Professional Documents
Culture Documents
Ear I
-'Ia
dot -.... do
mlotlflca~o.
-ovo dedlca-
........WDT dI.euu6e. de
... _ _ do confronto do
_rtf' con lap ancien... - enqUllnto
ntlvo de nosso0ci6e ..antlatH politico. continua a
.........,.,..... mpl.monto .oj. polo
WI I II 8110..... por relatoa .m que
, ....._ anelftlea it freqOentemante
em vIrtude. reel.mando.... uma
,.rspectlve -hl.torlogr.fica"
fIn_........
-:::=':
eartament. fornece 80
um _uro ponto d. partida
o eatudo poeterior de tecnics. mai
..."'..... _ mama IInhs a boa refeerftle. p.ra a avalia~io da
~....ctll" titenlca. alternativas.
METODOS DE
PESQUISAS
DE SURVEY
Earl8abbie
METODOS DE
PESQUISAS
DE SURVEY
Tradu~ao
de
Guilherme Cezarino
2 ' reimpressao
Belo Horizonte
Editora UFMG
2003
nlverlldade de Brasilia
2003 - 24 n:impn:5s:io
Todos as direitos
~,OO
Tl!St.:TV:ldus
Nt'nhum:1 p:lftt' (kstt' IiVTO rode SL'T rcprodu7.itLl ou tr:lsmili(b por <]u:llquer rorm:l Ill!
mt.:io, clelronico au mcc';lni('o, induindo fOl()c6pi:l, imprcs:-;:lo ou alr.lvo.!s de qU;l]qucr
o -0
si~lt:m:1
do Editor.
([I.:
Moracs
A COORDENA<;Ao:
rOIV\ UFi\IG
e-m:lil: edilor..l@ufm~.br
www.edilor:l.ufmg.br
UNIVEHSIDADE
F!~DEHAL
DE ,\!INAS G EltAIS
~1arcos
130rato Viana
CQNSELI [0 EDITOHIAL
D;Ul\:l~,
llcinisa ,'-.'l:Iri:1 Murgel StarlinI-:, Luiz Ot:ivio ]';Igundes Allur..ll. i\l:Iri:1 das Gr..u;as Sant:l IBrb:lr:l,
Maria Helena D:ullasceno e Silv:1 Meg:lle,
!tOIllL'U
( l'resideme)
Jose Brelas dos Santos, M:lri:1 Apart:'dda dos S:lnIO~ 1':11":1, ;\1:lurilio NlIl1e~ Vieir.L , NC\\!(Hl
Ui~nono
UI12m
U:lbbie, E:LrI
~klodo~
CDD: 300
cnu: 303.4
C:lIalog:L~':io
ISBN, 85-7041-1758
coorclenaclor
LillA DE lABELhl """'''''''''' ",, ",,", "'",'',,''''''''''''''''''''''' ""' '''''''''' ''' ,,'' 17
LillA DE FIGURAl "'''''''''''''''' """" """ "" """,,""""""'"'''''''''' " "'"'' "'" 19
PREFhCI0"""" ' ''''''''',,'''''''''''''''''''''''''' '''' '''''''''''' ,""""""'" 21
PREFhclO A PRIMEIRA EOI(hO ,",," ",,",'"'''''''''''''''' "' ''' ",",,", 29
'" 39
43
55
CAPilULO 2
A CIENCIA E AS CIENCIAS SOCIAlS """" .. ""
57
58
75
......................... 76
CAPilULO 3
PESQUISA DE SURVEY COMO METODO DAS
CIENCIAS SOCIAlS """""""""."""",",,
"" 77
"""""" 78
Episcopais ......
A Pesquisa de Survey
E Realmentc
CientrFica?
87
.......... 91
Leiruras Aclicionais
Resumo ..... .
Leituras Adicionais
CAPilULO 4
................ 95
Unidades de Amilise
. ........... 105
Distribui~ao Amostral
.125
Resumo ..
. ...... 179
............ 179
Um Quadro de Referencias de
Ope racionaliza~ao
......... . 182
.185
.187
........ 189
......... 194
198
Resumo
. ..... 211
.214
Constru<;ao de Indices
.. 217
Constru<;ao de Escalas.
Tipolog ias
Resumo
. .. 233
....... ....... ......... 240
..... ........ 243
Leituras Adicionais
.. 244
................ 158
CAPilULO 6
EXEMPLOS DE DESENI-lOS DE AMOSTRACEM .
Amosrragem de Estudanres Univcrsitarios
..159
.159
CONCEITUA<;:Ao E DESENI-IO DE
1NSTRUMENTOS .. ..................... .
CAPilULO 8
Leituras AclicionJis
CAPilULO 7
CAPilULO 5
. .... 176
........................... 177
............. 165
. .... 161
CAPilULO 9
QUESTIONARlOS AUTO-ADM INISTRADOS
.... 247
....... 248
...... 251
.. ... 253
..... 254
............ 257
Reslllno ............................................ .
.258
CAPiTU LO10
........... 259
CAPiTULO 13
L6GlCA DA MEDI<;:AO E DA ASSOCIA<;:AO ........ 327
A Imagem Traclicional ..........
.. ......................... 327
. ... 333
ReSUITIO ................. ... .............. . ........... .
.......... 334
Leituras Aclicionais ................................................ 335
.. .... 259
....... 261
..................... 266
............................ 275
CAPiTULO 14
Descri,oes de Subgrupos
Analise Biva ri ada
.. 344
..................... 349
Analise Multivariada
... 357
360
Resumo ...................................................... ..
CAPiTULO 11
............ 279
361
CAPiTULO 15
Codifica,iio ...................................... .
..288
.. ........ 291
Pn~-Codifica,ao
.. ................. 299
Resumo .........................
...300
.. .. 301
PRE-TESTES E ESTUDOS-PILOTO
..... 303
........... 382
CA PiTULO 16
Esratisrica Descritiva ....................... .
.303
........................ 310
Resumo ......................................... ..
ResuIl10 ...................................... .
.... 379
.. ....... 381
CA PiTU LO12
.................... 321
...383
383
............... 391
.. ...... 405
.. .... .407
CAPiTULO 17
TECNICAS MULTNARIADAS AVAN<;:ADAS ............ 409
Analise de Regressao ................................ " .......... 409
Analise de Trajet6ria ............................................. .415
Analise Fatorial .................................................... .417
..
............. H
....
Analise Discriminante .
...
H'"''
...
424
428
421
430
. .. 432
... 433
..436
HH . . .
,486
... ,.. .488
C. Distribui,ao do Qui-Quadrado
CAPilULO18
o RELAT6R10 DA
... 482
. . . . . . . . .
490
GLOllAR I0 HHHH ... 'HH.HHHHHH"H ...H... H.. HH'HHH.H . .,.,"H'H"'H"H H.,.HH.HH 491
iNDI C R MIIIIVOH H....... '.. H................ H.. HH ..'H ........... H.. HH .... H... H............ 511
..... 44 1
.. .. 443
Leituras Adicionais.
.448
,450
.... .
...........
.451
.456
.. 460
.463
lei[Uras Aciicionais
.463
CAPiTULO20
......... " . . . . .
. .... H........
H...........
... 465
HH466
HH .. .467
469
H470
... 471
Leiruras Aciicionais
.171
15
a d
.......................... 116
.... 117
... 163
172
.. 173
..... 230
.... 237
... 239
....... 240
..242
.... 339
...... 346
347
.349
350
350
................. 357
a b
a s
s t a
de f
...... 366
dispensa de amigos
.... 371
............ 127
.369
...... 127
ea
.... 127
.200
FIGURA 7-2. Voce j{l fez parte cia associa,,'o local da API" ....... 201
FIGURA 7-3. Voce ja ollviu fala r clo Programa Ciclacle Modelo' .. 202
... 375
.. ............ 375
... 204
__ 376
.... 384
216
cicntffica .................... .
......... 221
e preconceilo ..
TABELA 16-3. Dados hipoteticos relacionanclo sexo e
emprego
c preconceiro
...... . 388
.. .. __ . 390
..
.... 223
orient~I\~:10 cientinea ..
...390
.... 401
FIGURA 11-3,Uma folha parcial cle lransferencia cle c6c1igos ...... 294
FIGURA 11-4.liuslra,"0 cia inser,"o cle claclos
computaclorizada
.. .. 292
............. ...
... 295
9 u r
... 329
.... 332
... 341
................ 354
FIGURA 15-1
.......... 370
FIGURA 15-2
.370
.... 395
396
.... 399
...... 417
..... 422
..425
..... 426
..... 426
.......... 427
... 428
.. 456
matica quando they desejal11 ... " Ctbeye tanto eles ou e1us).
A linguagel11 sexista tal11bem pode ser evitacb pelo uso
Unlversldade de Brasilia
BIBLIOTECA
Pref6cio a Primeira
metodo de
ES[lIdantes de gradlla"ao freqOentemente fazem SlI1wys, e professores anualmente publicam relat6rios de cemenas de sUJveys.
Fora do munclo academica, quase toclo mundo ollviu
o pr6prio titulo,
Slilvey Rescarch Metbods, reflcrc a oriental'iio geml do texto. Como instrutor de metodos de rcsquisa de
slltveye consulror de surueys, eu scntia a necessiclacle prementc
de lim 56 volume que oferecesse a estudantcs e a pesquisadores
em potencial urn gLlia pdrieo de pesquisas de slln)(~)'. 0 mercado
~gradecimento s
oContexto (ientlfieo da
Pesquisa de Survey
milUlO 1
AlOGICIl DA CI[NCIII
milulo 2
ACIENCIA EAI CIENClhl IOCIAII
milulo 3
PEIQUIIA DE SURVEY COMO MEIODO Dhl CIENClhl IOCIAII
cbtilograrado
longo manllscrito.
o Capitulo 2 aborda 0
Capltu I0 1
o9 ca da
o Capitulo 3 e dedicado a um exame especifico da pesquisa de survey. 0 capitulo come,,1 com um apanhado historico
dos surveyse passa a abordar modos como a pesquisa de survey
se encaixa nas normas gerais de ciencia e de cieneia social.
A Perspectiva Tradicional
Teorio Cientrfica
Cientisras, e 0 que se diz , came~am com um interesse
pOl' algum aspecto do 111undo no reelor. 0 interesse pode ser
saber como a pressao arteria l e regulada no ca rp a, por que
enc
hperimento
Finalmente, as operar;6es especificadas sao efelUadas.
Daclos sao coleraclos e manipulaclos como prescritos e a
hip6rese e testacla. Se 0 experimenro confirmar a hip6tese,
valida-se a teoria geml da qual ela foi clerivada. Se a hip6tese
nao for confinnacla, a teoria geral e questionada. Qualquer
que seja 0 resultaclo, presume-se que voce publicara seus
achados, 0 mundo se tornanl. um lugar um pouco melhor
para se viver e voce come\=ara a pensar noutros t6picos para
conquistar.
ImaginaC;;ao e brilho parecem necessarios para consrl"uir
uma teoria, mas nao para a coleta e analise de dados. Especificados de anrem:1o os metodos experimenrais e as operar;oes,
assisrenres tecnicos suposramente podem realizar c interpretar
o experimento. 2
Resumo
]<i que cientistas operam com proceclimenros raciOI1C1is e
abje/ivas, suas conclusoes tem supostamente mais qualiclacle do
~ Desmistifico~ao do Ciencio
Em anos recentes, da-se a alguns estudantes uma imagem
cia ciencia e dos cienrisras bem diferente cia perspectiva
tradicional apresentacla. Esta visao mais negativa cia ciencia tem
varias climensoes.
Primeiro, salienta-se que ciemistas sao morivados pelas
mesmas emopSes hllmanas e limitados pelas mesmas fraqllezas
hllmanas cle taclas as pessoas. Diz-se que cientisras frequentemente
selecionam sells objetos cle estuclo com base em rendencias
pessoais, e que alguns podem dedicar toclas as suas energias a
"provar" algum palpite de estima.;:ao. Em vez de planejar e
execu{:J.r experimenros objerivamente, a pesquisa deles e uma
busca continua de clados para corroborar lim preconceito.
h Ciencio no Pratico
A perspectiva tradicional sugere que os cientistas passam
ciiretamente de lima curiosiclacle intelectual sobre alguns fenomenos para a deriva~ao de uma teoria. Rarameme ralvez nllnca,
isto acontece. 0 interesse inicial num fenorneno muitas vezes se
origina em alguma pesquisa empirica anterior, talvez em alguns
achados inconsistentes geraclos pela sua pr6pria pesqllisa ou no
trabalho de outros. De cerro modo, voce poele comepr com a
"resposra" e paltir pam a deseobelta da "questao".
Voce pode iniciar com lima observa~ao espedfica: crian,as de lares sem pai e/ ou mae tem taxa de deiinqliencia mais
alta do que as outras. Em seguida, voce tenta desenvolver
um enrendimenro mais geml de par que isto acontece.
Quase nunca teorias resultam de processos toralmenre
dedutivos. Mais comumente, leorias sao 0 resultado final de
um3 longa cacleia de cledu~iio e inciufiio. Em ceno ponto,
J
oque f Ciencia?
Basicamentc, toda ciencia prerencle emender 0 munelo ao
recioI'. Tres componentes principais constitucm esta atividade:
descri~ao, a descoberta de regularidades e a formula~ao de
teorias e leis. Primeiro, cientisras ohseruan2 e descrevem. objeros
e eVen(os que aparecem no munelo. Isto pode envolver a
medic;ao cia velocidade de um objeto que cai, 0 comprimento
de onda de emissoes de uma estrela distante ou a massa de
lima partfcula subaromica. Tais descric;oes sao guiadas pelos
objetivos da exatidao e da utilidade.
Segundo, cientisras procuram descobrir regularidades e
pOl' vezes alucinante e estonteante cia experiencia.
Em pane) isto pode envolver a coinciciencia ou correlayao de
ordem no caos
de sua velocidade.
l6gicos cle
rela~oes
munclo ao redor. Procuramos achar regulariclacles: 0 funcionario cle escrit6rio pode clescobrir que chegar atrasaclo
ao trabalho resulta em repreensao. Tenramos formular leis e
e mais
el
obse rva~oes
sobre
munclo e podem
relara-las a outros. POl' exemplo, 0 cientista observa que membros de uma determinada tribo primitiva gozam de saucle
dental relarivamenre boa; 0 racista observa que um IOjista
chines trapaceou numa transar;ao comercial. 0 cientist:1
conclui preliminarmente que a cliera da tribo pode ser responsavel peb sallde dental dos seus membras, enquanto 0 racista
conc1ui que a ras;a clo lojista e respons{lvel pelas praticas
comercia is antiecicas.
Tanto 0 cienrist3 como 0 racista procuram novas obserpa ra refor;:u suas conclusoes preliminares . 0 cientista
checa a saude dental de outras tribos primitivHs com clietas
semelhantes, enquanro 0 racista fica de olho em lojistas
chineses. E importante notal' que tanto 0 cientista como 0
racista sao seleliuos em suas obscrva;oes subseqOentes. Concentrando-se nn dieta, 0 cientista pode ignorar a ambiente
climarico cia tribo, a estrutura econ6mica e assim por diante.
Por sua vez, 0 racista nao chua aten;ao a educavao dos lojisras,
sua classe social etc.
va~oes
empiricas e
explica~oes
l6gicas.
(iencia f logica
Ciencia
explica~oes
e funciamentalmente uma
atividade racional, e
ponanro, este destino fez com que cle fosse tlido c julgaclo. Toll
ponto de vista nao pode ser aceito clcnno cia logica cia ciencia.
inicia-se com
indu~ao,
e0
silogismo
A logica cleclutiva
lim sistema muito antigo, remonrando no minimo a Aristoteles, que predominou na filosofia
derivadas de observa,oes cuidaclosas conrradiziam os postulados gerais que ancoravam muitos sistemas cledutivos.
Na astronomia) por exemplo, as observa)":oes de Ptolomeu
leva ram-no a varia)":oes do seu modelo, desenvolvendo um
modelo cpidclico no qual as estrelas e planetas rotavam em
d rculos ao reelor de POntoS no espa~o que, por sua vez, rotavam
em drcuios ao redor cia Terra esracionaria. A medicla que se
obselvaram varia)":oes adicionais, 0 sistema se tornOll cada vez
mais complicacio, com nlveis novos de epiciclos sendo acrescenraclos para manter as cren)":as chaves no movimenro circular
c nn Terra estaciona ria.
Copernico atacou 0 sistema de Ptalomeu sugerindo que
o Sol, e nao a Terra, era 0 cent ro clo universo. Ele clerivou
essa perspectiva raclicalmente nova cia observ3\=fIo clo rnovimento celes tial , e nao cle um compromisso inicial de que a
Terra era 0 centro do universo. Mas Copernico n~lo desafiou
a SllpostO clo movimento circular. "Um astronamo posterior,
A(iencia f Dderminislica
A ciencia se baseia no suposto cle que todos os eventos
tem causas antecedentes sujeitas a identificac;ao e ao entendimento l6gico. Para 0 ciemisra nada "simplesmente acontece" acontece por uma razao. Se alguem gripa, se chove hoje, se
lima bola parece rolar morro acima, 0 cienrista supoe que cada
um desres eventos e susceptive! de explica,iio racional.
Como veremos no capftulo seguinre, esra caracreris[ica
cia ciencia rraz uma dificuldade especial para as ciencias
socia is, que competem com noc;oes de senso comum sobre
comportamento social. Voce pode afirmar que fez aJguma
coisa, por exemplo, vorou num candida to, simplesmente porqlle
decidiu agir assim, mas 0 ciemista social provavelmente argumentaria que seu voto foi cieterminaclo pOl' varios eventos e
condi<;oes previas. A decisao de votar pode ser atribufda a
sua c1asse socia l, a regiao do pais onclc voce mora erc., meSll10
que voce porventura negue a influencia desres fatores.
Mas deve-se tomar diversos cuidaclos neste aspecto.
Primeiro, cienristas nao conhecem, nem pretendem conhecer, as
causas especificas de todos os eventos. Simplesmente sup6em
que t::tis causas existem e podem ser descobertas. Segundo,
a ciencia aceita causaC;ao multipla. QlIalquer evento pode ter
varias causasj sua decisao de vorar pode rer sido causada
pOl' diversos fatores. Unl evento, tambem, pode ter uma causa,
enqllanto ouu'O evento semelhante pode rer uma causa diferente.
Duas pessoas padem votar no mesmo candidato por razoes
diferentes, mas se supoe que em cada caso exisre uma razao.
Finalmente, grande parte da ciencia se fundamenta numa
forma probabilislica de de terminismo. Assim, 0 Evento A pode
resultar no Evento B 90% clas vezes ou 70% de todos os
Republicanos podem votar num detenninado politico, enquanto
somente 23% dos Democratas 0 fazem. Neste sentido, diz-se
que filiac;ao po!itica-partidaria cietermillCi comporramento elei(oral, ainda que de forma incompleta. Outros fatores pocieriam
ser inrroduzidos para explicar as discrepancias.
A(iencia f Geral
A ciencia busca entendimento geral mais do que explicac;ao de eventos ind iviciuais. Tipicamente, 0 cientista se
interessa menos por que determinada bola cai para baixo,
quando solta do alto, e mais por que foclas as bolas tendem
a se comporta r assim. Do mesmo modo, 0 cientista se interessa
menos em expJicar por que voce votou cia fo rma que 0 fez e
mais em entender pOl' que os eleitores em gera l votaram da
forma como 0 fizeram.
Esta caracterfstica cia ciencia se relaciona com sell c1ererminismo probabilistico. E concebfvel que possamos explicar
comp/etC/mente as razoes de um evento - por exemplo, por
que cerra pessoa votou no candidato X. E concebivel que
consigamos descobrir cada fator individual que influenciou
a decisao do vOto. Caso 0 fa,amos, podemos sllpostamente
preyer com perfeita exaridao 0 componamento eleiroral de
pessoas identicas. Mas, a longo prazo, csta capacidade nflo
geraria muita informa<;ao uti! sobre 0 comportamento eleitoral
em gera!. Primeiro, e duvidoso que encontnlssemos outra
pessoa com exatamente 3S mesmas caracterfsticas tla primeira.
Mais importante ainda) nossas c1escobertas pocleriam ser de
pouqufssima ajuda na compreensao do paclrao de va to de
pessoas com Olltras caracterfsticas. Ficamos) entao, sarisfeitos
Este e
sentido em que 0 cientism e 0 historiador
c1iferem em suas abordagens do mesmo tema. 0 historiador
procura emencler tudo sobre um determinado evemo especffico,
enquamo 0 cientista se imeressa mais no entenclimemo geral de
uma c1asse de eventos semelhantes, mas nao identicos. Assim
- -l1/.\"cnmTIO t t:)pe\.IIU.u
fazem isso, Tambem e menos (ltil saber que bolas caem com
uma c1eterminada acelerar;ao ao nivel do mar do que saber que
(iencio Porcimonioso
preconceito em geral.
Ponamo, os cientistas procuram ciescobrir rarores determinantes de tipos de eventos. Ao me~mo tempo, procuram
clescobrir os fatores nc70 dererminantes de eventos. Assim, ao
c1eterminarmos a acelerar;ao de um objeto em quecia, ciescartamos sua cor como irrelevance.
regiao ooclc a pessoa foi criada, sexo, eclucar;ao etc. Freqi.ientemente, cientistas sao fon;aclos a escolher entre simpliciclade
pOl'
e empiricameme verifica~el.
A(iencia eIntersubjetiva
Com freqliencia se afirma que a ciencia e "objeriva", mas
tal afirmac;ao tipicamente resulta em muita confusao qU~l.I1to ao
que seja "objetividacle". Alem do mais, nota-se crescentemente
nos ultimos anos que nenhum cientista e completamente objetivo em seu trabalho. Todos os cientistas sao "subjetivos" ate
certo ponto - influenciados pOl' Suas motivac;oes pessoais. Ao
afirmar que a ciencia e il1lersubjetiva, queremos clizer que dois
cientisras com orientac;oes subjerivas diferentes chega riam a
mesma conclusao se caela um deles conduzisse 0 mesmo
experimento. Urn exemplo de ciencia pO!ltica deve esclarecer
este conceito .
A tendencia dos inrelectuais nos EUA se alinharcm mais
com 0 Partido Democrata do que com 0 Republicano leva
muitas pessoas a supor que as Democratas, como grupo, sao
mais escolarizados clo que as Republicanos. E razoavel supor
que esta afirmaC;ao satisfaria um cientista Democrata e aborreceria um Republicano. Mesmo assim, seria posslvel que as
dois cientistas concorebssem sobre 0 clesenho de LIm projero
de pesquisa para coletaI' dados no eleitorado america no,
referenre a filiac;ao panidaria e nivel educacion::t1. Os dais
cientisr;'ls o()dpri:ln1 pnt?it'l H"'~li7~" pc:r"rln(; inrlpnpnrlp'"HP";
A
. nao busca a verclacle definitiva, mas a "(iliclade.
Teorias cientificas nao c1evem ser julgaclas por sua verclaclc
relativa, mas pela medicia de sua uriliclacle em melhorar nosso
conhecimento do muncio ao redor.
nosso conheci-
} Ver, por excmplo, WATSON, Jame:s D. 77Je Double/-felix. New York: -:he
New Americ;:m Library Inc., 1968, C 0 acervo de blografia:s de pesqulsa:s
:sociais em HAIvIMOND, Phillip (Ed.). Sociologists til \Vork. Ncw York:
Ba::;ic Books, 1964, e GOLDEN, M. Patricia (Ed.). 77Je Researcb li:q)eriell~
a regra.
llEVERJDGE, \Y/. I. ll. 71Je Art oj SCiellliji"c In vestigation New York:
Vintoge l3ooks, 1950.1'.113.
Resumo
Este capItulo comec;ou revenclo a imagell1 tradiciona t
cia ciencia, prill1ariall1enre como urn conjunto de eta pas que
ineviravelmente conduzem ~l "Verdacle". Esta visno roi contrastada
com outra, mais recente, crltica cia ciencia, que sLlgere que
cientis(as nao sao (ao diferentes clos leigos. Na parte principal
ciencia soc ial esnl presa as mes mas regra s que as outros
tipos cle investiga ~ao cicnrffica. Ao mesmo tempo, po rem , a
tematica especial das cj(~ncias soc iais apresenta problemas
especiais - e oportuniciades especiais.
Nolos
I Palavras c fr:lses em "it5Iico" s:10 definid:ls c di.scutidas no Glossilrio
no rim do livro. Se voce n~o enLCnder bem lllll lerma, V:lle :1 pen:!
verificar imec!i:Hamenle no Glossflrio.
tl
Ibidem. p.64.
leituras ~dicionais
BEVERIDGE, W. I. B. Tbe AI't 0/ SCielllific investigation New
York: Vintage Books, 1950.
BUTTERFIELD , Herbert. Tbe Origins o/Modern Sciellce. New
York: The MacMillan Company, 1960.
GOLDEN, M. Patricia (Ed.). Tbe Researcb E:>,periellce. Itasca, ll:
F. E. Peacock , 1976.
IRVI NE, William. Apes, Angels and Victorial1S. New York:
Meridian Books, 1959.
KAPLAN, Abraham. Tbe Condllct ~r fnqllily. San Francisco:
Chandler Publishing Co., 1964.
KUHN, Thomas S. 77Je Structure o/Scientific Revolutiol1s. Chicago:
University of Chicago Press, 1970.
TOBEN , Bob. Space-Till7eclIlc/ Beyond. New York: E. P. Dutton,
1975.
Capitulo 2
(iencia
as (iencias So ciais
basica
Oposi~o
como fora dos campos c1as ciencias socia is. Denrro clos campos, 0
movimento para as ciencias socia is [em signifiC'dclo um redirecionamemo e, em alguns casos, uma renomear;ao cia traclir;ao acaciemica
pontos
proposi,iio nao
empiricamenre.
Samuel A. Stouffer durante a II Guerra Mundia!.! Tais "descoberras" induern os seguintes achaclos:
cena mulher. Regulalidades sociais represenram padr6es probabilisticos, e uma relaylo geral entre duas variaveis nao precisa scr
do que homens.
Finalnlente, a acusar;ao de que regulaJic!ades socia is observadas podem ser penurbadas pela vontade consciente dos atores
desacordos sobre 0 desenho mais apropriado da pesquisa incluindo defini~ao e medi~ao de conceitos - do que de resultados obtidos com um mesmo desenho.
Isto
aXperimento Conholado
Em muitos aspectos, 0 experimento cOl1rrolado representa 0 exemplo mais claro de pesquisa cientifica, pelo menos
na imagem popular da ciencia. 0 desenho experimental rem
l11uitas variac;oes, mas aqui nos limitarernos ao desenho antes/
depois com um (mico grupo de controle.
Suponha que voce esreja inreressado em merodos para
reduzir 0 preconceito racial. Suponha tambem que voce acredita
na hip6rese de que 0 preconceiro anrinegro poderia ser
reduzido COll1 uma consciencia maior do papel importante
dos negros na Hist6ria americana. Para testar est a hipa[ese,
voce pode alugar Oll mesmo prodllzir LIm filme docllmenrando
a hisr6ria dos negros nos EUA. Esre filmc represenraria 0
eSlfrnlllo para 0 experimenro.
Em seguida, voce seleciona dois grupos de sujeiros. Na
pratica, voce provavelmente procura voluntarios e pode
paga-Ios para paniciparem clo experimento. Se voce for
pcsquisador universitario, provave!menle estes participantes
serao alunos universitarios. 0 mais importante na seleC;ao
dos participantes e erial' dois grupos empare lhados, isro e,
dois grupos de sujeiros tao parecidos urn com 0 outro quanto
nao fornece daclos descritivos (,re is. Se 20% dos dois gru pos
concordarem com uma afirma~ao preconceitllosa, nada
aprcndemos sobre 0 percentual da popula~ao em geral que
concorclaria com eia, ja que os sujeitos nao sao, via de regra,
selecionados dessa popula~ao por metodos de amostragem
Segundo,
grllpo experimenral
Serve
se os slljeitos
negros era maior na classe opera ria do que nas classes media e
mais do que
De forma semelhante,
por si mesmo.
possivel que
e0
forem extraidos de esrudantes - , mas nao ceria impacto em naoclade. Durante anos, acreditou-se que, enquanto 0 preconceito contra
a medicla
que se subia na
men~e mai~
Analise de Conteudo
Alguns t6picos de pesquisa sao sllscepriveis ao exame
sistematico de documentos, como romances, poemas, publicac;6es
governamentais, musica etc. Esre metoda de pesquisa chama-se
alicilisedecolllelido. A titulo cle ilustra<;<10, suponha que voce queu"
examinar as mudanc;as nas arirucies oficiais c10s sovieticos para
com os EUA. Voce pocle limitar 0 perioclo do estlJclo aos anos
entre 1950 e 1990 e decidir tomar os editoriais clo Pravda como
indicadores de politica oficial.
Voce pode, entao, Oll obrer cop ins de lodas os editoriais
do Pravda durante aquele periodo ou I,ncr um desenho amostral
selecionanclo, cligamos, caela c.iecimo editorial. Cada editorial
~era examinaclo e recebera urn eSCore corrcspondendo a posic;ao
Javoravel au crfrica aos EUA - au a Seer irrelevanre para as EUA.
Esta ativiclacle cxige lim metoda sistematico de atribuir escores.
esCo reS clados teriam cle ser agregados para 0 mesmo periodo
de tempo usado no esrudo inicial. Voce entao compararia as dais
pad roes de flu[Uar;6es) para c~e[ermim~r se a critica aI.llericana
~1 URSS era tipicamente segUlda ou nao de pronunCiamentos
~lntiamericanos no Pravda.
An~i1ise cle conteudo tem a vantagem de fornecer um exame
sistematico de materia is em geral avaliados de forma mais
impressionistica. Um reporter pocie, por exemplo, ler os
editoriais clo Pravda ao longo do tempo - anotando mentalmente os que mencionam os EUA e talvez observanclo os
eclito riais que ap6iam ou criticam fortemente os EUA -, criando
uma impressao geral das flutua~6es na postura oficial. Au"v,,"s da
analise de contelldo sistematica, contuc!o, voce se previne contra
vieses inadvertidos que pode projerar no estudo. Voce pode
come~ar suspeitando que a URSS foi reiativamente pr6 EUA
durante um certo perioC!o) podenc!o) inconscienremente, dar mais
aten~ao a conteudos de editoriais favoraveis neste periodo,
descontando os editoriais negativos descobertos. Seguinclo
rigorosamente um sistema preestabelecido de amosrragem e
atribui\=ao cle escores) voce reduziria a inflllencia de sells vieses.
Como todo metodo de pesquisa, a analise de conteCldo
rem pontos fracos. Prinleiro, 0 tipo de c!ocumentos selecionados
para exame pode nao ser a medicla mais apropJ"iada cia variave1
estuclada: e possivel que editoriais do Pravda nao sejam 0 melhor
inclicador cia atitucie sovietica oficial para com os EUA. Discursos
publicos cle autoriclades governamentais selecionadas ou pronunciamentos sovieticos no saguao das Na\=oes Unidas pocleriam ser
mais apropriados. Na maioria dos casos, nao ha como cletenllinar
qual fonte represenra 0 melhor foco do estudo. Este u1Conveniente
pode ser minimizado examinando sistematicamente diferentes
fontes e determinando se cad a fonte leva a mesma conclusao.
Segundo, metodos de escore quase sempre contem um
elemenro arbitrario. Alguns comentflrios em editoriais nos EUA
sao tao ambiguos que atribuir-Ihes escores e difidlimo, ralvez
inlpossivel. Outros comentarios podem ser julgaclos favoraveis
por um observac!or e criticos por Olltro. Talvez 0 pesquisaclor
Consiga reduzir esse problema pedinclo avaliar;6es indepenclenres
de outros pesquisadores experienteS no assunto. Se V{lriOS
observadores indepenclentes concorclarem sobre 0 escore dos
comenrarios num editorial, a utilidac1e clesre sistema de quantifica~ao cresce. Em (i\rima analise, nao ha como garanrir, com
segur3nc;;a absolura, que comentarios editori3is esmo recebendo
o escore cerro. No lugar dessa confiabiliclade absoluta , voce
de suiddio consistentemente mais altas em areas predominanremente protestantes do que em areas predominantemente
car6licas, nao teve como detenninar se os protestantes estavam
problema.
fstudo de (oso
Primeiro,
que e chamado de
E importante
impacro do
a abordagem estudo de caso de pesquisa social difere radicalmente clos outros metodos vistos ate aqui. Enquanto a maioria
das pesquisas visa diremmente 0 enrendimento generalizado,
o estudo de caso, busca inicialmente 0 entendimento abrangenre
de um 56 C"J.so idiossincrarico. Se a maioria clas pesquisas procura
lirnitar 0 numero de variaveis consideradas, 0 estlldo de caso tenta
maximiza-Io. Em (i1rima analise, 0 pesquisaclor, fazenclo um
estudo de caso, busca, tipicamenre, conhecimentos gcralmente
aplicaveis alem clo caso unico estudacio, mas por si s6 0 estllclo
de caso nao garante esta generalizabilidacle.
Ob s erva~ao Participante
Resumo
Neste capitulo, consideramos a possibilidade de aplicar
metoclos de investiga ~ao cientffica ao comporramento social.
Mesmo anotando algumas consiclera~6es pmticulares peI1inentes
a eSla aplica~ao, nao encontramos ne nhum o bstaculo fundamental as ciencias socia is. Embora as caracterlsricas cia ciencia
em geml possam ser rrazidas para 0 esrudo cia sociedade, isto
nao pode ser feito e mu lando a imagem traclicional cia ciencia.
Vimos rambem que pesquisadores socia is poc1em usar
varios metodos ele pesquisa para observar e entender 0 comportamento social. 0 capitulo seguinte aborda especificamente
a pesqu isa de slirueycomo mais um metodo de pesquisa socia l.
Logo veremos que as ca racterfsricas basicas cla ciencia em geral
aplicam-se igualmente a pesq uisa de sllrveyem particular.
Nolas
I STOUFFEH, S~lJlluel A. Cl al. 71Je AmericCiIl So/diel: PrinCelOI1, NJ : Princeton
University Press, 1949.
!
Capitulo 3
1949.
Leituros Adicionois
BABBlE, Earl. Observing Ourselves: Essays in Social Research.
Belmont, CA: Wadswonh, 1986.
COOK, Thomas D., CAMPBELL, Donald T. Quasi-Experimentation: Design and Analysis Issues for Field Settings. Chicago:
Rand McNally, 1979.
DURKHEIM, Emile. The Rules ofSociological Method. Tracl. Sarah
Solovay eJohn Mueller. New York: Free Press, 1962. CEditado
por George Catlin.)
HOLSTI, Ole. Content Analysis for the Social Sciences alld
Humanities. Reading: Addison-Wesley, 1969.
HUNT, MOlton. ProJilesofSocial Research: TI,e Scientific Study of Human
Interactions. New York: Russell Sage Foundation, 1958.
LOFLAND, John. Analyzing Social Sellings. Belmont, CA :
Wadsworth, 1984.
McCALL, George, SIMMONS, J. L. (Ed.). Issues in Participant
Observation: a Text and Reader. Reading, MA: AddisonWesley, 1969.
RAY, Wil liam, RAVIZZA, Richard . Methods Toward a Science of
Behavior and Experience. Belmont, CA: Wadsworth, 1985.
WALLACE, Walter. The Logic of Science in SOCiology. Chicago:
Aldine-Atherton, Inc., 1971.
tudes) re1evantes ao tema investigado. as questionarios sao apliamostra de aillnos, atraves de entrevistas pessoais,
cados
o pesquisaclor em questao era Karl Marx. 25.000 questionarios foram enviaclos e nao hi qualquer registro de que algum
tenha siclo retomaclo.
Informa-se tambem que Max Weberl um dos fundadores
cia sociologia mocierna, USOll metoclos de pesquisa de survey
no seu esruclo sobre a etica protestanrc. Alem clo exame
hisr6rico comparativo clo desenvolvimento economicol ele
rambem estllcloll opera rios protesrantes e cat6licos, para
obre r clados confirmat6rios em nfvel inclivicillal. 1
Mas a maioria cia pesquisa cle slIrveycontemporanea foi
realizacla nesre seculo pOl' pesquisadorcs americanos. 0 estado
atual clo metodo resulta de imponante trabalho cle clesenvolvimento em tres setores c1istintos cia socieclacle americana.
Prirneiro l 0 trabalho ininrel'l'upto do U. S. Bureau of Census
fez importantes contribui~oes aos can1pos de amos/ragem e
cole/a de dados. Apesar clo Bureau sel' ma is conhccido relo
recellseamen/o decenal da popular;;ao americana l a grande
maioria das atividacles cia agenda tem a vcr com uma scrie
continua de slirveys amostrais que constantemente atuaiizam
clados demograficos e econ6micos entre os recenseamentos.
Paul Lazarsfeld trouxe para os EUA uma fOl1na~ao intelectual europeia. Como Stouffer, imeressava-se pelo estudo de
fen6menos socia is como lideran~, comunica~oes, comport,,'lmento
econ6mico e profissOes. No exame clesses topicos, Lazarsfelcl, como
Stouffer, desenvolveu tecnicas rigorosas para aplicar metodos
empfricos a questoes sociais. Na area clo comportamento
polItico, e1e achou importante examinar 0 voto como processo
e nao como evento singular. Para isso, projetou e realizou
estudos de paineis, reentrevistanclo um c1eterminaclo grupo
de respondentes em ocasi6es diferentes durante uma campanha
polftica, acompanhando assim mudan~as nas inten~6es de
As
cOl1tribui~oes
de Lazarsfeld para
clesenvolvimento
em Los Angeles, e
cle Wisconsin.
namentais e de
funcla~oes
vantajosamente no exame de muitos tcmas socia is e particularmente eficaz quando combinaclo com outros meroclos.
conseguem determinar facilmente se esta rela~ao ocorre igllnlmente entre homens e mlliheres, protestantes e cat6licos,
desacorclos. Porque os analistas de survey clescreveram precisa mente como desenvolveram e fizeram suas mediclas, 0 lei tor
sabe exatamente
lidacle e as
aproxima~oes
forma to survey
va clores. Em seu relat6rio, voce pode descrever qualitativamente como clistinguiu conservadores de liberais e precon-
Cancl USDa
As demais caracteristicas cia ciencia sao igualmeme relevantes no contexto cia pesquisa cle survey. Onde a ciencia cleve
ser empi11camerlfe veriji'ctlVel, a pesquisa de surveyoferece UI11
metodo de verifica~ao empirica. Os comentarios I1as se~6es
anteriores tambem ilustram como a formato survey e adequado a in/ersubjelividacle.
Fina lmente, metodos de pesquisa de survey facilitam a
ahertllra cia cieneia. Ja que a pesquis:l de surveyenvolve a
coleta e quanrijic(u;iio de dados, os daclos coletados se tornam
fonte permanente de info rma~6es. Um corpo de dados de
sl.wvey pode ser analisado pouco de pois cia coleta e confirmar
uma determinada teo ria de comportamento social. Se a propria
teoria sofrer modifica~oes mais tarde, e sempre possive! retornar
ao conjunto de dados e reanalisfl-Ios sob a nova perspectiva
teorica. Esta nova analise nao poderia ser realizada tao facilmente no caso de metodos de pesquisa menos rigorosos e
men os especfficos.
Compara~ao
Nolas
BO-rf OMORE, T. B., RUBEL, Maximilien (Ed.). Karl Alar..\. . Selected
Writings in Sociology and Social Philosophy. New York: McGraw-Hili,
1956. Ver pagina 208 para as questoes citad:!s.
I
, LAZARSFELD, Paul F., OilERSCHALL, Anthony R. Max Weber and Empirical Research. American Sociological Review, p.185-l99, abr. 1965.
Vcr, por exempio, HYMAN, Hcrbelt. SecondclIYA lIalysis o/Sample Survey.
New York: John Wiley & Sons, 1972.
7 LAZARSFELD, Pau l F. Tbe Peoples Cboice. New York: Columbia Universit y Press, 1948.
10
1968.
11 TROW, Martin. EdtJGHion and SlIrvey Research. In: GLOCK, Ch:uies Y.
(Ed.). Survey Research Me/bods ill tbe 'Social SCiences. New York: Russell
Sage Found:llion, 1967. p.315-375.
12 PAGELS, Heinz. The Dreams 0/ Reason New York, NY: Simon & Schuster, 1988.
leituras Adicionais
BAINBRIDGE, William Sims. Survey Research: A ComputerAssisted Introduction. Belmont, CA: Wadsworth, 1989.
DILLMAN, Don A. Mail and Telephone SlIrveys: The Total Design
Method. New York: John Wiley & Sons, 1978.
GLOCK, Charles Y. (Ed.). Swvey Research in/he Social Sciences.
New York: Russell Sage Foundation, 1967.
LAZARSFELD, Paul F. "Introduction" to Samuel A. Stouffer. In:
STOUFFER, Samuel A. (Ed.). Social Research /0 Test Ideas.
New York: Free Press, 1962. p.XV-XXXI.
PUBLIC OPINION QUARTERLY, v.51, n .4 (Parte 2). Ecii,ao cie
50Q aniversario (inverno 1987) com varios artigos revenclo a
hist6ria da pesquisa de survey.
Ha
Capitulo 4
Ii po s de Desenhos de Pesquisas
durame a analise de dados. 0 Capi[ulo 8 pode parecer cronologicamenre fora de orciem, mas coloquei-o ali porque ele completa
Explicar quase sempre requer ana lise Inl.lltivariadao exame simultaneo de duas ou mais variaveis. Preferencias
Oescriteo
Surveys sao frequentemente realizaclos para permitir
enunciados ciescritivQs sabre alguma popula~ao, isto e,
e.
o pesquisaclor pocle tentar "explicar" por que eleitores escoIheram um ou outro candidato. (A Parte 4 cleste livro aborcla
longamente a 16gica cia explica,ao.)
fxploratao
do tempo. Tambem
ruai s do ele itorado que vorarao nos va rios candidatos a presidente, a disrribui~ao c1as atitudes com rela~ao
Guerra clo
e leitoraclo e depois
Metodos cle survey podem tambem fornecer um "mecanismo de busca" quando voce esta come~ando a investiga~ao de
algum tema. Por exemplo, durante 0 Movimento pelo Discurso
Livre na U ni ve rsiclade cia Calif6rnia em Berkeley, nos anos 60,
fxplicateo
Apesar da maioria dos Sli rueys visar, pelo menos em parte, a
descric;ao, muitos tem 0 objetivo adicional cle fazer asserc;oes
e:xp/ica/iuas sobre a populac;'do. Ao esmclar preferencias eleirorais,
por exemplo, voce pode querer explicar por que alguns eleitores
preferem lim candida to, enquamo ou tros optam por outro candidato. Ao esrudar ciesemprego, voce pale querer explicar pOl'
que parte cia for~ de trabalho esta empregacla e 0 restante nao.
lismo es tudantil.
fatores adicionais foram subsequentemente levados em consiclera,ao no clesenho cia pesquisa principal.
Mas h5 coisas que 0 estudo explorat6rio nao fez. Primeiro,
nao respondeu as qucstoes bftsicas que levaram ao planejamento
cia pesquisa. Tambem nao eluciclou aclequaclamente a natureza
clo raciicalisn10 estudantil nem aborcloll questoes sobre as Fontes
e conseqOencias c1esse radicalismo. 0 modo como as dades
[o ram celhidos clara mente impedia estes resultados. Mas 0
familias, membros da
for~"
de trabalho e residentes.
Uniclades cle analise num survey podem ser descritas
Unidades de hnalise
'
Numa pesquisa de mercado sobre as preferencias de consumo clas marcas X e Y, cada consumidor amostrado c estudado
e a unidade de analise. Cad a um c descrito em termos cia marca
que prefere. As varias preferencias sao, entao, agreg~lclas para
clescrevcr a popuhu;ao de consumidores em tcrmos de percen-
descri~6es.
A aplicabilidade dos metodos de slIrvey a diversas lInidades de analise por vezes confunde 0 pesquisador principiante
e resulta na sele~ao de uma unidade de analise inapropriada
investiga~ao
rela~ao
SurveY5Inh?rS(?ccionais
Num slIlvey interseccional, dados sao colhidos, num celto
momento, de uma amostra selecionada para descrever alguma
popula~ao maior na mesma ocasiao. Tal survey pode ser usado
nao 56 para descrever, mas tamben1 para determinar rela~oes
entre va riaveis na epoca do estuclo.
Uma pesqllisa para determinar jnlen~6es de votos C
lim exemplo de pesquisa interseccional. Vale a pena notaf
qu e, ripicamenre, se inelaga aos enrrevistados: "Se a elei,?l0
Fosse hoje, en1 quem voce votaria?" Os resultados sao apropriaclamente relatados assim: "Se a elei~ao Fosse hoje, 0 candidato X venceria disparaclo." Um Sltrvey pa ra determinar taxa
de clesemprego clesereveria 0 desemprego cia popula,ao na
epoea do estudo.
Do mesmo modo, lim survey interseccional da rela ~ao
entre religiosidade e preconceiro relararia esra rela ,ao nJ
epoca do esrudo. Voce pode relarar qlle pessoas religiosas
sao mn is preconceituosas cia que pessoas irreligiosas, mas
reconhecendo que esra rela,ao pocle mudar posreriormenre .
Um sllrvey sllbsequente poderia enconrrar lima rela,no be m
diferente. (Em geml, porem, tais rela~6es rendem a persistir
mais rempo do que as cleseri,oes.)
No estl.ldo constante do preconceito nos EUA, freqlientemente os entrevistados sao indagados se <leham que crianc;as
negras e brancas deveriam estuclar na mesma escola. Com 0
pass:.u des anos, os percentuais a favor de escolas racialmente
integraclas vem aumentanclo consistenrementc. Tais daclos permitem que pesquisadores observem tenclencia.s nas atitucles com
rela~ao fl integra~ao racial.
vezes cnvolvem longos periodos de coleta de dados. Tipicamente, voce niio colhc pessoalmente todos os dados lIsados
num estuclo de tendencias, mas, ao inves, faz uma analise
rehl,iio entre filia,iio religiosa e prefercncia (Oolitica. Traciicionalmenre, cat6licos e judeus nos EUA tendem a votar no Partido
Democrara mais do que os protestantes, mas esra rela~ao pode
survey podem nao querer ou nao pocler participar poS[eriOfmente, 0 ponto forte dos estudos de painel e a capacidade de
examinar as mesmos responden[es em diferentes ocasioes,
esta vantagem se perde quando respondentes nao panicipam
de cliversos surveys.
Segundo, a analise cios dacios do painel pode ser bem
complicada. 0 principal mecanismo anali[ico e a tabela de
lnudanrClS, que faz tabula~oes cruzadas de alguma cara((erfstica em mais de uma ocasiao. Par exemplo, respondentes
que preferem 0 canciiciaro A no primeiro slIruey sao ciivididos
entre as que continuam a preferi-Io no segundo survey e os
que agora preferem 0 candidato B. Os eleitores que, da primeira
vez, preferiram 0 candidato B sao divididos de forma semelhante, Aumentando 0 numero de surveys, de variaveis e a
complexidade das variaveis, a am'i.lise e a apresenta~ao dos
ciacios podem se rornar inaciminisrraveis (ver 0 Capitulo 14
sobre as dificuldacies cie analises ripoI6gicas).
Por rod as esras razoes, esrucios de painel sao realizacios
com n1enos freqliencia do que outros tipos de survey. Mas 0
esrucio de painel e 0 ciesenho cie survey mais sofisricacio para a
maioria dos prop6sitos explicativos. (E 0 que n1ais se aproxima
do cl:c'issico experimento em laborat6rio.)
hproxima~ao de
Surveys Longiludinais
Sem duvida, 0 survey interseccional e 0 desenho de pesquisa usado mais frequentemente, embora muitas, senao a
maioria, das questoes que 0 pesquisador quer responder
envolvam alguma no~ao de mudan~a no tempo. Alguns mecanismos podem ser empregados num survey interseccional para
aproximar 0 estudo de processo ou mudan~a.
Primeiro, as respondenres devem fomecer dados relevantes
para quesroes que envolvem processo. Por exemplo, pode-se
perguntar a eles a rencla cia famflia no ana atual e no anterior,
e estes clados usaclos como se tivessem sido colhiclos num
estudo de painel com duas ondas de entrevistas, com um
ano cle intervalo. Mas ha dois perigos aqui. Primeiro, que
respondentes possam nao conseguir informar com exatidao.
Quanto mais longe tiverem de ir na mem6ria, menos exata)
provavelmente, sera a informat;aO prestacla. Segundo, as
pesquisadores nao devem se enganar e interprerar os clados
do ana anterior como interse~ao cia popu l a~ao daquele ano,
visto que a amostra e limicada a popula~ao arlla!.
hmoshas Pa ralelas
Um problema de pesquisa pode as vezes ser particuJarmente reJevante para mais de uma popula~ao. Por exemplo, se
voce for um pesquisador educacional, pode querer amostrar as
rela~ao
it propos[a de um c6digo de
Estudos Contextuais
Como observamos ao discutir unidades cle analise, pes-
estudo sociometrico.
sele~ao
soas podem ser clesc ri[as em [ermos clos grupos a que per-
fscolhendo
Desenho hpropriodo
sU1~uey
interseccional.
Mais comumenre,
Resumo
as
sidades de pesquisa.
Nolas
1
Para uma
Leituras ~di(ionais
COOK, 1110111as D., CAMPBELL, Donald T. Qllasi-E,perimelltaIiOn
Design and Analysis Isslles for Fielcl Seltings. Ch icago: Rand
McNally, 1963.
GLOCK, Charles Y. Slirvey Design and AnalysiS in Sociology.
In: GLOCK, Charles Y. (Ed .). Slirvey Research ill the Social
Sciences. New York: Russell Sage Foundation, 1967. p.1-62.
Capitulo 5
~ L6gico do ~mostrogem do
uma amostra -
de lima
amostrar, em geral, nao sao conhecidas. Consideremos brevemente estas fazoes, antes de nos voltarmos para a 16gica e as
tecnicas da amostragem.
todos os componentes de uma popula~ao. Este fate aparentemente bizarro resulta de diversas caracterfsticas cia !ogistica
do survey por enrrevisra.
Survey
da elei,iio
e0
cia fim das entrevistas. Em vez disso, rem que dar alguma
precisao
o treinamenro e assim
POI'
Cotas de Gallup
fez.
Doze anos depois, Gallup e a maioria dos outros pesquisadores de opiniao poifrica passaram pelo consrrangimento
de preYer a vitoria de Thomas Dewey sabre Harry Truman.
Como obselvou Goodman Ace, aCidamente: "Todos acreditam nas
importante, contudo -
sendo
Sll ruey.
Para com-
Tabela 5-2.
ThBHh 52
Pesquisas de apinioa palilica anles da eleitoo de 1988
Bush
Dukakis
55%
45%
56%
44%
55%
45%
53%
47%
55%
45%
53%
47%
cns News /
fONIE - Dad" tirod" d. Pub/ic Opinion, p.39, no,.ldez. 1988. lad" "dad" laram "I.il" para
TABHA 51
RelUltadas das pesquisas de baca de urna: navembra de 1988
Bush
Dukakis
54%
46%
54%
460/0
54%
46%
54%
46%
fONIE - Oad"lirad" d. Public Opinion, p.1516, jon.llev. 1989. 0, dad" do CBS I"am "I.il" para
exduic 01 "relpoltol noo".
di strib lli~ao
amostral, que
ea
base para estimar a precisao dos achados do suruey por amostragem. Estas discussoes reoricas serao seguidas par considera~oes sobre molduras de popula,oes e de amostragem,
Para nossos fins, e mais impol1ante assinalar a heterogeneidade dos gnlpos socia is. Como as pessoas diferem de varias
formas, cada popula~ao humana e composta de inclivfduos
variaclos. Uma amostra c1e indivicluos de uma popula,ao cleve
canter essencialmente a mesma varia~o existeme na popula~ao,
para pennitir descri~6es (lteis dela. A amostragem probabilfstica
e unl metodo eficiente para extrair Ulna amostra que remra COITetamente a varial'<io existente na populal'<io como um todo.
fle mento
Um eiemenlo e a unidade sobre a qual a informa~ao e
coletada, e que serve de base para a analise. Tipicamente,
na pesqu isa de survey, os e lementos sao pessoas ou certos
tipos de pessoas. Entretanto, outros tipos de unidades familias, clubes, co rpora~6es etc. - podem tambem constituir
os elementos de um slllvey.
Uni ve rso
Um universo e a agrega~ao reorica e hipotetica de todos
os elementos definidos num s/I1vey. Se 0 americana individ ual for 0 elemento do su.rvey) entao "americanos" serao 0
universo. Porem, urn universe de survey e totalmente nao
especificado quanta a tempo e lugar e e essencialmente um
te rmo intiti!.
Popu la~ao
Popula(:ao e a agrega~ao teo rica mente especificada de
e lementos do survey. Embora 0 teflno va go "americanos"
possa constituir 0 universe de um SUlvey, deli near a popula~ao
inclui definir 0 elemento "americano" (por exelnplo, cidadania
e residencia) e 0 referendal de tempo para a pesquisa (americanos desde quando') Traduzir 0 universe "nova-iorquinos
adul tos" para uma popula~iio trabalhavel requer especificar
a idade, definindo "adulto", as fronteiras de Nova lorque
etc. Especificar 0 termo "eswdante universitario" inclui levar
em conta estudantes de horario integral e parcial, candidatos
a diplomas ou nao, estuclantes dos cursos de gradua~ao e
pos-gradua~ao e atributos similares.
Embora se tenha que come~ar especificando cuidadosamente a popula~ao, em geral a licen~a poetica permite que voce
escreva seu relat6rio em tenl10S do universe hiporetico. Por facilidade de apresenta~ao. mesmo 0 pesquisador mais consciencioso
normalmente fala de "americanos" e nao de "cidadaos residemes
nos Estados Unidos da America a partir de 12 de novembro de
Populatoo do survey
Moldura de Amoshogem
defini~iies
e a lisra de unidades de
ea
Portanto, a
popula~ao
de amostragem
popula~iies
de survey,
indicado nos
exemplos acima. Firmas de pesquisa de opiniao pod em limitar
suas "amostras nacionais" aos quarenta e oito estados adjacentes, omitindo, par razoes praticas, a Alasca e 0 Havaf.
Um pesquisador, ao selecionar uma amostra de professores
la~iies
de psicologia, pode limitar a popula~ao do survey aos professores de psicologia em departamentos de psicologia, omitindo os que pertencem a outros departamento,. (Num cerro
sentido, podemos dizer que estes pesquisadores redefiniram
rela~ao
e crftica,
entre
popula~iies
de sU/vey mais
e molduras de amostragem
Unidade de Amosha
popula~ao
Unidade de Observatoo
Uma unidacle cle observafao, ou unidade de colera de
dad os, e um elemento ou agrega~ao de elementos de que se
coleta informa~ao. A unidade de analise e a uniclade de observa~ao muitas vezes sao 0 meSl110 -
a pessoa inclividual - ,
necessario. Por exemplo, enrrevistar chefes
de familia (as unidades de observa~ao) para coletar informa~ao sobre todos os seus membros (as unidades de analise).
A tarefa e mais simples quando a uniclade de analise e
a uniclade de observa~ao sao 0 mesmo. Mas, frequentemente,
isso nao
possIvel ou viavel, obrigando-o a usar alguma
engenhosidade para obter clados relevantes de suas unidades
de ana lise, sem de fato observa-Ias.
Variavel
os elementos de uma popula~ao em refnlDS das suas caracteristieas individuals numa variavel. Tipicamenre, surveys visam descrever a distribui~ao das caracteristicas de uma varia vel numa
popula~ao. Assim, voce pode descrever a d istribui'.;ao eraria de
uma popula~ao examinando a freqUencia relativa c1as diferentes
aumenta; voce pode dizer que tem 99,9"10 de confian<;a de que sua
estatlstica esta dentro de + 7,5 pontos percentuais do parametro.
Paromeho
Urn paramelro e a descri~ao sumaria de uma va ria vel numa
popula<;ao. A renda media de todas as familias numa cidade e a
distribui<;ao eta ria da popula<;ao da cidade sao parametros. Parte
importante cia pesquisa por surveys envolve a estimativa dos
par"metros populacionais baseada em observa<;6es amostrais.
fstati stiea
Uma estatistica e a descri~ao sumaria de lima varh'ivel num
survey por amostragem. Portanto, a renda media cOlnputada a
partir de urn survey por amostragem e a distribui~ao eta ria
daquela amostra sao estatfsticas. Usa-se estatisticas de amostras
para fazer estimarivas sabre
parametros populacionais.
Erro amoshal
o erro amos/rat e discutido com mais detalhes numa se<;ao
posterior deste capitulo. Metodos de amostragem probabilfstica
raramente Oll nunea fornecen1 esratfsticas exatamente iguais aos
pararnetros que buscam estimar. Entretanto, a reoria cia proba-
de dados perreitos.
Estas imagens de sele<;ao aleat6ria, contudo, raramente
se a plicam diretamente aos metodos de survey por amostragem.
E bem mais provavei voce usar tabelas de numeros aleat6rios
ou programas de computador que selecionam aleatoriamente
as unidades de amos tragem. A disponibilidade destes auxflios
a pesquisa torn a-os urn bom camer;o para nossa cliscussao
sobre a amostragem aleat6ria.
As raz6es para lIsar metodos de seler;ao aleat6ria, ou seja,
tabelas de numeros aleat6rios ou programas de cOlnputador,
f lGURA 51
Porcentogem de oluno! que oprovom
codigo esfudontil
50
100
flGURA 52
Porcentog em de ol uno! que oprovom 0 todigo esludontil
Amostra 1 (48%) \
Amostra 2 (51%)
.. .r
[
A Figura 5-1 apresenta um eixo de ordenadas representand o todos os valores possfveis deste pariil11etro na popula,ao - de 0 ate 100% de aprova,ao. 0 ponto medio do eixo
- 500/0 - representa a situa~ao na qual metade dos alunos
aprova 0 c6digo, enquanto a outra metade rejeita-o.
Vamos supor que demos um nl1l11erO a cada aluno da listagem, e que selecionamos 100 nlll11erOS de lima tabela de numeros
aleat6rios. Os 100 eSludantes cujos numeros forel11 selccionados
sao entrevistados e pergunrados quanto a sua atitude em rela~ao
ao c6digo estudanril- se aprovam ou rejeitam. Suponhamos que
esta opera,ao nos di 48 alunos que aprovam 0 c6digo e 52 que
rejeiram. Podemos representar esta estatfstica marcanclo a orclenada no ponto correspondence a 48%.
Amastra 3 (52%)
50
100
flGURA 53
Pomntogem de oluno! que oprovo m
co digo esludontil
........
.
..
.. .......
...........
.............
..............
................
......
..........
....
..............
....................
.. ................
80
60
.:::::::::::::: ::::::::.
::: ::::::: ~~ ~~ :~:~:~~ ~ :~~:~ .
40
20a
.:::::::::::::::::::::::::::::::::
.......................
:::::::::::::::::::::::::::::::::::::::::::::::
50
100
Para escapar deste dilema, vamos extrair mais e mais amostras de 100 alunos cada, perguntar a cada lima das amostras sobre
sua aprova~o/rejei~o do c6cligo e marcar as novas eS(.,1.t1sticas
no nosso grafico de resumo. Ao exrrair muiras amostras, vamos
descobrir que algumas das novas amostras repetem as estinlativas
daclas por amostras anreriores . Para explicar esta sjtua~ao,
popula~ao, e outros 34% ate um desvio paclrJo abaixo do parii..metro. No nosso exemplo, 0 erro padriio e 50/0, entao sabemos
que 34% das amostras clarno estimativas de aprova~ao estudantil
entre 50% (pariimetro) e 55% (um erro pacldo acima); Olltros 34%,
F6rmula:
JPo"
S -- 'J
--;:;-"-n-
Simbolos: P, Q: OS parametros populacionais para 0 binomial; se 600/0 do corpo estudantil aprovam 0 c6digo
e 40% rejeitam, Pe Q sao 60% e 40%, ou 0,6 e 0,4.
Observe que Q - 1 - PeP - 1 - Q.
1l: 0 numero de casos em cada amostra.
S: 0 erro padrao.
Suponha que 0 parametro popuiacional seja 500/0 de aprova~ao e 50% de rejei~ao. Recorde que estivemos selecionando
amostras de 100 casos cada. Quando estes numeros sao posros
na f6rmula, vemos que 0 erro padrao e igual a 0,05, ou 5%.
Em termos da teoria da probabilidade, 0 erro padrao e
um dado valioso porque indica em que medida as estimativas
aproximadamente dois
abaixo de 35% de
aprova~ao.
c6digo estudantil),
e
a raiz qlladracla na f6rmula,
recluzido pela metade se 0 tamanho cia amostra for quaclntp/icado. Em nasso exemplo, amostras de 100 produzem um erro
o que disclltimos provem da teoria da probabilidade estaa sele~ao de grandes nluneros de amostras
parametro populacional for conhecido e
alear6rias. Se
erros padrao do parametro e constante para qualquer procedimento de amostragem aleat6ria como a qlle foi descrita, contanto
que se selecione grande nlllnero de amostras. Contlldo, 0 tamanho do erro padrao e lima flln~ao do pariimetro poplliacional e
belecida, referente
aITIosrrais estao disrribuidas em torno do paramerro populacertas propor~oes clas estimativas amostrais estao c1entro de
incrementos especificaclos c1e erros padrao do parametro
ter~os
Advertimos que
se~ao
podem ser de
c6digo,
clllbes politicos,
associa~bes
profissionais etc.
de telefones, 0 catiilogo e lima moldllra de amostragem razoCluelmente boCt. s I nfelizmenre, com excessiva freqUencia, os catalogos telef6nicos sao lIsados como lista da pop"la,ao de lima
cidade ou dos se us e leitores. Hii mllitos defeitos neste tipo
de ra ciocin io,
nao tiverem sido inc1 ufclos, deve-se fazer um esfon;o para amoStra-Ios; do conn'ario, os achaclos do survey s6 podem ser cons i-
popula~ao
~Iparecer
hmostrogem Sistematica
A amostragem aleat6ria simples raramente e usada na
pratica. Em geral, nao C 0 metodo de amostragem mais eficiente,
e jii vimos que pode ser trabalhoso qua ndo feito manualmente. A AAS habitualmente requer uma !ista de elementos;
quando esta lisra esta disponfvel, geralmen[e os pesqu isadores usam 0 Illetodo de amostragem. sislemiiticCt, em vez da
amostragen1 aleat6ria simples.
Na amostragem sisteJnatica, cada ko elemento na lista
total (por exemplo, cada 100) e escolhido para inclusao na
amostra. Se a Iista rem 10.000 e lementos, e voce quer uma
amos[ra de 1.000 elementos, seleciona cada decimo elemento
para a amostra. Para garanria conna algum vies humano
possivel ao usar este metoda, voce seleciona 0 primeiro elemento aleatoriamente. No exemplo acima, voce came~1. escoIhendo um nlmlero aleat6rio entre 1 e lOj 0 elemento com este
nllmero e incluldo na amostra, mais cad a decimo elemento seguinte. Refere-se tecnicamente a este procedimento como uma
"amostra sistematica de inicio aleatorio".
Dois tem10S sao usados freqOenremente em conexaa com a
amostragem sistematica. 0 illlervCllo de Cll170slragem a distancia
10 no
e a propor~ao de elementos
problemas no ordena~'lo dos elementos da moldtlra de amostragem gerahnente podem ser remediados com facilidade.
Amoshogem Eshotificodo
Nas dLias
se~oes
Lembre que
elTO amostral
popula~ao
heterogenea. Se 99%
numerica (por exemplo, 101, 102, 103, 104, 201, 202, e assi,,'
popula~ao
neos da
popula~ao.
agrupar os elementos da
e organizar
popula~o
listas de professores podem indicar sua lota~ao par departamento. Arquivos de organiza~6es governamentais podem estar
amostra; por exemplo, podemos ter 0 limite de 2.000 entrevistas numa cidacle. Dada est a limita~ao maior, temos varias
op~oes para desenhar a amostra pOl' conglomera do. Num
extremo, podemos escolher um conglomerado e selecionar
2.000 elementos dentro dele, em Olltro, escolher 2.000 conglomerados e selecionar urn elemento em cada urn. Naturalmente, nenhum aconsel havel, mas ha muilas op~oes entre
estes extremos. Felizmente, a 16gica clas clistribui~oes amostrais prove lima diretriz geral a segllir.
Lembre que
eno amostral
pr6xima da verdade mais vezes do que 0 seu oposro - conglomerados identicos compostos de elementos muito divergenres.
Ponanro, a diretriz geral para
desenho de conglomerados
e maximizar 0
numero cle conglomerados selecionacios, climinuindo 0 nlllnero de elementos de cada urn. Mas esta cliretriz
cientffica cleve ser contrastada com as restri~6es administrativas .
maior. CLembre-se de que todos os elementos de um conglomerado selecionado devem ser listados, mesmo que poucos
vaG ser escolhidos na amostra.)
o desenho final
simples. Pesquisadores populacionais convencionalmente selecionam cinco residencias pOI' zona Oll qllalteirao de recensea-
designa~ao
de
e a homogeneidacle.
e clar
uma determinada propor,ao de elementos de cada conglomerado selecionado. Com lima popula~ao de 100.000 elementos
agrupados em 1.000 conglomerados (de tamanhos variados),
pretendendo amostrar 1.000 elementos, voce seleciona um
decimo dos conglomerados (100) com igual probabilidade e
subseleciona um decimo dos elementos de cada conglomerado
escolhido. Assim, cerca de 1.000 elementos sao selecionados e
cada elemento na popula~ao tem a mesma 0/10 x 1/10 ~ 1/
100) probabilidade de sele~ao. Esta tecniea de sele~ao de amostras, em bora a mais clara e simples, n5.o e a mais eficiente.
A maio ria das amosrragens por conglomerados envolve
conglomerados de tamanhos I11u iro diversos (em nlllnero de
elementos). 0 pesqu isador de reJigioes encontra igrejas muito
grandes e muito peque nas. 0 pesq uisador pop" laeional acha
quarteiroes l11uiro populosos e outros nem tanto. Alem elisso) os
conglomerados pequenos lTIuitas vezes sao mais numerosos
Nao
ha !"azao para
conglomerados discutiu
a maior eficiencia inerente a sele~ao de muitos conglomerados,
com poucos elementos sendo retirados de cada um. Este principio e posto em pn'itica atraves do metodo de amos/ragem de
pOl'
selecionar maior nllmero de conglomerados, garante a representa~ao dos elementos de conglomerados grandes e do a cada
elemento na pOpllla~ao igual chance de sele~ao.
conglomerado selecionado, dividido pelo tamanho da populac;;ao. I sso, e claro, e 0 tamanho cia amostra dividido pelo
tamanho da popula~ao.
Costuma-se fazer duas modifica,oes neste desenho de
probabitidadeJ
do elemenlo
[ numero de
[parte do aglomerado ]
:: aglomerados X
selecionados
tamanho do aglornerado
elementos
selecionados
por aglomerado
X
[
tamanho do
aglomerado
habitual
e combinar
e represen-
prececlemes, assinaiamos que as varios procedimentos de amostragem resuitam 1111ma chance igual de seler;no - mesmo que a
e reti racla
As vezes,
e con'eta
desproporciona is. Por exemplo, voce pode amostrar subpopula,oes desproporcionalmente pa ra gara ntir nllInero suficiente
de casos de cada subpopula,ao para analisc.
decaclente da cidade, que e 0 numero que voce teria selecio nado e entrevistado se quisesse 500 moradias na regiao
clecaclente e tivesse recursos para uma amostra total de 2.000.
As vezes e possivel fazer c6pias clos arquivos cle claclos
em cen os casos -
Suponha que voce est" planejando um slirueypor amostragem cle 1.000 residencias numa cidaele e que a cidade tem
representa ti va cia cidade Ihe cia ria aproximadame nte 250 resiclencias nessa regiao e 750 no resto cia c iclacle. Mas, 250 casos
SCI'
(500) cia reg iao decaclente que 0 clo res to cia cidacle. Entao,
sele~ao
em rela,ao
'IS
de
hmoshagem Nao-Prababilistica
Apesar cia superioriclade dos metodos de amostragem
probabilfsticos na pesquisa de survey, as vezes lIsam-se metoclos
nao-probabilfsricos em seu lugar, em geral em situ acoes em
que a amosuagem probabilistica seria dispendiosa ciemais
(onf ia n~a
fac iliclacle e baixo custo deste metoclo explica sua popula ridacle,
mas estes s/llwys raramente produzem claclos com algum valor
generico. Embora sirva a finaliclacle de pre-testar um questio-
e masculina
e,
nario, este merodo de amostragem nao cleve ser lIsaclo para lim
cligamos,
a amostragem
por coras .
Primeiro, a I110lclura elas cotas (a propor~ao que as diferentcs
celulas representam) deve ser precis:!, e muitas vezes e clificil
ap ropriados a a lguns surveys especificos - um estudo cle consumiclores claquele sboppillg, por exemplo. Entretanto, nestes
casos, outro problema de amostragem e que a maior parte
devem enconU-ar
f0ll11aS de proviclenciar LIma amostra represemativa da popllla~ao
SlllWY
~n6lise de Conteudo
tecnicas de al110stragem disc ulidas acima podem ser facilmente adaptadas. As uniclades de amostragem poclem ser
palavras inciiviciuais, [rases, paragrafos, artigos, liVfOS etc.
procurar conversar com os que chegam cedo e com os que chegam atrasados. Embora 0 observador nno tenha condi~oes de
estrarificar cle fo rma rigorosa a amostra de entrevistac!as, ele pode
ficar ma is sensivel a reparar diferen'Yas relacionaclas as vari5veis
citaclas, refinanclo as observa~oes de forma corresponciente.
Resumo
Este longo capitulo buscou familiariza- Io com as considera~oes ma is importantes na 16gica cia amostragem de survey
e com as tecnicas mais comuns de amostragem. Esta discussao
s i tua~ao
de campo que
Nolol
Par~ lima discuSS30 reccnte, vcr SQUIRE, Pcverill. Why the 1936 LilartllY
Digest Poll Failed. Pliblic Opillioll QllCU1crly, v.52, p.125-133, primavera
Capitulo 6
1988.
2
Veja, por excmplo, GLOCK, Charles Y., RINGER, 13~nj~l1~lin 13., n~l3l31~,
Earl R. To Comfort and {O Chailcllgc. Bcrkcky: UnlvcrslIy of CalifornIa
inverno 1988.
amostragem.
leituras hdicionais
BABl31E, Earl. The Practice
Wadsworth, 1989. cap.7.
de medicina em toclo
01 Social
terceiro
uma amostra por conglomerados de mulheres de igrejas episcopais no norte da California, usando llIn projeto PPT (probabilidade proporcional ao tamanho) para a se l e~ao de uniclades
Oakland, Calif6rnia.
dantes do campus principal da Un iversidade do Havaf. As pr6xinlas sec;6es descrevem os passos e as clecis6es envolviclas n::t
selec;ao c1esta amostr::t.
t6rio) para exclusao cia amostra. A amoso"" final foi recluzida para
cerca de 770.
seXQ
c assim
pOl'
eliante.
Mas a fita tinha arquivos cle toclas as pessoas que, por qualquer clefinic;ao concebivel, pocleriam ser chamaclas cle estuclantes.
Como varios destes aluI10s pareciam inadequaclos para os fms do
estudo, foi necessario clefinir a poPLlla<;c1o do SLI noey de fom13 n13is
restrita. A definic;ao final incluia os 15.225 alunos cle gracluac;ao
matriculaclos no campus Manoa cia universiclacle, cle toclas as
faculclacles e clepartamentos, em graclua\,,:io e p6s-gmduac;ao, e
alunos americanos e estrangeiros. 0 programa lIsaclo para a am05tragem limitou 0 estudo a alunos enquaclrados nesm defini~ao.
Eshatifi(a~ao
Sele~aa do hmosha
Uma vez agrupados por periodo Cpelo programa cle amos-
de medicina,
Em conclic;6es iclea is, lima lisra unica cle toclos os professores n os dois depan amentos ceria sido obticIa ou construfcla,
e lima amostra selecionacla a partir dela. I nfelizmente, es ta lista
parecia nao existir, de fo rma que se decidiu selecionar uma
am ostra por conglomerados em duas eta pas. Na primeira,
fez-se uma amostra de escolas de medicinaj a seguir, professores
tragem), extraiu-se uma amostra sistematica a partir. ~a .li~ta reordenada dos esrudantes. 0 ta manho da amostra fOI lnlclalmente
Modifi(a~aa da hmosha
de meclicina e pediarria.
lnicialmenre, foram selecionadas quatorze escolas. Mas
nem rodos os reitores qlliseram coeperar. A medida que as
rec usas foram chegando, lima escela alternativa para cada
lima foi escolhida cia !ism, da segllinte maneira: uma escola
adjacen te que reC Ll sav;} era escolhida joganclo Lima moeda.
Sele~tio de Professores
SLI ruey,
UlTill.
Igreja
Membral
Membras (acumulod,,1
Igreja A
3.000
3.000
Igreja B
5.000
8.000
Igreja C
1.000
9000
a fornecer a Iista dos professores. 0 principal gargalo na amostragem ocorreu neste ponto. Aumentar 0 nllmero de escolas (eria
aumentado
lll11:1.
se~na
410
Deve esrC1r claro que, assim, cacla igreja na diocese (inhn lima
chance de sele~ao c1iretamente proporcionai aD numero de membros. Uma igreja com 4.000 membros (inha duns vezes mais
dedicado
"OS
procedimentos de
sele~ao
da amostra usados
identicos em todas.
(onsidero~6es Ge rais
Como disscmos, planejamos uma amostragem de :lrea
par conglomerados. No primeiro est~lgio de amostrageIll, lima
amostra estratificada de quarleiroes de recellsea melllal devia
descri~ao
de quarteiroes.
de forma que nao foi possivel criar estratos com exatamente 200
iJ.\BHA 6-2
Esfratifita(oa de quarle iro es cam crescimenta na Area de Pabrez a 0
Todos os quarreiriies com crescimento 0.254 resid.)
80% ou mais nao-brancos (247 resid.)
30-79% nao-bra ncos (385 resid.)
36% ou mais a lugadas (214 resicl.)
35% ou mais a lugadas 07l resicl.)
29% ou me nos nao-bmncos (622 resicl.)
10% ou Illais em clete riora\=ao (214 resid.)
9% ou menos em deterio ra0io (408 resid.)
86% ou mais alugaclas (201 resiel.)
85% ou menos alugaclas (207 resicl.)
51
52
53
54
55
56
NOlA- rf!lid. = relidencial. Ulei ede ierma mail camum em lugar do lermo lecnicamenle carrela
e urn quarto ou tonjunla de quartol pora UIO
relidencial par uma penoa ou familia; umo relidencia ea peltoa au gfupa de penool relidinda numa
ullidade habitocianal.
Sele~ao
IhBHh 6-4
total
Numero de
residencias
Nome
do rua
Numero
do rua
Numero do aparlomenlo
au oulra idenliiica(lia
01
02
03
04
Walnut SI.
Walnut St.
Walnut SI.
Tenth Av.
2301
2303A
2303B
(102')
Duplex
Duplex
05
06
07
Tendl Av.
Tendl Av.
Tendl Av.
104
104
104
Ninth Av.
Ninth Av.
103
101
IABHA 6-3
Procedimenlo de ,elecoo dOl quorieiroel
Fai,a
Iralo (Irajela) Quarleiroa Numera de Talal
do wnw
do cenlo relidencial cumulativa cumulativa
27
27
27
28
27
28
18
5
23
4
14
2
12
30
26
80
48
51
12
42
68
148
196
247
1-12
13-42 selecionaclo
43-68
69-148
149-196selecionaclo
197-247
NOlA - 10101 relid.l2=123,5; n' ol"lorio "Ire 1e 123,5=35; n' ol"lorio + (10101 rerid./2)=158,5.
Um programa de computador foi projetado para realizar
a maior parte dos passos descritos acima. Os quarteiroes foram
47
48
a mesma probabilidade de
sele~ao, 0
peso
e irrelevante, exceto
Oakland
e um
de
sele~ao:
5/ 24 = 0,1471.
Probabilidade Ceral. Multiplicando as f6rmulas separadas para obter a probabilidade geml, temos 0 seguinte:
(2TEQ)(n)/(TE)(NFQ). No cxemplo acima, a probabilidade
geral de sele~ao e (2x30x5)/(247x34) = 0,0357, ou cerca de
1/28. Observe que esta probabilidade e menor do que a fra~ao
de amostragem visada de 1/20 na Area de Pobrcza D. A razao
para esta discrepancia que 0 estrato 1 tinha 247 residencias
em vez da meta de 200, e 0 quarteirao 27/5 tinha 34 resiciencias em
vez das 30 estimadas. Portanto. cacla uma das cinco resiciencias
que eles ten ham i1usrrado a 16gica basica cia amostragem cle
survey, ajuclando-o a improvisar sabiamente quando se deparar
com urn problema novo.
Nolos
Em sua maior parte, um quarteirao cle recense.lmento (: 0 mesmo que
lllll quaneir.l0 cle ciclaclc lima area mais ou menDs rctanglllar, Iimitacla
pDf quatro ruas, com casas alinhaclas aD longo clas ruas. Emreranto, ern
alguns lugares as fuas sao irreglliafes, e blocos de rormato eSlfanho
recebem 0 nome de quarleiroes.
I
Resumo
Os quatro exemplos cle clesenhos cle amostra foram apresentados de forma a dar um quadro mais realista clas situa~oes
de amostragem com as quais voce pode se clepar:1f na pratica.
Ernbora estes exemplos nao esgotem as possibilidades cle
variac;ao em concli~Ocs de campo, objetivos do esruclo c recnicas
de amostragem, eles i1ustram as situa~oes rna is tfpicas. Espero
Capitulo 7
(onceitua~ao e Desenho de Inshumentos
processos, exami-
o capitu lo comec;a
seja, reduziclos a inclicadores empiricos especificos. A operacionaliza~ao de conceitos e inevitavelmente insatisfat6ria, tanto para
nunl fndice que chama de dasse socia l, voce criou uma medicla
de classe social; voce realnlente eliou um agrupamento e uma
status social segura mente e antigo. Embora nao 0 tenham verbalizado enl tel1110S abstratos, os pri111eiros humanos reconheceram
que alguns cleles tinham status social maior do que OUUos. Alguns
eram mais poderosos, alguns eram mais respeitados, e outros
recebimn maior autoIidade sobre seus pares. 0 reconhecimento
uma socieclade
clara. Aciemais, tais cliferenc;as parecem
importantes para compreencler oLitros aspectos da socieclade.
Em vista c1isso, 0 termo "status social" tem siclo aceito como
lima anota~ao resumicla do fen6meno. Mas 0 que realmente
significa 0 tenno "status social"? Uma vez que e apenas um
(erma para denotar Lim conceito geml, nao tem significado
que ela termine?" A maioria (59% dos que opinaram) disse sim.
Estes itens sao muitas vezes cirados como exemplo dos
efeitos de perguntas "tendenciosas". Entreranto, sempre
que e ITIOstracio a estuclantes, eles perguntam: "Qual pergunta
rorneceu a resposta correIa sabre as expectativas americanas
e0
religiosos etc. Em geral, diversos destes indicadores sao especificados e combinados durante a am'ilise de e1ados para fOlllecer
01.1
re ligioso. Embol-a possa iniciar com uma no~ao gel-al clo que
quer dizer com religiosidade, e igualmente provavel que voce
nao tenha qualquer inclicador em mente. Pam iniciar a processo
cia operacionaliza~ao, voce deve enumerar todas as diversas subdimensoes da variaveJ. Ao fazer isto, deve prestar aten~ao a pesquisas previas sobre 0 tema, bem como as concep~oes de senso
comu m sobre religiosidade .
Charles Y. Glock estudou, teorica e empiricamente, as
diversas subdimens6es da religiosicbde; seus estudos propiciam
um come~o excelente pal-a a abordagem do tema.' Ele discute
envo/vim.ento tit.Hed enquanto p::1I1icipa~ao em atividacles como
A opemciol1a/izarclo
para especificar medi~oes empiricas que inclicarao se as respondentes sao aitamenre religiosos, moderadamente religiosos, nao
se rv i ~os
Ao decidir 0 que a religiosidade pode sel; e preciso considerar tambem 0 que ela llelo
Deve-se tomar muira cuiclado
para naG constfuir itens de questioml.rio que indiquem ao mesmo
tempo a religiosidade e as varifiveis que se ira relacionar a ela,
e.
para enrender a
rela~ao
rela~ao ~l guerra.
que bem."
Tipos de Dado s
o Formato cle pesquisa de survey gera varios ripos de dados
(,reis para a pesquisa social, clos quais esra se~ao oferece
uma visao geral.
Ja
voce ve estas
Niveis de Medkoo
ta~6es,
Pode-se pedir aos respondentes para informar seu comportamento passado. Qual sabonete compral'am recentemenre?
Foram a igreja na semana passada? Em quem voraram na liitima
elei~ao? Eclaro que estas perguntas estao sujeiws aos problemas
A medi~o nomina/apenas distingue as categoIias que compoem uma variavel. Sexo, por exemplo,
A medi~ao ordinal reflete uma ordena~ao entre as categorias que compoem uma variavel. Classe social e um exemplo de
A medic;ao ordinal muito usacla na pesquisa social cientlfica. Embora tais meclidas sejam muitas vezes representadas par
nLlIl1erOS num Indice au escala, estes numel'os nao tem Dutro
significado alem cia inclicaC;ao cia ordem. Assim, lima pessoa com
alienac;ao e anti-selnitisIllO.
A pesquisa de survey tambem pode examinar comportamento prospectivo, real ou hipotetico. Assim, pesquisas
produzidos por respostas a uma pergunta desws sao provavelmente pouco confi;.iveis. Entretanro, ao mesmo tempo, os dados
gerados pelo item podem ser llteis para clescrever os respondentes como mais ou menos antifeminisras.
Medi ~ ao
de Ro zao
e lim
3110$
Nas perguntas fechadas, pecle-se para respondentes escolherem uma altemativa numa lista apresentada. Perguntas fechadas
silo muito populares, porque cL~o maior unifollllic1ade de respostas
e sao mais facilmente processadas. Respostas abel1as c1evem ser
sensores 6ticos pelos pr6prios respondentes, para entrada automatica dos dados.
A principal desvantagem clas perguntas fechaclas esta
na estrutura~ao das respostas. Quanclo as respostas relevantes
respostas malpensadas.
fornando
OS Itens
Cla ros
e a prolifera,ao de perguntas POlICO claras e ambfguas en contradas em muitos surveys torna necessario enfarizar este ponto.
Muitas vezes, voce fica tao envolvido com 0 tema estuclado
que opinioes e perspectivas ficam c1aras para voce, mas nao
para seus respondentes, muitos dos quais tedlo dado pouca ou
nenhuma atenc;ao ao (ema.
e c1l1vidoso
que a maioria se
complicados. !sto deve ser evitado. E irrelevante, para respondentes que nao estudamm 0 item profunda mente, que a inten~ao
de um item seja clara, se for estudada com cuidado. 0 respondente deve poder ler um item rapidamente, entender sua inten~ao,
e escolher ou dar uma resposta sem dificuldade. Em geml, voce
deve supor que os entrevistados iraQ ler os itens rapidamente e
dar respostas rapidas; portanto, voce cleve fornecer itens claros e
curtOS que nao serao mal interpretados sob tais concli~6es.
uma facil ma interpreta~ao. Solicitados a concordarem ou discorda rem da declara~ao "Os Estados Unidos nao devem reduzir seus
arsenais de armas nucleares", grande pane dos respondentes
passara por cima da palavra HaO. Assim, alguns concorda,,10 com
a declamC;do, mesmo sendo a favor cia redu<;'ao cIe al111aS nucieares,
enqllanto outros concordarao par opor-se a eta. E voce talvez
dizer que nao rinham tido chance para pensar sabre isso; 24,3%
OU menos um pe de comprimento".
Como regra geml, medidas precisas sao superiores a
medidas imprecisas, comO dita 0 senso comum. Nao ha condi~oes
em que medi~oes imprecisas sejam superiores a mecli~oes
este exemplo.
posi~ao com uma
OLi
inten~ao
Precisao e exaridao sao qualidades obviamente importantes nas mecli~oes de pesquisa e provavelmente nao precisam
cle mais explica~oes. Mas, quando cientistas socia is constroem e
ava liam medi~oes, prestam aten~ao especial a duas considera ~oes tecnicas: confiabilidade e validacle.
Confiabilidade
fazer as pergunms.
Medi~6es
Ha
Validade
~ertas expectativas teoricas sobre como a variavel satisfa~ao conJugal se relaciona a ou[n1S. PO l' exemplo, voce pode tel' conclufdo
quanta especificas.
o menor numero cle paginas possive!. Tuclo isso clesaconselhavel e mesmo perigoso. Mais cle uma pergunta por linha levara
Pesquisadores inexperientes tend em a remer que seus questionarios possam parecer lTIuiro 10ngos e, pOl' isse, apertam v{lrias
perguntas na n1esma linha, abreviam perguntas, e tentam usar
entre as duas.
A maioria dos conceitos realmente imeressantes que queremos estudar rem muitas nuanc;as sUfis, e e cliffcil especificar
precisameme 0 que queremos clizer com eles. Os pesquisadores
muitas vezes falam clesses conceitos como tenclo 'riqueza cle significaclo". Se voce duvicla, teme criar clefini,oes smisfm6rias e
meclidas para conceitos como preconceito, sarisfa yl0, alienac;ao,
religiosiclacle e Iiberalismo.
que rerminaram rapiclamente as primeiras paginas de um questiona rio que, a prindpio, parecia longo, se sentirao menos
clesmoralizaclos clo que se tiverem gasto um longo tempo na pri-
a pergunta base
FI GURh 7-1
forma lo, de re,po,la,
[ 1 lim
[ 1 Noa
( )
lim
1. lim
( )
Noa
2. Noo
[ 1 Noa ,ei
( ) Noo ,oi
3. Noo ,oi
Quest6es Contingentes
FI GURA 7-2
[[ 1
1 Nao
Sim
------,1
status de
recrutamento de jovens, sabendo que apenas homens redo este
status. Ou voce pode perguntar se 0 respondente peltence a Lima
certa organiza~ao e, se a resposra for positiva, se ja riveram
alguma fun"ao.
A segunda pergunta em cada exemplo e denominada
pergltll/a con/ingen/e, significando que a segunda pergunta e
contingente quanta
e contingente a
Em caso afirmativo:
Voce ja teve algum cargo na APP local?
[ I
[ I
Sim
Nao
FIGURA 7-4
P. 38. Voce Irobolhou olgumo vez durante a lemono pOllodo) (lncluo Irobolho
parcial, mal noo trobolho em COlO.)
FIGURA 7-3
14. Voce ja ouviu folor do Progromo Cidode Modelo)
1. SIM
-!P.38a.
[ 1 Sim
[ 1 Naa
1
Em casa afirmativa:
a. Voce em geral aprova
au desaprova a programa?
[ J Aprova
[ ] Oesaprova
[ ] Sem opiniao
r"
2.15-29
3.30-34
4.35-39
roo
Em casa afirmativo:
Qual toi a ultima vez que voce
compareceu a uma reuniao?
nenhum
2. Saiu de um emprego
P. 381.
+1 . Sim
r~"""""~
.3. Niio
P.38g.
a ultima semana?
1. Tomou conta da casa
2. Foi a escola
3. Ferias
4. Aposentado
5. Incapacitado fisicamente
6.0utro
2. 1 ou dais anos
3.3 a 5 anos
4.6 a 10 anos
5. Mais de dez anos
Voce esteve
procurando trabalho
nos ultimos 60 dias?
P.38c.
P.38h.
~
A Figura 7-4 mostra palte de um questiom'irio de entrevisra
visando cietern1inar 0 atual sta[us oCllpacional cia pessoa. Ler as
quest6es, clar respostas cliferentes e seguir as sews apropriaclas
ate a proxima pergunta 0 orienta sobre a inten~o clo pesquisaclor,
permitinclo que voce veja a faciliclacle que 0 entrevisraclor teve
para obter a informa~ao relevante de weios as entrevistaclos.
P.38d.
3. Nao,
8.60ou mais
_r
Voce estava
procurando trabalho ou
saiu de urn emprego na
ultima semana?
1. Estava procurando
{ 1. Quer rnais
[ J Sirn
[ J Nao
2. NAo
P.38e.
6.41-48
7.49-59
No ano passado,
P.38i.
ultimo emprego?
de um emprego por
causa de
deasaceleracao
economica
1 sim
2. Nao
.
3. Nao sabe
1. Demitiu-se
2. Desistiu
3. Oespedido
4. Machucado OU Incapacitado
5. Emprego sazonal
6.0utro
- - - - - - - . . PASSEApROXIMAPAGINA
....
Quest6es Mahiciais
Com freqi..H~~ncia, voce fara varias perguntas com 0 mesmo
FIGURA 7-5
Formoto de questao motriciol
17. Ao lodo de codo um dOl enunciodol oprelentodol oboixo, por fovor .indique
Ie vore roncordo fortemente ((f), concordo (() dllcordo (0), dllcordo
forte mente (Of) ou eda indecilo (I).
a.
CE
ill
[ J
[ J
[ J
[ J
[ J
[ J
[ J
[ J
[ J
atimr no mc em
aqueadores .................
[ J
[ J
[ J
[ J
[ J
etc.
Este formato rem numerosas vantagens. Primeiro, usa
espa~o
de forma eficiente. Segundo, os respondentes provavelmente acharao mais rapido completar um conjunto de perguntas
apresentadas desra forma. Terceiro, 0 Formato pode facilitar a
comparabilidade clas resposras dadas a perguntas diferenres
tanto para 0 enrrevisrado como para 0 pesquisador. Como
os respondenres podem rever rapidamente suas respostas a
irens anteriores nesre conjunro, podem escolher entre, digamos,
"concorda fortemente" e "concorda" com uma c1eclara~ao, comparanclo a for~a cia concorciancia com as resposras anteriores.
Mas ha alguns perigos inerenres a esre formaro. As vantagens podem encoraja-Io a esrrururar um irem de forma que as
respostas se encaixem numa matriz, quando \.1ll1 conjunto diferente, mais icliossincriitico, de respostas seria mais apropriaclo.
Alem disso,
modo discurido acima, e voce nao rera controle sobre es[e efeito.
A solu~o mais segura e rer sensibilidade para 0 problema.
Embora voce nao possa evirar 0 efeiro d o ordenamento de
perguntas, deve poder estimar esre efeito e inrerprerar os
resultados significa ri vamente. Se a ordem clas perguntas parece
ser uma questao especial mente importante num estudo, voce
pode fazer mais de uma versao do questiooc'irio, com diferentes ordenamentos de perguntas, cri ando conclic;oes para
eletenninar
Introdu,oes
apesquisa, 0
fim rapiclo.
respondeme a
Instru,oes fspecifiea s
Algumas perguntas podem requerer instru~oes especiais
pam facil itar a resposta adequacia, especialmente se uma pergunta
clifere clas instru\,oes gerais ao questionario como um toclo.
Al gu ns casos especificos ilustram esta situa~ao.
Apesar de ser desejavel ter categorias cle respostas mutuamente excJucientes em questoes fechaclas, muitas vezes mais de
Instru~6es
Toclo questionario, seja auto-aclministraclo Oll aplicaclo por
um entrevistador, deve canter instru~oes daras e comentarios
Instru,oes Gerais
Todo questiomlrio auto-administrado cleve
instru~oes
basicas sobre
come~ar
com
e '(nil comec;:ar ins{ruindo-os a indicar as respostas a certas perguntas com uma marca au um "X" na caixa ao Jaclo dOl resposla
cI
mesmo
valor a varios itens pode indicar 0 que eles real mente sentem
quanto aqueles itens, e um ordenamento for~aclo pocle produzir
respostas nao verdacleiras. Mas, se voce achar essencial que os
respondenres ordenem uma lista de ilens, voce deve fazer a lisla
tao curta quanto possive!. Como regra geral, nao pe~ para orclenar
mais clo que cinco ilens.
Em quesloes malriciais de mulliplas panes, voce cleve
dar instru~oes especiais, salvo se 0 mesmo forma to for usado
em todo 0 queslionario. As vezes, espera-se que os respondenres
marquem uma resposta em cacla coluna cia matriz, em outras
Inshu,6es ao fnhevistador
Um queslionario confuso aUlo-aciminislracio pode desmoralizar 0 respondente, mas UJ11 questiomlrio pOI' entrevista
confuso pode desmoralizar lanto 0 entrevistado quanlo 0 entrevistador, ponclo em perigo a eficiencia clesle ultimo. Ponanlo,
instrlH;Oes suplementares daras aos entrevistadores, fornecidas
componenles da residencia. Ao inves cle instruir 0 enrrev~~aclor a obler a iclacle de cada membro cia familia, voce cleve
ntar uma pergunta padronizacla para cacla ("Qual era a
apre~se
....
"
~
idade dele no dia pnmelfo de )anelfO de 1990' ) 0 Capl:ulo
adequadamente,
RC?produ~iio do Questionario
Tendo constrllldo 0 questionario, e preciso fazer c6pias
e melhor imprimir 0
e0
. un
lratamento
excelente deste lcma em DAVIS, James A.
I
,.
~ En(ontra~.:se
J.,
naliza~ao
Nolos
WHITEHEAD, Alfred North. Sciellce (mel tbe ModeI'll World. New York:
The Macmillan Company, ]925. p.56.
1
verao 198 .
SMITH, Tom. That Which \Y/e Call Welfar: by A~y Oth~r Name Would
Smell Swecter. Public OpinioH QucH1erly. v.)1, p.7)-83, pnmavera 1987.
Resumo
questionario
OLDENDICK, Hobert W.
Leituras hdicionais
CARMINES, Edward G., ZELLER, Richard A. Reliability and
Valid ity Assessment. Beverly Hills, CA: Sage, 1979.
GOULD, Julius, KOLB, William. A DictionalY of tbe Social
Sciences. New York: Free Press, 1964.
KAPLAN, Abraham. Tbe Concitlct of Inquily. San Francisco:
Chandler Publishing Co., 1964.
MIllER, Delbert. Handbook of Researcb Design (/lid Social
Measurement. New York: Longman, 1983.
OPPENHEIM, A. N. Qtlestionnaire Design and Alliltlde
Measurement. New York: Basic Books, 1966.
PAYNE, Stanley. Tbe A,t oj Asking Questions. Princeton, NJ:
Princeton University Press, 1965.
Capitulo 8
Este capitulo aborda a quest1io cia medi,ao. Especificamente, discute a constrw;ao de indices e escalas como medidas
de variiveis. Estas medidas cumulativas sao freqlientemente
usadas na pesquisa social, por varias motivos. Primeiro, apesar
do cuidado ao construir questionarios, raramente
passivel
9ue
nunca vao
a igreja
Indices e escalas combinam varios itens de questionario, evilando assim os vieses inerentes aos itens (Jnicos.
entre
estrlltLlr"" de inle1'lsidade
'
. . os_itens individuais. Um exemplo
.
les
cleve
eluciclar
esta
cllstm,ao.
S1l11 P
Suponha que queiramos mediI' 0 apoio dos americanos
(6) professor.
a
. Alguns responclentes estao _cllSPOStos
.,
reporter,
.. que comUI1lstas exer~am racias as ocupa~oes hstdcias.
permmr
d
Alguns nao quererem permitir comunisras em nenhuma e l~s.
Outros acham que algumas ocupa~6es pod~m e outr.as .nao.
Respondentes que dao respostas misras presul11IVelmente lIldlCam
que consideram algumas ocupa~~es mais in~portantes que out~a s.
Contuclo, as prioriclacles relatlvas clas cllferentes ocupa,oes
variam de respondente para respondente; nenhllma orclena~ao
absoluta e inerente as ocupar;6es em si.
fl
Pelas respostas, voce pode constJ'uir urn fndice clos compromissos relativos dos respondent~s para com as lib~rclades
civis dos con1unistas, baseado no numero de ocupa~oes que
e!es Ihes permitem exercer. Quem permitir aos comunistas
exercer todas as ocupa~6es apoia c1aramente urn grall maior
de liberclacle civil que quem Ihes fechar toclas as portas. Aleem
ciisso, voce sup6e que qllem permitir a um comunista exercer
tres clas ocupa,oes ap6ia mais as liberclacles civis clele clo
que quem permitir apenas uma ou duas, independenre de
quais forem as ocupa,oes. Tal inclice pode fornecer uma
medida ordinal util e precisa do Iibertarianismo civil. A parte A
cia Figura 8-1 ilustra a 16gica simples cia constru,ao cle inclices.
Entreranto, supon ha que as ocupa,oes clo exemplo
anterior fossem: 0) escavaclor cle valas, (2) professor de escola
secunclaria, (3) presiclente clos Estaclos Uniclos. Neste caso, hii
coda razao para acreditar que esses tres itens tern uma eslrutltra
de intensidade. Quem permitir a lim comunista ser presideme
certamente 0 cleixara ser escavaclor de valas au professor
secundario. Quem permitir a um comunista cavar valas pode
Ou nao pelTI1itir-U1e exercer as ouCras duas ocupa~6es. Provavelmente, sabenclo a qua11lidade de oCllpa,oes que um respondente permite a comunistas, saberiamos quais profiss6es permitiria. Nessa situa~ao, uma medida composta formada pelos
{res itens constituiria uma escala, [al como usamos 0 termo. A
parte B cia Figura 8-1 ilustra a constru~ao de uma escala.
Deve estar claro qlle escalas geralmente sao superiores a
indices, se pOl' nenhuma outra !'azao, porque escores de escalas
dao mais informa):ao do que escores de indices. Voce deve tel'
cUidado com 0 uso errado do terrno esca/a; chamaI' uma medida
A!eguir temol 01 quoho tipol de eleolol que elperoriomo! obler de uma onelile dOl relpollo!. Umo
(oixo ,ombreodo indico a oceifocoo do ocupocoo a lef exer(ido por (omunillal.
CJ CJ CJ CJ
II
II
II
3
Alto
Baixo
(onstru~ao de indices
flGURA 81
indices versus escalas
Sele~ao
I Advogodo
II
filico
I Bib!iotwhio I Engenheiro
II
Profmor
II
Reporter
Prelidenle
Prof ell or de
emino medio
EHovodor de volo!
de Itens
ea
Item cleve aparecer para indicar 0 conservadorismo do respondeme (ou seu oposto, 0 liberalismo). Filia,ao a partido politico
Sena urn desses itens. Se pedirmos aos respondenles para
aprovarem ou desaprovarem as ideias de lima conhecida Figura
piiblica conservadora, as respostas podem logicamente fornecer
Outra'
- (e
I conservadorismo. Um pesquisador cons. JOel'Ica ~ao
tnllndo um indice de religiosidade pode considerar itens
~nveStigando a freql.iencia do responclente a igreja, aceira~ao
e certas cren~as religiosas, freqi.iencia de ora~oes e assim
por
e
:mdlca~ao
. 0 parece Olerecer
alguma
I cliante . Cada'tI em I'Istad
c a religiosidade dele.
Em geml, a literatum metodol6gica sobre conceitualiza~ao
e mecli\=ao enfatiza a necessidade de llllidimensionalidade
na constru \,ao
- cIe 111
- d'Ices e escalas; isto e, luna meclicla composra
lima
indica~ao
'
aprender sobre mecanismos basicos do que sobre cuidado completo ao paciente. Em resposta ao terceiro item, preferencias de
leitura, aproximadamente 80% preferiram a resposta cientifica.
Estes tres itens de questionario nao podem nos dizer
quantos "cientistas" ha na amostra, porque nenhum cleles esta
relacionado a um conjunto de criterios descrevendo 0 que consrirui ser um cientisra em sentido absoluto. UsaI' as itens para
rela~6es
flGURA 8-2
Relo(oes bivoriodos enlre itens sobre oriento(oo cienlrfico
correspondeneia entre os diferentes grupos. Quem parecer cientifico nllm item deve ter maior probabilidade de parecer cientifico
na resposta a outro item do que quem parecer nao-cientffico na
resposra ao primeiro. Devemos encontrar associa~ao Oll con'eJa~o
entre as respostas daclas a quaisquer dois irens.
A.
Pelquilodor
lrolomenlo complelo
do potienle
49%
13%
Meconilmol bOlitol
51%
87%
100%
(268)
100%
(159)
B.
Preforentic! de Leilura
Argumenla!
68%
30%
conservadores, moderadamente conservadores, poueo eonservadores e nada conservadores (ou, respectivamenre, moderaclamenre liberais e muiro liberais, ao inves das duas ultimas catego-
32%
70%
100%
(78)
100%
Efelividade
Principal InlmHe /!Iedica
lralamenla camplda
do pacienle
/!Iecani!ma! ba!ica!
(349)
c.
Preferencia! de Leilura
(Iinica
Pe!qui!adar
Efelividade
Argumenla!
85%
64%
15%
36%
100%
(78)
100%
(349)
FIGURA 8-3
Relaloe! Irivariada! enlre a! itens sabre arienlaloa cienlifica
Porcenlogem inleressodo nos meconismos bosicO!
cle itens sugere que eles poclem ser incluiclos num inclicc
composto, mas esta justificativa nao basta. 0 pr6ximo passo
na co nsrrw;ao clo inclice IS examinar as relapjes I1lultivariaclas
emre as irens. E preciso examinar as rela~6es simulrfmeas entre
muitas variaveis antes cle combina-Ias num (mico inclice.
A principal razao para construir um fndice e desenvolver
urn metoda para c1assificar respondentes nos rermos de alguma
Pr.ferenci" de Leituro
ffelividade
Argumenta!
27%
58%
(66)
(12)
58%
(219)
(130)
89%
FIGURA 84
Relo,Do Irivoriodo hipollilico enlre ilens de orienla,Do cienlifico
cio
Pareen Iage m
Preferincial de leitura
Clinica
Pesquiladar
51%
87%
Heli~dade
(66)
(12)
Argumental
51%
(219)
(130)
86%
leinlra e principal interesse medico. Se soubermos se os responclentes acham que podem ensinar melhor como c1inicos ou
como pesquisadores, conhecerl1los suas preferencias de leitura
nada acrescenta
tscore de Indices
o
de [ndA primeira
e decidir a amplitude
voce pode decidir que uma res posta em branco significa LIl11
"nao" e registrar os c1ados faltantes como se tivesse sido
marcacla a opr;ao "nao".
mal S
nao es
suge 1
mente, sugiro uma analise dos que nao responderam, tanto
uanto a possiveis vieses oa sua exclusao quanto as respostas
~eles
Valida~aa de indices
A[e agora, discutimos os passos da sele~ao e pondera~ao
dos i[e ns de um indice compos[o. Se cada passo for dado
cuidadosamente, all men[amos a probabilidade do indice realmente medir a vari avel a que se refere. 0 sllcesso oa criar;ao
Ha
valicia~ao
de lim
~ oM'.
VCllidClfCio ExternCl. Pessoas c1assificadas como polieicamente conservadoras no indice devem aparecer como conservacloras nas respostas a outros itens do questionario. Devemos
claro, que estamos falando de conservaclo~
c.ompreencler,
nsmo relativo; impossivel clar uma clefini~ao final absoluta
clo que vem a ser "conservaclorismo" de maneira definitiva.
Mas os respondcntes classificados como os mais conservadores pelo indice devem ser os mais conservaclores ao
e
e
responder oueras pergumas. Os c1assificados como menos conservaclores no fndice devem ser os menos conservadores nas
resposeas a ?unos ieens. 0 ordenamemo de grupos de respondences no Ind lce deve predizer 0 ordenamento deles nas
respostas a outras perguntas que lidam com orienta\,ao polltica.
orienta~ao
cientifica,
lABHA 8-1
Va lidatea do ind ice de arientateo cientifica
indice do Orientoceo Cientifico
Aleo
Baixo
34
42
46
65
valida~ao
sao
e examinar as rela~oes
medicos pesquisadores
Porcentagem que preferiria que as
l110
,.
. .
.rem de valida~ao indIca que a grande malona dos professores
43
60
65
89
32
66
61
76
94
99
Nao hft "receita de bolo" para este dilemaj ele e uma agonia
com a qual 0 pesquisador serio cleve aprencler a canviver. Ao
cabo, a sabecloria cia clecisao sabre 0 inclice sera determinada
de slilvey.
0130 van a v ,
.
.
.
'f rme . Com cinco categonas de respostas, eSCOles
nelra unt 0
ma
4
1 a 5 podem ser arribuldos, levando em conta a
de 0 a_ .. ~~ irem (por exemplo, atribuir 0 escore 5 a "concordo
"dlre~ao " nos itens positivos e a "cliscordo fortemenre" nos
fortemente .
- um escore
) Cada respondenre recebe enrao
tens negatlVos. ,
I
I
sentando a soma dos escores recebidos pe as
geral , rep re
....
respos ras aos ite ns 1I1c11Vlc!U2IS.
. _
o metodo Likert baseia-se na suposl~ao de que 0 escore
e resu lra das respostas aos varios itens que aparengera I, qu
f
I'd
tem a va ri a vel estudacla, ornece uma mee I a
tem ente refle
.
_
ente boa da variavel. Estes escores gerais nao sao
vellll
, .
ra ZO a
j d
-
Item
me IVI ua e
se~oes
sobre escalonamento.
ou "d iscordam forremenre". Modifica~oes na reda~ao das caregorias de res posta (por exemplo, "aprovam") podem ser feitas.
o valor particular desre Formato e a ordinalidade naoambigua das categorias de resposta. Se Fosse permirido aos
(onstru~ao de Eseolos
Bons indices fazem uma c1assifica~ao ordinal dos respondentes numa varia vel. Todos os indices se baseiam na supo-
indica~Oes
de tel'
inclina~ao
,t
perda de informa,ao.
dares ra ra mente
aparente. a escalonamenlo de Tburstone
procura desenvolver um rOlmaro para geral' grupos de inclicadores
de uma variavel com pelo menos uma estrutura emprrica entre
eles. Urn Formato basico e 0 de "intelvalos aparentememe iguais".
Da-se a urn grupo de "j ulzes" ralvez cem itens, que se
acredim serem indicadores cle alguma varia vel. Pede-se a cada
urn para estimar com que for\,a cada item indicaclor cia va riavei,
UIll
5. Voce deixaria .sell filho (.sua mha) .sc ca.sar com um albanes?
sidades. Por exemplo, quem deixar albaneses morar nn ViZInhan~a certamente as aceirara na sua comunidacle e na sua
oa\,ao, mas pode ou nao aceita-los como vizinhos pr6xim~s all
parenres. Esta e a csrrutura 16gica cia intensiclade inerente aDS ItenS.
IABELA8-2
pocIe ter um peso bem diferente mais tarde. Uma scala ll1Urstone
teria que ser perioclicamente atualizack'l para ser efetiva.
Principel
Inleresse
Pepel
Acedemico
+
+
+
+
+
TipoS d e
esca las :
Total - 383
Tipos
To tal - 44
+
+
+
+
Para determinar se hft lima estrutura escalar entre as respostas aos treS itens) clevemos examinar os varios padroes de
respostas posslveis aos (reS itens simultaneamente . Na Tabela
Escolonomento de Guffman
Uma tecnica de escalonamento muito popular hoie foi
desenvolvicla por Louis Gumnan. Como as escalas de Bogardus e
Thu rstone, 0 esca/onamenlo de Guttman baseia-se no fato de
que alguns itens podem ser inclicadores mais "diffceis" cia variavel
do que outros. Quem aceita um item dificil tambem aceita os
mais faceis. Se tal estrutura aparecer nos dados examinados)
item que perguntava aos respondentes se eles serviriam melhor como c1inicos ou pesquisadores IS 0 mais diflcil
dos (reS; se este Fosse 0 (Jnico indicador da variavel) s6 cerC3
de um ter~o deles seria considerado cientiftco. Se 0 item sobre
quase dois ter~os seriam considerados cientificos. A preferencia de leicura (efetividade cia tratamento versuS arg u
mentos) e 0 mais fadl; cerca de 80% dos enrrevisrado s
se ri am consiclerados cientfficos neste item.
mais fiicil.
A (s1tima coluna da tabela indica 0 numero de respondentes no survey, em cada padrao de resposta . E imediatamente
eVldente que a grande maioria (90%) deles se encaixa num dos
tipos de esca la. Mas a existencia de tipos mistos indica que os
!lens nao
.
( formam uma Esca Ia d e Guttman perfelta.
fu
Numero de
Cos os
116
127
92
nlis[os:
Preferencie
de Leilure
48
18
14
5
7
escores q ue recebe na
const ru ~ao
iaBm 83
{scores de indice e malo
Podr6es de
Respostos
Tipos de
Escalas:
+
+
+
+
+
Tipos
Misros:
+
+
+
+
+
Numero de
[ort6es
116
127
92
48
18
14
5
7
Escores
de
indire
3
2
1
0
Escores
de
Escola
3
2
1
0
Iota I de
Erros de
heolo
0
0
0
0
18
14
1
2
1
2
3
0
* Nolo- Ella lobela aprelenlo um me/ado comum para Ie ponderar "tiPOI millol", mala leitar deve sober
que OUtrOI me/adol /ombem 100 ulodol.
o grau com que um conjunto de resposrCls empfricas
e determinado
pela exaridao
partir dos escores de escala. Para cada um dos 427 respondenres do exemplo, prediremos rres respostas, com um roral
de 1.281 previs6es. A Tabela 8-3 indica que fa remos quarenta
e quarro erros usando os escores de escala atribufdos. A
porcentagem de previs6es correras e 0 coe!icienle de reprodllcibilidade, ou seja, a porcenragem de resposras "reproduzfveis".
No exemplo, 0 coeficiente de reproducibilidade e de 1.237/ 1.281 ,
ou seja, 96,6%.
Excero para
conjunto de
obselva~oes
empiricas.
. .
enre - que as polfticas externa e domestica tinham
emplflcam
,n :1ntidas separadas.
Tipologias
nas d ifere ntes celu las cia eipologia, voce tera p roblemas. Isto
fica aparence ao considerarmos as ma neiras pebs quais se
politica externa.
IABHA 8-4
Atitudes poro com
[onservodor
como conservadores e libera is no seu fndice ou escala. Entretanto, com uma tipo logia voce teria que ap resentar a distribl1i~ao cl os ho mens em sua amostra entre os tipos AI B, C e D.
A seguir, te ri a que repetir 0 proeedimenro para as mu lheres
Politieo h te rno
libero l
(onservodor
lib" ol
TABHA 85
.d
compos CaS -
Estilo de vida
Nome
IllU itos
ell-SOLl-ell
Resumo
Este caplculo abordou a logica e a conscru,ao de Indices
e esca las. As tecnicas descritas sao comuns na analise de
survey e exrremamenre valiosas. Boas medidas compostas
como Indices e escalas o ferecem as seguintes vantagens:
1. Onde indicadores unicos (po r exemplo, respostas a lim
item de queslionario) podem produzir lima medida
nar
fONIE - Adoptodo de MI1CHHl, Arnold. The NiM American liieliyh New York: Worner Baakl, 1983. p.424.
deito de vies.
truida
cia
a analise.
3. Escalas podem prover uma eficiente tecnica para reduzir dados. Um conjunto extenso de respostas de qu<.!stion{lrio pode ser resumido na forma de um (mica cscorc de
escala, sem pcrder muilo dOl informa~ao original.
Como Mitchell e outros demonstraram, as pessoas iclen4. Tipologias fornecem cJassificas;6es mullidil11ensionais, que
Nolas
0 exemplo, inclusive as tabelas, foi tirado de BABBlE, Earl. Science
arId Morality in Medicine. Berkeley: University of California Press, 1970.
Coleta de Dodos
Books, 1983.
CAPilULO 9
QUfSllONARIOS AUIO-ADMINISIRIIDOS
clIPilULO 10
SURVEYS POR fNIRfVISIAS
Leituras Adicionais
LA2ARSFELD Paul F, ROSENBERG, Morris (EcI .). Tbe Lallgl/age
o/Social Research. New York: Free Press, 1955. se,ao l.
milULO 11
PROCfSSAMfNIO DOl DADOI
milULO 12
PRf-lfllfl f fSIUDOI-PIL010
Os quatro capitulos cia Parte 3 aborclam os varios aspectos cia coleta de c1ados de
Sl-lfVey.
Examinaremos as ativi-
Capitulo 9
a sua
amostra
das aulas.
Recentemente tern sido feitas experiencins com a entrega
e deixado
recolher
e1 arem
Iivrero, talvez usando urn grampeador ou flta
. d
,.
adesiva. Esre metoda e um pouco arnsca 0, P?r vanas razoes.
Primeiro, for~a r os entrevistados a terem mals trabalho pro\'3ve1mente reduz a taxa de resposra. Na hora, eles podem
es
Metodo alternativo
Em alguns casos, este processo pode ser aincla mais
facilitado pelo uso de um questionario alltopostauei. 0 questionario e feito de tal modo que 0 endere~o do escrilorio da
pesquisa c a poslagem eSlejam impressos no envelope. Apos
completar a questionario, ele pode ser deixaclo no correia sem
necessidade de envelope.
Entretanto, voce cleve planejar com cuidado 0 uso deste
metodo, porque 0 correio tem exigencias especiais sobre a
forma dos materia is que podem ser postados. Questionarios,
em particular, precisam ser selados de uma certa maneira. A
seIagcm pode ser feita de varios modos. Se 0 questionario
for impresso na forma de Iivrero, pode-se fazer uma capa
com tres dobras em vez de duas. Assim, a contracapa rem
uma dobra extra, presa com fira adesiva. Quando 0 questionario
Se
endere~o
de posragem, como nas cartas res posta comerciais. Os pesquisadores tern opinioes divergentes com relac;ao aos meritos destes
dois metodos.
A autorizac;ao de carras res posta e similar a autoriza~ao
cia mala direta porque e impressa na correspondencia em
Monitorando as Retornos
A postagem de questionarios prepara 0 palco para uma
atividade que pode ser mu ito val iosa para a pesquisa. A
meclicla que os questiona rios rerornam, nao sente pregllic;o-
fa~a
gl'afico.)
Assim que os questioml.rios retomarem, devem sel' abeltos,
exantinados e numel'ados. Os nllmeros devem ser atribufdos em
seric, a medida que os questionarios retornam, mesrno se
(orrespondencias de ~companhamento
A Iitera tura metodol6gica sobre correspondencias de
acompanhame nto mostl'a que e las sao um metodo efetivo
para aumenrar as taxas de reto rno nos surveys pelo correio.
Em geral , quanto ma is tempo os enrrevistados em potenc ial
gastarem para responder, menor e a probabi li dade de eles
re sponderem. Portanto, as corresponclencias de acompanhamento enviadas na hora certa sao um estimli lo adiciona l para
o envio ci a resposta.
por uma subida e subsequente queda dos retornos, e as corres" . d e acompanhame nto trazem novas subidas de
Pond enclas
retornos. Na pratica, tres correspondencias (a original e duas
de acompanhamento) parecem ser 0 mais eficiente.
d"
. E importante
~ncl as. A Hteratura metodol6gica oferece guias menos preCISO~, mas minha experiencia diz que duas a tres semanas
um mterva lo raZO~lve
' I entre as corresponciencIas.
" . (Este penodo
.
pa ra e de -
tempo de correspon-
as
ha
Se os individuos na amosrra do slllvey nao forem idenrificados no quesrionario, sera cliffcil reenvia-lo apenas para
quem naD respondeu. Neste caSD, voce cleve enviar a correspondencia de acompanhamento a todos as membros iniciais
cia amostra, agradecendo os que ja participaram e encorajan-
queS
e"ra cia~ sse nos envelopes de envio pode produzir
raxas
de
pnm I ~
.
mais altas de respostas do que as malas dlretas que
lim pOu co
.
'd' '
'quina~ de postagem do correia,
mas as eVI enoas
na
assa
111 ~ Ina
.
...
P
a respel'ro nao
sao consistemes. Os aurores tnformaram rambem
qu e a cor do quesrionario pode aferar as raxas cle resposra
(verde e melhor que branco).
e que
Carloes posta is
Deciciimos que 0 suroey seria anonimo, esperanclo encorajar respostas mais francas a algumas pergllntas mais sensfveis. ( Surveys subseqi.ientes sobre os mesmos temas com a
mesma populac;;ao mostraranl que 0 anonimato era clesnecessario .) Ponanto, os questionarios nao teriam a identifica ~iio dos estuda ntes. Ao mesmo lempo, esperavamos que
os custos das correspondencias de acompan hamento pocliam
ser reduzidos, insislindo apenas com os que nao respondessem.
Sli rvey
pelo correio podem ser mais bem-compreendidos atraves de um estudo de caso. Portanlo, concluimos 0 capitulo
com a descri,ao deral hada de um survey fe ilo com estudantes cia Universidade do HavaL Como voce vera, a pesquisa nao
representou
ideal te6rico de tais pesquisas, mas eia serve
Questionario
o
po r
im pressas e po-las em ordem alfabetica. Oeste modo, locaIi za r a etiqueta de um cerro estlldante podia ser feito com lim
min imo de esfo r~o. (Nola: As eliquetas podiam ler sido
impressas em ordem alfabelica desde 0 inicio, se este problema tivesse siclo antecipado,) Para cada carelO recebido, procuravam-se as etiquetas claquele esmdante e elas eram c1estfuidas.
envelope.
A montagem foi feita atraves de um procedimento de
linha de ':lOntagem, envolvendo os varios membros da equipe
da pesqu lsa. Apesar de 0 procedimento ter sido organizado
com anrececlencia, foi necessaria uma certa pratica antes de
encontrar a melhar a l oca~ao de pessoas nas tarefas. Vale
notar que houve um atraso para trocar os envelopes por
olltros maiores, 0 que teria sido evitaclo se 0 processo de monta-
Postogem
A distribui~ao clos qllestionarios foi preparada para
ser feita por mala direta. Oepois de por os questionarios nos
envelopes, eles foram agru pados por CEI', separados em
pacotes e entregues nos correios .
comepram a chegar ao escritorio da pesquisa. Os questionarios foram abertos, lidos cuidadosamente e receberam
numeros de identifica~ao como descrito anteriormente.
Correspondencios de hcomponhomento
Apos dllas Oll tres semanas, as etiquetas de posta gem
rcstantes foram usadas para organizar as corresponciencias de
Resumo
_
du as observa~oes.
Capitulo 10
Segunda, a cronica detalhada de um 511 ruey pelo Correio, com todos as sells problemas, cleve trazer a tona a importancia dos pre-testes e estudos-piloto relacionados a todos os
aspectos do desenho da pesquisa. So mente testes avanpdos
podem revelar problemas que podem evenrualmente afundar toda
Surveys
lima pesquisa.
Po r
Noiol
, FOX, Richard J., CRASK, Melvin R., KIM, }onghoon. Mail SIIIWY Response
Rates. Public OPillioll Qualerly, v.52, p.467-491, in verno 1988.
Para um exame mais detalhado de vieses de nao-resposta, ver
DONALD, fl.larjorie N. Implications of Nonresponse for the Interpretation
of Mail Questionnaire Data. Public 0Pillioll Quater/y, v.24, n.], p.99-114,
1960, e BROWNLEE, K. A. A Note on the Effects of Nomesponse on
Slirveys. jOllrnal of Ibe Americall SJafislical Associatioll, v.52, n.277, p.2932, 1957.
2
o Capfrulo 9 focalizou
os questionanos auro-administrados;
Importancia do Enhevistador
Leituras hdicionais
DILLMAN, Don A. Mail and TelepboneSllrueys; The Total Design
Method. New York: John Wiley & Sons, 1978.
FOX, Richard J ., CRASK, Melvin R., KIM,;onghoon. Mail SlIIvey
Response Rates. Pllblic Opinion Qllarterly, v.52, p.467-49 1,
inverno 1988.
fntre vistas
3,S
Sondando Respostas
Algumas vezes, os entrevistaclos respondem uma pergunta inapropriadamente. Por exemplo, a pergunta poele
apresentar uma declara<;ao e peelir que 0 entrevistado
"concorde fo rtemente, concorde Inais ou menos, cliscorcle
mais Oll menos, ou discorcle forremente", e 0 enrrevistaclo
po de responder "acho que e verdade". Neste caso, voce deve
completar esta resposta perguntanclo "Voce cliria que
conco rda Jortemente ou concorda mais Ott menos?" Se
necessario, pode explicar que foi instfllfclo a marcar lima dessas categorias. Se 0 entrevistaclo se recusar peremptoriamente a
escolher, voce deve aceitar sua decisao polidamente e escrever a
resposta exatamenre como dada par ele.
Sonclar respostas e, mais comumente, necessario para
obter respostas a perguntas abertas. Por exemplo, face a
pergunta previa sobre condi~oes de trMego, 0 entrevistado pocle
dizer "muito ruim ". 0 entrevistador pode conseguir uma
resposta mais elaborada de varios modos. Algumas vezes, 0
melhor e 0 silencio; se 0 entrevistador se senta caltnamente
com 0 lapis em posi~ao, 0 entrevistado prova velnlente acrescentara alguns comentarios. (Esra tecnica e muito usada pOl'
reporteres cle jornais.) Boas sondagens verbais podem ser "Como
assim?" ou "De que maneira?" Talvez a mais usada seja "Mais
alguma coisa?"
FreqCl entenlen te, 0 enrrevistador precisa tornar as
respostas mais inform at ivas, para propositos analiticos.
Entretanto, em toclos os casos, e imperativo que as sondagens
sejam completamente nelilras. Nao se cleve, de maneira
alguma , afetar a resposta dacla. Se voce antecipar que uma
pergunta pode necessitar sonclagem para obter a resposta apropriada, deve fazer uma ou mais sugestoes, proxi111as a pergunta
no ~uestiomlri o. Esta pratica tem duas vantagens. Primeiro, voce
tera maIS
. tempo para refletir e escolher a sondagem melhor e
mais neutra . Segundo, todos os entrevistadores farao a mesma
coisa, quando necessario. 1'ort<1nto, ll1esmo se a sondagem 11aO
for inteiramente neutra, todos os entrevistados estarao, pelo
menos, sujeitos ao mesnlO estfmulo. Esta diret riz 16gica e a
;es ma diScutida com rela~ao a reda~ao clas perguntas. Apesar
e Uma pergunta nao clever ser carregada ou tenclenciosa,
. d os devem peJo menos ser submetldos
.
toclo s os entrevlsta
a,
meSma pergllnta, mesmo lima tendenciosa. .
Treinamento do Enhevistador
A maiaria dos surveys por entrevistas requer varios
entrevistadores, e algum dia voce tenl que treinar e supervisionar uma equipe de entrevistadores. POltanro, vamos discUtir
e essencial
..
geraIS . para freqiientemente podem especlflcar
algumas clas
..
expenentes
Instru,6es Gerais
treinamento cleve comec;ar com comentarios gerais
sabre a natureza do
regras atra
por que 0 sUlveyesta sendo feito e que ele e um empreendimento importante, ser.io mais cuicbdosos e diligentes no trabalho.
A descri~ao geral deve incluir 0 patrocinador do SllIvey,
seu prop6sito basico e como a amostra de entrevistados foi
selecionada. Os entrevistadores tambem devem receber uma
clescri~ao geral dos ou tros passos clo slilvey, inclusive como 0
questionario foi desenhado, como os claclos serao processados
e analisados. Se eles entenderem onde se encaiX3m nesse pro-
a equipe cia
ca~oes nao falarao sobre ela. Nestes casas, nao tome decis6es
rapidas; em vez elissa, prometa que a questao sera resolvida
na pr6xima reuniao. Trabalhe, entao, para achar uma solu~ao
apropriacIa, cIetenninar como ela se encaixa na 16gica cia intenc;ao
especifica~6es .
Tais
vice-versa. Como
estas entrevistas servirao como modelos pa ra as entrevistaclores,
clevem ser feitas precisamente de acordo com as instrw;6es ge-
mesmo
A medicla
caso clos surveys por entrevisra cara a cara, pode ser lima boa
das vezes
e melhor
completar
resto.
Eq uipe
o
procluzem claclos cle p io r qualiclade. Ap6s retirar os entrevis[adores fu ins, voce cleve iniciar as entrevistas verdadeiras
com mais entrevistadores do que tinha antecipado que
prec isa ria. Entrevisraclores contin uarao a c1esistir durante a
pesqu isa, e ou[ros ser.:l0 oonvidaclos a c1eixar a equipe. Quase
semp re, a equ ipe de entrev istadores chega abalada ao final
cia operac;ao; se pede aos melhores para fica rem um pouco
mais, para 0 encerramento.
Alguns surveys precisam de mais de um supervisor.
Apesar cle uma pessoa dever ser responsavel pela supervisiio
de toda a opera~ao, ela pode receber assistencia de uma equipe
de supervisores. Como regra basica geral, basta um supervisor
para cada dez entrevistaclores. Num grande survey par entrevistas
com varios supervisores, 0 responsavel par tuclo nao deve
supervisionar os entrevistaclores. Ele tem trabalho bastante
adnlinistrando a logistica da operac;ao, coordenando com 0
diretor do projero, possivelmente recrutando e treinando mais
entrevistadores e, e claro, supervisionando os supervisores.
Superviseo e Reviseo
Deve-se estabelecer procedimentos para 0 relat6rio
regula r dos entrevistadores ao diretor cia pesquisa ou aoS
supervisores, no caso de UJ11 estuclo muito grande . Num survey
por entrevista c:ua a cara, talvez 0 melhor seja fazer uma
reu niao regular, semanal, com cacla entrevistador. No horario
marcacio, 0 entrevistador apresema todas as entrevistas compietas, repassa-as a voce, e recebe outros endere~os. 0 reiarorio
e muita mais simples no caso de entrevistas por telefone. com
todas as entrevistas feitas de um local central, mas se os entrevistadores usa rem os telefones de suas casas, deve-se usar os
procedimentos mais elaborados que acabamos de descrever.
Voce pode iniciar perguntanclo e discutindo problemas
ocorridos nas emrevistas. Repasse cada questionario completo,
pracuranclo 'respastas omitidas, erros aparentes, respostaS i1egive is e qualquer coisa mais que torne 0 questiomlrio diflcil de
usar e interpretar. Procure lambem quaiquer coisa que sugira
Redishibuindo fnhevist as
Os entrevistadores devem ser treinados quanto 11 importancia de completar as entrevistas designaclas, devendo estar
preparados, em alguns casas, para persllaclir entrevistacios indecisos a participarem. Contudo, clevem sel' avisados para nao
exagerarem nesta tentativa .
FreqUentemente, urn entrevistaclor telefo na Oll chega em
momento inoportuno e e recusaclo pelo entrevistado, au algo
com rel a~ao it apa rencia ou postura clo entrevistador pode
levar a ll ma reClisa inicial. 0 entrevistaclor nao cleve for~ar 0
emrevistado a uma rejei~ao peremptoriaj pode ser que um
telefonema do supervisor para 0 entrevistacio, para cliscutir
a pesq uisa, gan he sua coopera~ao.
Algu ns entrevistadores sao mais bem-sucedidos em
o bte r coopera~ao do que outros . Sao capazes cle estabelecer
me lha r e mais rapidamente a rela~ao con1 os entrevistacios.
Ta!s pessoas sao icientificaveis no transcorrer cia pesquisa
~ e aconsel havel design a-las para as entrevistas c1iffceis. Se
IS [O fo r feito, Sua eficiencia nao cleve ser julgacla cia mesma
maneira que ados outros entrevistadores ja que entrevistas
dificeis
Ie
'ls tempo. Tambem
' ser correto pagarI
Yam ma
pode
hes mais, baseado na clificuldacle da tarefa e sua importancia
esp eCla
. I para 0 survey.
Verifica,ao de tntrevistas
Ha c1uas fazces para verifi car entrevistas. Alguns entrevista do res podem camerer erros honestos ao can tatar as
respondenres designados, especialmente com um desenho
comp lexD de amostra domiciliar; tambcm e passivel discar 0
numero errado. Outros entrevistadores simplesmente trapaceiam . Voce nao cleve presu mir que rodos os enrrevistadores
irao religiosamcnte tentar comatar e entrevistar as pessoas designadas. Na verdade, e raro 0 survey sem lrapa~a. Alguns enrrevistadores fazem apenas entrevistas rapidas e preenchem 0 questiona rio baseado nelas. OUlros so enrrevistam as respondemes
mais convenientes. Outros com pIe tam questiomlrios tomanda
uma cervejinha em casa. 6
Sempre que descobrir rrapap, voce deve acabar com ela,
mas, ao mesmo rempo, deve ren tar descobrir por que ela
ocone u. Voce podera concluir, se voce for honesto consigo
mesmo) que a trapa~a se deveu em pane ao sell proprio manejo
da opera<;fro de enrrevistar. Voce pode rer exigido demais dos
em revistadores, clado in st rll ~6es ambfguas ou, sim plesmente,
dado a impressao de considerar 0 rrabalho de campo abaixo
do seu status . Tais descoberras podem nao salvar 0 survey ja
em andamenro, mas podem ajuda-Io em ourros SlIrveys.
Demitir tnhevistadares
Na prarica, e 111uiro
Resumo
Esre capitu lo tocou de leve em alguns dos imporranres
elementos cia opera~ao de entrevisras eficiente. A inten ~ao dos
comentarios nao foi treina-Io como supelvisor cle en trevistas,
foi informa-Io sobre 0 que esta envolvido. Uma boa o pera<;ao
de enrrevistas requer supervisores e encrevistadores cujos
rreinamento e experiencia elaborem I11uito mais os pontes cobellos
r..10 resumidamente aqui.
Ao mesmo tempo, 0 direror do projero deve rer uma fun ,ao ariva no processo de enrrevisras. Voce precisa saber 0 que
esra envolvido para ajusrar suas demandas as realidades das
entrevistas no campo e estar numa pos i ~ao melhor para avaliar
o significado d os dados que receber. Como foi dito , sua
~resen~a durante 0 processo de entrevistas pode ter um
,mporranre efeito sobre a moral e a qualidacle d o rra balho
a ser executaclo.
No/as
Numa
T
d
~ ana Ise e taxas de resposta em 517 su rveys, John Goyder
Condum que
I'r
,
a ( I. eren\=3 nas tax;:Is d e res posta entre as surveys par
~nlrevistas e a ~ f .
I
.
'
, ANDEHSON
Effects r I ' Barbara A., SILVER, Bri:ln D., ABRAMSON Paul R. The
o t le Ra ce a r t Ile InterVIewer
'
'
Black R .
on Race-Related Alt itud es of
eSpondents'
SRe! S
'
Quarterl
In
CP National Election Studies, Public OPillioll
, REESE
., Slephen D D J
J" CHANG,
Tsan_ ' "
AN ELSC?~,
Leituras Adicionais
BRADBURN, Norman M., SUDMAN, Seymour e Associados.
Improving Inte/view Method and Questionnaire Design.
San Francisco: Jossey-Bass, 1979.
GORDEN, Raymond L. Interviewillg: Stf'dtegy, Techniques, and
Tactics. Homewood, IL: Dorsey Press, 1969.
GROVES, Hobert M., MATHIOWETZ, Nancy A. Computer AssiSted Telephone Interviewing: Effects on Intelviewers and
Respondents. Public Opinion Quarterly, v.48, p.356-3 69,
primavera 1984.
KAHN, Robert L., CANNELL, Charles F. The Dynamics of Interviewillg New York: John Wiley & Sons, 1967.
LAVHAKAS, Paul j. Telepholle Swvey Methods: Sampling, Selection,
and Supervision. Beverly Hills, CA: Sage, 1987.
1
Capitulo 11
,
Processomento dos Dodos
que
telesc6pio
contribui~ao.
~~entos
UI11
Durante a decada de 1950, os cartoes perfurados chamados comumente de cal10es IBM - foram adaptados a
armazenagem e recupera\ao de clados de pesquisas de survey;
ainda sao usados aigun13s vezes para isso. Mesmo se voce nunca
tiver rrabalhado com c1ados armazenados en1 cartoes perfurados, a l6gica desse metodo pode ajuda-Io a compreender como
os tipos de dados discutidos neste livro sao geralmente armazenados e recuperados nos dias de hoje.
espa~os,
Mais tarde, os complltadores e outros eqllipamentos de processamento de dados recuperaram os dados, localizando e lendo
eolunas especificaclas no cartao.
On1em
perfllra-se
,_'
c
<lrtaueis, e os CrlJerentes
oriffcios numa coluna corresponciem
aos a/ribl /
.
Pod.
Na pesquisa de
SU1Vey,
F I GUR~
11-1
00000000000000000000000000000000000000000000000000000000000000000000000000000000
11111111111111111111111111111111111111111111111111111111111111111111111111111111
22222222222222222222222222222222222222222222222222222222222222222222222222222222
33333333333333333333333333333333333333333333333333333333333333333333333333333333
44444444444444444444444444444444444444444444444444444444444444444444444444444444
5555555555555555555555555555555555555555555555555555555555555555555555555555555 5
66666666666666666666666666666666666666666666666666666666666666666666666666666666
77777777777777777777777117777777771777711711171111111117111711777117711777717117
88888886888888888888888888888888888888688888888888886888888888888888888888888888
um can t
Ha
erat11 feitas em computadores grandes e caros - as vezes chamados computadores maillframe- mantidos por depattamentos
centralizados de computadores; a maioria clas am'ilises ainda 0
e. Para
riio
decom puta~.,.~.
resultad
de
84
mstru~6es,
instru~ao
' .
as para serem apanhados no centro ou llnpressos
em seu termin al.
<
e transmi-
Oller
arOl.
..1 ,
- anunas
s ou "microcassetes" de 3' 5 polegadas
- 75 polegaua
_
, .
de ',de fita magnetica envoltas em papelao ou plasHco. Os
ndas
redo
. vanrados lIsam "discos rigid os" que armazenam
. lel11as l11alS a
d
515
'11 oes de byres (megabytes). 0 microcomputa or
d dos em m i l .
- .
b'd
a
I d' 'rei este texto tem lim diSCO ngldo em lIH 0 que
no qua Igl
azena vinre megabytes.
ar~
f'
podem conecta-I o a ree/es nacionais de computaciores. Os posslveis usos de tais redes sao inimaginaveis, e os servi~os
ciisponiveis atualmen te somente arranham a superflcie do
seu potencial. Por exemplo, voce pode discar um nurnero
para escre
.
. , d'
organiza minlla agenda e imprime mells compronussos
alem ISSO,
, .
.
de COl'sas
a fazer, controla minha conta bancana, an11azena
e hstas
~
t6rl'0 telef6nico c desempenha tarefas numerosas
.
meu d Ire
.
para listar. QlIando estou viajando, posso me registrar
d em3lS,
',rar 0 relefo ne da tomada, Iigar meu computador e
num I10tel , t
,
I
me comunicar com pessoas e computadores em rooo 0 palS. Quane 0
quero descansar, posso jogar xadrez com ele Oll salvaI' 0 mundo
de alienfgenas invasores.
modernos estao superando e5te problema de forma impressionante." Este problema ja esta soillcionado, como mostra 0
seguinre exemplo.
Quando eu era aluno de gradua~ao, ha vinte e cinco anos,
o Centro de Pesqui sas de Survey de Berkeley tinha lim complltado r IBM 1620, que ocupava aproximadamente 0 mesmo
espa,o de seis ou sete refrigeradores. Sua capac ida de de mem6ria era de 24 kilobytes (24K bytes), ou aproximadamente
24.000 caracreres de informac;:ao. Recentemente, comprei um
compurador/calculadora a bateria mais ou menos do tamanho
de llma carta de baralho. Sua mem6ria e de 32K byres! 0 computador de mesa que usei para esc rever este livro tem mais de
Microcomputadores
o
progresso mais uti! e empolgante ate hoje e 0 microcompulador. Provavelmente voce esta fanliliarizado com n1icr~-
~
.
sao
computadores e pode estar usando um. Essas maqu1I1as '
computadores completos, pequenos, nao I11l1ito maiores do q~e
uma maqllina de escrever (ou ate menares). As opera~6es saO
36
A medida
(odifi(a~ao
Para as computadores fazerem seus milagres, precisam
poder ler os dados coletados na pesquisa. Alem disso, eles
sao melhores com numeros. Se os respondentes de um survey
Ihe disserem que pensam que 0 maior problema da sua regiao, hoje, e "a ameac;a cia guerra termanuclear", a compu tador nao compreendenl esta resposta. Voce deve traciuzir
a res posta atraves de um processo cha mado codifica~ao.
A d iscussao sobre analise de conteudo do Capitulo 2 lidou com
o pracesso de coclifica,ao de moclo relevante a esta questao.
Lembre que 0 analista cl e conteuclo precisa desenvolver
metodos para classificar paragrafas, eciirariais, livros, can~6es,
ponanto, classifica~ao a u atributas espedficos. Na analise de
conteuclo, a codifica,ao e inerente a coleta cle dados ou a
observa,ao . Quanclo se usa outros metodos de pesquisa,
frequentemente e preciso um pracesso de codifica,ao ap6s oS
dados terem sido coletaclos. Por exemplo, os itens abertos do
questionario resultam em respostas naa-numericas que
precisam ser codificadas antes cia analise.
Como na analise de conteuc!o, a rarefa aqui e recluz ir
uma grande varieclade de irens idiossincraricos de in farll1a~~iO
a um conjunto mais limitado de atributos compondo lima
va ria vel. Por exempla, s u panha que voce perguntou aoS
entrev is tados "Qual e sua ocupac;aa?" As respostas varia~ao
consideravelmente . Apesar de ser passIve I atribu ir um e6dlgo
oeupa~ao
respondida, tal
=,u=b~~.
'
290
(onstru~ao
do livro de (6digos
pode rentar, inconscientemente, encontrar eviciencia, nos coment~lrios dela, de a religiao funcionar como substituto cia famflia.
EntaD, se passlve\, tente aehar alguem para codificar alguns
dos seus casas, para ver se esta pessoa Faria as mesmas atribui-
~oes que
fun~6es
que nao river celteza de como seus c1ados devem ser coclificados,
porque voce nao sabe quais variaveis os clados representam
"0 que voce acha cia icleia cle uma morat6ria nuclear?" Apesar de
haver antecipaclo a codifica~ao das respostas como positiva,
negativa ou neutra, improvavel que voce possu antecipar toda
c6d
Igos reflete um programa,
mas sllnilare
~
. ,
.
s, perm lte tambem dar um nome abrevIado a cada
FIGURA 11-2
Exernplo partial de urn livro de codigol
e s ua lun<;ao atua l na
Universidade Chapman?
1. Administra<;ao
2. Professor permanente
3. Professor contratado, em vias
de tornar-se permanente
4. Professor contratado
temporariamente
5. Diretoria
6. Fun<;ao mista
7. Outra
VAR. 4: Grau
Qual 0 mais alto grau academico que
voce possui?
1. Bacharel
PO I
3. Doutor
4. Outro
VAR. 5: Sexo
Qual 0 seu sexo?
1. Feminino
Acad
2. Prolessor Associado
3. Professo r
4. Professo r Adj unto
5. Outro
6. Nao aplicavel
2. Educa<;ao
3. Humanidades
pesq uisa.
1. Concordo fortemente
2. Concordo
5. Ciencias Naturals
6. Ciencias Sociais
3. Discordo
4. Discordo fortemente
7. Misto au outros
5. Nao sei
8. Nao aplicavel
2. Mestre
2. Masculino
VAR. 2:
folhas de Transferencia
o metodo traciicional de processamento de dados envolve
a coclifica ~ao dos dados e a cransfenencia dos c6digos acribuidos
parajo/bas de tral1sjerencia ou jo/bas de c6digo. Tais folhas sao
~radicionalmente divididas em oirenta coiunas, correspondentes
as colunas dos canoes de dados, mas podem ser ada pcadas a
QUCras co nfigu ra~oes. A Figura 11-3 i!uscra a folha de cransferencia . Os codificadores escrevem os numeros correspondenres
as cacegorias de c6digo desejadas nas colunas apropriadas
das fol has. Estas sao, entao, usadas para entrar as dados nos
arqui vos do compucador. Esca cecnica ainda e llCi! quando se
esta processando questionarios particularmente complexos
ou OUCros documentos-fonce de dados.
. Of
flGURh 11-3
Um revis
con fIrma
oU outfO
01
02
03
04
05
06
07 08
09
10
71
72
73
74
75
76
77
78
79
80
respostaS obscLlras,
Se a maior parte do clocumenro permitir entrada direta
formato do documento
e IUuiro
entracla cle clados sera tambi'm mais cficaz na coleta cle dados.)
FIGURA 11-4
lIullrocoo do inlercoo de dodol (omputadorizodo
(aso 1
1. Admin
1. Prof. Assist.
2. Permanente
2. Prof. Assoc.
3. Professor
4. Tempor
4. Prof. Adj.
5. Diretoria
6. Mista
5. Outro
6. Nao ApI.
7. Outros
Var. 2. PosAcad
sao dadas.
entam
a cOlTIpletarem seus questiomlrios direramente nessas
folhas. folhas paclrao poc1em ser fomecidas junto com instru~oes
sobre seu usc, ou folhas especiais ser preparadas para uma
~~ntes
~e
Algumas vezes, a entrada cle claclos pocle ser feita eficazmente usanda um scal1ller6prico, uma maquina que Ie marcas
de Hpis preto nllma folha de c6c1igos especial e cria arquivos
de clados correspondentes a estas marcas. as codificaclores
poclem transferir claclos codificaclos para essas folhas especiais
preenchendo os espa~os apropriaclos. As folhas sao depois
postas num scanllcr6ptico e os arquivos de c1ados sao crjados
rao esta
au tomaticamente.
scall ller
tamente a partir do questionario. As seguintes suges toes torna tarefa mais facil.
. Ha
~espostas
pre-codifica~ao
em questionarios auto-
adnlinistrados,
bOt11 menciona-la em nota introdut6ria ao
questionario. ("as numeros entre parenteses ao lado das categorias de respostas clevem ser ignorados; eles foram postos
fOlTI1ato deve leva r em considera~ao os metodos de processao ento que se usara. A maioria das sugestoes feitas aqui facilim , a codifica~ao manual. Se 0 questionirio for lido por uma
tara
,.
ill
C
'
'I
nutquina de leimra optlea, vel' Ique se 0 lormato esta compatlve
com a maquina.
FIGURA 11-5
leitura incorreta das marcas pelo sca n1'l.er etc. Devem ser
AF
II
II
II
[I
D
3
DF
4
NS
5
II
II
II
[I
II
II
[I
[I
II
II
[I
II
II
II
[I
II
1[1
Partido Republicano
2(
3(
Partido Verde
41
51
Outro
51
Nenhum
71
I
I
I
I
I
I
limpeza de Passiveis-C6digos
Qualquer variivel tem urn conjunto especificado de atributos legitimos, traduzidos num conjunto de c6digos possiveis.
Na variavel sexo, pode haver tres c6d igos: 1 para homem, 2 para
mulher eO para sem resposta. Se um caso foi codificado como 7
na coluna de sexo, com certeza houve um eno.
A Iimpeza de possiveis-c6digos pode ser feita de duas
maneiras. Primeiro, como vimos, os programas de computaclor
questiooc'irio.
Limpeze de Contingencies
A limpeza de contingencias
Resumo
A discussao sobre as op~6es e requisitoS do processa mento dos dados enfatizou a necessidade absoluta de um planejamento adequado da pesquisa. Voce nao pode primei:o
o
coletar os dados e depois come~ar a pensar como eles sera
Nolo
I HEISE, David (E(I.). Microcomputers and Social Researeb. Beverly Hills,
CAo 50ge, 1981. v.9, n.4, p.395.
Capitulo 12
Pre-Testes e studos-Piloto
'.
)1
i:
I'
projeto e nao
alca n~ar
erro imprevisto.
Neste capitulo, distinguiremos dois tipos de teste : pretestes e estudos-piloto. Pre-testes se referem ao teste inicial de
um ou mais aspectos do desenho do estudo, como 0 questionario,
de todo
desenho da pesquisa.
fozendo
OS
Pre-Testes
a cria e;ao
- c1e
.1
:i
.1
..
1. Todo
restado. Talvez a
preocupa~ao
aten~iio
modifica~oes
questionario e em
rcccp~ao.
Oll
melhor
pn~-testado
ta l como sed lIsado n<l pesqllisa; question{lrios autoadm in istrac10s e cronogramas de entrevistas devem se r prctestados aprop riadamente. Nao obstante, iSlO nao profbe 0
teste inicial do instrumento pOl' um metodo clifercnte.
Recomen da-se
pn~-lest:lr
SCraG
". cve-se
direit::l e esquerda _
(E
objetivo do prc(l'stc
cia popula~iio.
e que
- . postenores.
.
mente
mais
.
~
re Iaxa cI os nos estag!os
Senrem que,
Probl
e tern os questionarios em maos, a pressna aeaba e os
v d emas poclem ser resolviclos mais tranqiiilamente. Isso e
er ade em
.
d' f
lTIllitos casos, mas essa atiUlde pode ser seriamenre
IS lIncia
I
p
na se impedir 0 pre-teste dos proceclimentos de
rocessamento de clados.
' SSun qu
d
de da
- cIe questJo.
. OS
e dos elementos separados. A cata Ioga~ao
eficlent
- ..
, I, COCI'f'
t d de
tos revisao
II1lCla
1 IC<1<;ao, en ra a
ariaS com p le
n
I' peza e quaisquer outros elementos envolvlclos no
d dos 1m
c
a
, e nto cia pesquisa precisam ser coorclenados. lsso
rocessa!l1
~
P 'f'
Ie os produtoS cle um estaglo devem ser msumos
sigl1l Ica ql
_
riados do proximo e que deve haver coordena~ao de
aprop
" os questlonanos
,.
d e LIma sa 1,\
. _ clo tipo quem I
evara
deelsoes
tra on de os questiomlrios serao guarciaclos num certo
E claro
para
ou ~,
momento etc.
codifica~o
a analise
pretendida. Vcjam
alguns exemplos.
Um suroeyde popula~ao coleta dados sobre cada membro
da residencia. Os clados sao paelronizaelos, com lim registro
separado para caela membro. Entretanto, neste formato, poele
ser impossivel dere rminar facilmente 0 11.lfmerO de pessoas em
codT
I lca d ores que contem as pessoas e codifiquem a contagem
de pessoas num arquivo de resiclencia separaclo.) Igualmente,
~e ser diffcil relacionar os daclos cia residencia (por exemplo, a
de do chefe cia familia) aos arquivos e1as pessons inclividuais, a
menos que se tomem meclidas antecipaclas para penniti-Io.
I
a amos tr '
,
. planel'ada para 0 sUlrey final. Em qualquer dos casas, tera
mane",.
,
.
tado 0 desenho da amostra (ou extraida a amostra final).
s,do tes .
Ins
e importame
pre-testar os vanos
inter-rela~oes
va lidas
formato e a sequencia
nao cleve ser um veiculo para testar novos itens ainda nao
pre-tes tados.
D ito isso, vejamos uma excec;ao.
E razoavel
qlle
com a
inten~ao
list" para
estudo-piloto.
Analise do studo-Piloto
o cerne de urn survey sao a coleta, manipulacao e compreensao dos dados. Acima de tudo, pre-testes e estudos-piloto
visam assegurar a c r ia~ao de c1ados ure is. Consideremos
maneiras de reconhecer c1ados ureis.
(Iareza do Pergunta
Para serem uteis, as pergumas devem fazel' senti do para
as respondenres, mesmo se as implicar;oes mais evidentes clas
questoes nao fo rem tao evide ntes para e1es. Igualmente, as
categorias de respostas (se fornecidas) devem fazer sentido
tamoem Sl. mesmas quanta na rel a~ao com a pergunta, e LImas'
com as Outras. A seguir, mostramos alguns sinais de perigo que
poclem Surgir no pre-teste ou no estudo-piloto.
I
OmissCto de RespostCi. Geralmente, todo respondente pula
a
gumas perguntas, e toda pergunta e pulada por algue.n
Conrudo q
d
'
t
' uan 0 lima pergunta produz muitos "sem resposta'\
emos luna dIca d e pro b Ie mas no desenho clo Sll rvey.
de
,
narntes para s e IeClo
nar so uma res posta de uma lista de alter-
. d e lima. Se uma
pergu
r mats
qUe nta prod uzir muitas respostas muitipias, voce cleve suspeitar
au suas
. de respostas nao sao mutuamente
~
caregonas
perguntas fechadas. Seja oferecida ou nao esta op,"o, ter urn grande
superior
e coneto oferecer ao
a normal.
indica que as categorias fOlTlecidas nao sao suficientemente exaustivas. Se as respostas "outras" se ajllstam conceiruaimente a uma
formato do Questionario
E claro
problemas.
~upondo
ticos. A televisao
querer incl uI-la na lista. Entretanto, se muitos responderem televisao, voce pode c1ecidir excluI-la especificamente na perguora
basica (por exemplo, "Fora a televisao, qllal dos segllintes ... ?").
Respos/as QualifiCCIdas. Freqlientemente, os respondentes
qualificam suas respostas, tanto ao escolher uma categoria
fornecida quanta ao responder uma pergunta aberta. Solicirados
a informar sua "renda anual", eles poclem assinalar que estftO
informanclo a renc1a do ana passaclo
Oll
a estimativa cleste
cu~armente preocupado con1 a precisao clas respostas numa situat;;ao dessas, pergunte sobre a filia~ao a cada organ i za~ao em
perguntas separadas) em vez de numa listaj entretanto, is to
aumentara 0 tamanho do questiomlrio.
distribui~ao
clas respostas
1tO
I11U . Ir precisamenre conceltos
.como
"re I
IglOSId acIe " , para
f
de 111
. ."
I""
de pols
. . , . _
A base epistemol6gICa deste livro e a com"c~ao de que
tOS como "religiosidade" e "religioso" nao poden1 ser
ca ncel
nidos de maneira final. 0 melhor que podemos esperar no
.
,.
d e re Id
de fiI
' criar varias conceltua~oes
utels
IgI0S1 acIe,
prcs en te e
'
.
religiosas. (0 mesmo
e v:rdade
en tender os clados
voce poele ficar satisfeito com qualquer c1istribui,ao de respostas que obtiver. Pode ser interessante e valioso
saber, per exemplo, que todos na popula,ao aprovam uma lei
proposta, e voce pode querer replicar esra descoberta no
511 ruey final.
interessante,
que outras,
Procuranclo rela~6es entre variaveis, a pane mais interessante cia pesquisa social,
nas resposras.
<l
f:nrase cia
E neste
declara~ao:
da minha
cduca~ao
e uma
parte importame
superior." Se quase
educa~ao
:;uperior."
l!
rirao
que a d e sc 'lr' produzida e enganosa. Mas, se 0 proposlto for
e preciso ter variancia. Seus respondentes
devem pa
"xp Ilcar,
. .
recer d c
li e lentes se voce tiver q ue explrcar suas dlferenps.
I
rcspo~Has.
Aumentar as
Oll
..
as exemplos mostraclos envolvem a expansao das categodas de res posta em dire~ao aos extren10S cia varia vel. Algumas
vezes, e uti! empurrar as respostas para apenas uma direc;:ao,
ou seja, expandir apenas urn extremo da varia vel. Assim, no
exemplo, os pesquisadores cia universidade poderiam acres~
centar apenas "Nova Esquercla" ou "socialista" a lista inicial das
categorias de respostas.
Resumo
avalia~ao
de um projero de
pesqUi;~
e 0 sucesso
no esrudo-piloro da analise e do relatorio. Como dissemos, voce
deve analisar e escrever os dados do seu estudo-piloro como
se eles representassem 0 survey final. Basicameme, as se~oes
do desenho do estudo-piloto que permitem construir Uma
hisr6ria interessante e uril devem ser mantidas; as que impedem
tal constru,ao devem ser modificadas.
o fadio.
A boa pesquisa de survey e, quase sempre, muito onerosa
especial-
entrevistas)
e0
estudo-piloto.
Analisando seriamente os dados do estudo-piloto, voce
tem condi,oes de reconhecer que certos dados foram desconsiderados, num momenta em que aincla e possfve! modificar a
clesenho, alem de antecipar as sllrpresas analfricas que 0 espe-
tentando descobrir por que a hipotese nao foi apoiada. A medi~ao das variaveis foi adequada? Outros fatores interferirarn
com a rela~ao esperada entre as variaveis? A hip6tese era sem
fllndamento? Apesar de nao pocler responder satisfatoriamente
muito trabalho-intensiva,
pesquisador de
or,amento e
a medida
CAPiTULO13
lOGICA OA MOI(Ao OA ASSOCIA(AO
CAPilUlO 14
CONSIRUINOO COMPRHNONOO IAWAS
m ilUlO 15
o MOOHO O HABO RA(AO
WilUlO 16
SIAJiSIICA SOCIAL
mais detalhada do estudo-piloto, mesmo apos voce ter se comprometido com a forma do questiona rio final. Algumas vezes, voce
pode corrigir dados falmntes ou err6neos modificandQ os procedimentos de coleta dos dados sem mudar 0 proprio questionario.
Alem e1isso, esta analise cletalhada the darn uma vanta gem inicial
na analise final.
CAPilUlO 17
ICNICAS MULlIVARIAOAS AVAN(AOAS
milUlO 18
o RHAlORIO OA PSQUISA O SURVEY
sobre pesquisa,
com~
porque clisso.
Na maior pane, este Iivro trata mais cia 16gica cia pesquisa
do que das estatisticas envolvidas. Acredito que, entendenclo
bem a 16gica da pesquisa, voce esta em condi~6es de dominar
as manipulae;6es estatisticas relevantes. Nessa perspectiva, 0
Capitulo
16 cia
ouca alen\,aO -
. 'am ente p
.
.
Ele discute diretrizes gerais para a comllnlca~ao
sllIvey. . a e conside ra os possfveis diferentes tipos de
U\ .
cia pesquls
apresenra~6es .
Capitulo 13
L6gico do Medi~ao e do hs s oc i o~ao
o cerne cia analise do slIrveyse reparte entre a clescric;flo
e a explica ~ao. 0 analista de survey mec!e varh'iveis e clepois
examina as associac;6es entre elas. Mas, como vimos no Capitulo
1, h5 muita confusao sabre a natureza c!esre processo.
Co mo jii apresentamos os varios aspectos do desenho
do survey, especialmente a concei[Ua~ao e 0 desenho do
A Imagem Tradicianal
A perspectiva tradicional do metodo cientffico baseia-se
.. " .
.
( eque ncla de passos, resumiclos na seguinte lista, que
se ac reclita q ue as cienristas sigam em sell trabalho.
numa s
d
.
~ nad io da hipotese empmca e entao usa a para aceltar
descOOilrI
c~,
visao traclicional
a especifjca~ao de indicaciores empfricos
que representarao seus conceitos te6ricos. Enquanto conceitos
teoricos devem sec urn tanto abstratos e talvez um pouco
vagos, seus indicadores empfricos precisam ser especfficos e
precisos. Portanto, em nosso exemplo, voce pode operaciona-
de modo
clados relevantes a tais med iclas e, finalmente, testa empiricamente a rela~ao esperada.
flGURA 13-1
A imagem tradicionol do ciencia
Ideia J Interesse
Teona Dedutiva
efeito da operacionaliza~ao
e converter a
hip6tese
Hip6tese
fiX)
,1-,-"-
((x)
. . . . . - . . {Teste de hlp6lese]
pOl'
um ato criminoso
nao e 0
mesmo
h Intercambialidade de indices
Paul Laz"rsfeld, ao discutir a "intercambiabiliclade de indic
.
ces", criou uma i I11 poname lerramenta
concelmal
para a com preensao cia reI .
I ~
a~ao entre medl):ao e associa~ao, assim como uma
SOE u~o parcial dos dois problemas discutidos na se~o anterior.'
ssa diSCUSSco.
ao nasceu do reconhecimento de que qualquer
ncelto tem vanos
-.
. I'Icadores possfveis.
me
Laza cRetornemos it no~ao de uma hip6tese te6rica Y - /00.
'. 111
. d'lca d ores pOSSlvelS
' . d e superviSao rs,eld viu que h a' vanos
,que podemos chamar de XI> x2' xJ etc. Embora possa haver
FIGURh 13-2
intercombiol idode
de indices
Y =
f(X)
'
I
I
I
I
I
?
?
?
?
?
UxJ
Ux,)
Ux}
Ux';
f (x,)
E imporrante entender
Implica~6es
A ii11p1ica~ao principal clos comenrarios anreriores e que
a Olecli ~ao e a associa~ao estao fortemente interligaclas. A
medi ~iio de uma varia vel faz pouco senticlo fora clos contextos
eOlpiricos e te6ricos das associa~6es a serem testadas. Perguntado "Como c1evo medir classe social?", 0 cientisra experiente
responded "Qual e seu prop6sito ao medi-Ia?" A mane ira
adequacla de medir uma variavel depende muito etas variaveis
que ser:l0 associaclas a ela. Outro exemplo deve esclarecer isto.
Recentemente, surgi u uma con trovers ia na sociologia
religios a sobre a rela ~ao entre re ligiosidacle e preconceito. Um
Iivro de Charles Y. Glock e Rodney Stark, Christian Beliels and
Allti-Semilism,' relatou dados empiricos indicando que membros
de igrejas cristas com crenc;as o rtocloxas tinham maior probabiIidade de serem anti-semitas do que membros menos onodoxos.
Estas clescobertas aci rraram considenlveis discussoes nas igrejas
e resultaram em outras pesquisas sobre 0 mesmo topico por
outros pesqu isadores.
Um outro projeto cle pesquisa chegou it conclusao oposta
relatando que, quanclo a ortocloxia crescia,
diminula 0 preconceito. Mas analise ma is minuciosa mostrou
que as meclidas de ortocloxia, nesta pesquisa, se basearam na
acejta~ao d e cleclara ~oes de questionario que refleriam as
doutrinas cristas tradicio nais de que "Toclos os homens sao
irrnaos" e "rune 0 seu pr6ximo". Nao foi su rpreendente que
respondentes que aceitaram as declara~6es baseadas nessas
do utnnas
.
pareceram menos preconceituosos do que os que as
reo .
)ellaram. Normalmente, estas descobenas seriam (e foram)
questionadas por causa de 'lcon tamina~ao". As c1u as va ria veis
examinaclas Corrodoxia re ligiosa e (olerancia) na verdade
mediam qualid ad es I'd'enucas
.
. .
o u S1l11i1ares.
Chamar um conjunto
de indica dores de "ortodoxia" e outro de "rolerancia" njo
mostra que preco ncel'to CI'ImmUI
. . com 0 aumento cia oltodoxia em
qualquer sentido gera!.
a de Glock e Stark,
E claro
Resumo
o objetivo cleste capitulo fo i prover lima perspectiva
sa li da vel sobre os objetivos da mecli,iio e cia associa,ao na
ci<~nc i a.
e bem
Nolos
, LAZARSFELD, Paul. Problems in Melhodology. In, MERTON, Roben K.
(Ed.). Sociology Today. New York, Basic Books, 1959. 1'.375.
GLOCK, Charles Y., STARK, Rodney. Cbristian Beliefs cmd Anti-Semi/ism.
New York: Harper & Row, 1967.
, 7 ~R5F
LJV--'
1959
!J\ZARSFELD, Paul E, PASANELLA, Ann K., ROSENBERG, Morris
(EcI .). Conlinllilies in tbe Language o/Soclal Reseatch. New
York Free Press, 1972. se,ao I.
Capitulo 14
Construindo e Compreendendo Tabelas
A maioria das analises de survey caem na rubrica geral
cia analise mul tivariada; a Parte 4 concentra-se nas varie-
e lima
um
forma espedfica de
u~ivariada
lSC lI Ssa
dad
d ~ apenas li ma
distribui~ao de casos
Come~aremos
nossa
Distribui~6es
lABHA 14-1
~
0 formato mais basico para apresentar clades univariados
e reJatar todos os casas individuals, is to e, lisrar 0 atributo
~b"iXO de 35
21
46-55
56-65
45
19
660ll mais
Sem dados
6
100 % = (433)
(18)
LIsa de
e lima categoria
TendencioCentral
Aiem de infonnar os marginais, voce pode apresentar os
Idad.
Numero
13
14
15
FIGUR6 14-1
Ire, "Media,"
Idade
13
~H
14
HH
16
17
15
18
16
19
17
18
19
Idade
13
14
~~~
~~~
Numero
~H
~H~
13x3;39
Media Aritmetica
17
xxxx
18
H~
19
13
14
15
16
17
18
19
16x8; 128
18x3;54
Xn
19x3;54
Numero
Xn
Media; 15.87
14 x4; 56
~H~Hxx
~HH~
~~~~H~~
~H~
16
Idade
Mais frequente
HHH
Modo; 16
15
Numero
492
31;
(Total)
(Casos)
1-3
15.87
, - - - - Mediana; 16.31
4-7
~XXX
X~nn8-13
~nnnX
~nX 22-25
26-28
~n
29-31
~~~
Ponto Medio
14
15
16
17
18
19
20
21
16.06
16.19
16:31
16:44
16:S6
16:69
16:81
16:94
e presumir
que
variam
Se os oito entrevistaclos deste grupo estivessem igualmente c1istribufdos de lim extrema ao olltro, estariam com um
diferen~a
Disperse o
As medidas de rendencia central oferecem a vanragem de
'r
reeIUZ1 os clados brutos a uma fonlla mais manejflvel. Um linico
nll ll1
Ihades coletadoS sabre uma varia vel. Esta vanta gem rem um custo,
orque 0 leitor nao poded reconsrruir os clados originais a
mediana .. Esta
do limite superior.
POltanto, 0 que fizemos foi calcular hipoteticamenre as
Procluto Interno Bruto (PIB) per capita cle 1988 para os EstadOs
Uniclos foi de US$17.500, em contraste com US$400 para ~ Sn
Lanka US$5 .080 para a Irlanda, e US$11.910 paw a Austrad"a.
,
,
U . oS
Ja 0 pequeno reino petrolifero dos Emiraclos Arabes 111
. cle US$14.410, apes",. cIe a ma ioria dos.
teve um PIB per capl/a
residentes daquele pals viverem na pobreza, como se pocIe infenr
segundo
0 rerceiro quartis
e0
valor mecliano.
aconrece
com variaveis
discretas como seXQ Oll posto I111'1'!tar
. '
Se estlvermos anahsanclo variavcis discretas - llma va -- '
"
~~
nominal
ou ordinal,
por exemplo - ) Il10
se aplicam al
~.
"
,
< gUInas
c1as tecmcas descntas aelma. Falando esrritamenre mecl'Janas e
medIa~ devem ser calculadas apenas para dados de intervalo e
c~e razao, respec~lvamente. Se, por exemplo, a vari5.vel em questao for sexo, numeros brutos au marginais de porcentag
'I'
d
d
'
ens
sa~ ~na lses a equa as e ureis. Calcular a moda e uma analise
iegHl111a, apesar de nao muito revelaclora mas medias
' , med'
I anas e resumos de ciispersao nao seriam aprop riaclos . Algll mas
vezes, os pesquisadores podem aprender algo de valor violando regras como esras, mas e preciso cautela ao faze-lao
'.
'
Descri~6es de Subgrupos
Analises univa riadas servem para descrever a amostra do
slIrveye, por exrensao, a popula,do cia qual foi exrraida. Analises
b ivariadas e m u lti variaclas objerivam p rimariamenre temas
explicarivQs. Mas, antes de entrarmos na explica~ao. cons idefemos
descri~ao
de subgrupos.
'\
Parte
t . gem de
respostas extremas,
trabalho multo bom e trabalho muilo
.
.
'. ru~.
Embora seJa tenrador ler apenas a segunda Iinha cia tabela u
"bom Ira b a II"
..
f I
,q e
d 1Z
10 sena 1I1correto aze- o. Observanclo a
.
.,
'
. penas
TIlBElIl 14-3
fund indo cotegorio! extrema!
Este procedimento naa e correro, porque ignora as respondentes que deram a res posta mais positiva, "muiro bom
Alemonho
Ingloteno
Ocidentol
franco
Jopeo
Ertodo!
Un ida!
48%
46%
47 %
12 %
51 %
27
37
25
48
40
26
17
28
41
10
r;,1
N~ O
<
sei
"bom" e
TABHh 14-2
htit ude co m rel oe ao O! Noeae! Unido!: "Como a ON U ertc re!olvendo a!
prob lema! que elo tem que enfrentor?"
E!todo!
Un ida!
Alemonho
Ocidentol
Ingloteno
Muito bam
2%
7%
2%
1%
5%
nom
46
39
45
11
46
Ruim
21
28
22
43
27
Muira ruim
13
Nao sei
26
17
28
41
10
franco
Jopeo
fONIE: SNalian Survey findl Hap. far U.N. New Yo,k lim .., p.6, 26 June 1985.
com e s
p
r6pdas conclusoes.
.
"
d 0 nosso exame
Agora vamos ajusrar I'1geu-amente
a IOglCCl
IhBELA 14-4
Omilindo os "noo sei"
Alemonho
Inglot",o
Ocidentol
fron(o
Jopoo
tstodos
Unidos
63 %
55 %
65 %
20 %
57 %
36
45
35
81
44
Analise Bivariada
ciais. Nas cle sc ri ~oes cle subgrupos, voce tem total Iiberdaclc
entre j' muito bom" e Hbom", faz sent ido combina- los porque
assim sed mais faciller a tabela.
E mais dificil
all
~osl que 63% clos homens cia amostra aprovam a igualclacle se-
TABElIl 14-S
"Voce concordo ou discordo. do propolicoo de que homenl e mulhms
devem ler Irolodol Iguolme nle em lodos 01 alpeclos?"
Homens
Mulhms
Concordam
630/0
750/0
Discordam
37
25
100010
1000/0
(400)'
(400)
*,01 mJmerOI moshodol em parenlel!!! reprelenlom a bale para 0 porcenlogem. Nelle exemplo,
ho 400 hom,OI 00 lodo, 63% (252 hom,OI) dOl quai' "concoldom". 37% (]48 hom,OI)
"di\{ordam".
TlIBElA 14-6
Direcoo opoda do porcenlage m
Cancordom
Dilcordom
Homens
460/0
60010
Mu lheres
54
40
100010
100010
~(552)
(248)
~-
Mas,
nllI1l3
1000/0
(onstru~ao
estes passoS :
1. A amostra
2. Cada subgrupo
especula~ao.)
e descrito
1. A amostra
dependente.
apoiando esta
de lobelos
sexo da crianp
c diviclicla
em homens e mulheres.
clescrito em termos de
o argumento nao bastante forre para satisfazer wdos os leitores. Em outras situas;oes, podemos achar que as duas variciveis
A Figura 14-2 nos da uma representa,ao grafica dos pasa dar na cna~ao
' - de tabelas de porcentagem. 0 nlimero de
casos fa"1 re d UZId 0 para simplificar.
eXpenenr
"
es mereee urn eomematio. A tabela cleve ser percentuack'l
para baixo"
'
ou " atraves"? Deve lima co Iuna d e porcemagens
se afetam de forma ciclica. Por exemplo, para alguns respondentes, escolaridade afeta
e a comrario; para ourros,
mais complexa: uma pessoa
busear mais educas;ao e esta
SOS
>
totalizar 100% ou
Homens
Mulheres
porcentagens em cada coluna somem 100%. A tabela e interpretada lendo atraves: 630/0 dos homens aprovam, comparaclo
C. Em cada grupo do gAnero, separar os que sao a favor da igualdade sexual dos
que sao contra (varitlvel dependente)
Mulheres
Homens
==;::;;===
;0
;0
;0
"
flGURA 14-2
Percentuondo umo tobelo
A. Alguns home'ns e mulheres que ou sao a favor (sinal de igual) da igualdade sexual,
ou sao contra (:;t:)
~~W;~~i"~i~
;0
;0
;0
WWWW
Homens
= = = = = = = =
= = = = = =
"~"~ii"~ WWWWWW
7'
;0
"
""
;0
;0
7'
WWWW
60% =
e a favor da igualdade?
4. Quando sao apresentadas porcentagens nn rabela, devese indicar a base sobre a qual foram compUladas. Eredundante
apresentar wdos os numeros brutes para cada categoria de
porcentagcm , j{l que eles podem ser reconstfllidos a partir
clas porcenlagens e das bases. Aiel11 disso, a apresenta r;;ao
de nluneros e de porcentagcJ1s frequcJ1tcmentc torna a
tabela confllsa c mais dincH de scr lida.
G. Conclus5es
Enquanto a maioria dos homens e mulheres
sao a favor da igualdade sexual, muJheres tem
maior chances de 0 ser.
Portanto sexo parece ser uma das causas da
atitude em relacao a iguaJdade sexual.
Mulheres
Homens
A favor da iguaJdade
80%
60%
Contra a igualdade
20%
40%
Total
100 %
100 %
TIIBH1I14-7
"VOCe aprovo ou deloprovo a propolicoo gerol de que homenl e
mulhml dmm ler tratodol igua lm ente em todo 01 alpeclol)"
Homenl
lsIulhml
Aprovam
63%
75%
Desaprovam
37
?'
- )
100%
100%
(400)
(400)
(12)
(5)
Sem resposra ~
Analise Multivariada
A l6gica cia analise Il1ulrivariacia e 0 assumo de capftulos
POSteriores deste livro, especiaimentc 0 Capitulo 15. Entretanto,
,- utt
- 'I CI'Iselln,r raplClameme
,
- d eta b eIneste ponro sela
a constr u ~ao
e,
TABHA 148
.
u de,aprava a prapa,i(aa geral de que hame", e mul here,
Voce aprova 0
I
Id
I )"
devem ,er Iralada, igualmen e em a a, a, a'pec as.
Abaixa de 30 30 e acima
Apro va m
Desaprovam
Hamen>
/TIulhere,
Sem resposta =
Abaixa de 30
30 e acima
90%
600Al
78%
48%
10
40
22
52
10oo/o
100010
Woo/o
1000Al
( 200)
(200)
(200)
(200)
(2)
(3)
(10)
(2)
Capitu lo 15 sobre
mo de lo de
e la bo ra ~ao
examina
com mais detalhes a 16gica cia am\ lise multiva riada. M as, antes
de concluir esta se~ao , vejamos um formato alternativo para
mais aprovam.
iguaklade sexual mais que os homens. Entre as respondentes abaixo de 30 allOS, 90% das mulheres ap6 iam,
que 900Al clas mulhe res com me nos cle 30 anos aprovam a igualdade sexual, sabemos automaticamen(e que 100/0 clesaprovam
e de
12.
IABElA14-9
"VOte tonto rdo ou diltordo do propolitao gerol de que homenl e
mulherel devem Ie[ Irotodol iguol men te em todol 01 olpedol)"
Nolo
l
Mulherel
Abaixo de 30
Homen!
78
90
(200)
60
30 e acima
Leituras ~dicionais
(200)
48
(200)
(200)
Resumo
ZEISEL, Hans. Say It with Figures. New York: Harper & Row,
1957.
Esre capitulo inrroduziu a 16gica e a mecanica cia cons(rll~ao de tabelas. A primeira vista, tabelas parecem muiro sim-
ples para merecer discussao extensa. Na verdade, elas sao bastante complexas. POI' isso,
e mal-interpretadas.
Ten tei apresentar a 16gica cia construc;ao e interpretac;ao
de rabelas, comec;ando com a analise univariacia, passando para
as capfruios
cia constru~ao e
Capitulo 15
Modelo de
lentlflca
ff
na pratIca. Durante a II Guerra Mundial, Samuel
e r organlZOU
.
. I de pesquisa
I
e chefiou um grupo especra
SOc la dent
I
".
.
fO co Exerclto dos Estados Unldos. Durante tada a
SIO
flabora~ao
Essas proposi~6es tinham 16gica, e 0 saber comum sustentava que eram empiricamente vercladeiras. Stouffer decidiu testa-las
empiricameme; para sua surpresa, nenhuma foi confirmada.
Primeiro, os soldados que serviam oa Polfcia do Exercito,
oode as promot;;6es eram as mais lentas, tinham menos queixas
sabre o ..sistema de promor;6es do que os que serviam na Avia~o
do Exercito, on de as promor;6es eram as mais rapiclas do Exercito. Este achado surgiu das respostas a uma pergunta sobre se
o solclado acreditava .que 0 sistema de promo~6es era justo em
gera!. Segundo, 0 molal geral dos soldados negros nos campo~
de treinamento do Norte e nos do SuI diferia POllCO, se e
que diferia. Terceiro, soldados menos escolarizados tendiam
rna is a se ressentir de terem sido recrutados do que as de
maior escolaridade.
Frente a esses clados, muitos pesquisadores, sem duVi~'
teriam tentaclo esconcle-Ios , por sugerirem pouca capacida
e
~ti~
cientifica. Outros tedam feito testes de significancia estans
O
e tentariam publicar as resultados. Stouffer, em vez e1iss ,
perguntou por que tinha obrido tais dados.
mesmo
TABHA 152
Relat eo hipolelita enlre elcolaridade e dilpenlo de amigol
. .
'd d
COl
sene e un! a es agrlcolas foram decbradas vita's
< I
para 0
interesse nacionni; agricuhores e trabalhadores de p ad -
.
. _
r u~o
em sene ness.:'lS mcluslrias cram dispensados do seIVi~o militar.
Alto fit.
Baixa fit.
Sim
19%
79"10
Niio
81
21
100%
100%
(1761)
(1876)
AmigoS
diSpensados?
exposi~ao
de outras vari<iveis.
16gica de Stouffer forneceu a base para 0 desenvolvimento posterior do modelo de elabora~ao: 0 entendimento
da rela~iio entre duas variaveis atraves da introdu~ao controlada
Kendall e Lazarsfeld
come~aram
T~BELh 151
Re lumo dOl dadol de Siouffer lobre elcolaridade e oceilotoo do
retrulamenlo
Alta fit.
Baixo
aceita~ao
do recrutamento (ver Tabela 15-1). Seguindo a explica~ao de Stouffer, Kendall e Lazarsfe ld criaram uma tabela
hip ot'etlca,
.
,
compa tlvel
com os dados empiricos, para mostrar
que escolaridade se relacionava com 0 soldado rer ou nao amigos
It.
18%
70%
12%
30%
100%
100%
(1761)
(1876)
dispensados. Na Tabela 15-2, repare que 19% dos com alta escolaridade rei alaram ter anugos
.
.
que foram dlspem;"dos,
comparados
com 79% dos com baixa escolaridade.
Al lob.IOlIS1, 152, 153. 15-4 erloo modificodOi com permilloo do Macmillan (ompany, a pOilil d. (anlinui"~
in Saciol R",arrh: Siudie! in Ih, Scop' and Ii,lhod of "Ih, Americon Soldier", par Rob.r! K. Merion' Pau
f. laza"f,ld. (apyrighl19S0 by Ih, free PJell, a (arparalian.
A e xp I"Ica po
- de Stouffer supunha, em segu ida , que
SoIdados c
.
.
om amlgos dlspensados teriam maior probabilid d
aedese
.
~
resSentlf con1 seu pr6prio recrutamento do que os
que nao tinh
.
as d d
. am amlgos dispensados. A Tabela 15-3 apresenta
esta a os hlPothICOS d e Ken d all e Lazarsfeld que a poiariam
sUpoSi~ao.
So
TABHA 154
od
a a!
Amigo! di!penrada!
AIt1&
Bai:a &.
63%
63%
37
Air;l Fs::.
I3aixa
~.
94%
95%
37
100%
1000/0
100%
100%
<3(5)
(1484)
(1426)
(392)
tido amigos dispensados; 94 e 95% dos dois grupos de escolaridade dizem que eles nao devia m ter sido dispensados.
lhBElh 153
Relataa hipateliea entre a di!pen!a de amigo! e a oeeitotao do proprio
reerutamento
Amigo! di!penrodo!?
Sim
do reCnItamento e fortemente relacionada a terem amigos dispensados ou nao: 63% versus 94%. 0 mesmo vale para os menos
escolarizados. Os dados hi poteticos da Tabela 15-4, portanto,
ap6iam 0 argumento de Stouffer de que escolaridade afetava a
aceitac;ao do recrutamento apenas pela intermediac;ao de tef
Nao
94%
63%
37
100%
100%
(1819)
(1818)
rela~ao
cora~ao do
Tendo observado lima rela~ao empirica entre duas variaca~se entender a natureza dessa relacao atraves dos
~lettos produZidos pela inrrociucao de Qutras variaveis.
ecanicament e, lSsa
c
..
dIVId111 d 0 a amostra em
se laz,
pnmelfo,
SubCo .
nJuntos, com base na variavel de controle QU de teste.
p
Or ex-emplo, (er amigos dispensados ou nao
a variavel de
.
velS bus
.. f .'
glUr
comparacbs com a rela~ao JnlClai c1escoberta na amostra total.
oParadigma de flabora~ao
e somente um procluto
a
reia,iieS com a variavel cle teste. (Exemplos posteriores
de suas
~
)
~eriio melhor esre ponto.
eSCI:11 .........
A Tabela 15-5 e um guia para 0 entenclimento cia analise
laborar;ao. As duas colunas na tabela indicam se a varia vel
de e re e an receclente ou interveniente no senticlo clescrito
de tes
'
. .
.
No lado esquerclo cia tabela, mcltca-se a natureza clas
acuna.
~
..
comparadas com a rela~ao ongmal
"es parciais
re Ia~o
~
_ entre
" . as
' vets tnclependente e clepenclente. As nota~oes tecntcas
vana
designadas a cada caso sao claclas no corpo cia tabela.
CjUS
Replicatca
intervenienre, como
e0
e a seguinte: a
FIGURA 15-1
Vanavel
Variavel
indepe ndente
de teste
Variavel
aceita~ao do recrutamento.
oporodigmo do el oboro(oo
FIGURA 152
Variavel
Vanavel
de tester
<
Se a variavei de teste
penclente quanto
independente
Mesma rela o
Variavel
dependente
a depenclente,
Rela~6es Pa rcia is
Comparaclas c/ O rigina l
Menor ou ne nhu ma
Voriovel de rde
Antecedente
Intetveniente
Replica,no
Interpret.1,iio
Explica~o
Divitlicla'
Especifica,ao
'" Um porClol eo melmo ou mOlor,
' enquonto 0 oulro Ii menor au nenhum.
se rep I lear
para veI
lOS e Jovens para pessoas de eliv
~
, .
ersas
ramaS
atitudes do mediCO. Esta relapo ,
PrOg- . 'ehnenre a ferar as
'
.- I d
U01I \
rcs
,.
I
da
peIn
in{rodll~ao
de uma vanave e teste
P
w e anll a (
"
. . d
eotreran ,
.- do pais em que 0 professor fOt cna o.
dente: a reg'"o
,ntece
f
no Leste 89% freqiientaram esres criaclos
'
,
D s pro esso
o d..
no Leste e 11% escolas de medicina no SuI.
de
me
IClna
"
I .
co I35
S I -3% frequentaram escolas de mec Icma no
. criados no U , )
f
Do!'i"
5 I Alem disso a area em que as pro essores
. e 47% no u . ,
.
Leste, . d ' e rela ciona com as atitudes para com a MedIcare.
foram cna os s
I ' cI
. I
Dos cnae os no
probabiliclade de aprovar
Como na Tabela
ha
15-6,
e 112antida cons/Clllle,
~6es parciais .
IABHA 156
Regina de origem, reg ioo de Ireinamen!o e a!i!udel para com a Medicare
Regioa de (ria(oa
Lde
Sui
Leste
84
50
Sui
80
47
~~~f v- BABBlE, fori R. Scien" and Moralily in Medicine. Berkel,y: Uni,,,,ily 01 (01 ilornia Pre",
. er cIP1wolmcnte p.18l.
ThBHh 15-7
.-
posl~ao tempora,
seguem
dessa dlferen,a.
0 exemplo cle escolaridacle
al'.
.
.
_
',<11g0$
chspensaclos e acenuc;ao clo reCfuramenro
e lima
excelente
Alco
Baixo
-0
Eoroh.imenco Medio
0,63
1
0,58
2
0,49
3
0,48
4
0,45
a rela,ao.
TABHA 15-8
Alco
Baixo
Porcenwgem dos clecencores de
cargos em organiza,oes Seculares
46
47
54
60
83
fONIE - GLOCK, Chorl .. Y. eI 01. fa (omlorl and 10 (hol/.ng . Berk,l,y: Univ",ily of California P'OII,
1967. p.91.
crian~as clljas maes nao tmbalham fora. Esta rela~ao pode ser
interpretada introcluzinclo "supervisao" como variiivel de teste.
sao afecadas peb mae crabalhar fora ou nao. 0 mesmo vale para
Algumas vezes,
auto~estima
alca p
.
..
!onnva
com envolvlmento na tgrep apenas em virtude do faro de
111ulheres de classe mais baixa naa terem oporfuniclade de
a,s
fiIcat;ao
. Id
gratl_
111dlcador
da recep,ao
de gratifica,ao na sociedacle seclIIdf, USatl
.~
_
a vanavel ocupapo de cargos em organiza,ees seculares
Nos termos .cleste teste, classe social nao deveria
se rela'
~
"Clonaf.
com envolvllnento com a igreja entre mulheres que t'10 ham
tais cargos (ver Tabela 15-9).
O(UPO(OO
de (orgol le(ulorel
0,46
0,62
U[l ag
I"
(es
I seS
IABHA 159
Envo lvimento no igrejo par clam lo(iol e
Alto
2
4
3
0,53 0,46 0,46 0,46
0,55 0,47 0,46 0,40
1
fON1E - GlOCK, Charl'l Y. ,I el. '0 {omfor! and /0 {hol/,ng'. Berk,l,y: Uni",,;]y of Celifernie P"'"
1967. p.92.
poderia diferenciar proveitosamenre rela,6es positivas e negativas. Alem do mais, Rosenberg sugere a aplica,ao do modelo
de elabora ~ao a uma rela~ao original zero, com a possibilidade
de surgirem rela,ees nas parciais. Ele cita como exemplo um
estudo de filia ,ao a sindicatos e atitudes sobre haver jucleus na
diretoria do sinclicato. 7 A analise inicial indicava que tempo de
filia~ao nao se relacionava com a atitude. Os que pertenciam ao
vimento com a igreja. Com efeito, a tabela especifica as condi~oes nas qua is a rela~ao original se mantem, como a falta de
gratifica~ao na socieclade secular.
Civi~
Elabora~ao e Hipotese
Ex Posl facia
,
I n
alS re I
IglOsas por causa cI e alguma ciinamica
geral do comportamento social e a partir clar apoiar seu
argu menta nessa observae;;:ao inicial.
"
efeito infeliz cia injun~ao contra a hipotetiza~ao ex
e In!
. b1r boas e honestas hip6teses p6s fato.
.
esqulsaclore
erer
s tnexpenentes sao freqi.lentemente levados a
exa ~ue devem formular rodas as suas hip6teses antes de
POr ~lnar os dados, mesmo que isso signifique fazer uma
a ig~~O cle hip6 teses malforll1ulaclas. Alem clisso, sao levaclos
Conf. orar quaiquer rela~ao ernpiricameme observada que nao
trme algu ma h
Iporese
anterior.
POSI faCIo
p.
Resumo
't 10 examinamos a logica fundamental cia
u ,
,
Ne ste cap'
. _ 0 modelo cle elabora,ao. Embora tivesse. e de s/I/Vey
;lnihs
nalises a tabelas de porcenragens, veremos
I' lliWclo as a (
. .
s
InO
11
. te que eSla logica se aplica 19ualmente nos
itul o seguin
.
nO cap
Tses estatisticas mals complexas.
. soS de ana 1
C.l.
A 16gica da elabora,ao e a seguinte:
1.
COllle~alTIOS
COIll
explicou a rela~ao original em termos cia teo ria cia priva~ao SOCial.
Se ele rivesse parada ali, seus comentarios teriam sido interessantes, mas pOlleD persuasivos. Ele, conruclo, foi aiem e obselvou
que, se as hip6teses estavam carreras, a relar;ao entre classe
social e envolvimento na igreja deveria desaparecer para as
mulheres que tinham outra gratifica~ao nn sociedacle secular,
especificamente as que ocupavam cargos numa organiz3\ao
secular. Essa rela\ao foi entao submetida a um teste empfrico.
Se a nova hip6tese nao tivesse sido confirmada pelos dados,
Glock teria sido forpdo a reconsiderar.
e um
3. Se as
rela~ocs
rela~ao
espuria (nao-genufna).
Nolo!
STOUFFER, Samuel A. et al. nJeAmericallSoldier. Princeton
' NJ'I'rl'nc
'"
elon
Capitulo 16
fstotistico
aD exemplo anterior.
~ N.T. Medicare: sistema de seguro-saudc. 13ABI3IE, Earl R. Scieflce and
5 GLOCK,
Books, 1968.
e muito
importante, mas
e igualmente
imporrante
'Ibidem. 1'.88-89.
'Ibidem. p.94-95.
Leituras Adicionais
GLOCK, Charles Y. (Ed.). SlIrvey Research ill the Social Sciences.
New York: Russel Sage Foundation, 1967. cap. 1.
HIRSCHI, Travis, SELvrN, Hanan. Principles o/SlIrvey Analysis.
New York: Free Press, 1973.
HYMAN, Herbe rt. Survey Design alld Alla!ysis. New York: Free
Press, 1955.
varoes'
t' .
")"
,lplcamenre, envolve tirar conclllsoes sabre lima
Popul a~ao a partir de uma amostra daquela popu l a~ao.
Estatistica Descritiva
0/ SlIrvey Analysis.
New York:
w York:
STOUFFER, Samuel A. Social Research to Test Ideas. Ne
Free Press, 1962.
d_~
Soc i 0 I
Redu~ao de Dodos
.ImaneJavels
.-. para resumos mais faceis de trabalhar.,
de e
eS\ 10
~.
Medidas de hsso(ia~ao
=~
. d
' .
cna Os
por um projeto de pesquisa quantitativa A Tabela 16-1 apres
.
"
enL:1
lima matnz de clados parciais. Cada fileira na matriz I.epre
sema
IABElA 16-2
Dodol brutos hipottieol sobr, ,scolari dod, , preconceilo
Nivel d, EHolO/idod,
Preconceito Nenhum Prima ria SecunclaJio Superior
Alto
Medio
23
Baixo
34
21
12
11
156
123
95
P6sGraduado
16
23
77
67
102
164
IABElA 16-1
""alriz d, dodos brutas pareiais
S'XO
Pessoa 1
?essoa 2
essoa 3
'essoa 4
:>essoa 5
essoa 6
1
1
2
1
2
2
Idod,
tltolaridod,
R,ndo
Profilloo
2
5
4
7
3
4
4
5
4
8
3
1
4
2
2
5
3
1
3
6
5
filiotoo
Politico
2
1
2
2
1
3
preconceiro, mas
impressao geral.
inicialmente,
entre duas v . -
. .
associa~ao
b
t6 .
<
anavelS. e quiser mats lnlorma<;ao so re esses
d Picas, consulte urn man ual de estarlstica social. l As medidas
... que vamos dlscunr
.
. b asemffi-se
.
e associa <;ao
no mode I0 CIe
reC,I Zir'"
In
o.
sim.
rela~iio
Sup
.SSe
e OU\fl
a redu,ao de eno.
medidas apropriadas.
Varidueis NOl1zinais, Se as duas variaveis consistem em
e,
A estratcg
"
es11prego .
do" e para cada mulher seria "desempregada .
ga
seria empre f . 300 erros - os 100 homens desempregados
voce ana
Neste caso,
1pregadas _ ou 600 erros menos do que
.100 mUU1eres en
e as - .
_ soubesse 0 sexo da pessoa.
metena se nao
~
CO
d
ntaa representa a reduc;ao de enos como proLamb a, e
,
b
r
e teriam sido cometidos com ase na (lstnao dos erroS qu
~
6
por,
I Neste exemplo , lambda seria igual a 0, 7, ou seja,
. ~ gera
bUI,ao
.
os cliviclidos pelos 900 erros totais baseados
600 enos a men
. _
OS
Neste exemplo lambda mede a assoc13,ao
apenas no emprego.
,
e apenas
a ordenac;ao
cia
lABHA 16-3
Dodos hipotetitos relotionondo sexo e emprego
Homen!
Empregaclos
Oesempregados
Total
900
100
1.000
Mulheres
200
800
1.000
10101
1.100
900
2.000
Classe SoCia
'
".
I
t3bel3.
<
t'vamente. A expressao numenca (e gaIT1I11a
jadOS nega I
. ' ~
s3.o aSsoC
'5 clos pares examinaclos tmham posl~oes
IABHh 16-4
Dodol hipofeficol relocionondo claISe lociol e preconceifo
diminui 0 preconceito.
social e preconceito.
Gamma e calculado de duas quanticlacles: (1) 0 nlimero
de pares que tem a mesma posir;ao de ordem nas duas vari,l.
veis e (2) 0 nllmero cle pares com posi~6es cle ordem opostas
.'.
e 610/0 a mal
indica q~ que posi~6es iguais.
opOsra s 0
quanto oS valores cle lambcla variam cle 0 a
Note que, en ,
cI
amma variam cle -1 a +1, represenran 0 a
'alores cI e g
.,
1, OS \ .
magnitude cia associa~ao. Como as van<1-0 tantO qllan{Q a
~.
f
I
dtrefa . . ~ tem estrutura ordinal , nao faz sentldo a af
. oonnals nao
..
...
,elS n
I - (Um lambcla negativo inchcana que voce
ao da re a~ao.
da d Ife~.
.
na precli~ao clos valores cle uma varia vel
tell mals erros
.
come
I
da seguncla clo que os que cometeu Ignobendo oS va ores
, )
sa
da. isso nao e logicamente posslve!.
rando a segun ,
.ct
0 seguinte exemplo do usa cle gamma na pesConsl ere
,
. d
ey contemporanea. Para estuclar ate que ponto as
qUlsa e 51/11)
. k
.,
.f yam seus mariclos falecidos, Helena Znamec I
vluvas santI lea ,
bI' .
.
Lopata ap I tCOlI u
01
seguinte forma: 200 (900 + 300 + 400 + 100) + 500 (300 + 100) +
400 (400 + 100) + 900 (100) ou 340.000 + 200.000 + 200.000 +
90.000 - 830.000.
o numero de pares com posir;6es opostas nas duas variaveis e calculaclo multiplicanclo-se a frequencia de cacla celula
oa tabela pela soma de todas as celulas que aparecem abaixo e
a esquerda dela e depois somanclo-se toclos os proclutos. Na
Tabela 16-4,0 numero de pares com posi~6es opostas seria calc~ lacio assim: 700 (500 + 800 + 900 + 300) + 400 (800 + 300) +
400 (500 + 800) + 900 (800) ou 1.750.000 + 440.000 + 520.000 +
720.000 = 3.430.000.
Gamma e calculado a partir dos nllIneros cle pares co111 a
mesma posi~ao e de pares com posi~6es opostas, cia seguiO[e
r1sticas
maneifa:
e lima m edida
Ganlma
e apenas
igual - oposro
igual + oposto
000
Neste exemplo, gamma e igual a (830.000 - 3.430. )
clividido por (830.000 + 3.430.000), ou - 0,61. 0 Si~al neg~tI~~
indica a associat;ao negativa sllgericia peln
ordinal.
inspe~ao
IntChd
JABHt. 16-5
tscala de difmnciacoa semontica
[araderistica
E"1:remo
E>.1:remo
Negativo
Positivo
delxan<
.~
Bom
Uti!
Honesto
Superior
GenCiI
Amigavel
Caloroso
1
1
1
1
1
1
1
2
2
2
2
2
2
2
3
3
3
3
3
3
3
4
4
5
5
5
5
5
5
5
4
4
4
4
6
6
6
6
6
6
6
7
7
7
7
7
7
7
Mall
Inlltil
Desonesto
Infelior
ClUel
HosCiI
Frio
!111
JABHA 16-6
Assaciacoes gamma entre as itens de difmnciacoa semantica do cICala
de sanlificacaa
Bom
Uti!
Honesto
Supesior
Genti!
Amigavel
Util
0,79
Honda
0,88
0,84
luperiar
0,80
0,71
0,83
Gentil
0,90
0,77
0,89
0,78
Amigavcl
0,79
0,68
0,79
0,60
0,88
[aloroso
0,83
0,72
0,82
0,73
0,90
0,90
fONI. - lOPAlA. H,leno Inoniecki, Widowhood and H"bond 10ndili"lion, lournol of fllolfi09' ond Ihe family.
p.439450. maio 1991.
a estatistica inferencial.
statistica inferencial
A rnaioria des surveys examina c1ados coletados de amostras
extraidas de popula<;oes maiores. Uma amostra de pessoas pode
ser
entrev'
st d
'
d' '
.
I a a num survey, uma amos tra de reglstros de
. IVorclo pode ser codificada e analisada' uma amostra de
d escreve_las p
. na
, dos casos 0 objetivo final e
[
er se; na malo
azer afirma b
'
fa'
~ ~oes so re a popula~ao maior cia qual a amostra
I extra ida F
..
Os
h
. requentemente, ponanto, sed. necessario tratar
'd os e muluvanaclos
"
basac ados u'
nlvana
amostrais como a
. e paral InJerenClas
' , r. - , a respeito cle alguma popula<;ao.
faze
r tais mE;
~
.
erenctas e suas bases l6gieas. Come~aremos com
Inferencias Univariadas
As primeiras se,,6es do Capitulo 14 trataram dos metodo
de apresema"ao de dados lInivariados. Cacla medida cle resumos
pretendia oferecer um metodo para clescrever a amostra estu_
dada. Usaremos essas medidas para fazer afirmativas mais
.
astra cleve ser tirada cia popula"ao Isabre a
. ~roaam
P
Pn!l1' infenn
'. d0
Villa
amostra tirada de
uma lista te elOJ11ca
.'
, .
qual se esW
, . na para inferencias estatIstlcas sabre a popu'b e legl tII ,
_.
c
n:iO~ e deasuma Cl.d ad e, porque. algumas pessoas nao tem teieJone
la,ao
niimeros nao hsrados.
tr3S tem
repoSI"
, . AInostragem sistematica e usada mals que a
blema , seno.
pro.
b' m isso nao e problema serio, se felm correraI r6na tam e
a ea
,
enle Amostl.,age m estratificacla, ja que aumenta a represental
m
. nao
_ e' , chranlente
um problema. Mas a amostragem
. .dade
"
.
.
simples, naturalmente.) E improvavel, entreramo, que precisamenle 50% da popula"ao tiveram resfriados durante a ana. Se
foi seguiclo um desenho de amostragem rigoroso para sele"ao
aleat6ria, seremos capazes de estimar a faixa de erro esperada
quando aplicarmos 0 achado amostral ?I popula~ao.
tlVI
a estatistica e
Mulheres
A favor da igualdade
Contra a igualdad e
Uma Iillslra,cl0 Grtifica. Vamos i1usrrar esra 16gica da signifidincia estatfstica nUITIa serie de diagramas representando a
a i1ulepelldellcia
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9 9 9
9 9 9
999
999
9 9 9
9 9 9
9 9 9
9 9 9
,, ,, ,, ,, ,, ,, ,, ,,
,, ,, ,, ,, ,, ,, ,, ,,
, , , , , , , ,
50%
50%
- I
de
A Figura 16-1 represenra umo populapo
llpore't'ca
I
a
d'
gram
256 pessoas, merade homens e merode mulheres. A Ja
indica como cada pessoa se sente sobre as mu IIleres g ozarem
dddddddd
dddddddd
dddddddd
dddddddd
dddddddd
d d d d d d d d
d d d d d d d d
dddddddd
Legenda
Afavor da
igualdade
Homens
99
99
99
99
99
99
99
99
Mulheres Homens
de duas
Contra a
igualdade
50%
100%
50%
100%
A i1ustra,ao indica que nao hii rela~ao entre sexo e ariwdes Sabre a igualdade. Exaramente merade dos membros de
cada grupo e a favor e meta de e contra. Lembre a discussao
.
de igualdade com os homens. No dmgrama,
os que favorece111
,
I
b
l
S
a igualdacle sao representados por CIrel! os a el 0 , enqLlanto
' "r
ave uma am qUa_
representattva. Essa amostra rem dezesseis (I e ca d
' Ostra
a IIp
d
pessoa. Metade sao homens e metade
- mulhere0 e
,
sao
metade de cada grupo e a favor da igualdade e
s, e
Dutra metade se opoe a ela.
nquaoto a
'
!111\' e
alS de a mostragem).
E claro que as amostras na vida real raramente sao
reflexos taO perfe ilOs das popula,6es de onde foram tiradas.
ctOn,
FIGURA 16-2
Umo omostro reprmnto tivo
A favo r da igualdade
d
d
d
d
d
d
d
d
d
d
d
d
Mulheres
'<
'<
'<
'<
'<
'<
'<
'<
'<
'<
'<
'<
d
d
d
d
,
,
,, ,, , ,, ,, ,, ,,
Contra a igualdade
'<
'<
'<
'<
Mulheres
Homens
'< '< '< '<
d d d d d d
'< '<
ddddddd
'<
'< '<
d d d d d d d
'< '< '< '< d d d d d d d d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
....
..........
A favor da igualdade
enganaria muito.
Homens
50%
50%
50%
50%
100%
100%
Contra a igualdade
flGURA 16-3
Uma amastra nca representativa
Mutheres
Homens
9999
dddddd
99. ~_..
d d d d d d d
9
dddddddd
dddddddd
ddddddd
.......... d d d d
d d d d
d d d d
Contra a
iguatdade
9 9 9
9 9 9
9 9 9
999
999
9 9 9
Mutheres
A favor da igualdade
75%
d d d d d d
dddddddd
9 Q 9 Q dddddddd
Q 9
d d d d d
Q 9 9 Q Q 9 Q
d d d d
Q Q
d d d d
Q Q Q
Q Q
""""
,
,
,
,
""""
,, , ,, ,, ,, , ,
"
"""
,
,
,, ,, ,, ,, ,, ,, ,,f-----""" """ """ """
, , , , , ,,""""""""
" "" " " "" "
9
9
9
9
9 d d d d
9 d d d d
Homens
Mutheres
Afavor da igualdade
Q Q
,
,
"
"
"
,
,
,
,
,
"
, , , , , , , , " "" "" "" """ """ """ ""
"
9
9
9 9
Q Q
Q Q
Q
Q Q
Contra a igualdade
Homens
25%
Mutheres
Q
9 9
d d d d
9 Q Q Q d d d d
Contra a iguatdade
25%
75%
100%
100%
Homens
Q 9 Q 9
Q Q 9 Q
Q 9 Q 9
Q Q 9 9
" """
""""
"
,, ,, ,, ,, " "" "" ""
""""
""""
A favor da igualdade
75%
25%
25%
75%
100%
100%
Contra a igualdade
Amostra
vez a razao
diferente. Selecionamos uma amostra perfeira
me me representativa, mas ha de fato uma forte rela~ao entre as
varia'
dos
la quer d'
. nifica ~ao
51g
d Ie
.Q
e sempre expressa em
Ha um caralario para
x-
'[0
de significancia, que representa a probabilidade das associa~oes medidas se deverem apellas a erro de amostragem: 0
n[vel de sigl1ljiciincia. Como os intervalos de confian", os
niveis de signifidinc ia clerivam de um modele 16gico no qual
varias amostras sao exrraklas de lima popu la ~ao. Ao determinar nfveis de confian~a, supomos que nao ha associa~ao
entre as variaveis na popula~ao e perguotamos entao qual
propor~ao
s
associa\,ao genufna emre as duas variaveis. Em outras palavra ,
00
certa associa\,ao
'"
e significariva
ra
<
lABELA 16-7
Ilullrotao hipotetico dc qui-quodrodo
1. frequencio5 Espcrodol
Compareceram
Nao compareceram
Total
Homcn!
28
12
40
Mulhcrcl
42
18
60
10101
Homcnl
20
10101
40
Mulhcrcl
50
10
60
Homcn!
Mulhcrc5
2.29
5.33
1.52
3.56
Compareceram
Nao Co mpareceram
....
2Q
Elpcrodol
70
...30
100
70
...30
100
X'-12.70
p<.OOl
observada, usamos um conj unto padrao de valores de qu iquadrado. Isto reque r a computa,ao dos gralls de Iiberdade,
que, para 0 qUi-quacirado,
numer~
402
. aclracI0 d e pe 10 menos
_
das vezes devemos esperar um q UI-qu
2,7. Assim, se selecionarmos 100 amostras d esta p opu la,ao,
quidevemos esperar que cerca cle 10 delas produzam um ar
, cIIStO, d even105 esper.as
quadrado igual ou maior que 2,7. Alem
valores minimos de qlli-quadrado de pe I0 menos 66
, em apen.
0 '%
n
-1% das amostras e valores de pe I0 menos 7 ,9 el apenas ,::>
menor a
stras Q uanta maior 0 valor do qlli-quadraclo,
' I0 apenas a erro
clas amo.. d . de este valor poder ser atnb ule
obablhda e
pr
de a010strag
em
d ' ? 70 S
exemplo 0 valo r clo qUi-quadra 0 e L, . e
~oo=
'
. . ..
entre sexo e compareclmento a IgreJa na
h uvesse re la rao
nao 1,;0
0
d em e Illbros , e tivesse sido selecionado e estuclado
popurande
a num
'ero de amostras
'
, esperariamos um qui-quadrado
urn g
. de em menos da meta de de 10/0 das amostras. A
. d '
desta magOltu
.. d d de obter um qui-quadrado desta magnltu e e
obabih a e
I ,.
pr
0 001 % su pondo 0 uso de amostragem a eatona e
enos de ,
,
hi
f
rn
rela ao na popula~ao. Relatamos este ac ac 0 a Irnilo haver
,
. f
'I
ar'io e estatisticamente slgnl lca tlva no nlve
rnando que a rel'
',
.
~
~
~ tao imlJrOvavel que a l ela~ao observdda possa
0001. Ja que e ,
. .
. ,
,
Itad0,apenas clo erro de amostragem, rejeltamos
a.hlpotese
terresu
d
,.
nua
I esup olnos haver lima relaC;ao .entre as uas vanavelS na
popula,ao de membros daquela IgreJ3.
A maioria das medidas de associa~ao pode ser testada para
.
ificincia
esratrstica. Tabelas padronizaebs
de valores nos,perSIgn I
_
... _.
.
tem
dererminar
se
uma
associar;ao
tem
slgmflCanCIa
ml
.estatlstlca
~
e em que nrvel. Qualquer manual de estatrstica traz IOstru,oes
para 0 uso destas tabelas, de modo que nilo h5 necessidade de
o fa zermos aqui.
f
~m?,str~
sentido
I . .f
ea . Se entendermos a 16g ica basica c10s testes e e 51glll 1nCla. Na amostra maior htl. menos chance de a con'ela~ao
8er a
'
penas 0 prOduto de erro de amostragem. Nas duas amosrras,
UIto
c.
CSlatistica (! facihncnte mal entendida como
1
<
<
sociara.o"
au signifidncia substanuva.
d e as
< -r<
.c
4.Sig n l!lGIO
"ror~3
que
tempo - ralvez paradoxalmente - acho
. d
.fica' ncia podem ser valiosos para 0 pesqulsa or
de Slgl1l I ,
,
[estes
'tes para a compreensao de dados. Apesar
'nstrumentOS u I ,
co l11O 1
,,'
acima sugerirem uma abordagem conservaomenranos
d
de as c
d .gI11flcancia isto e que s6 devem ser usa os
i 5 {estes e SI
'
dora ( 0
posiroes sao satisfeltas, mmha pelSpeCtiVa
do rodas as su
,
, .
qtlan
. versa EncoraJo 0 uso de qualquer tecOlca
I e jtlsramente a m
. .f
gera , . ( ualquer medida de associa,ao ou teste de Slgnl 1e:taust)lca q q'ualquer conjunto de dados, se isto ajudar a
can Cla em
'
d
s dados. Se calcular corre Ia,oes
pro d u t 0compreen e r 0
.
.f. - .
ntre variaveis nominais e testar slgm lCanCia
e
t
OlOOle
. f1, n. 0
ntexto de amostragens nao
contra Iad
as sans
estattstlca no co
. .
.'
te'rio entao encorajo estas atlvldades . DlgO IStO
zerem este cn
,
~
.
't 0 clo que Hanan Selvin chamou de tecnlcas
para
no esplfl
.
.
garimpar dados. Vale tudo contanto que, ao cabo, haJa compleensao dos dados e do mundo social sob estudo.
Pore m 0 pre,o desta liberdade radical e abdicar de
interpreta~oe~ estatisricas estritas. Voce nao podera mais base~r
a importancia definitiva de seus achados apenas numa correla~ao
signiflcativa no nivel 0,05. Qualquer que seja a rota cia descoberta,
os (lados empiricos tem de ser apresenrados de fom1a legitima e sua
iOlportancia deve ser argumenracla logicamente.
A O tl1es tl1O
J.
. '
Resumo
Neste capitu lo, trabalhamos com uma visao ampla ~
abrangente do mundo das estatisticas sociais. Nao pretendl
fazer do le itor urn especialista em estmisticas, mas entender a
J6gica basica de algumas tecnicas estatisticas mais usadas.
Come,a mos fazendo uma distin,ao ampla entre estatisticas
descritivas e inJerenciais.
Estatisticas descritivas sao usadas para resumir dados.
Algumas resumem a distribui~ao de atributos numa 56 variavei;
OUtras, chamadas 11'ledicias de associafiio, resumem a associa~ao
entre va riaveis.
popllla~ao.
"
':5,
a~Oes
eane ta
'e010S
ca~a
e significativa
Nolos
e uma
Pearson
uma meclida de associa~ao para a analise cle dUlls
variaveis interualo ou de razao.
I Dois livros manuais de estatistica social que podem ser t'lteis: JENDREK,
Margaret Platt. 7bro/lgh the Maze:. Statistics with Comp~ler Ap~li.c~ltiOns.
Belmont, C;\: Wadsworth, 1985; BLALOCK, Hubert. SOCial StatIstICS. New
Yo rk , McGraw-Hili , 1979.
2
Capitulo 17
Tecnicas Multivariadas ~van~adas
A maio r pane deste livro ate agora focalizoll formas
urn tanto rud imentares de manipu l a~iio de dados, como 0
usa de tabelas de contingencia percentlladas. 0 modelo de
analise de e l a bo ra~iio foi apresentado sob a forma de tabelas de contingencia, assim como as recnicas estatfsticas descritas
no Capitulo 16.
Iremos agora lim passo alem e consideraremos brevemente alguns me todos mais comp lexos de analise e apresenta~ao de dados. Onde for possivel, cada tecnica examinada
sera apresentad a sob a perspectiva 16gica do mode lo de
elabora~ao. Examinaremos as seguintes tecnicas: analise de
regressao, analise de trajet6ria, analise farorial, an;:ll ise de
va riancia , analise d iscri minante e moc!e1os log-linea res. Estas
ex I'
p 'cados em termos de
Afirmanclo
e
e
.; .
as pesquisas raramente se limitam a quatro
a pra UC3 ,
~
I
que, n,
e as a SSOCI
'J'
oSOS,
da Figura 17-1.
nnW a
qll<
plo mais realista e 0 da FIgura 17-2, que repreUm exem
d
- 0 hipotetica entre numero de horas de estu 0
I
,
uma re a~a
.
'cow
dantes. Como no exemplo antenor, os valores de
oWS de estu
d )
eO'
I 1ente correspondem aos de X (horas de estu 0 ;
' ( otas) gera n
1 0
d
valores de X, aumentam os de Y Mas esta assomentan 0 os
.
aU _
_ ~ t-O da ra quanto a da Figura 17-1. Na FIgura 17-2
. p o nao" a
CIa,
, el sobrepor uma linha reta passando por todos os
nao e pOSSIV
. . d
' fco mas podemos trac;ar uma Imba aproxlma a,
onteS d 0 gra 1 , ~
~" .
rmostrancI0 a 1nelhor representa~ao " linear
posSlvel dos vanoS
.
pontos. Est a linha foi tra~ada no graflco.
I
flGURA 17-2
Gr6fico dos vol ores de duos vori6veis com linho de regrelloo (hipo\efico)
.
..
. ..
..
4.0
fl GURA17-1
Mapo simple s dos va lores de X e Y
rtJ
>-
"
e2
~
~
".~ 2.0
".,::;;
3.0
16c
1.0
..
0.0
0
10
. -
20
30
40
50
60
Valores de X
'
eqlla~ao de regress~O
I as van 3 -
r
para X, podemos prever lim valor de 3,5 tambe.n para Y.. Ecla
- na lorma
C
gra-fleo pode ser represenrada por uma equa~ao
Y =:: a + bX, c nde X e }' sao valores das duas variaveis. Nesta
equa~ao, a igual ao valor de Yqllando X 0 e b representa a
Inc/ ina f ao da Hnha. Se soubermos os valores de Cl e de b,
POcle010s ealeular uma estimativa de Y para eada valor de X.
nUI11
equa~ao
a .
t
I'.
. c
\" 0 e
va I 10sa anto (eScrltiva quanta lOlerenclalmente. Primeiro
a
"' . S
d
,ao
entre as vanavets. egun 0, a equac;ao de regressao pe .
c
mlenr os va Iores cIe Yquando temos os valores de X . V.olt<mite
anclo
a Figura 17-2, podemos estimar as notas dos alunos se soube nnos
quantas horas eles estudam por semana.
equac;ao de regressao faz uma descric;ao matematica cia rela "
equac;ao de regressa
~
de uma varia vel a partir dos valores
da outra. 0 formato geral desta equa,ao e Y'~ a + bOO, onde
a e b sao valores computados, X e lim valor nUllla varia ve l e
Y' e 0 va lor eslimacio na outra. Os valores de a e de b sao
oncle
Escorc final do desempenho do aluno
x,
x, -
conrc(kio
x"
x, ..
Composto cia
eno,
b ;o
Peso da regressao
e"
Residuo
das coisas. Como vimos no Capitulo 14, e possivel, lIsando rabelas de porcemagem, analisar mais de duas variaveis.
AUl11enrand~
.l
que representa a ra iz quadrada cia variancia em Y nao explicada p elas variaveis X analisadas.
.
A equa~ao resummclo a rela~ao entre variaveis
~~
e computada
no caso do modelo de
elabora~ao, 0
Se voce conhece geometria, sabe que fun~oes curvilineas podem ser representadas por equa~oes. Por exemplo,
a equa~ao X' + yz ~ 25 descreve um circulo com raio 5. Elevar
variaveis a grandezas maiores que 1 rem como efeito produzir
faz.
Analise de Trojetori o
com parada com outros meios, pode oferecer um quadro graficamente mais util das rela~6es entre d iversas variaveis. Anftlise
de traj etoria su poe que os valores de uma variavel sao causa-
Varia vel
Variavel
Variavel
inc1ependente
interveniente
dependente
flGURh 17-3
.
dOl fontel religiolol do onfi-Iemitilmo
Ologromo
por sua vez, rem um impacto sabre uma varia vel clependenre. A
rela~6es
---------
----
-.03
-----------
.27
analise
.
d e Id
m eomplexas eadeJas
Embera seja um modo 6WTIO
I ar eo
.
d
'
d
e
entender
que a analise
causalS e redes e vanavelS, eve-s
" de
.
re
diagrama de trajet6ria conta uma hist6ria diferen .
cren~a ~~
. .
0 seCll ai,
,
. ,.
lle se
eomputador para calcular os eoeficientes de traletona q
aplieam a estrutura decidicla.
Analise fotorial
Analise/atorial e uma aborclagem cia analise multivariada
diferente da analise de regressao. Sua base estatistiea e tao mals
complexa e tao diferentc das discusSOes antenores que pede
em cada item.
f res conStl UI 0
f
U:ltrO
atO
~
sei parenteses nos itens de cada ator
q
d 11ensoes, e eu u
. .
quatrO II
_
Ih destes nomes. Forslund asslm resumlU
leva ram a eseo a
que 0
resultados:
seu S
,
adroes bem distinlQS de atos de delinqUc?ncia se
Qu,uro p
.~ .
.
ostra' total. Em ordem de vananCia
di su nguem na am
cx p II'caela , eles foram nomeados: 1) atoS contra
.
'edacle , incluindo vandalismo e furto; 2) !ncar
prop n
.
. 'b'I' I de' 3) usa de drogas e evasao escolar; 4) bngas.
ngl I Ie a
.
, .
C lalvez surprecndente que vandalismo e
E Interessante,
Suponha agora que a mesma pesquisa apresente diversos indicadores de aliena~ao dos sujeitas. E prev.vel qlle a
analise fatorial tambem gere uma ciimensao arrificial altameme
correlacionada com cada lim desres itens.
o res u ltado de um programa de analise fatorial consiste em colunas represeorando fatores cliferentes (climensoes
artificiais) gerados a partir das rela~oes observadas entre variaveis mais as correla~6es entre cada varUivel e cada fator
Cehamadas eargas fa/oriais). No exemplo aeima, e prov.vel
que um fator represente mais ou menos preconceito e urn outro
represente ma is au menos aliena~ao. ltens medindo preconceito teriam a lras cargas no (ou correla~6es com) a fata r
preconceito e baixas cargas com 0 fator a!iena~ao. Itens medindo
aliena,ao mostrariam 0 padrao oposto.
numa serie de fatores com cargas faroriais apropriadas. Determina-se entao 0 significado de urn dererminaclo faror com base
nas variaveis com alta carga nele . A gera~ao de fatores naD se
refere ao Significado das variaveis, apenas as sllas assDcia~oes
empiricas. Dois criterios sao eonsiderados: 0) um fator cleve
explicar lima parte relarivamente grande da variancia encontracia
nas variaveis, e (2) cada fator cleve ser mais au menas independente de eacla um clos outros farores. Vejamos um exemplo.
Muitos pesquisadores estudaram 0 problema cia del inqliencia. Quando ele e visto com profundiclade, descobre,se
que ha muitos tipos cliferentes de delinqlientes. Mor~s
Forslund fez lim swveycom alunos de eolegio numa cicladezln a
.. ' cia 2Se U
de Wyoming, para eriar lima tipalogia d a d e I IOquen
~.
Aparentcmente,
Depois de dete rmi nar este padrao geral, Forslund fez nova
amilise fato rial separando rapazes e nlO~as. Esseneialmente os
mesmos padroes eme rgiran1 em ambos os casas.
Penso que este exemplo mostra que a anali~e fatorial e
um metodo eficiente para descobrir padroes predommantes num
nDmero grande de vari'veis. Em vez de 0 pesquisador ser obngado
. . mu'Itiplas
a comparar inumeras correla~Oes - simples, parctals.e
.' --:
para descobrir padr6es, pode-se lISaf a analise fatonal para IstO. E
um bam exemplo cia utiliclade dos eomputadores.
A analise fatorial tambem apresenta clad as numa forma
que pode ser interpretada pelo leitor ou pesquisador. 0 leitor
consegue facilme nte descobrir altas cargas de variaveis num
fator, detectando grupos de variaveis, ou descobrir em que fatares
uma varia vel tem au nao tern carga alta.
A analise fatorial tambem tem desvantagens. Primeiro,
como observamos, fatares sao gerados independentemenre. de
qualquer significado substantivo. FreqUentemente, pesqulsada res e ncontram fato res produzindo cargas muiro altas nurn
grupo d e variaveis substantivamente dispares. Por exemplo.
podem e ncontrar que preeoneeita e religiosiclade tem alras
carga s POSitivas num fator, enquanto educa~ao apresenta
Uma carga negariva igualmente alta. Certamente as tres variaveis
g OSa"
solu~a~
[ABELA171
Ana lile latarial : atal de delinquencia (brancol)
Mo de Delinquencia
Quebrar Iampadas de poste
Quebmr janelas
Quebrar
cerC'dS,
Mal contra
propriedade
fotar I
0,669
0,637
Incorrigibilidade
fotor II
Drogal/fvaloo
elcolar
fator III
Brigal
fator IV
0,126
0,093
0,119
0,077
0,167
0,215
instrumento
vara is de
roupa
Furtar coisas ($2 a $50)
Tirar ar de poe us
Furtar coisas (acima de $50)
Jogar ovos, lixo etc,
Furtar coisas (abaixo de $2)
FUltos na escola
Usa r carro sem pedir ao dono
Pintar, pichar
Desobeclecer aos pais
Estragar mesas, muras
Xingar para se desfoffilf
Desobedecer ao professor,
regente
Desafio abeno aos pais
Trotes telef6nicos
Fumar maconha
0,621
0,616
0,587
0,548
0,526
0,486
0,464
0,461
0,451
0,054
0,236
0,134
0,240
0,232
0,373
0,054
0,186
0,187
0,243
-0,017
0,186
0,233
0,054
0,276
0,023
0,143
-0,002
0,550
0,537
0,080
0,071
0,209
-0,061
0,045
0,186
0,068
0,156
0,034
0,266
0,077
0,027
0,040
0,250
0,039
0,021
0,100
0,497
0,458
0,446
0,064
0,223
0,305
0,029
0,755
0,195
0,058
0,13
0,028
0,016
0,249
0,247
0,252
0,088
0,266
13,4
0,669
0,004
0,189
0,175
0,181
0,339
0,393
0,232
0,172
0,237
0,642
a escola
0,137
0,246
0,049
0,101
0,309
0,242
67,2
0,395
0,358
0,319
0,181
0,070
10,9
0,843 }
0,602 _
8,4
~n6lise de Varioncia
ciiveltir
ha
"
_ p 're com rodas as ana'I'lses fatonatS,
mas, no u s0 d a
g
r a,
I nao foco l 'al para fins exploratonos,
, ,
os fatores gerados
analise Olton
. .'
. _ necessaria mente Slgmflcado.
na D ret11
Minha opiniao sobre analise fatorial e a mesma que tenho
ros modos complexos de analise, Ela pode ser uma
, d
sobre ou t
e seu usa eve ser
uiro (nil para 0 pesqulsador,
m
ta
fen'amen
~
.
'
. a com, do sempre que puder aludar as pesqulsadOles
encoraJa um conl'unto de dados, Mas nao se esque~a que um
preen der
"
3r
~~,~:~;, fORSlUNO, Morri, A, Pallern! of Delinquency Invalvemen! ~n Empirical Typology, lrobolho op""nlodo no Reuniao Anuol da W"I."
I,on af SOCIa lag"" ond Anlhropologi,"- lelhbridg" Alb,r/o, 8 d, feve .. iro d, 1980, A10b,lo ocima foi odaplada do pogino 10,
21 mil e os Democratas de $19 mil. Claramente, os Republicanos da amostra sao rna is ricos que os Democratas, mas esta
e "significativa'"
diferen~a
. ...
A diferenra
. pro . .
~ de $2 1111'1 sena
se tlvessemos criado dois grupos I}or selera'o
I
6'
~,
a eat na' vavel,
de variancia responde esta perg
.
, .... A .analise
A
.... .
'
unea lisand
.,
Cd
0 a
va 1a1le/a. vanancm de uma dis',.;b
u. UI~O e renda po
mede em que medida os valores num conjunto d' ; eXemplo)
agrupados pr6ximos da media ou se d,'str'b
e va .ores estao
. b'
I uem mu!{O I
mUlto
alXO em
rela~ao a eia.
a to OU
A
Variancia baixa
B
Va ri~ n cia
j
I
:.
"0
i!!
$25,000
e...-
' .....
I
I
I
I
I
I
II
'.
II
I
..
I
I
I
I
I
I
.-
$O~-;.~______~__~I____________________Rep
Dem
Rep
.'
alta
e.
"""T'""Media
= $ 21 000
'
:. Media = $ 19,000
~
Media = $ 19 000-
.
.
. nos quanta De010cratas mostram rendas que vanam
de mUlto
bUI~o
Dois podroes de dis hibu itoO de ren do de Repu bliconos e Dem ocro fos
Ole las
flGURA 17-4
$50,000
Dem
e entaO
sobre significiincia estatistiea. Enfim, concluimos que a diferen<;a e significativa em algum nivel de significancia. Podemos
descobrir, po r exemplo, q ue erroS de amostragem teriam produzido uma clife ren~a tao grande quanto esta apenas lima vez em
mil. Dirfamos entao que a dife renc;;a era "sign ificativa no
patamar de 0,001".
Simplifiqlle i os dlclilos deste exemplo em favor da 16gica
basiea do proced imento. Na pratica, atllalmente, rais calculos
sao realizados par programas de computador.
o caso mais simples da diferen~a entre duas medias e
muitas vezes chamado de "teste t" . Com rna is de dais grupoS,
as calculos se tornam mais complexos, porque mais compa;~Oes sao necessalias. Basicamente, preciso comparar as medias
das grupos umas com as outras e examinar a variac;ao dos valores
.e cada gru po. 0 resultado final cia analise, como foi no caso mais
SImples,
expresso elTI termos de significancia estatistica - a
.
s Os que ganham $30 mil ou menos usam caneta,
. escntore .
gelS
nda de $55 mil ou mais usam computador.
OS com re '
e
t nto raramente a vida e tao simples, mesmo em
No en a
,
.
.
. plificados. Vamos complrcar um pouco as cOlsas.
elllplos slm
_,.
_
ex .
17-8 apresenta os seis escritores numa cOlulgura~ao
A FIgura
lais complicada em termos de idade e renda. Obpouco n
un!
_0 e posslvel tra,ar uma linha separando canems e
rYe que na
ge
dores nem por idade nem por renda.
conlputa
flGURA 17-5
\~il ~!Oilor~l: Irel
a cia
elabora~ao e
as
[gJ
[gJ
hnalise Discriminante
[gJ
das corre-
~ I cr~ v~ m 0
[(~cn icas
flGURA 17-6
tt
50+-----1 [
44
40+-----+-f
"
:ll 30
"0
PP
~ P.
\
25+= = = 1
ro
~
26
ro
~
TO
~
H
... p()
ppp
- matS
. caras que canetas.
computadores sao
partir
19 2530
55
Renda
(milhares de $$/ano)
70
80
flGURA 17-7
flGURA 17-9
melodo de elcrever
[g]
[g]
[g]
[@
[@
[@
=
19
25
55
30
80
70
Renda
Renda
(milhares de $$Iano)
FIGURA 17-8
Pod roo ligeiromenle moil (ompli(odo
Se estudarmos com mais euidado a Figura 17-8, deseobriremos que e passive/ trapr uma linha separando eanetas
e complltadores. Apenas e la nao e perpendicular a nenhum
dos eixos no grafico. A Figura 17-9 mostra a linha que 0 faz.
Para aproveitar esta linha ,
a linha de sepa-
[g]
[g]
=
Renda
flGURA 17-10
. '~
mente resu
Nova dimensAo
..
,- na equa~ao
'iiveis explicativas, como ra~a ou re I''grao,
.
-'
as rabelas de porceoragem resulranres se tornanam
po1ItlCa, '
incrivehne nre complicadas,
Mode/os /og-lineares oferecem uma solu,ao porencial a
lexidade , Esta tecnica, que envolve d lculos logaesta co mp
'rmicos bem elaborados, e baseada na especifica~ao de modelos
e coos
Qu{f3S va n
e um
modelo, e1e
Modelos Log-Lineores
Suponha que queremos saber se orienta~ao politica se
relaciona com filia~o partie"'ria, Por exemplo, os liberais tendem,
mais do que os conservadores, a ser Democratas? Diviclindo
complexas, Suponha que, alem de Democraras e Repubhcanos, nossa amostra inclufssc Inclependentes, SocialisWs
e Libertarios. Nao faz mais senti do examinar
percen
tllai
log-linear, 0 pesquisador considerarii rela~oes diretas entre a variavel dependenre e cada varia vel independenre, rela,oes entre
pares de variaveis independenres e rela~oes entre tres variaveis
(mais are, dependendo do numero toral de variaveis), como no
modelo de ela bora~ao, Consideremos um caso de rres variiiveis,
tlrado do exemplo anterior.
Pode mos suspeitar que a filia~ao partidiiria de uma
pessoa ("partido") seja fun~ao de sua orienra~ao polirica ("filosofia') e ra~a, as componentes deste modelo incluem entao: (1)
o efeiro direto de filosofia em partido (2) 0 efeito direto da ra~a
em Part!'d 0 , (3) 0 efeito de ra~a em filosofia,
'
(4) 0 efeiro de ra~a
na relara
' 0 entre filosofia e parrido (como no modelo de elabora - )
E b~ao e (5) 0 efeiro de filosofia na re l a~ao ra~a e partido,
exm \"ora<, cad a li m destes componentes tenha algum poder
' d e I'd entl'f'Icar
uPlcarlvoaa.
, n a I'
IseI og- I'mear prove- lim melO
q
al S
sao
.
mals importantes e quais, por questoes praticas,
Resumo
Neste capitulo, sonda ll1os mais profundamenre as
possibilidades de a na li ses comp lexas e quantitativas de
dados de pesquisas de survey. Nao procurei treina-Io no
vez
uso c1estas tecnicas, apenas familiariza-lo com elas. Tal
_.
.
b alguma
voce quelfa aprender mats profunda mente so re
.
..
o u pelo menos ser capaz de Ildar
eflcazmente com relat6nos
"
, .
descri(as
de pesquisa que usam estas tecnicas. As tecnlcas
.
dia em
sao apenas a lgumas das mais populares hOJe em
I
. ao gera
pesquisas de survey, e penso que dao lima b oa VIS
das possibilidades.
Capitulo 18
~r
Nolos
Adaptado de YERG, Beverly J. Reflections on the Usc of the RTE Model
in Physical Education. Research Qutllerly for Exercise alld Spor/, pA2,
1
o Relat6rio
do Pesquiso de Survey
mar. 1981.
2 FORSLUND, Morris A. Patterns of Delinquency Involvement: An Empirical
Typology, apresentado no Enconrro Anual da Western Association of
Sociologists and Anthropologists, Lethbridge, Albena, 8 de fevereiro, 1980.
, Ibidem. p.4.
4
1977. p.76-77.
VaG
as esfor~os
Leituras Ad iciona is
HENKEL, Ramon E. Tests a/Significance. Beverly Hills, CA: Sage,
1976.
HILDEBRAND, David K., LAING, James D., ROSENTHAL,
Howard. Analysis a/Ordinal Data. Beverly Hills, CA: Sage,
1977.
IVERSEN, Gudmund R., NORPOTH, Helmut. Analysis oj
Variance. Beverly Hills, CA: Sage, 1976.
KIM, Jae-On, MUELLER, Charles W. Introduction to Factor
Analysis. Beverly Hills, CA: Sage, 1978.
KNOKE, David, BURKE, Peter J. Log-Linear Models. Beverly Hills,
CA: Sage, 1980.
LEWIS-BECK, Michael S. Applied Regression: An InlroducliO Il .
Beverly Hills, CA: Sage, 1980.
REYNOLDS, H. T. Analysis 0/ Nominal Data. Beverly HI'11 s, CA:
Sage, 1977.
o relatorio cientffico tem varias fun~oes, e e born lembra-las. Primeira, 0 re lat6rio comunica a uma audiencia um
dt've s
Ijueln 0 Iera,
de\ e dtSlin'TUlf
.
.
...
<.l'
L..
'LrtJ
.::.
,}\,j.i
,);:'I~ c.;. \
lu)
rc:: I<.J~ .. 0
en
e pergunra
'
[f' clen1!
voce Ma.s
'
r
od
OS (.I)j IbVt.lfIlt.nt" d I
r
l.JnmeJfOS
l 1
_;:0
\,; e
a Vt L. I-'v;:.,~._ i"t';,Lilll" dJgUlt. p ' 't l t0S ,"e'p t >. )Jit..l-JO.s detalh:t~ I..
nlente. 19ual1pe me, p, (Ie U:>dr 'I lI<.-' l'n~!'n'Jtltl UlalS t _ .
a
.
. ' .-'
ecnlca dque usan3 P:1r3 l!:n2 aUCJ' ndJ 1,h:!J 0'" Pro
.
....
I...> ~.
[ t' xemplo
ua
pesqUlsador
de
fJ ao """ 'e'-el nar
, m
.
. marJ,zetUl ~.
.......
,. ,- :lIn CI'Iente . dey
exohcar as '015as corn mais cler:llh:.:s do qllf' <;f"na Of>
~ e
pa
rl'- .
cessann
[,1 wnJ RIl jf'nn:1 dp r .\"rn is<ldrwpo;;: df' m,I1 'l'(!iir g
'\ """-sr:
)J~
dL
11)( 'f
'r:- (
;'
.'
'
rI
-r
,.
SP1JS
1"J.'q'JI,1
rcnfundi r
::;ubstan':'ia
Estes ;::-:.
-cflt:L:~s
"',"-
l,""l:c~n~"
~ i JU
1:a.lLi.tZ2
'<.I.
"
.1 ~ ~ .
r .....
;:iler'oS escritos e
(.to re I.1torio
r
e lnfluenciada pela
np,rm i ''l
ciencia ~
monM" Re
"."".h~i-'Cn""""
,\.u"" ..... .), J..... __ 4C~ ... _I~O, ~
SI!f'\ '
'":" ~tC' ..
form
P.<"
" ,..
11 It"m
em trab:-lhos
f"ofnFi<;-.:irm'li.s. Freqi.1entemente,
'1
an "-r'lp c;rnf)
:is
Objetivo do Relet6rio
]a consideramos, acima os diferentes prop' .
. d
'
OSltos d
pesquIsa e slI1vey. Ao preparar 0 relm6rio, VOCe deve Ie
a
mbrar
estas diferen~as.
Alguns relat6rios podem focalizar prima ria
ex"/
- d
.
mente a
r orafao e urn tOPICO. Sao inerentes a este obJ'etivo as
<
.
'.
conclu_
soes expenmentats e mcompletas. Voce deve indicar cI
,
d'"
..
aramente
a au tenCta 0 obJettvo explorat6rio do estudo e
l' . - d I
apontar as
llntta~oes e e. Urn aspecto importante de um relat6rio
I
' . . '1' I
exp Ora_
t 6 1I0 e sua utI I( acle en1 mostrar 0 caminho para pesq .
.
.
Ulsas mats
refmadas sobre 0 assunto.
A maioria dos estudos tem urn objetivo desCritivo
16' d
,eos
re at nos estes estudos terno urn elemento descritivo 'vi _
deve di,stinguir cuidadosamente as descri~oes que se a~lic~~
apenas a an:ostra das que se aplicam, por inferencia, it popula~o.
Se forem fenas descri~oes inferenciais, voce deve dar a audiencia
alguma indica~ao da possivel magnitude de erro delas.
Muitos relat6tios tern um objecivo explicalivo; voce quer
mostrar rela~6es causais entre variaveis. Dependendo da aueliencia
provavel do relat6rio, voce deve delinear cuidadosamente as regras
da explica~ao que sustentam seus calculos e conciusoes como
no caso da descri~ao, de aos lei to res alguma orienta~ao ;obre a
certeza relativa clas suas conclusoes.
Prop6sito e Resumo
Come,ar com uma introdu,ao rapicla ao prop6sico do
clo e as principais descobertas cia analise sempre ajuda os
estu
"eli'
. na forma
co, tSSO po d e ser fetto
leitores. Num artigo d e peno
de um
reSUlllO.
Reviseo de Literature
Como todo relat6rio de pesquisa deve ser posto no contexto do corpo geral de conhecimento cientffico, voce sempre
deve indicar onde seu relat6rio se encaixa neste quadro. Ap6s
apresentar 0 prop6sito geral do estudo, voce deve atualizar os
lenores sobre as pesquisas anteriores na area, apontando para
as concordiincias e discordiincias com os pesquisadores anteriores.
Organiza,ao do Relat6rio
em s
fvitondo 0 PI6gio
Ao relatar 0 lrabalho de OIHros cleixe claro qu
d'
"
'I'
.,
em ISse 0
q ue- . "essencla
eVllar 0 pl<\gio que e 0 roubo cI 'd-'
)al
cI
'
e I elas e/ou
I avras e Durcas - intencional au acid ental mente _ e
senta - d
'd -.
a apre.
po essas I etas e palavras como se fossem suas C
este problema e comum e algumas vezes pouco claro' v omo
, - I0 com mais detalhes.
' amos
e xarrunaEis as principais regras com relal;iio ao pliigio:
Voce nao pode usar as pabvras cxalas de outro auror
sem po-las entre aspas c sem indicar a fonte da cira~ao,
de forma que O!i leitore!:> pos!:iam localizar a cita~ao no
contexto original. Como regra geral, de a fonte de toua
citacao de OilO QlI mais palavras.
_
Urn exemplo explic" Illelhor 0 que e e c que nib e aceitavel no uso do trabalho cJe outro. Cons',c'e-e C' seg::'''te tredlO
original.
Sisrema~ sao ('r)"1() belle,.: qu:-.m: 0 voce cc:'"'segue u:1't.
voce 0 [em. Eles nao v:1o -:!-lbr:-r;1 Ae contr~r!0, des 5:10
de tlma persisti"'nc-;;' n':"'~~h"d. C";f!~ nao ~tpe~3S pe;siste:-'i
eles cresC'ern. r,:-' r:.,.,I:~1;- '"!"J( ... (:'sc"m, ult:<lP2~""'''''''' I;....,;f"'$
() porenci:11 (;,. cre.<.;ciP!f"io de si<';;(:'IlI:l~ (oi t"xl'it)r;,dn ell'
maO'>i;~
x'~r:"'.f''{~l C l=.f;
'If pOl
1Jk- 5011, alJ
(';"Iracterf"tica<; do"
QU('fO
<,;;s(f"m~s sociai<.;
Ue
-.
.
1
q
voce cna lim sIstema, e e parece nunea if embora 0
.
carre
r.
neste aspecto. 7
metodo de proces-
Analise e Interpretotco
.
estudo na perspectiva da pesqUisa
pre"via
deve
e tendo descrito seus desenho e execu~ao, voce
apresentar os dados . A se~ao sobre diretrizes para relata r :
Tendo posto
s as pon
toda
da analise deve fazer sentido na hora que e reIa-I"
Cada etapa
d
da Voce e ve ,apresentar sua razao para uma ana lse partlCut3 , .
os dados relevantes a ela, imerpretar os resultados
I apresentar
ar, ' . ' d 'car para onde nos levam os resultados.
e de pOlS m I
Resumo e (onclusces
Seguindo 0 ditado antes ~itado, voce deve garantir 0
do re latorio da pesquisa. Deve eVltar rever cada
resumo
d
. 'f' .
edfica Inas deve rever to as as slgm lcauvas,
descob erta esp
,
mostrando novamente sua signifidincia gera!.
o relatorio deve ser concIuldo declarando 0 que voce
cobriu
sobre 0 tema em questao e para onde deverao apomar
d~
fururas pesquisas. Uma revisao rapida de artigos d e pen'od'
_ICOS
recentes provavelmente mostraria alta freqiiencia de ocorrenCIa
desta decIara ~iio conclusiva: "Esta claro que precisamos de
muito mais pesquisa." Esta
e provavelmente
uma conclusao
as m
esmas tabelas chegar iis mesmas equa~Oes de regressao,
obter os mesmos fatores
'
"
I
.
e cargas de fatores etc. r. C a10 que
que
eS'T{,Veu
Resumo
d3reza e
Notol
S .temallt/CSo How Systems Work and Especially How They
'GALL, John keY pocket Books 1975. p.33-34. (Not"' Gall fez antes uma
Fail. Nev.' Yor .
.
'0
Clta~ ..
.'
complera de Parkmson.)
.
nhado poruma nota de rcxlape: GAll,john. SystemOIlIIcs.
) I [osen:l3COmPl .
.
k P k'
S
WI rk and Especially How They Fall. New Yor,
DC cl
HoW Systems wO
dar.
o
Leituras Adicionais
BART, Pauline, FRANKEL, Linda. Ihe Student Sociologist's
Handbook. Glenview, II.: Scott, Foresman, 1981.
BE0<.Ell., I"o,,~rrl, GTJSTAYS0~1, Clair. Fl1 coul1 ferwilh Sociology:
TI,,. 'I'prn} P~p"r. S~" "mncisco: Boyd and Fraser, 1976.
APesquisa de Survey no
Contexto Social
CAPiTULO 19
AEllCA NA PtSQUISA Of SURVEY
CAPiTULO 20
oCONSUMIOOR INfORMAOO Of PfSQUISA Of SURVEY
e suficientemente abrangente.
:...
,.'1 " ,
,, '
,.
, . ' ...
_ t ., ,
, :,.
','
1 '.~ -.
1\
rflr:
pp.s(I'Ii'a df"
os
fitlrvPYS
a~
_.
.
e capitulo
apresenta alguns dos problemas etlcos mais comu '
.
ns na pesqUlsa _de survey e sugere algumas solu~6es eticas ~rne~
que nao compromerem perigosamente a qualidade "c' _~
lentlilca"
da pesquisa .
'
p~rl
35S1111 , I
ga
d'
I
.
.
stoS numa caixa, ou pe Ir aos a unos que envlem as questlo-
po
Porticipo~(jo Voluntorio
'
_.
conveniente'" sao frases importantes do vocabulario do entrevistador. 0 diretor da pesquisa descobrira alguns entrevista-
e os possfveis perigos -
do experimenro, sao informados que a participa~ao e absolutamente voluntaria e sao ainda instrufdos de que nao devem
esperar nenhuma compensa~ao especial (como uma Iiberdade
condicional precoce) pela participa~ao. Mesmo nestas condi~6es,
os voluntarios sao fl'eqUenremenre motivados pela cren~a de
que terao beneffcios pessoais de sua coopera~ao.
coer~o
e imprecise.
50ClI
(OS
c aro
..
naem
.
.
flSCO suas vldas fam lliares suas amizades empregos ,e .aSSlm
.
por cll:nte. Esta situ a~ao sera cl iscutida em maiores cletalhes
e ouuas nao.
eel
escntono
.
~. .
.
de devolve-l os e fez um sermao enfatlco e ngoroso para a
..
antes
- dizendo que mu itos deles eram ateus e .lflam. para
congrega,ao,
. c
o IOL
ern 0 . Mesmo que 0 pastor nao eonheeesse a ldentldade
b ld d
~
POSSI 1 1 a e e evirar que isso OCorra. Mesmo Com 0 entrevis-
do
Ananimata e Sigila
A situa~ao mais clara envolvendo a prote~ao do interesse
alguma maneira,
e ainda
isto. Se um item tiver probabilidade de produzir rea,oes desagradaveis nos respondentes, voce cleve ter fones razoes cien-
tifieas para fazer tal pergunta. A menos que seja vital para os
objetivos de pesquisa, rem ova este item. Se ele for essencia l
e sensfvel, voce se vera em terreno eticamente perigosO e
sofrera sua propria agon ia.
Apesar de
Anonimato
Um responclente pode ser considerado anonimo
quando voce mesmo nao consegue re lacionar uma dada
res POsta a algum respondente. Isto signifiea que um respondente de su rvey por entrevista nunca podera ser eonsiderado
anonimo, porque 0 entrevistador colhe a informa~ao de um
entrevistado identifidvel. (Isro supondo que sejam seguidos
nletoclos padrao de amostragem.) Um exemplo de anoninl ato
..
..
lea,ao
pesquisa.
da
anonimato, em
pre~o necessario.
0
as
vezes
Mesmo nu m S
,
. I 'ficar um respondente, principalmente em
sSlvel Ie entI
_
u'
pO
_
bertas Se eJe Iistar sua ocu pa\=ao como pres 1es a
esro
.
.
I
qu
C
h'la ABC" e 6bvia sua Identldac e. AIgumas
te cia ompan
,
.
den
-I'se multivariada de questoes fechadas permlte a
vezes , a a na
identifica \,ao.
_ .
ssibilidade
sempre
existe
em
Sl/rvey,
anonl1110
Essa po
_
_
< possivel elimina-Ia compJetamente. Mas voce
OU oao ; nao t;::
.'
_
d
eve tentar fazer tais idenllflca"oes, e certlflque-se e
nunca d
- nao
- 0 fa\,a. A1-em d'ISSO,
. de pesquisa tambem
que sua equlpe
.
nao relate dados agregados de ta l modo que os lenores
possam faze-Io. Por iSso, 0 Departamento do Censo NorteAmericano nao reJata dados agregados con tendo menos do
que quinze casos por celula numa tabela.
Identifico~ao Escondido
Ocasio nalmente, se garante anonimaro aos respondentes,
e capaz
de identificar
i2
Sigilo
)
.
m vista
que 0 entrevlsta
d a tomara- cuidado para naQ parecer
os
Infenf
.
d'
tendo a ser um pouco mais liberal em
IstO,
~ .
_. do sitroe" do que em rela~ao ao parroCIl1Io.
proposlto
. "
rela,ilo ~es c\iretrizes parecem boas: (1) Voce nao deve revelar
~s seglll
ot do estudo que possa afetar a confia..
bre 0 prop Sl 0
.
nada SO
(2) Ao mesmo tempo, deve dlzer aos
. d> das respostas.
- .
bihda e
der sobre os proposllOs, quando tal
dentes 0 que pu
(3)
respon ~
~ tver muira chance de aferar as respostas.
arao
nao
I
.
-.
inform, , _
b
oposito devem ser mals genencas d 0
lica,oes so re 0 pr
AS eXp -f.
(4) Nao de razaes ficticias para 0 estlldo.
que espeCl Icas.
E
hnalile e Relat6rio
.
levara
Honestidade sobre
proposito do estudo
e mais dificil,
S
mUltO
e ap enas deson
,
esto
mas, tambem tende a enganar os pesquisadores inexperlentes e'
leva-los a achar qu e toda pesqu isa cie ntffica e pre-planejada.
Se aparecer uma associacao inesperada entre va . - .
~ navels
ela cleve ser apresentada como inesperada. Se (ada a estrateg~
analirica for raclicalmente reestruturada durante 0 estudo
,0 enor
e inaceirave l.
OCOOIGO
Como ilustra~ao,
FIGURA ]9]
(6digo de elito e pr6titol proiilSionoil
Nos, membros da Associa<;iio Americana de Pesquisa de
Opiniiio Publica , subscrevemos os prin cipios descritos no se
guinte c6digo . Nossos objetivos siio apoiar uma pratica etica
bern fundada na feitura da pesquisa de opiniiio publica e no uso
desta pesquisa para fazer politica e se tomar dec is6es nos
setores publicos e privados, assim como melhorar a compreensiio
publica dos metodos de pesquisa de opiniiio publica e 0 uso
adequado dos resultados de tais pesquisas.
Nos comprometemos a manter altos padr6es de competemcia cientifica e integridade na condu <;iio , ana li se e relat6rio do nosso trabalho, em nossas rela<;6es com os respondentes do survey, com no ssos client es , co m os usuarios
da pesquisa para prop6sitos decis6rios e com 0 publico em
gera!. Tambem nos comprometemos a rej eitar todas as tarefas e
designa<;6es que requeiram atividades inconsistentes com os
principios deste c6digo.
f .
ro Isslonal ern
A. 0 Publico:
.
y
prensa
no corpo leglslatlvo , na agencia reguladora ou
'
.
Dutro
grupo apropnado, ante 0 qual foram apresentad
Uu
d escobertas distorcidas.
B. Clientes ou Patrocinadores:
.
Boas praticas profissionais obngam lodos os pesqUlsade opiniao publica a incluir, em qualquer relalorio de resul~.
.. so b re como
esq uisa algumas Informavoes
essenClalS
d de P
~~
'
.
.
a pesquisa foi l eila. Pelo menos os segUinles lIens devem ser
divulgados:
1. Quem patrocinou a pesquisa e quem a conduziu.
fd
. I
os
con I en cia toda informacao de sua propriedade obfd
b
I
I a
so re.o c lente e sobre a conducao e descobertas da
pesqUisa fel~a para 0 cliente, exceto quando a divulgacao
da Informacao for expressamente autorizada pelo cliente
ou quando a divulgacao se to mar necessaria nos termo~
da Secao I-C ou II-A deste C6digo.
C. A Profissao:
1. Reconhecemos nossa responsabilidade em contribuir
para a ciencia da pesquisa de opiniao publica e em
disseminar 0 mais Iivremente passlvel as ideias e as
descobertas que surgirem de nossa pesquisa.
2. Nao mencionaremos nossa filia,ao a AAPOP como
evidencia de competencia profissional, urna vez que a
Associacao nao certifica pessoas ou organizacoes.
D. 0 Respondente:
1. Nos esforcaremos para evitar 0 usc de pn\ticas ou
metodos que possam prejudicar, humilhar ou seriamente
enganar os respondentes de um survey.
2. A menos que
FONIE: Amelicon AHociotion fOf Public Opinion Releorch, 1989. Ulodo (am permilloo.
Minha maior preocupa~ao e sensibiliza-lo para as questoes eticas na pesquisa de survey. Ser capaz de reconhecer
relat6rio.
questionario fora.
8. Voce obtem uma lista dos assinantes da National Review
para urn estudo sabre comportamento do consumid~r. ~s
questionarios sao enviados para esse grupo com a exp!Jca~ao
cle que eles foram "selecionaclos aleatoriamente".
tivesse.
.
rtamenta
S. Ap6s um su.rvey por entreVlstas
sabre compo <
dcsviante, policiai!:i Ihe ordenam que identifique as
voce usa
13.
masturba?~
oas se SCnre
com reia\,fio a lima serie de questoes pUblicas N
rn
~
Resume
~.
. a verdade
s e
a um dcrcrminaclo assunto.
.'
OPOSI~ao
.
.
unlversldacle fumam maconha reguIarmente A
mUI'to
eUq
_
Icac;ao
I
b
(eatena
pu
bl'
fato.
15. Voce assina urn contralo para fazer lim estudo e preparar
um rebt6rio par:! um patrocinador sabre cefto lema. Voce
e de
interesse do
Nolal
I Qu ando 0 livr~ foi primeiramente pubJicado em 1973, v{lrios revisores
se opusera m a inclusao de um capitulo sobre elicH em pesquisa. Em
rcspos la aos meus comentarios sobre "os direitos clos responclentes",
lembro-me de lim revisor que clisse: "E sobre os dircitos cia ciencia?"
Entretanto, desde entao penso que nenhum manual sobre pesquisa social
foi publicado sem alguma abordagem substancial das questoes eticas. Em
minha opin iao, isso e um sinal sauch'ivel.
2 Lembre-se do Capitulo 9 em que a pcsquisa metodol6gica mostrou que
o patrocinio de pesquisas pela universidade aumenta a taxa de respostas.
questionario, espcra-.se
Capitulo 20
Cam b nclge,
MA: Schenkman, 1967.
.
o Consu midor
voce e pode ate achar clificil acreclitar agora que um clia sera um
pesquisador cle surveys profissional. Provavelmente voce estii
ceI1o. Em bases per capita, nao hii tantos pesquisaclores cle survey
assim no mundo.
ISSO
tempo toclo.
Talvez voce nunca dirija sozinho um grande survey,
posi~ao
Desenho do Pesquisa
Qual foi a finalidade do estudo: explora~ao, descri~ao,
explica~ao ou uma combina~ao? 0 desenho da pesquba
foi adequado a sua finalidade?
Quem conduziu a pesquisa? Quem pagoll por cia? 0
que motivou 0 eSllIdo? 5e as conclllsoes corresponderem
aos intcresses do patrocinador all do pesquisador, bso nao
as desqualifica, Jllas ainda assim voce deve ficar bem atenw.
Qual foi a unidade de ~In,llise? Ela foi apropriada it
finalidade do estudo? As conclusoes liradas da pesquisa
sao apropriadas para a unidade de analise? Por exemplo,
os pesquisadores pcsquisaralll domicfiios e terminaram
fazendo afirma~oes sobre individuos, ou vice-versa?
Este eswdo ~ interseccional ou longitudinal? Fique atcnW
as afirma~oes longiwdinais feitas a panir de obscrva~oes
interseccionais.
Amoshogem
Fazer amoslragem era adequado ou deveriarn ler sido
estudados lodos os elementos?
Foi feila uma amostra probabilistica? Se nao, tome cuidado
com as conclusoes liradas do es tu do, principalmente
qualquer afirma~ao descritiva.
Sobre qual popula~ao os pesquisadores desejam tirar
conclusoes?
Qual moldura de amoslragem foi usada? Ela e uma
represenla~ao adequada cia popula~ao que inlcressa ao
pesquisaclor? Quais elementos da popula~ao foram omitidos
cia molclura cia amostragem, e quaiS elementos estranhos a
ela foram inclufclos?
QuaiS tecnicas especificas de amostragem foram
empregadas: amoslragem aleat6ria simples, amostragem
sistematica ou amostragem por conglomera do? Os
pesquisadores estratificaram a molduiJ cia amostragem ames
de amostrar? As variaveis de estratifica~ao foram escolhidas
sabia mente? AU seja, elas sao relevantes para as variaveis
em estudo?
Qual 0 tamanho da amostra selecionada? Qual foi a laxa
de respostas? lsto e, qual porcenlagem da amostra que
respondeu? Ha qualquer diferen~a prov<lvel entre os que
responderam e os que nao responderam?
Mesmo supondo que os respondenles sao represenlativOs
dos selecionados para a amostra, qual e 0 erro de
amostragem a ser esperado de uma amoslra desse tamanho?
Os pesquisadores informaram 0 erro de amostragem?
Os pesquisadores testa ram a representatividade,
comparando, por exemplo, a distribui~ao de sexo entre a
popula~ao e os responcienles, OU suas ida des, etnia,
escolaridade ou renda?
Leituros ~di(ionois
Foram usaclos testes de sign ific5nci::l estatistica? Se sim,
foi confu ndida com significflncb substantiva?
E impananle? Alguma
Ha
e uma medida
B L
oG
FREEMAN, Lin ton. Elementary Applied Sta tistics. New York: John
Wiley & Sons, 1968.
KIM, Jae-On, MUELLER, Charles W. Introduction to Factor Analysis. Beverly Hills. CA: Sage, 1978.
KISH , Leslie. Chance. Statistics and Statisticians. Journal of the
American Statistical Association, v.73, n.361, p.1-6, mar.
1978.
KISH. Leslie . Survey Sampling. New York: John Wiley & Sons,
1965.
KNOKE. David, BURKE. PeterJ. Log-LinearModels. Beverly Hills,
CA: Sage, 1980.
KROSNIC, Jon A., ALWIN. Duane F. A Test of the Form-resistant
Correlation Hypothesis: Ratings, Rankings and the Measurement of Values. Public Opinion Quarterly, v.52, p.526-538.
inverno 1988.
Oistribui~ao do Qui-Quadrado
10480
15011
01536
02011
81647
91646
69179
14194
62590
36207
20969
99570
91291
90700
22368
46573
25595
85393
30995
89198
27982
53402
93%5
34095
52666
19174
39615
99505
24130
48360
22527
97265
76393
64809
15179
24830
49340
32081
30680
1%55
63348
58629
42167
93093
06243
61680
07856
16367
39440
53537
71341
57004
00849
74917
97758
16379
37570
39975
81837
16656
06121
91782
60468
81305
49684
60672
14110
06927
01263
54613
77921
06907
06907
06907
27756
53498
18602
70659
90655
15053
21946
81825
44394
42880
99562
72905
72905
72905
98872
31016
71194
18738
44013
48840
63213
21069
10634
12952
96301
91977
91977
91977
18876
20922
94595
56869
69014
60045
18425
84903
42508
32307
89579
14342
14342
14342
17453
18103
57740
84378
25331
12566
58678
44947
05585
56941
85475
36B57
36857
36857
53060
59533
38867
63300
08158
17983
16439
11458
18593
64952
28918
69578
88231
33276
70997
79936
56865
05859
90106
31595
01554
85590
91610
78188
63553
40%1
48232
03427
49626
69445
18663
72695
52180
20847
12234
90511
33703
90322
09429
93969
52636
92737
88974
33488
36320
17617
30015
08272
84115
27156
30613
74952
10365
61129
87529
85689
48237
52267
67689
93394
01511
26358
85104
20285
29975
89868
07119
97336
71()48
08178
77233
13916
47564
81056
97735
85977
29372
74461
28551
90707
51085
12765
51821
81259
77452
16308
60756
92144
49442
53900
70960
63990
75601
40719
02368
21382
524()4
60268
89368
19885
55322
44819
01188
65255
64839
44919
05944
55157
01011
54092
33362
94904
31273
()4146
18594
29852
71sa5
85030
51132
01915
92747
52162
53916
46369
58586
23216
14513
83149
98736
23495
64350
94738
17752
35156
07056
97628
33787
09998
42698
06691
76989
13602
51851
46104
88916
19509
25625
64951
49
35:104
58 _
fON1E: Ab"viada da Handbook of fobl" for Probobili/y and f/o/illin. S,cand Edilion. CI",land: lh, Ch,mical Rubber Company. 1968. Ed,l,d by
William H. Beyer. Repraduzido com permillco dOl edHorel, lhe Chemicol Rubber Compony.
(Colltinu a)
61666
91245
85828
14346
09172
30168
90229
04734
59193
22178
S8492
22421
74 103
47070
25306
74468
26384
58151
066j6
21524
15227
05597
24200
13263
.lBOO5
94342
28728
3S806
06912
17012
64161
18296
22851
15398
46557
-i1l35
10367
07()8.1
351M
18510
86679
')0720
9990"
32812
44592
Bi637
87308
58731
00256
28834
07351
19731
92420
60952
61280
5000 1
67658
32586
04839
96423
24878
82651
66566
14788
76797
14780
13300
20S91
2M32
46901
20849
89768
81536
86M5
12659
92259
57102
80428
25280
';7392
66432
84673
40027
32832
61362
98947
o-t213
26422
44407
44048
37937
639(}1
45776
66134
75470
66520
31&)3
901-19
91402
12116
078-14
6%18
76655
6202B
76630
2;001
91921
26418
64 11 7
94305
26766
25940
39972
22109
7 1500
M568
00\82
04711
879 17
17341
42206
35126
74087
99547
81817
42607
62797
56 170
86324
88072
76222
1\4637
93161
76038
65855
77919
95876
5')293
18988
27354
26575
08625
40801
59920
29841
80 1')0
12777
48501
679 17
48708
18912
8227 1
6512-1
3361 1
5-1262
28290
35797
05998
3'888
38917
88050
99730
55536
8485<;
29080
092')0
79656
73211
oe1725
69011
65795
15976
57948
09:'63
83413
73577
12908
30883
18317
91567
42595
27958
30134
04024
863B5
1i955
56349
90999
49127
46503
18584
18845
496 18
94824
62ns
35605
07523
'>9931
06115
20542
18059
02008
73708
1:13517
36103
42791
023M
51038
20655
58727
28 168
15475
56912
53389
20562
87338
78 17 1
84610
82834
09922
25-117
4j137
8 1263
39667
47358
56873
56307
61607
49518
89656
20103
33362
64270
01638
66969
89420
(H880
45SS5
46565
01102
63976
88720
8276;
34476
17032
87589
40836
32427
70002
70663
28m
39475
46473
23219
53416
9-1970
25832
69975
9 HuH
19661
11398
42878
80287
SR267
92157
SWH
907l5
67245
68350
82948
29515
40980
07391
58745
2sn4
22987
52210
83974
29992
65831
38857
SO"9O
83765
55657
67412
33339
31926
14883
HH3
5974i
92351
9i'H3
89286
003\8
31662
25388
61642
34072
8J2~9
35648
56891
69352
68379
93526
70765
10592
()tiS'll
76463
;432H
023-19
17l,j7
38391
91132
21999
59S1G
816')2
27195
10493
39911
20468
25555
961""
18062
<6880
7777')
693-11:1
00102
66791
47363
06')11
97009
41151
1-1222
6W)7
595H3
31720
<;7375
562.2H
115-16
35931
01110
28865
7lS28
51WO
1')578
785'17
81788
11777
6273U
92277
22923
3U61
(Colllilllla)
483
16408
81899
04153
53381
79401
21438
83035
92350
36693
3 1238
59649
91754
72772
02338
18629
81953
05520
91962
04739
13092
97662
24822
94730
06496
3S090
04822
86774
98289
73115
35101
47498
87637
99016
71060
88824
71013
18735
20286
23153
72924
35165
4lO4O
57491
16703
23167
49323
4;021
33132
12544
41035
80780
45393
44812
11SI;
98931
91202
)0405
83946
23792
14422
15059
45799
22716
19792
09983
74353
68668
30429
70735
16631
35006
85900
98275
32388
52390
16815
69298
82732
38480
73817
32523
41961
44437
96773
20206
42559
78985
05300
22164
24369
54224
3)083
19687
11052
91491
60383
19746
38935
64202
14349
82674
66523
44133
00697
35552
35970
19127
63318
29686
03387
59846
31624
76384
17403
53363
44167
64486
64758
75366
76554
3160 1
12614
33072
60332
92325
78919
19474
23632
27889
47917
02584
37680
20801
72152
39339
34806
08930
85001
87820
03931
33JD9
57047
74211
63445
17361
62825
39908
05607
9 1284
68833
25570
38818
46920
73823
73144
88662
88970
74492
51805
99378
74426
33278
43972
10119
89917
15665
52872
00903
20795
95452
92648
4S4S4
09552
88815
16553
51125
79375
975%
16296
66092
42238
12426
87025
14267
20979
04S08
64535
31355
86064
29472
47689
05974
52468
16834
16153
08002
26504
41744
819;9
65642
74240
56302
00033
67107
n510
70625
28725
34191
21457
40742
29820
96783
29400
21840
15035
34537
33310
06116
95240
15957
16572
21581
57802
02050
89728
17937
37621
47075
42080
97403
48626
68995
43805
33386
21597
55612
78095
93 197
33732
05810
24813
86902
60397
16489
03264
88525
42786
05269
92532
44657
66999
99324
5128 1
84463
60563
793 12
93454
68876
25471
93911
25650
12682
73572
91340
84979
46949
81973
37949
61023
43997
15263
80644
43942
89203
71795
99533
50501
91227
21199
31935
27022
84067
05462
35216
14486
29891
68607
41867
14951
91{,96
sS065
5000 1
38 140
66321
19924
72163
09538
121 51
06878
91903
18749
3440;
56087
82790
70925
65390
05224
72958
28609
81406
39147
25549
48542
42627
45233
57202
94617
23772
07896
27504
96131
83944
41575
10573
08619
64482
73923
36152
05184
94142
25299
84387
34925
37169
94851
39117
89632
00959
16487
6)536
49071
39782
17095
02330
74301
00275
48280
11 SOB
70225
51111
38351
19444
66499
71945
05422
13442
78675
84081
66938
93654
S9B94
37449
30362
06694
54690
04052
53115
62757
95348
78662
11163
81651
50245
34971
52924
46515
70331
85922
38329
57015
15765
97161
17869
45349
61796
66345
81073
49106
30502
32305
86482
05174
07901
54339
58861
74818
30986
63798
81223
64995
42416
46583
58353
09785
21532
44160
78128
83991
42865
92520
83531
80377
35909
81250
46942
54238
(continua)
484
-;486
84846
99254
67632
43218
50076
21368
64816
32906
92431
09060
64297
51674
64126
21885
60}36
98782
07408
53458
13564
51202
88124
41870
52689
51275
83556
62570
26123
05155
59194
52799
28225
85762
41001
12535
12133
59089
26445
29789
85205
14645
23541
54990
71899
15475
95434
98227
21824
19585
78095
50136
43937
46891
24010
25560
86355
33941
25786
63175
893<13
16275
07100
92063
21942
18611
47348
20203
18534
97656
03862
06299
01121
05418
38982
55758
92237
26759
86}67
21216
98444
08303
56613
91511
75928
50585
79626
06486
03574
17668
07785
76020
79924
25651
83325
88428
85076
72811
22717
85613
68335
47539
03129
65651
11977
02510
26113
99447
68645
34327
15152
55230
93448
18039
14367
61337
06177
12143
46609
32989
74014
64708
00533
35398
58408
13261
47908
08362
15656
60627
36478
65648
16764
53412
09013
07832
41574
17639
82163
60859
75567
79556
29068
04142
16268
15387
12856
66227
38358
22478
73373
88732
09443
82558
05250
52608
82674
27072
32534
17075
27698
98204
61863
11951
34648
88022
56148
34925
57031
23982
25835
40055
67006
12293
02753
14827
23235
35071
99704
37543
11601
35503
85171
09915
%306
05908
97901
28395
14196
00921
80703
70426
75647
76310
88717
37890
40129
59037
33300
26695
62247
69927
76123
50842
43834
86654
70959
79725
93872
28117
19233
42488
78077
69882
6 1657
l'136
79180
97526
43092
04098
73571
80799
76536
71255
74239
46764
86273
63003
93017
31204
36692
40202
35275
57306
55543
53203
18098
47625
88684
03237
45430
554 17
63282
90816
17345
88298
90183
36600
78406
06216
95787
42579
90730
86591
81482
52667
61582
14972
90053
89534
76036
49199
43716
97548
04379
46370
28672
l85l'
01715
94964
87288
65680
43772
39560
12918
86537
62738
1%36
51132
25739
56947
485
fR~O
representa
an~a,
486
lomonho do AmOl\ro
100
50/50
10
60/40
70/30
80/20
90/10
9.8
9.2
200
7.1
6.9
6.5
5.7
4.2
300
5.8
5.7
5.3
4.6
3.5
400
4.9
4.6
500
4.5
4.4
4.1
3.6
2.7
600
4.1
3.7
3.3
2.4
700
3.8
3.7
3.5
2.3
800
3.5
3.5
3.2
2.8
2.1
900
3.3
3.3
3.1
2.7
1.000
3.2
3.1
2.9
2.5
1.9
1.100
2.8
2.4
1.8
1.200
2.9
2.8
2.6
2.3
1.7
1.300
2.8
2.7
2.5
2.2
1.7
1.400
2.7
2.6
2.4
2. 1
1.6
1.500
2.6
2';
2.4
2.1
1.5
1.600
2.5
2.4
2.3
1.5
1.700
2.4
2.4
2.2
1.9
1.5
1.800
2.4
2.3
2.2
1.9
1.4
1.900
2.3
2.2
2.1
1.8
1.4
2.000
2.2
2.2
1.8
1.3
487
DISTRIBUlcAO DO QUI-QUhDRhDO
P,obabilidade
gl
.99
.98
.95
.90
.80
.70
.50
.03157
.00393
.103
.0158
.148
.352
.297
.554
.03628
.0404
.185
.429
.752
.455
1.386
2.366
3.357
4.351
.872
1.238
1.646
2.088
2.558
.0201
3
4
.115
5
6
7
8
9
10
.711
.584
1.064
1.145
1.610
.0642
.446
1.005
1.649
2.343
1.134
1.635
1.564
2.032
2.532
3.059
2.167
2.733
3.325
3.940
2.204
2.833
3.490
4.168
4.869
3.070
3.822
4.594
5.380
6.178
4.575
5.226
5.892
6.571
7.261
5.578
6.304
7.042
7.790
8.547
6.989
7.807
8.634
9.467
10.821
lO.307
11.721
11.152
12.624
13.531
14.440
11
12
13
14
15
3.053
3.571
3.609
4.107
4.660
5.229
4.765
5.368
5.985
16
17
18
19
20
5.812
6.408
7.015
7.633
8.260
6.614
7.255
7.906
8.567
9.237
21
22
8.897
9.542
10.196
10.856
23
24
25
26
27
28
29
30
11.524
4.178
7.962
8.672
9.390
.211
10.851
9.312
10.085
10.865
11.651
12.443
9.915
11.591
13.240
10.600
11.293
11.992
12.697
12.338
14.041
10.117
12.002
12857
13.716
.713
1.424
2.195
3.000
3.828
4.671
5.527
6.393
7.267
5.348
6.346
7.344
8.343
9.342
8.178
10.341
9.034
9.926
11.340
15.352
14.578
16.266
15.445
16.314
17.182
18.101
13.091
14.848
17.187
19.021
13.848
15.659
14.611
16.473
18.062
18.940
19.943
20.867
12.198
13.409
15.379
17.292
19.820
21.792
12.879
14.125
16.151
18.114
20.703
22.719
13.565
14.256
14.953
14.847
15.574
16.306
\6.928
18.935
17.708
19.768
22.577
18.493
20.599
8
22.475
23.364
23.647
25.508
12.340
13.339
14.339
15.338
16.338
17.338
18.338
19.337
20.337
21.337
22.337
23.337
24.337
25.336
26.336
27.336
28.336
29.336
.fl.i!"- vzgr:1 pode leT uloda como urn delVio normal com Yorioncia
uint6rio, lembrando que (] probablilidode do i correlponde aunice cDuda do CUIVO normal.
488
FONlf: Agrodoco 00 f",ulor lilero,io do folecido Sir Ronold A. Filher, F.R.S., 0Fronk Yol .. , F.R.I., e0 longmen "rou d
lid., london, p,lo permilleo poro publicor a 10b,lo IV do livro f/oliJlicol'oh/" (or Bio/ogico! ~gfl,u/luro( on
,fr,dicol ROle",!. (6Ih.,d., 1974.)
Probob ilidod
Df
1
2
3
4
5
.30
1.074
2.408
3.665
4.878
6.054
.20
1.642
3.219
4.642
.10
2.706
4.605
6.251
.05
3.841
5.99 1
7.8 15
5.989
7.289
7.779
9.236
9.488
11.070
7.231
8.558
9.803
11.030
12.242
12.592
14.067
8.383
9.524
10.656
11.781
13.442
10.645
12.017
13.362
14.684
15.987
13
14
15
12.899
14.011
15.119
16.222
17.332
14.631
15.812
16.985
18. 15 1
19.3 11
18549
19.812
21.064
22 .307
23.685
24.996
16
17
18
19
20
18.841
15.511
20.601
21.689
22.775
20.465
21.615
22.760
23.900
25.038
23.542
24.769
25 .989
27.204
28.412
26.2%
27.587
28.869
30.1 44
31.4 10
21
22
26. 171
27.301
28.429
29.553
30.675
29.615
30.8 13
32.007
33.196
34.382
32.671
33.924
35.172
36.4 15
25
23.858
24.939
26.018
27 .096
28.172
26
27
28
29
30
29.246
30.319
31.391
32.461
35.530
31.795
32.912
34.027
35.139
36.250
35563
36.741
37.916
39.087
40.256
6
7
8
9
10
11
12
23
24
17.275
.02
.01
;.412
7.824
9.837
11.668
13.388
6.635
9.210
15.033
16.622
18. 168
19.679
21.161
11.341
13.277
15.086
16.812
.001
10.827
13.815
16.268
18.465
20.517
22.457
24.322
26. 125
27.877
18.475
20.090
21.666
23.209
29588
22.6 18
24.054
25.472
26.873
28.259
24 .725
26.2 17
27.688
29.14 1
31.264
32.909
34.528
36. 123
30.578
37.697
29.633
30.995
32.346
32.000
33.687
35.020
33.409
34.805
36. 19 1
37.566
39.252
40.790
42.312
43.820
45.315
37.652
36.343
37.659
38.%8
40.270
41.566
38.932
40.289
41.638
42.980
44.314
46.797
48.268
49.728
51.179
52.620
38.885
40.1 13
41.337
42.557
43.773
42.856
44. 140
45.419
46.693
47.692
45.642
46.%3
48.278
49.588
50.892
54.052
55.476
56.893
58.302
59.703
15.507
16.919
18.307
19.675
21.026
22.362
489
.00
.01
.02
0.0
0.1
0.2
0.3
0.4
0.5
.0000
.0040
.0080
.0120
.0398
.0793
.0438
.0478
.0517
.0832
.0871
,09 10
.1179
.1217
.1255
.1554
.1945
.1 591
.1628
.1293
.1664
.1950
.1985
.2019
.2291
.2611
.2910
.3186
.3438
.2324
.2642
.2939
0.6
0.7
.2257
0.8
.2881
0.9
.3159
.3413
1.0
.2580
1.4
.3643
.3849
.4032
.4192
1.5
.4332
1.6
1.8
,4452
.4554
.4641
1.9
.4713
2.0
.4772
1.1
1.2
1.3
1.7
.04
.05
.06
.07
.08
.09
.0160
.0557
.0948
.1331
.0239
.0636
.0279
.0319
.0675
.0714
.0359
.0753
.1026
.1064
.1103
.1141
.1406
.1443
.1480
.1517
.2054
.0199
.0596
.0987
.1368
.1736
.2088
.2357
.2673
.2389
.2704
.2967
.2995
.3023
.3212
.3238
.3264
.3461
.3485
.3508
.3289
.353 1
.3665
.3869
.4049
.4207
,4345
.3686
.3708
.3907
.4066
.4222
.'1082
.3729
.3925
.4099
.4236
.4357
.4370
.4463
.4564
.4649
.4719
.4778
.4474
.4573
.4656
.4726
.4783
.4484
.3888
.1700
.1772
.1808
.1844
.1879
.2123
.2157
.2190
.2224
.2422
.2454
.2549
.2764
.3051
.2486
.2794
.3078
.3340
.3577
.2517
.2734
.2823
.3106
.3365
.3599
.2852
.3810
.3830
.'1015
A177
.4319
.4441
.3315
.3554
.3133
.3389
.3621
.3770
.3962
.4131
.4251
.3749
.3944
.4115
.4265
.4279
.4292
.4382
.4394
.4406
,4418
.3997
.4162
.4306
.4429
.4505
.4599
.4678
.4744
.4535
.4625
.4699
4761
.4545
.4633
.4706
.4767
.4798
.4515
.4608
.4686
,4750
,4803
.4525
.4616
.4693
.4756 .
.4788
.4495
.4591
.4671
.4738
.4793
,4808
.4812
.4817
.4857
.4890
.4916
.4936
.4952
.4582
.4664
.4732
.3790
.3980
.4147
2.1
.4821
.4826
.4830
.4834
.4838
.4842
.4846
.4850
.4854
2.2
.4861
,4875
.4884
.4901
.1904
.4878
.4906
.4881
.4893
.4868
.4898
,4871
2.3
.4864
.4896
.4918
,4920
.4938
.4940
.4922
.4941
.4925
.4943
.4927
.4945
.4946
.4909
.4931
.4948
.4911
2.4
2.5
.4932
.4949
.4887
.4913
.4934
2.6
2.7
2.8
2.9
.4953
.4965
.4972
.4981
.4955
.4966
.4975
.4982
.4956
.4967
.4976
.4982
,4957
.4968
.4977
.4983
.4959
.4969
.4977
.4984
.4960
.4970
.4978
.4984
.4961
.4971
.4979
.4985
.4962
.4972
.4979
.4985
.4963
.4973
.4980
.4986
3.0
.4987
.4987
.4987
.4988
.4988
.4989
.4989
.4989
.4990
.4929
.4951
.4964
.4974
.4981
.4986
.4990 _
fONIE: Abreviodo do lobelo Ido flalillircl 'ahl" and Farmulas por A. Hold (New York: Jahn Wiley &1001, 19521. UlCdo (om 0 permilloa de John
Wiley &. ~om, Inc.
490
o s s
A
amoslro Conjunro de
amoslro aleatorio simples Tipo de amos/ra probabil{slica na qua l as unidades que formam lima popultlfao recebem numeros; gc ra-sc
entaD urn conjunro de numeros aleat6rios, c as unidade:s com
ea
c rararnente usado.
'
.
amos/ra porjltlgtunelllo
c Capitulo
,.
sele~ao.
Desenho de
teoria da probabilidadc, Exemplos incJuem amostras POI' jillgame1llo (intellciollafs). par quola e bola de Heve, Ver Capitulo 5,
rela~oes
rela~oes
;:1 variftncia de
uma va ria vel dependellle e exami nada para toda a amoslra e
para subg rupos separados criados com base em a lguma(s)
va ridveK..is) indepel1del1le(s). Ver Capitulo 17 .
analise fafarial Metodo algebrico complexo pa ra determinar as dimensoes ou fato res geraiS exisle ntes n um conjunto de observa~oes
concretas. Ve r Capitulo 17.
92
va~Oes
analise lecund6ria Forma de pesquisa na qual os dados coletados e processados por urn pesquisador sao reanalisados pOI' outro - muitas
vezes para uma finalidade diferente. Isto e especialmcnte apropriado
nos casos de dados de sll1'vey. Arqllivos de d'ldos sao reposit6rios
ou bibliotecas para armazenamento e distribuh;ao de clados para
ana lise secundaria. Ver Capitu lo 3.
0 co-relacionamento ou
correspondencia entre variaveisj quando os valores de lima
va rift vel mudam. os valores da outra mudam padronizadamente.
Fala-se de correla~ao positiva quando os valores das duas variave is allmentam ou diminuem juntos e de corrclac;ao negaliva
quando os val ores de uma varia vel au men lam enquanto os cia
outra diminllem. 0 Lermo e tambem usado com significado mais
especifico para se refenr a correlac;ao produto-momento r de
Pearson. Ver Capitulos 1 e 16.
nao pode ser detenmnada por ninguem nem mesmo pel I'
I
(tv.
' 0 ( Irelor
(0 survey.
Ola: surveys por entrcvista raramente sao ana' ,
' j ' .
'
otributos
'I
<
!llJl1as
idenr'd d
'
13Cdo
(
cargo foforia l Em alUilise fa/oried medicl'ls cia correlara'o
'
'<
entre um item
ea.fid.nl. d.
IraJi.f6rio Med'd'
I d
I'
' ,
C.I aSSOCla~ao
ton.loeoo pradulo,mam.nlo
Ver con'elarcio
e Capitulo 16,
D
dedu(co Modelo 16gico no qual expect3tivas especificas ou bip6/eses
sao desenvolvidas com base em principios gerais. Partindo clo
principio cle que todos os reitores sao duroes, voce pode antccipar
que este reitQr nao 0 deixara mlldar de curso. Esta antecipa~ao
resulta de dedu~ao. Ver illdll~aO e Capitu lo l.
amoslra se aproxi.
tar que 53% de uma amostra sao hom ens e 47% mulheres e um
exemplo de clistribui~ao de frequencia. Outro exemplo e info rmar que 15 das cidades estudadas tin ham popllla~oes abaixo de
10.000, 23, popula~6es entre 10.000 e 25.000, c assim por diante.
Ver Capitulo 14.
I
11(00
. I
I"
observa~oes discretas e represcntar lima varillve rnals gera . vcr
capitulo 8_
I l
fI(Oo
popula~ao,
eitofiltica Apesar de este termo ser usado como referencia geral a dados
de amostragem. Vcr
Capitulo 5_
eiCala Tipo de medida com posta comp reendendo dive rsos ilens tendo
uma estru[Ura l6gica ou empiriC<1 entre si. Exemplos de escal as :
distallcia social de Bogardus, CUllman, Likert e Thurstolle. Dife
rente de indice. Vcr Capitulo 8.
estatiitieo deluitivo Computa~6es estatisticas descrevendo as caracteristieas de uma amostra ou a rela~ao entre van'aveis numa amostra.
Estatistica desc ritiva apenas resume um conjun to de observa~oes
amostrais, enquanto eslal istiea il1/erencial va i alem da d~sc n c.ao
de observa~oes especificas para inferir sobre a populafao malor
.
;>....
I qual foram reuradas
(a
as observa~ues
am ostrais. Ver Capitulo 16.
HAC
as
cond i ~6es nas quais os respolldellles fllncionam . Podese razer
observa~ao
G
gamma Medida de
associa~ao
apropriada
Capitulo 16.
05
H
hip6felC?
.Expe~lativa
'
_ I'
fao
esI a.t~sll~a, e a llpOlcse que sugcrc nao haver rela~ao entre as
tJarz~vels eSludada.s. Pode-se conciuir que <.Ilias varhiveis Cstao
rci;:lclonadas depots cia rejci~ao estatfstic<1 cia hip6tese nuh!. Vcr
Capitulo 16.
l
lambda Meclida de associac;ao apropriada a variaveis nomina is. Ver
Capitulo 16.
correla~oes
bivariaclas dent re diversas var/dvets. A lista de variaveis e aprcsentada horizontalmente no lOpO cia tabela e para baixo do lado.
Qualquer celula da tabela contem a correlac;ao entre as cluas
va rHiveis cuja intersec;ao define aqueJa cellila. Ver Capitulo 16.
mamos que alga e "objetivamente" verdadeiro, usualmente queremos clizer que observadores diferentes concordam que e verdade.
Ver Capitulo 1.
intervalo de confianco Faixa cle valores dcntro cia qual se estima que u01
pariimetro de populac;ao va cair. Urn survey, por exemplo, pode
mOStrar que 40% de uma amOSlra sao a favor do candidato A.
Embora a melhor eSlimativ<l de apoio entre todos os eleitores
tambem seja de 40%, nao se deve esperar que cit! seja ex~ltal11cnte
cstc. Podemos, pois, computar lim intervalo de confian~a (por
cxemplo de 35% a 45%), dentro do qual esta provaveimentC 0
media Termo ambfguo, normalmenle sugerindo tfpico ou normal. Exemplos espedficos de medias sao a media aritmetica, a modCI e a
mediana. Ver Capitulo 14.
0 valor do caso "no meio" de um conjUnto ordenauo de observ::u;oes. Se as idades de cinco homcns
sao 16 , 17 , 20 54 e 88 a mediana seria 20. (A media seria 39.)
Ver Capitulo 14.
medicoa Processo fundamental de pesquisa, no qual IlIlidades de aHalise sao identificadas com atribwos especificos nas variaveis esludadas. Por exemplo, 0 proccsso de decidir que alguns eleitores
sao liberais, outros conservadores etc. Ver Capitulo 2.
medido de infervalo
<
re aln ute s adj,t
centes. Exemplo: a escala Fahrenheit de lemperatura J'j;
,~
que a
'
d ISlanCIa
entre 17 e 1go
a meSilla qu
89
e entre
0 e 90 0
Vi
medfda lIomillal, medida orC/inal e medida de' C ~ . Cr
A
'
laZCIO
e apnulo 7.
o
objeHvidade Nao existe. Ver intersubjelividade e
e urn
cxemplo de Illed,',i"
u
'
nominal.
e0
processo de desenvolver
tu los 1 e 7.
medido ordinal NivcJ de medida que dC!lcrcve uma varidvel cujos alribUIOS podem. !ler ordenados ao longo de alguma dimensao. Urn
cxemplo
sen:! SWlus
sOcioeconomico composto d 0.:;' aff!'b Ulos
~ .
.
aito, medlo e baiXO. Vcr medida nominal, medicla de illtervalo e
medida de raziio, e 0 Capitulo 7.
reJa~6es
0 Capitulo 1.
medida nominal Nivel de medicao descrevendo uma varlave/ cUJ'o ' "
b I
d'r
s atll
. u as sao apenas I erenles, em COntrastc com mcdidas ordinals
lwervalo ou de raziio. Sexo
Vcr Capitulo 7.
,\
._
lima vanave/ cujos
alnbufos possuem [ocias as qualidades clas medidas nom'
.
ord' ' .
I
lHalS
l1latS e 1I11erllQ 0, aiem de se basearem num ';g '
'
_ . " .
enUma ponto
zelO . Id ade sena um (!xempio. Ver Capirulo 7.
.
de/ini~6es
p
porodigmo Mod e lo ou quadro de referencia para observac;ao c entendimento. Nas ciencias socia is, tres paradigmas importames sao
funcio nalismo, intcracionismo e teoria do conn ito. Ver Capitulo 1.
causais entre
varidvels. A relarao
entre
du','
"
.
~
.
}"
,s vanavclS e exanllnada
entre
Subconjuntos eriad os p~r uma variavel de colltrole. Vcr Capitul os 3 e 15,
logarilmicos para'
- '
<
simp I'f'
I lCar a analIse de complexas
cruzadas multivariadas. Ver Capitulo 17.
labula~6es
N
nivel de (Onfion(o A prob a b'l'd
d
'
I I a e estullada de que um panfimetro de
populac;ao c<lia demro de um determinado illleivalo de cOll/iallfa.
Podemos rer, assim, 95% de confian~a de que entre 35% e 45%
dos eleilOrcs sao a favor do candidato A. Ver Capitulos 5 e 16.
0 respondewe eseolhe
entre respostas padronizadas. Exemplo: Qual e 0 seu sexo? [ }
Masculino [ 1 Feminino. Ver Capftulo 7.
R
rodonol Razoa vel; que faz sentido. Racionatidade e um paradigma
probobilidode proporcionol
00
~6es
e estimada com
relatao causal Rela~ao entre cluas variiiveis na qual uma causa a outra.
quantificacdo Conversao de dados para formato quantitativo ou numerico atraves de eodfjieafao. Vcr Capitulos 3 e 11.
~ual
rela~ao
variii~eis
no
a
inicialmente observacla entre duns
perSlste quando uma variave/ de cOlllrole c mantida constante
Vcr Capitulo 15.
.
represenfoti vidode Qualiclacle pela qual uma amoslra tem a ITIesma distribui~ao de caracterfsticas que a populOfiio cia qual ela foi selecionada. Por implicaciio, descri<;oes e explicofoes derivadas de Ullla
mesmo na populacao.
selecoo aleotorio Sele<;ao de amOs/ras pelo usa de metodos de probabilidade. Cada e/emelllo na popu/afiio amostrada cleve tel' uma
chance conhec icla nao-zero de sele\,ao. Vcr Capflulos 2 e 5.
e a unidade de allalise,
urn manu~". (3) Portamo, este livro deve canter palavras. Vel'
Capitulo 1.
r
tobeJo de eonfingencio Formato para mostrar relac:ocs entre variaveis sob
a forma de distribuic;5es perCenlU<lis. Ver Capitulo 14.
e necessario
v
validaceo extern a Processo de leSlar a vatidade de uma medicla, como
um /ndice ou esca/a, examinando suas re la\=6es com outros
suposros indicadores da mesma variiivel. Par excmplo, se 0 indice
outro~
validade Termo usade para descrever uma medida que reflete com
exatid:1o 0 conceito que se pretcndc medir. Por cxemplo, seu QI
parece ser uma medida mais valida de inteligencia que a mlmero
de homs que voce passa numa biblioteca. E importante entender
que nunca se pode provar a validade definitiva de uma medida.
Podemos, porem, concordar quanto a sua vatidade relativa, baseados na s validades aparellte, par criteria, de cOIl/efido, par
construfiio, illlenza e exlerna. Nao cleve ser confundido Com
conflabilidade. Vcr CapItulo 7.
val idade de (anteuda 0 grau COIll que ullla medida cobre a faixa de
significados incluidos no cOllcei/o. Ve r Capitulo 7.
variaveis Agrupamentos 16gicos de atributos. A variavel sexo" se compoe dos at ribu tos "masculin o" e "fem inino'. Ver Capl[Uios 5 e 7.
vari6vel de (onirole
vari6vel dependente A
variavel independente
INDICf
RfMISSIVO
A
Abramson, Poul R., 261,275
Ace, Goodman, 115
Acoo, 436
Afirmacoes explicolivos, 96
Aleolori zocoo, 205
Alwin, Duone f., 208, 211
Americon Associolion for Public Opinion Research
(AAPOR), 81, 456-459
~mericon Soldier, The, 455
Americanos negros, 60, 79, 261
Amoslro de areo complexo, exemplo de, 167
Amoslragem alealaria simples, 135
Amoslragem, Ver lombem Amoslragem probabilislica
conceitos e term inoiogia, 120-125
de ll1ulheres cia Igreja Episcopal, 162-165
de professores de escolas
de medicina, 161-162
de domidlios em Oakland, 165-176
desproporcional, 148-151
e Bureau do Censo, 78-79
0 consumidor, 469-470
eSlratificacia, 137-139
avaliativa, 320
de
de
de
de
de pre-teste, 309-310
de trajctaria, 415-417, 431
de va ri flncia, 421-424, 431
discriminame, 424-428, 432
455-456
intencional, 153-154
el ic;! n<l,
secuncl<iria. 79
implicita, 139-140
414-415, 431
linear, 410-42 1, 43 1
[onceitor, 4 2
(onceituo,oo, 179-182
(onliobilidode, 19 5-1 96
e validade, 198
(olilornio, Unive"idode do
e m Berke ley, 81, 97 , 272
em Los An geles, 81
(ompo, 28 1
(onlril, Hadley, 18 1
(argor lotorioir, 4 18
(arminer, fdward , 197 , 2 11
(odoer IB/lI, 28 1
(en so, 78
(hicago, Univerridode de, 81
fhridian Beliefr and Anli-Semilirm (Glock e Stark), 233
(iencio, 37, 43 -45
carac rerfslicas de, 45-54
e ciencia soci al, 57-75
e pesquisa de su rvey, 82-86, 87- 90
5T2
D
DodO!
anfli ise de, 72 -73, 470
e cient istas, 180
em cartoes perfurados, 281-282
faltantes, em indices, 227-229
precisao de, 11 4-117
direta, 294-295
pelos enlrevisladores, 296
pre-codificado para, 297-299
Bureau do Ccoso, 79
d, IUrv'y
basicos, 101-105
escolha de, 108-109
relat6 rio de, 440
rcdistribuindo, 273
verificando, 274
cnt revistaclof para, 259-260, 266-269
em ciencia, 48
em cH~ncia social, 63
83
Enl"vislondo
Enl"villol d, IUrv,y
probabilistico, 48-49
pr{ltica, 268
do b{ISico, 105-107
. . '
Enl"villol
em pesquisa de survey,
despeclindo, 274-275
varia ~6cs
EI,m,nlo, 121
Ellil, Shmu,l, 155, 158
' Empor,lhom,nlo IOciol", 354-356
Enlrodo d, dodo I, 293
n:io-amoslrais, 393
padrao, 128
redu\ao proporcional do, 385, 406, 412
El(olol, 243
constru\3o de, 233-243
de Distancia Social de Bogardus, 234-235
de diferencia\ao semanlica, 389
Guttman, 236-240
513
EscolOl de medici no
Exper imenio, 39
Oa ciencia social, 65
de laboratoria, 156
Eslolislica(,), 124
393-405, 405-407
Eslimulo, 67
E,lrolificocoo, 138-1 39
e amostrage m por cong lomeratl o
em multi pI as era pas, 144
de area, 168-1 71
em exe mplo de :l mQst ra siste m atica
es rrari fica cia, 160
Eslralo, 144
mc 271-272
Elico,
514
na pcsqui sa de survey, 83
Groul d, liberdode, 4 02
GIUpO de conlrole, 68
Grupo experimeniol. 68
Grupol loco iI, 155
Guttmon , lou iI, 236
H
Horril, lou iI, 79
Helerogeneidade, 118119
Hip6leses, 39, 329
nul a, 40 1
155, 158
222-225
Indu(oa, 41
Inl"eneiol univoriodal, no ,dolidi(a inleren(iol,
391-393, 406
Indilulo Ameri(ono d, Opinioo Publi(o, 115
Ind ilulo pora p"quilo lo(iol, 81
I"/ru(o,,, para qu,dionariol, 206-209
I,,/rumenla d, p"quila
Estudo-piloto, 311
L
lambda, 386387, 406
london, Alfred M., 115
Lozor,f,ld, Paul f.. 80, 90, 327, 331, 334, 363,
367-368, 382
L,il, 44
Liker/, R,,,il, 189, 232
limp"a
de contingencias, 300-301
de dados, 299-300
de posslveis-c6digos, 299
lilerory Dig .. /,
Pre-testando, 304-306
Inlernolionol BUlinell /IIa(hin" (orporolion (IB/II), 281
Inl"perm ulobilidod" de indiw, 327, 331-332
Inlerpo lo(oo, 415
Inlerprelo(oo, 374, 381
Inl",ubjeli vidad" 86, 290
216-217
cia elaboras;:ao, 38 1
cia pcsquisa de survey, 82-83
52-53
social, 65-66
Inlorvolo omadrol, 136
Inlervolol d, tanlio",o, 124,130
cia ciencia
194
)
JOtquard, Jo"ph/IIori" 280
62-63
da conceituas;:ao, 179-182
cia ciencia,
lI,m(,,)
115116
46-48
indutiva, 47-48
M
/IIarginoil,338
/IIarx, Ka rl, 78, 180
/IIalri' d, torreloco", 389
,\Iozur, Alion, 87, 90
M,diono, 339-343
515
M,diOl, 339-34 1
Med icare, 376
Medic;a (;,, ) 58
de dimensoes, 184
390-391
va ri iiveis nomin a is em , 386-387
var iaveis ordina is em, 387-390
II
53-54
516
N
Nalianal Opinion Research (enler, 81
Newlon, lir Isaac, 44
Niveis de confianca, 124-125, 130
e infen? ncias univ<lriadas, 392, 406
o
Oakland, (alifornia, amoslrondo domi ci lios em
165- 176
Orlodo,ia, 333
p
Pagels, Heinz, 89, 90
Paradigma de elabaroc;o, 370-37 1
especifica,ao em, 374-376, 381
exp lica(ao e m, 372-373, 38 1
interprctarao em, 374, 381
mocle lo cl e elabo ra(.ao t, 370-379
refinamentos em , 377-379
replica~ao em, 37 1-372, 381
Porod igmos, 55
Paramelro, 124
Parcimonia
cia cicncia, 50
ci a cicnc ia socia l, 64
J a pesqllisa de survey, 84
'
Propolicees, 38
Plolomeu, Cloudiul, 47-48
Public Opinion Qualerly, 81
Pelquila de wrvey, 77
analise de, 323-325
Quonlificacoo, 86
Quodeireo de """eomenlo, 166
Questionerio, 77
cstudando 0, 267-268
Question.rioloulo-odminidrodol
correspondcncias de acompanhamento,
25 1-253
di slribui~ao postal
de area, 174-176
graus de precisao, 150-151
Quedees
experimento em,
67-69
P"diceo, 351
PrHesles,68
fcchadas, 189-190
guias para a constru~ao de, 189-194
matriz, 204-205
no formata geral do questionflrio, 198-205
ordcm de, 205-206
seguindo a reda~ao ex:.lIa de, 263-264
avalianclo, 313-320
fazendo, 303-3 IO
Probabifidode,
Procedimenlol
Pro"dimenlos
Pro""omenlo
de "Ieeoo, 119-120
objetivol, 39
rocionoil, 39
de dodo I, 279-301
es[ucio-piiolO, 311-312
pre-testando, 307-309
Roco, 378
Rodico lilmo edudanlil, 97
Rapparl, 87
Rozoo omodrol, 136
Redes de compulodorel, 286
Reducoo proporcionol do erro (RPE), 385, 406
em regrcss:lo Ii ne'lr, 412
517
lilogilmo, 47
lilver, Brion D., 261, 275
Imilh lam , 194, 211
lociologio, 87-88
Ilork, Rodney, 333, 334
Iiolullociol, 180
Iiouffer, lomuel A., 60, 72 , 75, 79, 80, 90, 380
c 0 modelo de elabo ra,iio, 363-370, 371
Ilrunk, William, Jr., 433, 442
luicidio, 72-73
lui!., Doniel. 88
lurvey Rmorch (enler, 81-271
lurvey Rmorch Loboralory, 81
lurvey Rmorch Office, 252
SurveYI inleneccionoil, 101, 108
aprox imar;ao de surveys longiruciinais,
104-105
SurveYllongiludinoil, 101-104
SurveYI pelo correia, 247-248
correspondencia de acompanhamenlo,
registrando, 264
251-253
sondando, 265
,
,
518
r
lobelo{,)
de ITIudan~as, 104
de nlulleros aicat6rios, 482-485
expl icativas, 360
na an ,iiise bivari acla, 353-357
na an:ilise ITIuitivari:lda, 357-360
(ol(?(oo
~p r (?nd(? r
2. ASTRONOMIA FUNDAMENTAL
a Hisl6ria
da Arte
ROl1ald Claver
5. FONTES DE INFORMA<;AO ESPECIALIZADA - Caracteristicas e
Ut ilizac;ao Cesgotaclo)
6. I, 2, 3 DA SEMI6TICA
ili/io Pilllo
reimpressao)
Gardenia de Oliveira
8. u\TINA ESSENT IA - Preparafclo ao Ltlfim (3" edi(.ao revisla e
ampliada)
Ail/OHio Mat1inez de Rezcllde
a 16gica
simb61ica
Sobre
autor
livro de Earl
, , Metodos de Pesquisas de
: , tornou .. se
I I