se preocupar com a amostragem diferencial. Mas, se quiser
combinar as duas amostras para criar um quadro composto da cidade toda, leve a
amostragem desproporcional em considerao atravs de um procedimento de ponderao.
Eis uma soluo simples e intuitiva. Como a regio decadente tem um quarto das
residncias da cidade e a regio no-decadente os demais trs quartos, as 500 residncias
selecionadas da regio no-decadente representam trs vezes mais na cidade do que as 500
selecionadas da regio decadente. Portanto, a soluo de ponderao mais simples contar
cada residncia selecionada na regio no-decadente como trs residncias. Este
procedimento d a impresso de que voc teria entrevistado 1.500 moradias na regio nodecadente da cidade, que o nmero que voc teria selecionado e entrevistado se quisesse
500 moradias na regio decadente e tivesse recursos para uma amostra total de 2.000.
s vezes possvel fazer cpias dos arquivos de dados em certos casos - as
residncias da regio no-decadente, neste exemplo. No entanto, alguns programas de
anlise de dados permitem especificar os pesos a serem atribudos aos vrios casos, e o
computador os leva em considerao ao calcular as estatsticas na anlise.
A amostragem desproporcional e os procedimentos de ponderao so s vezes
usados em situaes que envolvem os erros e as aproximaes muitas vezes inerentes
amostragem complexa em mltiplas etapas. Isto ser discutido em mais detalhes no
exemplo de amostra por conglomerados por rea no Captulo 6, mas convm mencionar
algumas das condies nas quais a ponderao freqentemente necessria.
1. Na amostragem estratificada por conglomerados, um determinado nmero de
conglomerados pode ser selecionado de cada estrato, embora varie o tamanho dos diversos
estratos. A ponderao diferencial pode ser usada para compensar aquelas variaes.
2. Um certo conglomerado pode ser selecionado num desenho de amostra PPT com
base no tamanho esperado ou estimado, mas uma investigao de campo posterior pode
indicar que a estimativa inicial estava errada. Portanto, o conglomerado ter recebido uma
chance de seleo desproporcionalmente alta ou baixa; a ponderao pode ser usada para
compensar este erro.
3. Um desenho de amostra pode pedir a seleo de um dcimo dos elementos de
um conglomerado, mas este pode conter apenas cinqenta e dois elementos, apenas cinco

dos quais sendo selecionados para estudo. Pode-se usar a ponderao para compensar o
elemento 0,2 que, logicamente, no tinha como ser selecionado.
4. Dez elementos de um conglomerado podem ter sido selecionados, mas dois no
tiveram como ser estudados (por exemplo, recusaram a entrevista). Pressupondo
homogeneidade dentro do aglomerado, voc pode atribuir peso 1,25 a cada um dos
elementos estudados para compensar os dois que no o foram.
Todos estes usos de ponderao so ilustrados no exemplo final de amostragem do
Captulo 6. Entretanto, com a exceo do caso 4 acima, voc pode derivar seu prprio
procedimento de ponderao, determinando cuidadosamente a probabilidade de seleo,
passo a passo, para cada elemento da amostra, e atribuindo um peso igual ao inverso
daquela probabilidade. Trs outros aspectos da ponderao devem ser discutidos antes de
passarmos a outro tema.
Graus de Preciso na Ponderao
Em qualquer desenho complexo de amostra, h diversas opes em relao
ponderao, em conexo com a amostragem intencional e/ou inadvertidamente
desproporcional. Podemos computar pesos para cada elemento at vrias casas decimais, ou
atribuir pesos aproximados para dar conta apenas das instncias mais grosseiras de
amostragem desproporcional. No caso anterior da cidade com a regio suburbana
sobreamostrada, improvvel que a populao daquela regio seja exatamente um quarto
da populao da cidade; pode de fato ser 0,25001, 0,2600 ou 0,2816 da populao total. No
primeiro caso, provavelmente escolheremos aplicar a ponderao geral aproximada de
casos descrita, se no houver outra amostragem desproporcional envolvida noutras etapas
do desenho da amostra. Talvez tambm faamos o mesmo no segundo e terceiro casos. A
preciso que buscamos na ponderao deve ser comensurvel com a preciso que queremos
nos nossos achados. Se nossos objetivos de pesquisa podem tolerar erros de poucos pontos
percentuais, provavelmente no perderemos tempo e esforo fazendo ponderaes exatas.
Alm disso, ao decidirmos o grau de preciso requerido, devemos levar em conta o grau de
erro a ser esperado da distribuio normal de amostragem mais todos os diversos tipos de
erro no-amostrais.
Em ltima anlise, no h uma diretriz firme a seguir quando se determina a
preciso a ser buscada na ponderao. Como em vrios outros aspectos do desenho de
surveys, desfrutamos de considervel latitude. Ao mesmo tempo, porm, devemos lembrar
da nossa deciso de ponderao ao informarmos os resultados. No devemos empregar um
procedimento de ponderao aproximada e depois sugerirmos que os achados so precisos
dentro de uma faixa minscula de erro.
Mtodos de Ponderao
Tendo delineado as preocupaes cientficas quanto a determinar o grau de preciso
desejado na ponderao, devemos assinalar que a escolha muitas vezes feita com base nos
mtodos disponveis para ponderar. Os trs mtodos bsicos para a ponderao so.
1. Para a ponderao aproximada de amostras extradas de subpopulaes, tabelas
com pesos podem ser construdas das tabelas sem pesos, para cada uma das subamostras.
No exemplo acima, voc pode criar uma tabela simples de distribuies para a amostra
suburbana e para a amostra no suburbana separadamente, triplicar o nmero de casos em

cada clula da tabela no suburbana, somar os casos nas duas tabelas e computar as
porcentagens para a tabela composta.
2. Para uma ponderao mais extensa e rpida, embora ainda aproximada, os
conjuntos de dados para certos casos podem ser clonados. No exemplo anterior, podem ser
feitas duas cpias adicionais para cada residncia suburbana (totalizando trs), o conjunto
ampliado de casos no suburbanos podendo ento ser combinado com os casos suburbanos,
e o conjunto ampliado de dados pode ser analisado como se trs vezes mais casas no
suburbanas tivessem sido estudadas.
3. Muitos programas de computador para anlise de dados so desenhados para
atribuir um peso exato para cada caso no arquivo de dados original. Este mtodo o nico
apropriado para a ponderao refinada, porque impossvel clonar fraes de casos, com
algum significado.
Como em outras instncias, tambm na ponderao as preocupaes cientficas em
geral submetem-se a razes prticas. Se a anlise for conduzida, por exemplo, atravs de
cartes IBM, a ponderao deve, necessariamente, ser aproximada ao invs de precisa.
Ponderao e Inferncia Estatstica
Advirto que os procedimentos de ponderao descritos tm efeitos srios na maioria
dos clculos relacionados inferncia estatstica. Se suas finalidades de pesquisa exigem
inferncias estatsticas precisas (por exemplo, estimativas de populao), feitas com base
em dados cuidadosamente ponderados, voc deve consultar uma fonte especial sobre este
assunto7 ou, melhor ainda, consultar um estatstico de amostragem antes da amostragem
ser desenhada.
Panorama da Amostragem Probabilstica
A longa e detalhada discusso precedente foi dedicada ao mtodo chave de
amostragem usado na pesquisa de survey: amostragem probabilstica. Em cada uma das
variaes examinadas, vimos que os elementos so escolhidos de uma populao, com base
na seleo aleatria e com probabilidades no-zero conhecidas.
Dependendo da situao de campo, a amostragem probabilstica pode ser muito
simples ou extremamente difcil, demorada e cara. No entanto, independente da situao,
continua sendo o mtodo mais eficiente para a seleo de elementos para estudo, por duas
razes. Primeiro, a amostragem probabilstica evita o VIS consciente ou inconsciente na
seleo de elementos por parte do pesquisador. Se todos os elementos da populao tm
chance igual (ou desigual, com ponderao posterior) de seleo, h uma boa chance da
amostra assim selecionada representar bastante bem a populao. Segundo, a amostragem
probabilstica permite estimativas de erro amostral. Embora nenhuma amostragem
probabilstica seja perfeitamente representativa em todos os aspectos, mtodos controlados
de seleo permitem estimar o grau de erro esperado.
Tendo discutido a amostragem de probabilidade em algum detalhe, examinemos
agora, mais sucintamente, alguns mtodos comuns de amostragem no-probabilstica.
Amostragem No-probabilstica

Apesar da superioridade dos mtodos de amostragem probabilsticos na pesquisa de

survey, s vezes usa-se mtodos no-probabilsticos em seu lugar, em geral em situaes
em que a amostragem probabilstica seria dispendiosa demais e/ou quando a
representatividade exata no necessria. Os mtodos principais da amostragem noprobabilstica so os seguintes.
Amostragem Intencional ou por Julgamento
Ocasionalmente, pode-se selecionar a amostra baseado no prprio conhecimento da
populao e dos seus elementos, e da natureza das metas de pesquisa. Este mtodo de
amostragem s vezes chamado AMOSTRAGEM INTENCIONAL ou POR
JULGAMENTO. Principalmente no desenho inicial do questionrio, voc pode querer
selecionar maior variedade de entrevistados para testar a aplicabilidade geral das perguntas.
Embora os achados do survey no representem qualquer populao significativa, o teste
pode efetivamente descobrir algum defeito peculiar no seu instrumento de pesquisa. No
entanto, deve-se referir a esta situao como um pr-teste e no um survey propriamente.
Algumas vezes, voc quer estudar um pequeno subconjunto de uma populao
maior, onde muitos membros do subconjunto so facilmente identificados, mas cuja
enumerao total seria quase impossvel. Por exemplo, estudar a liderana de um
movimento de protesto estudantil; muitos dos lderes so facilmente visveis, mas no
vivel definir e amostrar todos eles. Ao estudar todos ou uma amostra dos lderes mais
visveis, voc pode coletar dados suficientes para seus propsitos.
Num desenho de amostra em etapas mltiplas, voc pode querer comparar
estudantes liberais e conservadores. Uma vez que, provavelmente, no possvel enumerar
e amostrar todos os estudantes, voc pode optar por amostrar as filiaes dos Jovens
Democratas e dos Jovens Republicanos. Embora tal desenho de amostra no fornea uma
boa descrio dos estudantes liberais ou dos conservadores como um todo, pode ser
suficiente para propsitos de comparao.
A AMOSTRAGEM DE ZONAS ELEITORAIS SELECIONADAS para pesquisas
de opinio poltica um processo bem refinado de julgamento. Com base em resultados
eleitorais anteriores nalguma rea (cidade, estado, nao), voc seleciona intencionalmente
um grupo de distritos ou zonas eleitorais que, combinados, produzem resultados similares
aos de toda a regio. Ento, em pesquisas posteriores, voc s seleciona suas amostras
naquelas zonas eleitorais. Naturalmente, a teoria diz que as zonas eleitorais selecionadas
oferecem um corte de todo o eleitorado.
Cada vez que h uma eleio, permitindo avaliar a adequao do seu grupo de zonas
eleitorais, voc deve fazer revises, adies ou retiradas. A meta atualizar o grupo de
zonas eleitorais, garantindo a boa representao de todas elas. Para ser efetiva, a
amostragem de zonas eleitorais requer grande conhecimento poltico. Deve haver
intimidade com a histria poltica e social da rea considerada, de modo a basear a seleo
de zonas eleitorais num palpite com conhecimento quanto representatividade. Ademais,
este sistema de amostragem requer retroalimentao contnua para ser efetiva. Deve-se
poder conduzir pesquisas freqentes e fazer validaes eleitorais peridicas.
Amostragem por Cotas

Como disse antes, a amostragem por cotas comea com uma matriz descrevendo as
caractersticas da populao alvo. Por exemplo, voc deve saber qual proporo da
populao masculina e qual feminina; para cada sexo, saber qual proporo nas vrias
categorias de idade e assim por diante. Ao estabelecer uma amostra nacional por cotas,
voc deve saber qual proporo da populao nacional , digamos, urbana, do leste,
masculina, abaixo de vinte e cinco anos, branca, da classe operria, e outros semelhantes,
bem como todas as outras permutaes nessa matriz.
Aps a criao da matriz, com uma proporo relativa atribuda a cada clula,
colhe-se dados de pessoas com todas as caractersticas de uma dada clula. Todas as
pessoas nesta clula, ento, recebem um peso apropriado sua poro na populao total.
Quando todos os elementos da amostra estiverem ponderados assim, os dados como um
todo devem resultar numa representao razovel da populao total.
H vrios problemas inerentes amostragem por cotas. Primeiro, a moldura das
cotas (a proporo que as diferentes clulas representam) deve ser precisa, e muitas vezes
difcil obter informao atualizada para este fim. A falha do Gallup em prever a vitria de
Truman em 1948 deveu-se em parte a este problema.
Segundo, pode haver vieses na seleo dos elementos da amostra de uma clula,
mesmo que se estime com preciso sua proporo na populao. Um entrevistador instrudo
a entrevistar cinco pessoas que se encaixam num dado conjunto complexo de caractersticas
pode, ainda assim, evitar pessoas que moram nos andares de cima de um prdio com sete
andares de escadas, ou pessoas em habitaes muito precrias e/ou com ces ferozes.
Muitas vezes se usa uma variante da amostragem por cotas em conexo aos
GRUPOS FOCAIS na pesquisa de mercado. Nesta tcnica, grupos de aproximadamente
doze pessoas so, tipicamente, reunidos para discusses focalizadas sobre produtos ou
comerciais. Recomenda-se reunir vrios grupos de tipos diferentes de pessoas ou misturas
especificas de pessoas.
Confiana em Sujeitos Disponveis
Pesquisadores universitrios freqentemente fazem surveys com estudantes
matriculados em grandes salas de aula. A facilidade e baixo custo deste mtodo explica sua
popularidade, mas estes surveys raramente produzem dados com algum valor genrico.
Embora sirva finalidade de pr-testar um questionrio, este mtodo de amostragem no
deve ser usado para um estudo pretendendo descrever os alunos como um todo.
Parar pessoas numa esquina ou outro lugar quase nunca um mtodo de
amostragem adequado, embora seja empregado com demasiada freqncia, como no caso
de pesquisas de mercado em estacionamentos de supermercados. Este survey s se justifica
se voc quiser estudar as caractersticas de pessoas passando naquele ponto em particular
em horas determinadas.
O termo entrevista por interceptao em shoppings s vezes usado em referncia
a um survey no qual consumidores andando em shoppings so interceptados e solicitados a
participar. Obviamente, concebvel que tais respondentes potenciais seriam apropriados a
alguns surveys especficos - um estudo de consumidores daquele shopping, por exemplo.
Entretanto, nestes casos, outro problema de amostragem que a maior parte daqueles que
so abordados se recusa a participar. Mas, num estudo num shopping em Chicago, Hornik e
Ellis observaram que as taxas de resposta cresciam quando os entrevistadores olhavam e

tocavam os entrevistados ao pedir sua cooperao, especialmente se a entrevistadora era

mulher. (8)
Mencionei esta pesquisa para indicar que, embora os mtodos de amostragem
probabilstica convencional sejam quase sempre preferveis na pesquisa de survey, h
momentos em que outros mtodos podem ser preferveis ou necessrios. Mas escolher um
modelo de amostragem no-probabilstico jamais deve ser desculpa para a preguia.
Pesquisadores de survey devem encontrar formas de providenciar uma amostra
representativa da populao que querem estudar.
Usos No-Survey dos Mtodos de Amostragem
Nesta discusso sobre a lgica e os mtodos de amostragem, focalizamos a pesquisa
de survey - seleo de elementos de uma populao para entrevista ou questionrios autoadministrados. No entanto, a lgica bsica da amostragem d discusso precedente um
valor mais geral para o pesquisador social que usa outros mtodos de coleta de dados.
Fecharemos o captulo com breves comentrios sobre os usos no-survey dos mtodos de
amostragem.
Anlise de Contedo
Um analista de contedo codifica e analisa documentos para fazer afirmaes
descritivas ou explicativas sobre a literatura composta pelos documentos, seu(s) autor(es),
e/ou o meio social do qual fazem parte os documentos. Ele pode analisar os jornais de um
pas, os trabalhos de fico de um romancista, a linguagem de projetos legislativos, e assim
por diante.
Muitas vezes o volume de documentos para analisar grande demais para uma
cobertura completa. Neste caso, as tcnicas de amostragem discutidas acima podem ser
facilmente adaptadas. As unidades de amostragem podem ser palavras individuais, frases,
pargrafos, artigos, livros, etc. As unidades de amostragem podem ser estratificadas de
maneira apropriada, e amostras aleatrias, sistemticas ou mesmo por conglomerados ser
selecionadas.
Experimentos de Laboratrios
Sujeitos para experincias de laboratrios muitas vezes so selecionados entre
voluntrios que respondem a um anncio. Ocasionalmente, o projeto experimental requer
emparelhamento dos sujeitos nos grupos experimental e de controle. Em alguns casos,
estabelece-se cotas para tipos diferentes de sujeitos. Sempre que o nmero de sujeitos em
potencial exceder muito o nmero requerido pelo experimento, pode-se usar tcnicas
padro de amostragem. Mtodos de estratificao podem ser usados como auxiliares para
satisfazer os requisitos das cotas.
Observao Participante
Diferente dos pesquisadores de survey, observadores participantes tipicamente
buscam mergulhar na totalidade do fenmeno sob estudo. Podem tentar observar todos os

grandes eventos que esto ocorrendo, falar com o maior nmero de participantes possvel, e
assim por diante. No entanto, obviamente ningum consegue observar tudo; alguma
seletividade inevitvel. Se tal seletividade for incontrolada, h o risco de reunir um
conjunto de observaes tendenciosas, tal como um pesquisador de survey inepto ao
selecionar uma amostra tendenciosa de entrevistados.
Embora no queira sugerir que todos os observadores participantes em todos os
lugares em todas as situaes de pesquisa devam buscar estabelecer mtodos de
amostragem rigorosos, estou convencido que um observador participante bem versado na
lgica e, talvez, em alguns dos mtodos da amostragem de survey tem maior probabilidade
de obter um conjunto representativo de observaes. Ao avaliar o humor de estudantes
reunidos para uma demonstrao de protesto, um observador participante deve ter o
cuidado de no falar apenas com os lderes da demonstrao, devendo considerar a possvel
diferena entre estudantes que aparentemente comparecem sozinhos e os que vo com
amigos, conversar com estudantes em locais diversos da reunio e procurar conversar com
os que chegam cedo e os que chegam atrasados. Embora o observador no tenha condies
de estratificar de forma rigorosa a amostra de entrevistados, ele pode ficar mais sensvel a
reparar diferenas relacionadas s variveis citadas, refinando as observaes de forma
correspondente.
Resumo
Este longo captulo buscou familiariz-lo com as consideraes mais importantes na
lgica da amostragem de survey e com as tcnicas mais comuns de amostragem. Esta
discusso no basta para equip-lo para cada situao de campo que voc enfrentar, mas
espero que uma compreenso da lgica da amostragem lhe permitir chegar a julgamentos
razoveis e seguros por conta prpria.
O captulo seguinte descreve quatro amostras de survey com as quais estou
intimamente familiarizado. Ao apresentar detalhes especficos destes desenhos de amostras
um tanto diferentes e das muitas decises tomadas na sua execuo, espero dar-lhe alguma
experincia concreta de amostragem. Repito que estes exemplos no podem ser exaustivos
em relao s situaes com as quais voc se deparar, mas eles foram escolhidos para
representar as situaes de amostragem mais comuns encontradas na pesquisa de survey.
Notas de Rodap

1) Para uma discusso recente, ver Peverill Squire, Why the 1936 Literary Digest
Poll Failed, Public Opinion Quarterly, vol. 52, primavera de 1988, pg. 125 - 133.
2) Citada na Newsweek, 8 de julho de 1968, pg. 24.
3) Logo veremos que o tamanho da amostra selecionada e as caractersticas reais
da populao maior afetam o grau de representatividade.
4) Leslie Kish, Survey Sampling (New York: John Wiley & Sons, 1965).

5) Evidentemente, um guia telefnico no inclui novos assinantes nem quem

prefere no ter o nmero listado. A amostragem se complica mais com a incluso
de listagens no residenciais, como lojas e escritrios.
6) Veja, por exemplo, Charles Y. Glock, Benjamin B. Ringer e Earl R. Babbie, To
Comfort and to Challenge (Berkeley: University of California Press, 1967),
apndice A.
7) Por exemplo, Kish, Survey Sampling.
8) Jacob Hornik e Shmuel Ellis, Strategies to Secure Compliance for a Mall
Intercept Interview, Public Opinion Quarterly, vol. 52 (inverno de 1988), pg. 539
551
CAPTULO 7
CONCEITUAO E DESENHO DE INSTRUMENTOS
A pesquisa cientfica tem duas metas principais: descrio e explicao.
Pesquisadores medem as distribuies empricas de valores nas variveis (descrio) e as
associaes entre as variveis para explicar essas distribuies de valores. O Captulo 13
discute as interconexes lgicas entre descrio e explicao. A finalidade deste captulo
fundamentar estes processos, examinando a lgica e as possibilidades da medio
descritiva.
Seja trabalhando a partir de uma teoria rigorosamente deduzida, seja a partir de um
conjunto de suspeitas e palpites, em algum ponto voc se depara com conceitos abstratos,
no especificados, que acha que o ajudaro a compreender o mundo que o cerca. Na
pesquisa de survey, estes conceitos devem ser convertidos em perguntas num questionrio,
de forma a permitir a coleta de dados empricos relevantes para a anlise.
O captulo comea com notas gerais relativas lgica da conceituao e da
operacionalizao. A seguir, considera os diferentes tipos de dados que se pode levantar
num survey. Finalmente, se debrua sobre algumas tcnicas para construir boas perguntas.
Lgica da Conceituao
Muitas vezes se quer estudar conceitos como classe social, alienao, preconceito,
sofisticao intelectual, e assim por diante. Talvez voc suspeite que a alienao decresce
com a mobilidade social ascendente, ou que a sofisticao intelectual reduz o preconceito.
No entanto, antes de embarcar na pesquisa emprica, estes conceitos podem ser apenas
idias gerais na sua cabea, sem definio precisa do que significam para voc.
Por exemplo, o conceito status social freqentemente usado na pesquisa social,
mas de forma alguma est claro seu significado ltimo. Definies diferentes de classe
social incluem: renda, prestgio ocupacional, educao, riqueza, poder, status familiar
tradicional e avaliao moral. Provavelmente, nenhuma combinao especfica destes

elementos produz uma definio de status social plenamente satisfatria para algum
pesquisador, muito menos para todos os pesquisadores.
Muitas vezes se diz que tais conceitos no especificados tm riqueza de
significado, no sentido de combinarem uma variedade de elementos, sumariando um
fenmeno complexo. Embora o termo status social evoque diferentes imagens para
pesquisadores diferentes, estas imagens provavelmente parecem a todos eles importantes e
significativas. Tais conceitos gerais devem ser especificados para a pesquisa emprica
rigorosa, ou seja, reduzidos a indicadores empricos especficos. A operacionalizao de
conceitos inevitavelmente insatisfatria, tanto para os pesquisadores quantos para suas
audincias. Em ltima anlise, conceitos ricos em significado devem ser reduzidos a
indicadores empricos simplificados e superficiais.
Penso que a maioria dos conceitos interessantes para os pesquisadores sociais no
tem significado real, nem definio ltima. Status social um bom exemplo. O conceito
geral de status social seguramente antigo. Embora no o tenham verbalizado em termos
abstratos, os primeiros humanos reconheceram que alguns deles tinham status social maior
do que outros. Alguns eram mais poderosos, alguns eram mais respeitados, e outros
recebiam maior autoridade sobre seus pares. O reconhecimento destas diferenas persistiu
no decorrer da histria humana. Max Weber extraiu muitas implicaes dessas diferenas.
Karl Marx derivou uma teoria da sociedade com base nelas. W. Lloyd Warner e outros
socilogos americanos dos anos 30 e 40 observaram as mesmas diferenas entre moradores
de pequenas cidades, e descobriram que membros de uma comunidade podiam identificar
os vizinhos com maior ou menor status social.
A existncia de diferenas de status entre membros de uma sociedade clara.
Ademais, tais diferenas parecem importantes para compreender outros aspectos da
sociedade. Em vista disso, o termo status social tem sido aceito como uma anotao
resumida do fenmeno. Mas o que realmente significa o termo status social? Uma vez
que apenas um termo para denotar um conceito geral, no tem significado ltimo. Por si,
status social s existe como uma assinalao conveniente para uma diversidade de
observaes empricas. Deste ponto de vista, nenhum pesquisador pode pesquisar status
social correta ou incorretamente; pode apenas fazer medies mais ou menos teis.
Neste sentido, os cientistas nunca coletam dados, eles criam dados. Esta idia
essencialmente o mesmo sentimento expresso pelo filsofo da cincia Alfred North
Whitehead, quando escreveu o seguinte:
A natureza recebe crdito pelo que deveria estar reservado para ns; a rosa
pelo seu perfume; o rouxinol pelo seu canto; e o sol pela sua radiao. Os
poetas esto totalmente enganados. Deviam enderear sua lrica para si
prprios, fazendo dela odes de auto-congratulao pela excelncia da mente
humana. A natureza assunto sem graa, sem som, sem cor; meramente o
apressar da matria, de forma interminvel e sem significado. (1)
Quando faz vrias perguntas e combina as respostas num ndice que chama de
classe social, voc criou uma medida de classe social; voc realmente criou um
agrupamento e uma hierarquia de classe social entre seus respondentes. Voc no
descobriu, apenas, um agrupamento e uma hierarquia que j existia, num sentido real.
Talvez as medidas criadas tenham utilidade, ajudando-o a entender os dados que
tem, ou ajudando-o a desenvolver teorias sobre classes sociais. Entretanto, no tem sentido

perguntar se voc realmente mediu classe social, num sentido vlido em ltima anlise,
porque o conceito s existe em nossas mentes.
A noo de que pesquisadores criam dados e no os coletam at mais fundamental
do que sugere o exemplo do status social. Nos primeiros dias da Segunda Guerra Mundial,
Hadley Cantril fez dois surveys nacionais do povo americano.(2) O desenho das amostras e
a checagem cruzada das suas caractersticas indicavam que ambos forneciam boas
estimativas da populao americana. Num dos surveys, foi perguntado aos respondentes Voc acha que os Estados Unidos conseguiro ficar fora da guerra? A maioria (55 % dos
que opinaram) disse sim. No outro survey, a pergunta foi - Voc acha que os Estados
Unidos entraro na guerra antes que ela termine? A maioria (59 % dos que opinaram)
disse sim.
Estes itens so muitas vezes citados como exemplo dos efeitos de perguntas
tendenciosas. Entretanto, sempre que mostrado a estudantes, eles perguntam - Qual
pergunta forneceu a resposta correta sobre as expectativas americanas quanto a entrar na
guerra? Esta pergunta no pode ser respondida. Podemos apenas concluir que, em 1939,
no havia algo como a atitude americana sobre a probabilidade de entrarmos na guerra.
Nenhuma porcentagem representava a proporo que realmente pensava que entraramos
na guerra. Portanto, no se podia coletar tais dados; podia-se apenas cri-los fazendo
perguntas, e a forma pela qual as perguntas eram feitas tinha um impacto sobre as respostas
recebidas.
Nunca conseguimos fazer medidas precisas, apenas medidas teis. Mas esta
suposio no deve ser tomada como justificativa para a anarquia cientfica. Pesquisa
rigorosa ainda possvel; simplesmente mais difcil do que se imagina. O resto deste
captulo ocupa-se da lgica e das habilidades requeridas na feitura de medidas teis.
Um Quadro de Referncias de Operacionalizao
Como sugere a discusso anterior, conceitos so codificaes gerais da experincia
e das observaes. Observamos pessoas vivendo em tipos diferentes de estruturas
residenciais e desenvolvemos o conceito de unidade residencial. Observamos diferenas em
posio social e desenvolvemos o conceito de status social. Notamos diferenas no grau de
compromisso religioso das pessoas e desenvolvemos o conceito de religiosidade.
Entretanto, imperativo reconhecer que todos estes conceitos so anotaes resumidas da
experincia e das observaes.
Na cincia, tais conceitos muitas vezes assumem a forma de VARIVEIS reunindo
uma coleo de ATRIBUTOS relacionados. Assim, o conceito de gnero resume dois
atributos distintos: masculino e feminino. Perodo escolar uma varivel composta pelos
atributos calouro e veterano. Filiao religiosa pode incluir atributos como protestante,
catlico, judeu, budista e assim por diante.
Muitos dos conceitos mais interessantes na cincia social representam VARIVEIS
ORDINAIS feitas de valores dispostos ao longo de uma DIMENSO. Por exemplo, o
conceito de status social implica uma hierarquia de valores como status elevado, status
mdio, status inferior, etc. Religiosidade, preconceito, alienao, sofisticao
intelectual, liberalismo e conceitos similares implicam tambm um conjunto de valores
hierarquizados.
A OPERACIONALIZAO o processo pelo qual pesquisadores especificam
observaes empricas que podem ser tomadas como indicadores dos atributos contidos

nalgum conceito. Se o conceito for religiosidade, a operacionalizao o processo para

especificar medies empricas que indicaro se os respondentes so altamente religiosos,
moderadamente religiosos, no religiosos, etc. Em geral, diversos destes indicadores so
especificados e combinados durante a anlise de dados para fornecer uma medida composta
(ndice ou escala) representando o conceito.
Uma vez que virtualmente todos os conceitos so resumos ad hoc da experincia e
das observaes, no tm significados reais, ltimos. Portanto, voc no faz medidas
corretas ou incorretas, apenas pode determinar at que ponto as medies contribuem para
compreender os dados empricos e desenvolver teorias do comportamento social. Desta
perspectiva, possvel dar diretrizes para o processo de operacionalizao, para ampliar sua
utilidade nas atividades de pesquisa.
Suponha que voc queira estudar religiosidade. Talvez queira aprender porque
algumas pessoas so mais religiosas do que outras, ou saber as conseqncias de ser mais
ou menos religioso. Embora possa iniciar com uma noo geral do que quer dizer com
religiosidade, igualmente provvel que voc no tenha qualquer indicador em mente. Para
iniciar o processo da operacionalizao, voc deve enumerar todas as diversas
subdimenses da varivel. Ao fazer isto, deve prestar ateno a pesquisas prvias sobre o
tema, bem como s concepes de senso comum sobre religiosidade.
Charles Y. Glock estudou, terica e empiricamente, as diversas subdimenses da
religiosidade; seus estudos propiciam um comeo excelente para a abordagem do tema.(3)
Ele discute envolvimento ritual enquanto participao em atividades como servios
religiosos semanais, comunho (para os cristos), oraes antes das refeies, etc.
Envolvimento ideolgico concerne a aceitao de crenas religiosas tradicionais.
Envolvimento intelectual refere-se extenso do conhecimento sobre religio.
Envolvimento experiencial se refere extenso das experincias religiosas dos
respondentes, como ouvir a voz de Deus, possesses religiosas, etc. Finalmente, Glock
examina o envolvimento conseqencial, isto , o quanto o comportamento social
motivado por preocupaes religiosas, de acordo com ensinamentos religiosos.
Embora estas cinco subdimenses da religiosidade ajudem a organizar muitos
indicadores possveis, outros indicadores talvez no se encaixem facilmente nelas. Dar
dinheiro para a igreja, ou para atividades relacionadas igreja, pode ser considerado uma
indicao de religiosidade, bem como a participao nas atividades sociais da igreja. A lista
poderia prosseguir. Portanto, a primeira tarefa compilar uma lista, to exaustiva quanto
possvel, de todos os diferentes indicadores que poderiam ser includos no conceito geral de
religiosidade.
Ao decidir o que a religiosidade pode ser, preciso considerar tambm o que ela
no . Deve-se tomar muito cuidado para no construir itens de questionrio que indiquem
ao mesmo tempo a religiosidade e as variveis que se ir relacionar a ela, na anlise. Se
voc quiser, por exemplo, determinar a relao entre religiosidade e atitudes em relao
guerra, itens medindo o compromisso com a doutrina crist da paz na Terra no seriam
boas medidas de religiosidade. Como as respostas refletiriam as atitudes dos respondentes
frente guerra - alm de preocupaes religiosas -, tais itens seriam contaminados.
Mesmo que as respostas certamente se relacionem com atitudes relativas participao na
guerra, os achados no contribuiriam em nada para entender a relao geral entre
religiosidade e atitudes em relao guerra.
Deve-se prestar ateno especial ao oposto da varivel que se busca medir. Se a
meta medir religiosidade, devemos estar sensveis varivel anti-religiosidade. Algumas

pessoas so muito religiosas e outras no religiosas; outras so anti-religiosas. Como antireligiosidade pode variar em intensidade, voc deve determinar a amplitude de variao
conceitual da varivel. Talvez optando por uma medida de religiosidade variando de baixa
a alta, agrupando os anti-religiosos e os que apenas no so positivamente religiosos. Ou
talvez estendendo a varivel de muito religioso a muito anti-religioso. Em qualquer caso, os
itens usados na medida devem basear-se na sua deciso sobre a amplitude. Considere o
seguinte exemplo de um item de questionrio:
Por favor, diga se voc concorda ou discorda da seguinte declarao: A religio
organizada causa mais mal do que bem.
Concordncia indicaria uma orientao anti-religiosa. Por outro lado, a discordncia
no indicaria necessariamente religiosidade. Embora as respostas certamente estejam
fortemente correlacionadas com medidas de religiosidade, o item propriamente dito no
mede religiosidade, apenas anti-religiosidade.
Este exemplo ilustra um problema comum na medida de dimenses. Ao invs de
medir uma varivel de baixo a alto, muitas vezes medimos dois polos opostos. Por
exemplo, raramente medimos graus de conservadorismo poltico, medindo ao invs
variaes entre liberalismo e conservadorismo. Num estudo sobre cincia e medicina, tentei
medir graus diversos de compromisso com perspectivas cientficas entre mdicos, mas me
vi constantemente envolvido em questes sobre perspectivas anti-cientficas. (4)
Este problema no tem soluo simples. Os interesses de pesquisa variam demais
para permitir a elucidao de regras adequadas de procedimentos. O nico conselho, agora,
realizar o exerccio demorado de listar todas as possveis subdimenses da varivel,
anotando as dimenses a serem excludas do conceito, e especificando os pontos
conceituais extremos da dimenso que descreve o conceito. Cada item do questionrio
examinado deve ser avaliado segundo estas decises. Voc deve se perguntar quais seriam
as implicaes de cada possvel resposta: como esta resposta reflete o conceito bsico?
Apenas atravs deste processo voc pode gerar dados relevantes para uma anlise posterior
significativa.

Tipos de Dados
O formato de pesquisa de survey gera vrios tipos de dados teis para a pesquisa
social, dos quais esta seo oferece uma viso geral.
Embora o captulo tenha comeado afirmando que os dados s existem atravs do
processo cientfico de ger-los, mesmo assim tem sentido ver alguns tipos de dados como
fatos. Por fatos, queremos dizer itens de informao que o respondente acredita
representarem a verdade e que voc, em geral, aceita como sendo verdade. As
caractersticas demogrficas dos respondentes se encaixam nesta categoria. Quando pede
aos entrevistados para indicarem seu sexo como masculino ou feminino, eles acreditam que
as respostas representam fatos indiscutveis, e voc os aceita como tal. O mesmo pode ser
dito das informaes sobre idade, raa, regio de origem, etc.
s vezes pede-se aos respondentes dar informaes que eles aceitam como
declaraes verdadeiras mas que voc no aceita necessariamente como tal. Por exemplo,
pode-se perguntar se Deus existe. Respondendo sim ou no, eles dizem o que acreditam ser
a verdade sobre o tema. J voc v estas respostas apenas como descries dos

respondentes, e no como respostas questo da existncia de Deus. Solicitados a

concordar ou discordar da declarao As mulheres so mais emotivas do que os homens,
os respondentes diro o que acreditam ser verdade e voc toma as respostas apenas como
descries dos respondentes.
Em outros casos, voc pede ao respondente para dar informaes reconhecidas por
vocs dois como atitudes subjetivas. Voc pode perguntar Voc acha que o Presidente est
realizando um bom ou um mau trabalho? Tanto ele quanto voc entendem que trata-se de
uma opinio e no de um fato. A distino entre crenas e atitudes, neste sentido, muitas
vezes no clara, mas, em certos problemas de pesquisa, pode vir a ser importante.
Muita pesquisa social interessante envolve medir orientaes, como o preconceito,
muitas vezes no reconhecidas pelos prprios respondentes. Num survey, voc pode fazer
diversas perguntas que, combinadas, permitem descrever os respondentes como mais ou
menos preconceituosos. Em muitos casos, eles no entendem a finalidade latente das
perguntas e podem muito bem discordar das suas caracterizaes na anlise.
A pesquisa de survey no permite medida direta do comportamento, embora
freqentemente o comportamento social seja a referncia ltima da pesquisa social.
Entretanto, a pesquisa de survey permite medida indireta do comportamento, muitas vezes
de maneiras teis.
Pode-se pedir aos respondentes para informar seu comportamento passado. Qual
sabonete compraram recentemente? Foram igreja na semana passada? Em quem votaram
na ltima eleio? claro que estas perguntas esto sujeitas aos problemas de lembrar e ser
honesto. Por exemplo, eles podem no se lembrar em quem votaram, digamos, na eleio
presidencial de 1960. Podem permitir que a memria os engane, particularmente se o
comportamento em questo visto hoje como bom ou mau. (Pesquisas de opinio pseleitorais muitas vezes mostram maior porcentagem do eleitorado votando no vencedor do
que o que realmente aconteceu). No entanto, apesar destas desvantagens, relatos de
comportamentos passados podem ser muito teis.
A pesquisa de survey tambm pode examinar comportamento prospectivo, real ou
hipottico. Assim, pesquisas de opinio perguntam Em quem voc votar? s vezes,
til criar situaes hipotticas e perguntar aos respondentes como agiriam: Se seu partido
apresentasse uma mulher para Presidente, voc acha que votaria nela?
Na maioria das vezes, medidas de comportamento prospectivo so menos confiveis
do que as de comportamento passado. De qualquer forma, tenha em mente essas limitaes,
quando estiver gerando tais dados. Ao perguntar aos respondentes se votariam numa
mulher indicada para Presidente pelo seu partido, provavelmente voc aprender pouca
coisa de valor para uma futura candidata feminina. Os dados descritivos produzidos por
respostas a uma pergunta destas so provavelmente pouco confiveis. Entretanto, ao
mesmo tempo, os dados gerados pelo item podem ser teis para descrever os respondentes
como mais ou menos anti-feministas.
Nveis de Medio
Vimos na seo precedente que o pesquisador de survey pode medir diversas
variveis sociais. Nesta seo, olharemos para estas variveis de outra perspectiva,
considerando quatro nveis de medio: nominal, ordinal, intervalo e razo.(5)
Medio Nominal

A medio NOMINAL apenas distingue as categorias que compem uma varivel.

Sexo, por exemplo, uma varivel composta das categorias masculino e feminino. Outros
exemplos so filiao religiosa ou poltica, regio do pas, e tipo de curso superior.
As categorias compondo uma varivel nominal so mutuamente excludentes, no
tendo qualquer outra relao entre si. Os nveis restantes de medio, discutidos abaixo,
refletem relaes adicionais entre as categorias.
Medio Ordinal
A medio ORDINAL reflete uma ordenao entre as categorias que compem uma
varivel. Classe social um exemplo de varivel ordinal, composta, talvez, das categorias
classe baixa, classe mdia e classe alta. Outros exemplos so religiosidade, alienao e antisemitismo.
A medio ordinal muito usada na pesquisa social cientfica. Embora tais medidas
sejam muitas vezes representadas por nmeros num ndice ou escala, estes nmeros no
tm outro significado alm da indicao da ordem. Assim, uma pessoa com nota 5 numa
escala de alienao mais alienada do que uma pessoa com nota 4 neste ndice, embora
esta medida ordinal no d qualquer indicao sobre quo mais alienada ela .
Medio de Intervalo
A medio de INTERVALO tambm usa nmeros para descrever condies, mas
eles tm mais sentido do que na medio ordinal, porque as distncias entre os pontos tm
significado real. O exemplo mais comum a escala de temperatura Fahrenheit. A diferena
entre 80 e 90 graus a mesma que a diferena entre 60 e 70 graus. (Veja que a diferena
entre as notas 4 e 5 num ndice de alienao no necessariamente a mesma que a
diferena entre 3 e 4.)
Medio de Razo
A medio de RAZO tem as mesmas caractersticas da de intervalo, com a
caracterstica adicional de ter um zero real. Em comparao com a escala Fahrenheit (uma
medida de intervalo), a escala de temperatura Kelvin (baseada em graus de temperatura de
zero absoluto) uma medida de razo: enquanto 40 graus Fahrenheit no so
necessariamente duas vezes mais quentes do que 20 graus Fahrenheit, 200 Kelvins so duas
vezes mais quentes do que 100 Kelvins.
No contexto da pesquisa social cientfica, a idade um exemplo de medida de
razo. Uma pessoa com vinte anos tem o dobro da idade de algum com dez anos. Altura,
peso e tempo de moradia numa cidade so outros exemplos.

Implicaes dos Nveis de Medio

Na discusso sobre a anlise de survey na Parte Trs do livro, veremos que
diferentes tcnicas analticas podem requerer nveis especficos de medio. Por exemplo,

se voc est analisando a relao entre duas variveis nominais, algumas tcnicas analticas
so inadequadas.
Ao mesmo tempo, importante compreender que uma varivel pode ser tratada de
forma diferente em termos dos nveis de medio. Lembre, por exemplo, que idade uma
medida de razo. Portanto, voc pode calcular uma equao de regresso associando idade
e altura (outra medida de razo). Mas, suponha que voc est estudando uma amostra de
estudantes variando de quatorze a vinte anos. Dentro desta faixa limitada, voc pode
aproveitar os intervalos iguais entre as idades mas no o carter de razo da varivel.
Noutro tipo de estudo, voc pode escolher juntar idades nas seguintes categorias: menos de
quarenta anos = jovem; quarenta a sessenta anos = meia idade; acima de sessenta = idoso.
Finalmente, idade pode ser convertida em medida nominal para certos fins. Respondentes
podem ser categorizados como membros do baby boom ps Segunda Guerra Mundial ou
no; podem ser categorizados como tendo nascido durante a Depresso dos anos 30 ou no.
(Outra medida nominal - baseada na data do nascimento e no na idade - a classificao
por signos astrolgicos.)
Ao desenhar o questionrio, considere o tipo de anlise que far aps a coleta dos
dados. Voc deve determinar se e como pode medir cada varivel, de forma a permitir a
anlise requerida. Se a anlise requer dados na forma de medidas de razo, voc no deve
construir seus questionrios de forma a criar apenas variveis nominais.
Guias para a Elaborao de Questes
Ao construir itens do questionrio, h vrias opes. A experincia passada dos
pesquisadores de survey fornece muitas diretrizes que podem ajud-lo a gerar dados teis
para anlise. Esta seo lida com os dois temas.
Questes e Declaraes
A pesquisa de survey habitualmente vista como fazer perguntas, mas o exame de
um survey tpico provavelmente mostrar tantas declaraes quanto perguntas. Isto tem
suas razes. Muitas vezes voc quer determinar o quanto os respondentes apoiam
determinada atitude ou perspectiva. Se for capaz de resumir a atitude numa declarao
curta, voc pode apresent-la aos respondentes e perguntar-lhes se concordam ou
discordam dela. Rensis Likert formalizou este procedimento com a ESCALA LIKERT, um
formato no qual solicita-se aos entrevistados concordar fortemente, concordar,
discordar, discordar fortemente ou aprovar fortemente, aprovar, etc.
Questes e declaraes podem ser usadas vantajosamente numa pesquisa de survey.
O uso de ambas d mais flexibilidade ao desenho dos itens e pode tornar o questionrio
mais interessante.
Perguntas Abertas e Fechadas
H duas opes para fazer perguntas. Voc pode fazer perguntas ABERTAS,
solicitando aos respondentes darem suas prprias respostas. Por exemplo, pode perguntar
Qual tema voc considera mais importante para o pas hoje?, dando espao para escrever
a resposta (ou solicitando resposta verbal ao entrevistador).

Nas perguntas FECHADAS, pede-se aos respondentes escolher uma alternativa

numa lista apresentada. Perguntas fechadas so muito populares, porque do maior
uniformidade de respostas e so mais facilmente processadas. Respostas abertas devem ser
codificadas antes de entrar com os dados, e h o perigo de alguns respondentes darem
respostas irrelevantes para a inteno do pesquisador. Por outro lado, muitas vezes pode-se
entrar com as respostas fechadas diretamente a partir do questionrio e, em alguns casos,
podem ser marcadas diretamente em folhas para sensores ticos pelos prprios
respondentes, para entrada automtica dos dados.
A principal desvantagem das perguntas fechadas est na estruturao das respostas.
Quando as respostas relevantes a uma questo so relativamente claras, estruturar as
respostas pode no apresentar problema. Entretanto, em outros casos, a estruturao das
respostas pode deixar passar algumas que so importantes. Por exemplo, ao perguntar sobre
as questes mais importantes com as quais o pas se depara, voc pode apresentar uma
lista delas, mas deixar passar questes que os respondentes consideram importantes.
(Lembre nossa afirmao anterior de que os dados so criados e no coletados.)
Duas diretrizes devem sempre ser seguidas ao construir questes fechadas.
Primeiro, as categorias de respostas propostas devem ser exaustivas, ou seja, devem incluir
todas as respostas possveis que se pode esperar. Por isso, os pesquisadores muitas vezes
acrescentam a categoria Outros (especifique por favor). Ao faz-lo, lembre que os
respondentes tentaro encaixar suas respostas pessoais numa das categorias fornecidas,
mesmo que o encaixe no seja perfeito.
Segundo, as categorias de respostas devem ser mutuamente excludentes, ou seja, os
respondentes no devem se sentir forados a escolher mais de uma resposta. (s vezes, o
pesquisador pode querer respostas mltiplas, mas estas respostas criaro dificuldades no
processamento.) Voc pode garantir respostas mutuamente excludentes considerando
cuidadosamente cada combinao de respostas e indagando se uma pessoa poderia,
razoavelmente, escolher ambas. Muitas vezes, voc pede ao respondente para selecionar a
melhor resposta, mas esta tcnica no deve ser usada para compensar um conjunto de
respostas mal pensadas.
Tornando os Itens Claros
Os itens de questionrios devem ser claros e no ambguos e a proliferao de
perguntas pouco claras e ambguas encontradas em muitos surveys torna necessrio
enfatizar este ponto. Muitas vezes, voc fica to envolvido com o tema estudado que
opinies e perspectivas ficam claras para voc, mas no para seus respondentes, muitos dos
quais tero dado pouca ou nenhuma ateno ao tema.
Por outro lado, voc pode ter uma compreenso superficial do tema, deixando de
especificar suficientemente a inteno da pergunta. A questo O que voc pensa sobre o
sistema proposto de msseis anti-balsticos? pode evocar no respondente a contrapergunta: Qual sistema proposto de msseis anti-balsticos? Itens de questionrio devem
ser precisos, de forma que o respondente saiba exatamente qual pergunta espera-se que ele
responda.
Evitando Questes Duplas

Com freqncia, os pesquisadores pedem uma resposta nica para uma combinao
de perguntas. Esta situao parece ocorrer com mais freqncia quando o pesquisador se
identifica pessoalmente com uma posio complexa. Por exemplo, voc pode pedir aos
respondentes para concordar ou discordar da declarao Os Estados Unidos devem
abandonar seu programa espacial e gastar dinheiro com programas domsticos. Embora
muitas pessoas concordem e outros discordem de forma inequvoca desta declarao, outros
no conseguem responder. Alguns podem querer abandonar o programa espacial e devolver
o dinheiro aos contribuintes. Outros podem querer continuar com o programa espacial e
tambm aplicar mais dinheiro em programas domsticos. Estes ltimos no podem
concordar nem discordar da declarao.
Como regra geral, sempre que a palavra e aparece numa pergunta ou declarao,
voc deve checar se no est fazendo uma pergunta dupla.
Garantindo a Competncia dos Entrevistados em Responder
Ao pedir informaes, voc deve sempre se perguntar se os respondentes so
capazes de faz-lo de forma confivel. Num estudo sobre a criao de crianas, voc pode
pedir aos respondentes para informar a idade em que as crianas primeiro responderam
aos pais. Alm do problema de definir o que responder aos pais, duvidoso que a
maioria se lembre isso com preciso.
Em outro exemplo, lderes estudantis governamentais ocasionalmente pedem aos
seus constituintes para indicar como as mensalidades dos alunos devem ser gastas.
Tipicamente, pede-se aos respondentes para indicar qual porcentagem dos fundos
disponveis deve ser gasta numa longa lista de atividades. Sem um bom conhecimento da
natureza destas atividades e dos custos de cada uma, eles no tm como dar respostas com
sentido. (Custos administrativos recebero pouco apoio, embora esta categoria seja
essencial para o programa como um todo).
Um grupo de pesquisadores que pesquisava a experincia ao volante de
adolescentes insistia em fazer uma pergunta aberta quanto ao nmero de quilmetros
dirigidos desde o momento da habilitao. Embora os consultores advertissem que poucos
motoristas estimariam esta informao com alguma preciso, a pergunta foi feita assim
mesmo. Alguns adolescentes afirmaram haver dirigido centenas de milhares de
quilmetros.
Fazendo Perguntas Relevantes
Da mesma forma, as perguntas devem ser relevantes para a maioria dos
respondentes. Quando se pede atitudes sobre um tema sobre o qual poucos pensam ou se
importam, os resultados tm pouca possibilidade de serem teis. Ademais, os respondentes
podem expressar atitudes mesmo nunca tendo pensado sobre o assunto, e voc corre o risco
de se equivocar.
Este ponto evidenciado quando pesquisadores pedem respostas sobre pessoas e
temas fictcios. Numa pesquisa de opinio que fiz para um candidato, perguntei aos
respondentes se conheciam quinze figuras polticas da comunidade. Como exerccio
metodolgico, inventei um nome: Tom Sakumoto. 9 % dos respondentes disseram que o
conheciam. Destes, metade relatou t-lo visto na televiso e lido sobre ele nos jornais.

Quando se obtm respostas a temas fictcios, voc pode desconsider-las. Mas

quando o tema real, voc pode no ter como diferenciar respostas que refletem atitudes
genunas de respostas sem sentido para uma questo irrelevante.
O grau em que os respondentes inventam respostas at certo ponto controlvel
pelo pesquisador. Um estudo por Bishop, Tuchfarber e Oldendick o demonstra.(6)
Perguntou-se aos respondentes uma de trs questes sobre se o Ato sobre Questes
Pblicas de 1975 devia ser revogado. Ao primeiro grupo, a pergunta foi Voc concorda
ou discorda desta idia, ou voc no pensou muito sobre este assunto? Apenas 3,7 %
deram uma opinio sobre a revogao desta lei fictcia. O segundo grupo recebeu a mesma
pergunta, mas no lhes foi dada a opo de dizer que no tinham tido chance para pensar
sobre isso; 24,3 % expressaram uma opinio. No grupo final, os respondentes no tiveram a
possibilidade de fugir da resposta, e os que disseram no ter opinio foram pressionados
pelos entrevistadores a dar uma resposta; 31,5 % expressaram uma opinio.
Usando Itens Curtos
Querendo ser no ambguo, preciso e sublinhar a relevncia de um tema, muitas
vezes voc levado a formular itens longos e complicados. Isto deve ser evitado.
irrelevante, para respondentes que no estudaram o item profundamente, que a inteno de
um item seja clara, se for estudada com cuidado. O respondente deve poder ler um item
rapidamente, entender sua inteno, e escolher ou dar uma resposta sem dificuldade. Em
geral, voc deve supor que os entrevistados iro ler os itens rapidamente e dar respostas
rpidas; portanto, voc deve fornecer itens claros e curtos que no sero mal interpretadas
sob tais condies.
Evitando Itens Negativos
Uma negao num item de questionrio abre caminho para uma fcil m
interpretao. Solicitados a concordarem ou discordarem da declarao Os Estados Unidos
no devem reduzir seus arsenais de armas nucleares, grande parte dos respondentes
passar por cima da palavra no. Assim, alguns concordaro com a declarao, mesmo
sendo a favor da reduo de armas nucleares, enquanto outros concordaro por opor-se a
ela. E voc talvez jamais saiba quais respostas refletem esta confuso.
Num estudo sobre liberdades civis, perguntou-se aos respondentes se sentiam que
os seguintes tipos de pessoas devem ser proibidos de lecionar em escolas pblicas, de
uma lista incluindo comunistas, membros da Ku Klux Klan, e assim por diante. As
categorias de resposta sim e no foram colocadas ao lado de cada item. Uma
comparao das respostas a este item com respostas a outros itens refletindo apoio s
liberdades civis sugeriu enfaticamente que muitos respondentes davam a resposta sim para
indicar que tal pessoa podia dar aulas ao invs de indicar que ela devia ser proibida. (Um
estudo subseqente que dava como categorias de respostas permitir e proibir produziu
resultados muito mais claros).
Evitando Itens e Termos Tendenciosos

Tenho repetido que dados de survey so criados e no apenas coletados. Portanto, a

maneira como os dados so procurados determina a natureza dos dados recebidos. Voc
deve estar sempre atento ao efeito da redao das perguntas sobre os resultados que obter.
A maioria dos pesquisadores reconheceria o efeito provvel de uma pergunta
comeando com Voc no concorda com o Presidente dos Estados Unidos na crena de
que... e nenhum pesquisador de reputao usaria tal item. Infelizmente, o efeito
tendencioso de itens e termos muito mais sutil do que sugere este exemplo.
A mera identificao de uma atitude ou posio com uma pessoa ou agncia de
prestgio pode enviesar as respostas. O item Voc concorda ou discorda da proposta do
Presidente de... teria este efeito. Voc concorda ou discorda com a recente deciso da
Suprema Corte de que... teria um efeito similar. Isso no quer dizer que esta redao
produziria necessariamente um consenso ou mesmo uma maioria em apoio posio
identificada com a pessoa ou agncia de prestgio, mas apenas que o apoio provavelmente
seria maior do que o que seria obtido sem esta identificao.
Itens de questionrios podem ser negativa ou positivamente tendenciosos. Voc
concorda ou discorda da posio de Adolf Hitler quando declarou que... um exemplo de
vis negativo. Muitas vezes o uso de termos como liberal, conservador, comunista, ateu e
outros introduz um vis no intencional, embora tais termos s vezes sejam essenciais e
apropriados para a inteno da pergunta (p. ex., Como voc se descreveria politicamente:
liberal, conservador, de centro ou alguma outra coisa?). Da mesma forma, Tom Smith (7)
demonstrou que as pesquisas de opinio pblica informam apoio muito maior para
assistncia governamental a pessoas pobres do que para pessoas recebendo benefcios.
O termo benefcios [welfare] tem uma carga muito negativa na opinio pblica americana.
Como em outros exemplos, voc deve examinar cuidadosamente o objetivo da sua
investigao e construir itens que sero mais teis para ele. Voc jamais deve ser levado a
pensar que existem, em ltima anlise, formas certas ou erradas de fazer as perguntas.
Qualidade das medies
Antes de nos voltarmos para as tcnicas especficas de medio, consideremos
alguns critrios gerais sobre a qualidade das medies. Para comear, pode-se fazer
medies com graus variados de preciso, um termo que representa a qualidade das
distines feitas entre os atributos de uma varivel. A descrio de uma mulher como
tendo quarenta e trs anos mais precisa do que nos seus quarenta. Dizer 11,75
polegadas de comprimento uma descrio mais precisa do que dizer mais ou menos um
p de comprimento.
Como regra geral, medidas precisas so superiores a medidas imprecisas, como dita
o senso comum. No h condies em que medies imprecisas sejam superiores a
medies precisas. Mas a preciso nem sempre necessria ou desejvel. Se para o
objetivo de pesquisa basta saber que uma mulher est nos seus quarenta, qualquer esforo
adicional para descobrir a idade precisa intil. Portanto, a operacionalizao dos conceitos
deve ser guiada parcialmente pela compreenso do grau de preciso requerido. Se suas
necessidades no so claras, seja mais e no menos preciso.
Entretanto, no confunda a preciso com a exatido. Descrever algum como
nascido em Stowe, Vermont mais preciso do que nascido na Nova Inglaterra, mas
suponha que a pessoa em questo de fato tenha nascido em Dover, New Hampshire. Neste
caso, a descrio menos precisa seria mais exata, ou seja, refletiria melhor o mundo real.

Preciso e exatido so qualidades obviamente importantes nas medies de

pesquisa e provavelmente no precisam de mais explicaes. Mas, quando cientistas sociais
constrem e avaliam medies, prestam ateno especial a duas consideraes tcnicas:
confiabilidade e validade.
Confiabilidade
CONFIABILIDADE o problema de uma determinada tcnica, ao ser aplicada
repetidamente a um mesmo objeto, produzir, a cada vez, os mesmos resultados. Suponha
que eu lhe pedisse para avaliar meu peso. Voc me olharia com cuidado e adivinharia que
tenho 80 quilos. Agora, suponha que eu lhe pea para avaliar o peso de trinta ou quarenta
outras pessoas, e enquanto voc estivesse fazendo isso, eu entrasse na fila usando um
disfarce e, quando chegasse a minha vez, voc adivinhasse 90 quilos. Te peguei! Este
pequeno exerccio teria demonstrado que fazer estimar o peso das pessoas no uma
tcnica confivel.
Entretanto, suponha que eu lhe emprestasse minha balana de banheiro. No
importa o meu disfarce, voc presumivelmente anunciaria o mesmo peso para mim nas
duas vezes, mostrando que o uso da balana fornece uma medida mais confivel de peso do
que a adivinhao. Mas, tal como a preciso, a confiabilidade no garante a exatido.
Suponha que eu calibrasse a balana para tirar 3 quilos do meu peso apenas para me sentir
melhor. Embora voc (confiavelmente) informasse o mesmo peso cada vez, sempre estaria
errado.
Suponha que estejamos interessados em saber se as pessoas preferem a cerveja A ou
a cerveja B. Podemos, claro, simplesmente perguntar-lhes qual delas preferem provavelmente a melhor soluo. Mas suponha que desejssemos dados mais objetivos.
Podemos pedir aos respondentes para dizer quantas As e quantas Bs beberam at hoje. Se
voc pensar bem, ver que esta uma tcnica pouco confivel. Dificilmente algum saber
dar esta informao. Da mesma forma, no provvel que as pessoas saibam quantas vezes
j foram igreja, quantos quilmetros j dirigiram, etc.
Fazer perguntas que as pessoas acham tambm irrelevantes provavelmente levar a
respostas no confiveis. Por exemplo, a maioria das pessoas desconhece qual a poltica
externa da China em relao Albnia, e nem se importam.
Problemas de confiabilidade surgem em vrios pontos da pesquisa de survey. Como
veremos no Captulo 10, entrevistadores diferentes s vezes obtm respostas diferentes dos
entrevistados como resultado das suas prprias atitudes e aparncia. Igualmente,
codificadores diferentes podem codificar as mesmas respostas abertas de forma diferente.
Por exemplo, se formos codificar algumas centenas de ocupaes especficas em termos de
algum esquema padronizado de codificao, digamos, um conjunto de categorias criado
pelo Ministrio do Trabalho ou pelo Bureau de Recenseamento, voc e eu no
codificaramos todas aquelas ocupaes nas mesmas categorias.
Como se criam medies confiveis? H diversas tcnicas para medir a
confiabilidade de itens de questionrios, mas os mtodos para maximizar a confiabilidade
so bastante diretos. Faa apenas as perguntas cujas respostas as pessoas provavelmente
sabem, pergunte coisas relevantes para elas, e seja claro no que est perguntando. O perigo
que as pessoas daro respostas - confiveis ou no. As pessoas lhe contaro o que acham
da relao entre a China e a Albnia mesmo no tendo a menor idia de qual seja ela.

Validade
No uso convencional, a VALIDADE se refere ao grau com que uma medida
emprica reflete adequadamente o significado real do conceito considerado. A primeira
considerao sobre a VALIDADE APARENTE. Certas medidas empricas podem ou no
coincidir com nossos convenes e imagens mentais associadas a um conceito. Podemos
discutir quanto adequao de medir religiosidade atravs de comparecimento igreja,
mas concordaramos que ir igreja tem pelo menos alguma relevncia para a religiosidade.
Segundo, os pesquisadores chegaram a acordos concretos sobre a melhor forma de
medir alguns conceitos. O Bureau do Recenseamento, por exemplo, criou definies
operacionais de conceitos como famlia, residncia e status empregatcio que parecem ter
validade operacional na maioria dos estudos que usam aqueles conceitos.
Edward Carmines e Richard Zeller8 discutem trs tipos adicionais de validade:
validade relacionada a critrio, validade de contedo e validade de construo. A
VALIDADE RELACIONADA A CRITRIO s vezes chamada de validade preditiva e
baseia-se em algum critrio externo. Por exemplo, a validade do conselho de faculdade
evidenciada por sua capacidade de prever o sucesso dos alunos. A validade de um teste
escrito para motoristas evidenciada pela relao entre as notas que as pessoas obtm no
teste e sua competncia para dirigir. Nestes exemplos, sucesso escolar e competncia ao
volante so os critrios. Em geral, o comportamento pode servir como padro da validade
de critrio para muitas medidas de atitude em pesquisa social (p. ex., pessoas
preconceituosas de fato discriminam contra as minorias?), embora a relao entre atitudes
e comportamento seja tambm assunto importante de estudo por si prpria.
A VALIDADE DE CONTEDO refere-se ao grau com que uma medio cobre a
amplitude de significados includos no conceito. Por exemplo, um teste de capacidade
matemtica no pode se limitar apenas adio, tambm precisando cobrir a subtrao, a
multiplicao, a diviso, etc. Em outro exemplo, se dizemos que estamos medindo
preconceito em geral, nossas medidas refletem o preconceito contra grupos raciais e
tnicos, minorias religiosas, mulheres, idosos, etc.?
Finalmente, a VALIDADE DE CONSTRUO baseia-se no modo como uma
medida se relaciona a outras variveis num sistema de relaes tericas. Por exemplo,
suponha que voc quer estudar as fontes e conseqncias da satisfao conjugal,
desenvolva uma medida de satisfao conjugal e deseje avaliar sua validade. Alm da
medida, voc ter desenvolvido tambm certas expectativas tericas sobre como a varivel
satisfao conjugal se relaciona a outras. Por exemplo, voc pode ter concludo que
maridos satisfeitos tm menos probabilidade de espancarem suas mulheres do que maridos
no satisfeitos. Se sua medida de satisfao conjugal se relaciona ao espancamento de
mulheres da forma esperada, este resultado constitui evidncia da validade de construo da
sua medida. Mas, se maridos satisfeitos e insatisfeitos tiverem igual probabilidade de
espancar suas mulheres, este resultado desafiar a validade da sua medida.
Tenso entre Confiabilidade e Validade
Com rodap destas discusses, deve ser assinalado que muitas vezes h uma certa
tenso entre os critrios de confiabilidade e validade. Muitas vezes parece que fazemos uma
troca entre as duas.

A maioria dos conceitos realmente interessantes que queremos estudar tem muitas
nuanas sutis, e difcil especificar precisamente o que queremos dizer com eles. Os
pesquisadores muitas vezes falam desses conceitos como tendo riqueza de significado. Se
voc duvida, tente criar definies satisfatrias e medidas para conceitos como preconceito,
satisfao, alienao, religiosidade e liberalismo.
Entretanto, a cincia precisa ser especfica para poder gerar medies confiveis.
Portanto, com muita freqncia, a especificao de definies operacionais e medies
confiveis parece roubar de tais conceitos a riqueza de significado. Religiosidade mais do
que freqentar a igreja; preconceito mais do que a expresso de uma atitude
preconceituosa num questionrio. Esta situao um dilema persistente e inevitvel para o
pesquisador, e voc estar bem preparado para isso se estiver de sobreaviso. Esteja
preparado e lide com isso. Se voc no chegar a um acordo claro sobre como medir um
conceito, mea-o de vrias formas diferentes. Se o conceito tiver vrias dimenses
diferentes, mea todas. Acima de tudo, saiba que o conceito no tem qualquer significado
alm daquele que voc lhe atribuiu, e que a nica justificativa para dar um significado
particular a um conceito a utilidade. A meta medir conceitos de forma a nos ajudar a
entender o mundo que nos cerca.
Formato Geral dos Questionrios
O formato de um questionrio pode ser to importante quanto a natureza e a redao
das perguntas. Um questionrio mal formatado pode levar os respondentes a saltar
perguntas, confundi-las quanto natureza dos dados pedidos e, no limite, lev-los a jog-lo
fora. Vamos sugerir diretrizes tanto gerais quanto especficas.
Como regra geral, o questionrio deve estar bem distribudo e no amontoado. Voc
deve maximizar o espao em branco. Pesquisadores inexperientes tendem a temer que
seus questionrios possam parecer muito longos e, por isso, apertam vrias perguntas na
mesma linha, abreviam perguntas, e tentam usar o menor nmero de pginas possvel. Tudo
isso desaconselhvel e mesmo perigoso. Mais de uma pergunta por linha levar as
pessoas a saltarem a segunda. Abreviar perguntas resulta em ms interpretaes. Em geral,
se os respondentes observarem que terminaram rapidamente as primeiras pginas de um
questionrio que, a princpio, parecia longo, se sentiro menos desmoralizados do que se
tiverem gasto um longo tempo na primeira pgina do que parecia um questionrio curto.
Ademais, cometero menos erros e no sero forados a reler perguntas confusas e
abreviadas, nem tero sido forados a escrever uma resposta longa em espao pequeno.
No h como exagerar a valia de espalhar as perguntas num questionrio.
Questionrios espremidos so desastrosos, seja em surveys por correio ou por entrevistas.
Formatos para Respostas
H vrios mtodos para apresentar uma srie de categorias para o respondente
marcar em resposta a uma pergunta. Minha experincia diz que caixas espaadas
adequadamente so a melhor escolha. Se o questionrio for composto em tipografia ou
formatado num bom sistema de processamento de textos, as caixas podem ser geradas de
forma fcil e limpa. Tambm possvel fazer caixas numa mquina de escrever.
Se o questionrio for datilografado em mquina de escrever com chaves, caixas
excelentes podem ser produzidas com uma chave esquerda, um espao e uma chave direita:

[ ]. Se no houver chaves, parnteses funcionam razoavelmente bem no mesmo modo: ( ).

Mas voc no deve usar barras e sublinhamentos. Primeiro, porque requer mais esforo de
datilografia; segundo, porque o resultado no muito limpo, especialmente se as categorias
de resposta tiverem de ser em espaamento nico. A Figura 7-1 mostra uma comparao
dos diversos mtodos.
O pior mtodo dar espaos em branco para se assinalar, porque os respondentes
muitas vezes faro marcas muito grandes, tornando impossvel ver qual resposta foi dada.
Alm disso, como regra geral, recomenda-se espaamento duplo entre as categorias, para
evitar estas marcas ambguas.
Pode-se tambm considerar um mtodo muito diferente. Ao invs de fornecer caixas
a serem marcadas, voc pode pr nmeros cdigo ao lado de cada resposta, pedindo ao
respondente para fazer um crculo em torno do nmero apropriado. Este mtodo tem a
vantagem adicional de especificar o nmero a ser entrado posteriormente na etapa de
processamento de dados. Se usar este mtodo, voc deve dar instrues claras e visveis,
uma vez que muitos respondentes ficaro tentados a pr um X no nmero apropriado,
dificultando a entrada de dados. (Nota: A tcnica pode ser usada com segurana em surveys
com entrevistas, j que os entrevistadores podem ser instrudos e testados.)
Figura 7-1

Formatos de Respostas

[ ] Sim
[ ] No
[ ] No sei

( ) Sim
( ) No
( ) No sei

1. Sim
2. No
3. No sei

Questes Contingentes
Muitas vezes, na pesquisa de survey, certas perguntas sero claramente relevantes
apenas para um subconjunto de respondentes. Voc pode perguntar-lhes se esto
familiarizados com certo assunto, e depois perguntar aos que responderem sim o que
pensam a respeito. Voc pode querer saber o status de recrutamento de jovens, sabendo que
apenas homens tero este status. Ou voc pode perguntar se o respondente pertence a uma
certa organizao e, se a resposta for positiva, se j tiveram algum cargo nela.
A segunda pergunta em cada exemplo denominada PERGUNTA
CONTINGENTE, significando que a segunda pergunta contingente quanto resposta
primeira. Portanto, a pergunta sobre atitude quanto a determinada questo contingente
familiaridade do respondente com ela.
O uso apropriado de perguntas contingentes pode facilitar a tarefa de responder um
questionrio e tambm melhorar a qualidade dos dados produzidos. A alternativa s
perguntas contingentes deve ser evitada pelas mesmas razes. No pergunte Se alguma
vez pertenceu APP, voc j teve algum cargo nela? Este formato forar todos os
respondentes a ler a pergunta, embora seja irrelevante para muitos. Aqueles para quem a
pergunta irrelevante sero forados a decidir se saltam a pergunta, escrever no se
aplica, responder no, ou jogar fora o questionrio. (Esta ltima escolha bastante
comum.)
H vrios formatos de perguntas contingentes. Acho que o melhor aquele em que
as perguntas contingentes so recuadas no questionrio, postas em caixas e conectadas

pergunta base por setas a partir das respostas apropriadas. A Figura 7-2 ilustra uma destas
perguntas. Usados adequadamente, conjuntos complexos de perguntas contingentes podem
ser construdos sem confundir o respondente, como ilustrado na Figura 7-3.
Embora os exemplos acima se refiram primariamente a questionrios autoadministrados, a apresentao apropriada de perguntas contingentes ainda mais
importante em questionrios por entrevistas. O respondente num questionrio pelo correio
pode, mesmo com certa insatisfao, reler a pergunta, mas se o entrevistador ficar confuso
e fizer perguntas imprprias, toda a entrevista ficar prejudicada.

Questes Matriciais
Com freqncia, voc far vrias perguntas com o mesmo conjunto de categorias de
respostas. Este o caso tpico sempre que categorias de respostas do tipo Likert forem
usadas. Em tais casos, muitas vezes possvel construir uma QUESTO MATRICIAL,
como ilustrado na Figura 7-5.
Este formato tem numerosas vantagens. Primeiro, usa espao de forma eficiente.
Segundo, os respondentes provavelmente acharo mais rpido completar um conjunto de
perguntas apresentadas desta forma. Terceiro, o formato pode facilitar a comparabilidade
das respostas dadas a perguntas diferentes tanto para o entrevistado como para o
pesquisador. Como os respondentes podem rever rapidamente suas respostas a itens
anteriores neste conjunto, podem escolher entre, digamos, concorda fortemente e
concorda com uma declarao, comparando a fora da concordncia com as respostas
anteriores.

Mas h alguns perigos inerentes a este formato. As vantagens podem encoraj-lo a

estruturar um item de forma que as respostas se encaixem numa matriz, quando um
conjunto diferente, mais idiossincrtico, de respostas seria mais apropriado. Alm disso, o
formato de questes matriciais pode induzir um padro-de-resposta nos respondentes, um
padro de concordncia com todas as declaraes. Isso seria especialmente provvel se o
conjunto comeasse com vrias declaraes indicando uma orientao particular (por
exemplo, uma perspectiva poltica liberal), com apenas algumas declaraes posteriores
indicando a orientao oposta. Os respondentes podem supor que todas as declaraes
representam a mesma orientao e, lendo rapidamente, ler errado algumas delas, dando
respostas erradas. Voc pode reduzir um pouco este problema alternando declaraes
representando orientaes diferentes e fazendo-as curtas e claras.
Ordenando as Questes no Questionrio
A ordem na qual so feitas as perguntas pode afetar a resposta, bem como toda a
coleta de dados. Por exemplo, a presena de uma pergunta pode afetar as respostas a

perguntas subseqentes. Por exemplo, se so feitas algumas perguntas sobre o perigo da

poluio, e uma pergunta subseqente (aberta) pede aos respondentes para sugerir o que
acreditam representar perigo para o pas, poluio ser mais citada do que seria o caso se
aquelas perguntas iniciais no tivessem sido feitas.
Se pedirmos aos respondentes para avaliar sua religiosidade geral (Qual a
importncia da sua religio para voc, em geral?), as respostas a perguntas posteriores
sobre aspectos especficos da religiosidade buscaro consistncia com a avaliao anterior.
O inverso tambm verdade. Se os respondentes ouvem primeiro perguntas especficas
sobre aspectos diversos de sua religiosidade, a avaliao geral subseqente refletir as
respostas anteriores.
Alguns pesquisadores tentam superar este efeito aleatorizando a ordem das
perguntas - em geral um esforo ftil. Um conjunto aleatorizado de perguntas
provavelmente parecer aos respondentes catico e sem valor. Ademais, tero dificuldade
em responder se forem obrigados a mudar continuamente o foco de ateno de um tema
para outro. Finalmente, mesmo uma ordenao aleatorizada de perguntas afeta as respostas
do modo discutido acima, e voc no ter controle sobre este efeito.
A soluo mais segura ter sensibilidade para o problema. Embora voc no possa
evitar o efeito do ordenamento de perguntas, deve poder estimar este efeito e interpretar os
resultados significativamente. Se a ordem das perguntas parece ser uma questo
especialmente importante num estudo, voc pode fazer mais de uma verso do questionrio,
com diferentes ordenamentos de perguntas, criando condies para determinar o efeito
dele. No mnimo, voc deve pr-testar seu questionrio usando as formas diferentes.
A ordem desejada das perguntas difere nos questionrios auto-administrados e por
entrevistas. No primeiro, em geral melhor comear o questionrio com as perguntas mais
interessantes. O respondente potencial que corre o olhar casualmente sobre as primeiras
perguntas deve querer respond-las. Talvez estas questes perguntem coisas sobre as quais
os entrevistados esto ansiosos por se expressar. Ao mesmo tempo, contudo, as perguntas
iniciais no devem ser ameaadoras. (Pode ser m idia iniciar com perguntas sobre
comportamento sexual ou uso de drogas.) Em geral, deve-se pedir dados demogrficos mais
inspidos (idade, sexo, etc.) apenas no final dos questionrios auto-administrados. Pedi-los
no comeo, como muitos pesquisadores inexperientes so tentados a fazer, d ao
questionrio a aparncia inicial de um formulrio rotineiro, e quem o recebe pode no
encontrar motivao suficiente para termin-lo.
O oposto em geral verdade para os surveys por entrevistas. Quando o entrevistado
em potencial abre a porta ou atende o telefone, o entrevistador deve comear estabelecendo
rapidamente a comunicao com o entrevistado. Aps breve introduo pesquisa, o
entrevistador deve comear enumerando os membros da residncia, pedindo os dados
demogrficos de cada um. Estas questes so facilmente respondidas e, em geral, pouco
ameaadoras. Aps estabelecer a comunicao inicial, o entrevistador pode, ento, entrar na
rea das atitudes e assuntos mais sensveis. Um survey por entrevista comeando com a
pergunta Voc acredita em Deus? provavelmente teria um fim rpido.
Instrues
Todo questionrio, seja auto-administrado ou aplicado por um entrevistador, deve
conter instrues claras e comentrios introdutrios onde apropriado.

Instrues Gerais
Todo questionrio auto-administrado deve comear com instrues bsicas sobre o
preenchimento. Embora muitos respondentes estejam familiarizados com tcnicas de survey
normais, til comear instruindo-os a indicar as respostas a certas perguntas com uma
marca ou um X na caixa ao lado da resposta apropriada, ou escrevendo as respostas
quando solicitados. Se muitas questes abertas forem usadas, os respondentes devem ser
orientados sobre o tamanho esperado das respostas. Se voc encorajar respostas escritas,
permitindo elaborar respostas a questes fechadas, deve assinalar esta possibilidade.
Introdues
Se um questionrio est ordenado em subsees por contedos - por exemplo,
atitudes polticas, atitudes religiosas, dados bsicos - til introduzir cada seo com uma
declarao curta sobre seu contedo e finalidade. Eis um exemplo de introduo possvel:
Nesta seo, gostaramos de saber quais problemas comunitrios as pessoas por aqui
consideram os mais importantes. Itens demogrficos no fim de um questionrio autoadministrado podem ser introduzidos assim: Finalmente, gostaramos de saber um pouco
sobre voc para podermos ver o que diferentes tipos de pessoas acham sobre o temas que
estivemos examinando.
Introdues curtas como estas ajudam o respondente a dar sentido ao questionrio, e
o tornam menos catico, particularmente quando ele aborda uma variedade de dados.
Tambm ajudam a pr o respondente no contexto mental apropriado para responder as
perguntas.
Instrues Especficas
Algumas perguntas podem requerer instrues especiais para facilitar a resposta
adequada, especialmente se uma pergunta difere das instrues gerais ao questionrio como
um todo. Alguns casos especficos ilustram esta situao.
Apesar de ser desejvel ter categorias de respostas mutuamente excludentes em
questes fechadas, muitas vezes mais de uma resposta se aplicar a alguns respondentes. Se
voc quiser uma resposta nica, deve deix-lo bem claro na pergunta. Por exemplo, Na
lista abaixo, marque por favor a razo principal da sua deciso de freqentar a faculdade.
Muitas vezes a pergunta principal pode ser seguida de uma nota entre parnteses, por
exemplo, Por favor, marque a melhor resposta. Se, por outro lado, voc quer que o
entrevistado marque tantas respostas quanto for o caso, tambm deve deixar isto claro.
Quando um conjunto de categorias de respostas tiver de ser ordenado pelo
respondente, as instrues devem deix-lo claro, e um tipo diferente de formato de
respostas deve ser usado (por exemplo, espaos vazios ao invs de caixas). As instrues
devem indicar quantas respostas devem ser ordenadas (por exemplo, todas, a primeira e a
segunda, a primeira e a ltima, a mais e a menos importante) e qual a ordem de hierarquia
(por exemplo, Coloque um 1 ao lado da mais importante, um 2 ao lado da segunda mais
importante, e assim por diante).
Ordenar uma lista de itens muitas vezes difcil para os respondentes, porque talvez
tenham de ler a lista vrias vezes. Alm disso, em geral se consegue os mesmos resultados
pedindo para valorar os itens (por exemplo, Muito importante, Importante, etc.). Como

assinalam Krosnick e Alwin (9), problemas s ocorrem quando os respondentes do os

mesmos valores maioria dos itens. Naturalmente, como sugerem os autores, dar o mesmo
valor a vrios itens pode indicar o que eles realmente sentem quanto queles itens, e um
ordenamento forado pode produzir respostas no verdadeiras. Mas, se voc achar essencial
que os respondentes ordenem uma lista de itens, voc deve fazer a lista to curta quanto
possvel. Como regra geral, no pea para ordenar mais do que cinco itens.
Em questes matriciais de mltiplas partes, voc deve dar instrues especiais,
salvo se o mesmo formato for usado em todo o questionrio. s vezes, espera-se que os
respondentes marquem uma resposta em cada coluna da matriz, em outras vezes que
marquem uma resposta em cada linha. Sempre que o questionrio contiver os dois tipos de
respostas, deve-se dar uma instruo esclarecendo o tipo esperado em cada caso.
Instrues ao Entrevistador
Um questionrio confuso auto-administrado pode desmoralizar o respondente, mas
um questionrio por entrevista confuso pode desmoralizar tanto o entrevistado quanto o
entrevistador, pondo em perigo a eficincia deste ltimo. Portanto, instrues
suplementares claras aos entrevistadores, fornecidas onde apropriado, so de particular
importncia.
As instrues que o entrevistador deve ler para os entrevistados e as que no devem
ser lidas devem ter formatos diferentes. Por exemplo, as que no devem ser lidas podem
estar entre parnteses ou em letras maisculas. Uma entrevista pode ser destruda se o
entrevistador ler alto algo do tipo Se o entrevistado quase analfabeto, ento ....
igualmente importante que um questionrio por entrevista tenha um roteiro
verbatim para o entrevistador ler na entrevista.(10) Em circunstncias ideais, um
entrevistador deve ser poder conduzir toda a entrevista da introduo inicial (Ol, meu
nome ...) at os comentrios finais (Isso completa a entrevista. Queremos agradec-lo
por ...) sem tomar liberdade com uma nica palavra. Todas as declaraes de transio ao
longo do questionrio devem ser feitas (Agora gostaramos de passar dos problemas
comunitrios para os problemas nacionais ...) de forma que o roteiro, palavra por palavra,
soe natural como uma conversa. O mesmo se aplica enumerao demogrfica dos
componentes da residncia. Ao invs de instruir o entrevistador a obter a idade de cada
membro da famlia, voc deve apresentar uma pergunta padronizada para cada (Qual era a
idade dele no dia primeiro de janeiro de 1990?). O Captulo 10 enfatiza a importncia de
se seguir risca o texto do questionrio, mas isso s ser possvel se o questionrio estiver
construdo adequadamente.
Reproduo do Questionrio
Tendo construdo o questionrio, preciso fazer cpias suficientes para a coleta de
dados. O mtodo para reproduzir os questionrios importante para o sucesso da pesquisa;
um instrumento reproduzido com capricho encorajar uma taxa maior de respostas,
fornecendo melhores dados.
H vrios mtodos para reproduzir questionrios, e sua escolha depender dos
fundos disponveis, das facilidades locais e do tempo. Reprodues mimeografadas em
geral so mais baratas e rpidas, mas com menor qualidade grfica. Mquinas de fotocopiar

variam em velocidade, qualidade e preo, mas pode-se produzir questionrios excelentes,

especialmente usando um computador e uma impressora laser para o original.
O foto-offset de cpia do questionrio resulta em melhor qualidade e, alm de um
certo nmero de cpias, pode ser mais econmico. Uma matriz em foto-offset permite um
nmero incontvel de cpias, enquanto uma matriz de mimegrafo precisa ser refeita
depois de algumas centenas de cpias, e a fotocpia mantm o mesmo custo unitrio
mesmo para muitas cpias.
O melhor mtodo de reproduo do ponto de vista da qualidade profissional a
tipografia. Mas o mtodo mais caro e pode no ser vivel para alguns projetos. Alm
disso, a tipografia em geral toma mais tempo do que outros mtodos. De qualquer forma,
voc deve investigar as possibilidades locais, equilibrando os valores relativos de tempo,
dinheiro e qualidade.
Atualmente, o melhor sistema de reproduo consiste num microcomputador com
um processador de textos ou programa de editorao profissional e uma impressora laser
para criar o original, em conjuno com o foto-offset das cpias.
O questionrio pode ser construdo de diversas formas. Em alguns casos, melhor
imprimir o questionrio numa folha grande nica, dobrvel para formar um livreto de
painis desdobrveis. Caso haja muitas pginas no questionrio, pode-se prend-las com
um grampeador. O questionrio longo de melhor aspecto profissional um livreto impresso
grampeado. Este o mtodo mais caro.
Uma ltima preocupao da reproduo do questionrio quantos devem ser
pedidos. Para chegar a esta deciso, voc deve considerar o tamanho da amostra, o nmero
de cartas de acompanhamento, se houver, num survey pelo correio, e a possvel necessidade
de cpias de discusso, amostras para outros pesquisadores, cpias para incluso como
apndices em relatrios de pesquisas ou livros cdigo, e assim por diante. Como regra
aproximada, voc deve estimar o nmero necessrio para a coleta de dados e multiplicar
este valor por 1,5 a 2,0, para determinar o nmero de cpias. Lembre que cpias adicionais
produzidas na primeira edio dos questionrios sero bem mais econmicas do que as
produzidas em edies posteriores.
Sumrio
Este captulo cobriu uma variedade de assuntos, do terico e filosfico ao tcnico e
at o mundano. Comeou com questes gerais de conceitualizao e operacionalizao no
desenho dos itens do questionrio apropriados. Foram dadas algumas diretrizes gerais e
especficas para a redao das perguntas e sua apresentao no instrumento de pesquisa. O
captulo concluiu com uma breve discusso sobre o lado tcnico da produo de
questionrios.
A combinao destes temas num nico captulo pode parecer bizarra, mas h um
propsito nela. O valor cientfico ltimo de um survey pode depender tanto da maneira
como o questionrio reproduzido quanto da imaginao na operacionalizao de
conceitos. Os resultados da pesquisa de survey so o produto de muitos passos, indo do
terico ao mundano, e uma fraqueza em qualquer um deles ameaa o todo.
Notas de rodap

(1) Alfred North Whitehead, Science and the Modern World (New York: The Macmillan
Company, 1925), pg. 56.
(2) Citado em Claire Selltiz, et al., Research Methods in Social Relations, New York:
Holt, Rinehart & Winston, 1959), pg. 564.
(3) Charles Y. Glock e Rodney Stark, Religion and Society in Tension (Chicago: Rand
McNally, 1965), pgs. 18-38.
(4) Earl Babbie, Science and Morality in Medicine (Berkeley: University of California
Press, 1970).
(5) Encontra-se um tratamento excelente deste tema em James A. Davis, Elementary
Survey Analysis (Englewood Cliffs, NJ: Prentice-Hall, 1971), pgs. 9 e ss. A maioria dos
tratamentos destes nveis de medio usam o termo escala (ex., escala nominal), seguindo
o exemplo de S. S. Stevens, On the Theory of Scales os Measurement, Science, vol. 103
(1946), pgs. 677-680. Como este livro usa o termo escala em sentido diferente (ver captulo
8), evitamos seu uso neste contexto.
(6) George F. Bishop, Alfred J. Tuchfarber e Robert W. Oldendick, Opinions on Fictitious
Issues: The Pressure to Answer Survey Questions, Public Opinion Quaterly, vol. 50
(Summer 1986), pgs. 240-250.
(7) Tom Smith, That Which We Call Welfare by Any Other Name Would Smell Sweeter,
Public Opinion Quaterly, vol. 51 (Spring 1987), pgs. 75-83.
(8) Edward G. Carmines e Richard A. Zeller, Reliability and Validity Assessment
(Beverly Hills, CA: Sage, 1979.
(9) Jon A. Krosnick e Duane F. Alwin, A Test of the Form-resistant Correlation
Hypothesis: Ratings, Rankings, and the Measurement of Values, Public Opinion Quaterly,
vol. 52 (Winter 1988), pgs. 526-538.
(10) Um roteiro no seria apropriado para uma entrevista no estruturada, num estudo
exploratrio. Neste caso, o entrevistador deve receber um esboo dos temas a cobrir, e
talvez um conjunto de questes possveis.