Metodos de Pesquisas de ~

Ear I

_. da. oIIfeto de ,.rnun.nt

-'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_........

.................... ou .......... 1......II.tice" .

........,. a urn tempo .ingela como.
do feljio-com-arroz envolvido
que vela a .ar a forma mai
...W ..... _ . b . _ d o _

cline'" nocIaln. au meja. a peaquisa

tlpo sUl1fey. o. tema. cobartos
eatandem de In..~io do surv.y no
DOI.t ato da pe.qui.a clentifica ao
do,,,,,ho ou a coneeHio do. projetos.
coleta e a proc m.nto dOl dado.
0Ii I'8CW'8OI .1 utlllzadon. ate a instru..
anvolvldo na anen apropriada
materl., coletodo.
S. 0 trelnamanto na anan de
de sUl1fey repr enta. por si
provavelmente a melhor forma
Irallo.olho clentlflco em g.ral. alem de
. . . .IhII.... com urn conjunto e.pecffico
_ . 0 IIvro de Babble tom
...6rlto de dar 'nfa.. ju.tamente a
~lIcitlltJ- culdodooe do 100Ica "'.ica

-:::=':

.ane.ra .'mp.e. e ac lvel. a a

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

Copyrighl 1997 by intern:ltion:II Tho mson Publishing Inc.

Titulo original: SIII1-'CY i(es('(lrc b .1/C'1bods (scnmd !.:dilion)

nlverlldade de Brasilia

Co pyrighlC 1999 (hi tr:tdu\:10 br;J:-;i[cira by Edito r:1 UI'MG

2001 - '" rdmrn:s .. ~()

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

de arquivo c recuper:ls';lo, st'm

:llltoril:I~' ;IO cscrila

do Editor.

pnOjETO Gl{AFJCO E CAI'A: Gl6ria C:unpos - M(/I/g(i

EDiTORA(,;Ao DE TEXTO: I\n:l j\laria

([I.:

Moracs

ItEVISAo DE TEKI 0 E NOI{t-!lIlJZA(,;AO: Olj.p Maria Alvl:s (1<.: Sousa

HEV1SAO DE I'I{OYAS: Lilian Val<krc7. "elkin C !'-\;I(i;l Aparedda l{iildro
HI~VISAo Tl~CNICA DA TIv\DU~AO: Horwldo dl.! Noronha

COORDENA(:AO: ltenarde Freire Nobn.:

AI'OIO

A COORDENA<;Ao:

M;I~(b ell.! Pinho T:lv;In!S

I'HODU~AQ GRi;'FICA: \'l:I:ml.!l1 de M:lrilac Santos

FOHi\IATA~Ao: Edu:Hdo Perreira , W:lrrcn dl! ;\brii:lc Santos e ~br('u Severo
I~ DI

rOIV\ UFi\IG

Av. Antonio Carlos, 6627 - AI:! din.'il:1 tb BibliuleCl Centr..li - T"rrco

C;lmpus 1':lInpulha - 31270-901 - I3clo lIori7.0nte/MG
Td. (31) 3499-4650
Fax: (31) 34994768

e-m:lil: edilor..l@ufm~.br
www.edilor:l.ufmg.br
UNIVEHSIDADE

F!~DEHAL

DE ,\!INAS G EltAIS

HEITOI{"\: Ana Llici:1 Ail1ldda Gazzola

VICI'>HEITOH:

~1arcos

130rato Viana

CQNSELI [0 EDITOHIAL

Til/dares. Antonio Luiz Pinho Hii)ciro, Beatriz lkl,ende

D;Ul\:l~,

ClrlOS I\nllmio Leite Br:md:io,

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

C:lrdoso Guim:lr:ies. W:mder :\1l'lo :\lir..md~!

( l'resideme)

Slip/elites. Cristi:lno lIbch:ldo Gontijo, Denise Itil>ciro SO:lfl's,u:on:lrdo U:IKi

C:I .~lrlot;l, I.U(':I~

Jose Brelas dos Santos, M:lri:1 Apart:'dda dos S:lnIO~ 1':11":1, ;\1:lurilio NlIl1e~ Vieir.L , NC\\!(Hl
Ui~nono

de SoUZ:I, ]{cin:lldo ~I:lnini:tno Marques, ]{It'':lrdo Glsl;Lnhcir.1 l'imo:nt:1 l"igudro:do

UI12m

U:lbbie, E:LrI
~klodo~

dl.: p..:squis;! ... de Surn:y/ Earl U;lbbie: Ir:ldu~':io

de Guilh..:rm..: C\.'l:Irino.- Udo lIorizonto:: Ed. UF:\IG , 1999.

519p. - (Cok~':I() Aprcnder)

Tr;Ldu~'a()

de ; Survey research 1ll1.:Ihods

1. Cenci;!s Socia is - fo.le!odoloAia

2. i'e.sqlli.s:l soci:LI j\1etodologi:1

I. HlUlo II. Seri\.'

CDD: 300

cnu: 303.4
C:lIalog:L~':io

na public;I~':lO ; DivI~:lo de ['l:lIlt'j:llllel1to e Di"ulg:I~':io da

13ibliOleca Universil:iria - UI'MG

ISBN, 85-7041-1758

Ael(olha do livro Survey ReJeorch Me/hodr, de

fori Bobbie, para publicatoo em lingua
poriuguelo, deu-Ie a poriir de umo preocupotoa
(omporfilhoda por algunl (olegO! loci610gO!
que, no (onditoo de prolellorel, lenliam folia
de um molerial didoli(o moil (amplelo pora 0
enlino do pelquila quonlilolivo nO! ciencial
locioil, em elpe(ial 0 IUrvey. Porlonlo, 0 livro
vila olender 0 uma expedafivo claromenle
didofi(o, lendo lido ovaliado (omo um bom
monual de lUrvey, que abordo diverlol olpedol
melodologi(ol do modelo e (onlem
exemplifi(o(oel a(ompanhadO! de boo iluilrotoo
(gr6li(01, figurol , lobelall. flpero que
lenhamO! leilo umo el(olho de fola ulil poro
umo orea de pelquilO de re(onhe(ida validade e
re(orrenle UIO nal cienciO! lo(ioi!.

fila !rodutoo que Ie olere(e 00 publi(o de

linguo parluguela e relUllado de um prajelo
do Deporiomenlo de lo(iologia e An!ropologio
e do Mdrado em lo(iologia, do Univerlidode
federol de Minai Gerail - UfMG, (om
financiomenlo do [hPtl, a!ravel do Progroma
PROIN/ 97, e lob gerenciamenlo finon(eiro do
fundatoo de Delenvolvimenlo do Pelquila fUNDfP. Agradeto 01 voriol pellool que
diveram envolvidal no prO(eIlO, em
porli(ular 0 profa. lolange de Deul limoel,
pelol canlolO! ini(iail e enlendimenlol quonla
00 direilo de !radutoo.

coorclenaclor

Dedicodo a Sam Slouffer, Paul lozordeld,

Charier Glock e oar velhol lurcol

LillA DE lABELhl """'''''''''' ",, ",,", "'",'',,''''''''''''''''''''''' ""' '''''''''' ''' ,,'' 17
LillA DE FIGURAl "'''''''''''''''' """" """ "" """,,""""""'"'''''''''' " "'"'' "'" 19
PREFhCI0"""" ' ''''''''',,'''''''''''''''''''''''''' '''' '''''''''''' ,""""""'" 21
PREFhclO A PRIMEIRA EOI(hO ,",," ",,",'"'''''''''''''''' "' ''' ",",,", 29

oCON lEXIO CIENliFICO OA PEIQUIIA DE SURVEY",,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,35

CAPilULO 1
A L6GICA DA CIENCIA """"""" "", .. ,," ,.,., .. . ,,"'" 37

A Perspectiva Tradicional """""""""."" ""."".""" 37

A Des1l1istifica"ao da Ciencia """"".",,""

'" 39

A Ciencia na Prarica .. ............................................... 41

o que E Ciencia' """ """""""."""""" .. """""""",,.

43

Resumo"""""""""""""""""""."". """""" """""" 54

Leitu ras Aciicionais ........ .........................................

55

CAPilULO 2
A CIENCIA E AS CIENCIAS SOCIAlS """" .. ""

57

A Busca de Regularidades Sociais """"""""'"

58

As Caracteristicas das Ciencias Socia is ................... 62

Metodos de Pesquisas Cientifico-Sociais """"'" ,," 67

Resumo "",."""""",,,,,,,,,, ,,,,,,,,,,,,,,,,,,,,,,,.,,,.,'
Leiruras Aciicionais

75

......................... 76

CAPilULO 3
PESQUISA DE SURVEY COMO METODO DAS
CIENCIAS SOCIAlS """""""""."""",",,

Breve Hist6ria da Pesquisa de Survey"

"" 77

"""""" 78

CaracCCflsticas Cientfficas cia Pesquisa de Survey .. 82

Amosrragem cle Mulheres de 19rejas

Compara<;ao do SlIrvey com Outros Metodos ......... 86

Episcopais ......

A Pesquisa de Survey

E Realmentc

CientrFica?

87

.......... 91

Leiruras Aclicionais

. ... ...... .... . 162

Resumo ..... .

... ......... .......... ..

Leituras Adicionais

DfSfNHO Of PfSQUISA Of SURVEy ............................................................. 93

CAPilULO 4
................ 95

Finalidades da Pesquisa de Survey ................ .. ...... 95

... .... 98

Unidades de Amilise

. ......... .. .. ...... 101

Varia,oes dos Desenhos B:isicos ..

. ........... 105

Escolhendo 0 Desenho Apropri"do

.... ...... . .. 108
[<esumo . ... .... .. ..... .
..... ..... .... .. ...... .. 110
lcituras Adicionais .......... ... .

.. ....... .. ...... ... ..... 110

A LOCICA DA AMOSTRACEM DO SURVEY ... ... 113

L6gica da Amostragem de Probabilicbde ............... 118
Conceitos e Terminologia de Amostragem ............ 120

Distribui~ao Amostral

.125

Popula<;oes e ivlolduras de Amostragem ... ..... .. ...... 131

Tipos de Desenhos de Amostragem ........ .... ..... ...... 134

A1l10stragem e Pondera,iio Desproporcionais .... ... 148

Amostragem Nao-Probabilfsrica ............................. 152

Usos Nao-SlIrueydos Mctoclos de Amoslragem ..... 156

. ..... ... 157

Resumo ..

. ...... 179
............ 179

Um Quadro de Referencias de
Ope racionaliza~ao

......... . 182

Tipos de Dados . ...... .. ... .

.185

Niveis de Medi<;ao ...

.187

Guias para a Elabora<;ao de Questoes

........ 189

Qualidade das Medi<;oes ..

......... 194

Formato Ceral dos Questionarios

198

Ordenando as Questoes no Questionario .. ...... .... 205

............... 206

Reprodu<;ao do Questionario. . ........................... 209

........ 210

Resumo

. ..... 211

leituras Adiciona is ....... ... .... .

CONSTRU<;:AO DE INDICES E ESCALAS ............... 213

Indices Versus Escalas ............. ...... ..... ..... .. .

.214

Constru<;ao de Indices

.. 217

Constru<;ao de Escalas.
Tipolog ias
Resumo

. .. 233
....... ....... ......... 240
..... ........ 243

Leituras Adicionais

.. 244

................ 158

comA Of DADOS ...... ........................ . . . . ........... 245

CAPilULO 6
EXEMPLOS DE DESENI-lOS DE AMOSTRACEM .
Amosrragem de Estudanres Univcrsitarios

..159
.159

Amostragcm dos Professores de Escolas

de Med icina ...

CONCEITUA<;:Ao E DESENI-IO DE
1NSTRUMENTOS .. ..................... .

CAPilULO 8

Teoria da AmostrJgem Probabilistica e

Leituras AclicionJis

CAPilULO 7

Ins tru<;oes ........ ... ............

CAPilULO 5

. .... 176

........................... 177

L6gica cia Conceitua<;ao ............. .

'1'11'05 DE DESENI-IOS DE PE5QUISAS

Desenhos B:isicos de Su rueys .

............. 165

Amostragem de Casas em Oakland

. .... 161

CAPilULO 9
QUESTIONARlOS AUTO-ADM INISTRADOS

.... 247

Distribuis;ao c Retorno de Correspondcncia

....... 248

Op,oes Posta is e CustoS Relativos ................... ...... 249

ANALISE DA mQUISA DE SURVEy ............................................................. 323

Monitorando os Retornos ....................................... 250

Corresponciencias de Acompanhamento

...... 251

Taxas Aceita veis de Resposta ,...... .

.. ... 253

Um Caso de Pesqu isa ................... .

..... 254
............ 257

Reslllno ............................................ .

.258

Leitu ras Aciiciona is .. .

CAPiTU LO10
........... 259

SUlWEYS POR ENTREVISTAS ............ .

CAPiTULO 13
L6GlCA DA MEDI<;:AO E DA ASSOCIA<;:AO ........ 327
A Imagem Traclicional ..........

.. ......................... 327

Intercambialiclacle cle lnclices .................................. 331

lmplica,oes .................................. .. ... .... .

. ... 333
ReSUITIO ................. ... .............. . ........... .
.......... 334
Leituras Aclicionais ................................................ 335

lm ponancia do Entrevistador ........

.. .... 259

Regras Gerais para Entrevistar

....... 261

CONsm UINDO E COMPREENDENDO TABELAS .... 337

..................... 266

Ana lise Univariada ................................................. 337

Treinamento clo Entrevistador.

A Opera,ao de Entrevisrar ..................................... 270

ReSlllTIO ......................... .

............................ 275

Leituras Aciicionais . ...... ........................................ 276

CAPiTULO 14

Descri,oes de Subgrupos
Analise Biva ri ada

.. 344
..................... 349

Analise Multivariada

... 357
360

Resumo ...................................................... ..

CAPiTULO 11
............ 279

PROCESSAMENTO DOS DADOS

Computadores na Pesquisa de SlIIvey . . .. ........... 280

Leituras Aclicionais ...

361

CAPiTULO 15

Codifica,iio ...................................... .

..288

o MODELO DE ELAJ30RA<;:AO ............................. 363

Constru,ao do Livro de C6digos ........

.. ........ 291

Hist6ria clo Modelo de Elabora,ao ........................ 363

Op,oes de Codifica,ao e lnser,jo de Dados ........ 293

Pn~-Codifica,ao

Elabora,ao e Hip6tese Ex Posl FaCIO

para a Inser,ao de Daclos ............ 297

Limpeza clos Daclos ......

.. ................. 299

Resumo .........................

...300

Leicura Aclicionais ....... .

.. .. 301

PRE-TESTES E ESTUDOS-PILOTO

..... 303

Fazendo os Pre-Testes .......................... ..

Leituras Acl icionais

........... 382

CA PiTULO 16
Esratisrica Descritiva ....................... .

.303

Esratfs tica Tnferencial ...................... .

........................ 310

Resumo ......................................... ..

Avalianclo Pre-Testes e Estudos-Piloto ................... 313

Resun10 ..................... .

ResuIl10 ...................................... .

.... 379
.. ....... 381

ESTATfsTlCA SOCiAL .... ................................ .

CA PiTU LO12

Fazenclo Estuclos-Piloto ......

Paradigma de EJabora,ao .................................. 370

.................... 321

Leituras Aciicionais .................... .

...383

383
............... 391
.. ...... 405
.. .... .407

CAPiTULO 17
TECNICAS MULTNARIADAS AVAN<;:ADAS ............ 409
Analise de Regressao ................................ " .......... 409
Analise de Trajet6ria ............................................. .415
Analise Fatorial .................................................... .417

Analise de Vari5.ncia .....

..

............. H

....

Analise Discriminante .

Modelos Log-Lineares .......... ..

Resumo .............. .

...

H'"''

...

424

BI BLIOG RAflA ......................................................................... H .... 'HHH. 473

APEND IC 1 H....... HHH.. H.H.. HHH.'.HH.HHHH.. HHHHHH...HHHHHHH...H.HH 481

428

A. Tabela de Numeros Aleat6rios HH ... .. ..

421

430

. .. 432

Leituras Aciicionais ............................. .

B. Er1'o Estimado de Amostragem para lima

l3inomial (Nivel de Confian,a de 95%) ...

I'ESQU lSA DE SURVEYH .... , .. ,433

Algumas Considera,oes Basicas

... 433

Organiza,ao do Relat6rio ........

..436

HH . . .

D. Areas Nonnais de Curva

,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

Diretrizes rara RelataI' as Analises

Resumo ................ .

.., ........ H"H443

Leituras Adicionais.

APSQUIIA D SURVEY NO cONlmo IOClhl. ...... H...... H................ H..... 445

chPilULO 19
...... 447

A ETICA NA PESQUISA DE SUlWI'Y .. ,

ParticilXl)":ao Voluntaria ........... ..

.448

Sem Prejulzo para os Entrevist,ldos

,450

Anonimato e Sigilo ..........

.... .

...........

.451

ldentifica,ao da Finalidade e do i'atrocinador ..... 454

Am\lise e Rclat6rio

... H .. H......... H.455

Um C6digo de Etica Profissional .........

.456

Erica - llust,"l,oes Relevantes

.. 460

ResuI11o ........ H..... HH

.463

lei[Uras Aciicionais

.463

CAPiTULO20

o CONSUMIDOR INFORMADO DE PESQUISA

DE SURVEy......
Desenho da l'esquisa.
Medic;:ao
Amostragem ....

......... " . . . . .
. .... H........

H...........

... 465

HH466
HH .. .467

469

Analise dos Dados ...

H470

Reiar6rio dos Dados.

... 471

Leiruras Aciicionais

.171

15

a d

TABELA 5-1. Resultaclos clas pesquisas cle boca

de urna: novembro de 1988

.......................... 116

TABELA 5-2. Pesquisas cle opindo politica antes

cia eleil'iio cle 1988 .............. .

.... 117

TABELA 6-1. Forma usacla na lista clas igrejas

... 163

TABELA 6-2. Estratifica,iio cle quarteiroes com crescimento

........ 171
na 3rea de pobreza 0 ...... .
-I"ABELA 6-3. Proceclimento cle sele,iio clos quarteiroes .. ..

172

TA13ELA 6-4. Amostra cle folha de listagem ....................

.. 173

TA13ELA 8-1. Validal'ao do indice de orienta,iio ciemmca.

..... 230

TA13ELA 8-2. Esca lonamento da orienta,iio cientifica .....

.... 237

TA13ELA 8-3. Escores de indice e escala

... 239

TA13ELA 8-4. Uma tipologia politica ....................... .

....... 240

TABELA 8-5. Nove estilos cle vida americanos ...... .

..242

TABELA 14-1 Uma iluslnl\=ao de an{ilise univariada

.... 339

TA13ELA 14-2. Atitucle com rela,iio as Na(:oes Uniclas:

"Como a ONU esta resolvenclo os problemas
que ela tem que enfrentar?" .............. .

...... 346

TABELA 14-3. Funclinclo categorias extremas .

347

TABELA 14-4. Omitinclo as "nao sei" ............... .

.349

TA13ELA 14-5. "Voce concorda ou discorda cia proposi,iio de

que homens e mulheres clevem ser tratados

igualmente em toclos os aspectos'" ......

ThBELA 14-6. Dire,iio oposta da porcentagem ..............

350
350

TABELA 14-7. '"Voce aprova ou clesaprova a proposi,iio geral

de que homens e Illulheres clevcm ser tratados

igualmente em toclos os aspectos?"

................. 357

a b

a s

TA13ELA 14-8. "Voce aprova au desaprova a proposi\:~o

geral de que homens e mlilheres devem
ser tratados igllalmeme em lodos os aspeclos?" ... 359
TA13ELA 14-9. "Voce concorda ou discorda da proposi~;10
geral de que homens e mulheres devem ser
trmados igualmente em welos os aspectos(' ....... 360

s t a

de f

TABELA 15-1. Resllmo clos cbelos cle Slouffer sobre

escolaridade e aceim):~lo do recrutamento

...... 366

TABELA 15-2. Reb,ao hipotclica entre escolarielacle e

...... 367

dispensa de amigos

aceita~ao do pr6prio recruta menlO ............... 368

aceit~H;;IO do recruramento, pelo fator de tel'

TABELA 15-6. Regiao

.... 371

de origem, regiao de treinamen to e

alilllcies para com 0 Medicare..

............ 127

FIGURA 5-3. Porcenmgem de alunos que aprovam

.369

TABELA 15-5.0 p,uacligma cia elabora,ao .............. ..

FlGURA 5-2. Porcentagem de alunos que aprovam

o c6e1igo estuelantil .

TABELA 15-4. Daclos hiroteticos rebcionando escolariclacle it

amigos dispensados .............................. .

...... 127

aprovam 0 c6digo eSllIdantil

TABELA 15-3. Rela,ilO hipolelica entre a dispensa cle amigos

ea

FIGURA 5-1. Porcentagem ele alunos que

__ .... ______ ... __ 373

.... 127

c6e1igo eSllIciantil ....

.200

FIGURA 7-1. Formalos de respostas .

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

TABELA 15-7. Classe social e cnvolvimenro medio corn a

... 375

igreja entre Illulheres episcopais ......... .

TABELA 15-8. Classes sociais e a ocupa,iio de ca rgos em

organiza~oes seculares..

FIGURA 7-4. Voce trabalhou algllma vez clurante a

semana passad<l? (I ncl U:l trabalho parcial,
203

mas nao trabalho em casa.) .

.. ............ 375

... 204

FIGURA 7-5. Formato cle questiio mmrici"1 .

TABELA 15-9. Envolvimento na igreja par classe socbl e

__ 376

oClllX1):iio de cargos seculares ............ .

TABELA 16-1 . Malriz de daclo, brlltos pareiais

.... 384

FIGURA 8-2. Hela,6es bivariadas enLre ilens sobre

orienta~ao

TAl3ELA 16-2. Daclos brulos hipoteticos sobre escoLtriciade

216

FIGURA 8-1. Indices versuS escalas ....

cicntffica .................... .

......... 221

e preconceilo ..
TABELA 16-3. Dados hipoteticos relacionanclo sexo e

FIGURA 8-3. Rela,6es lrivariacias entre os itens sobre

............... 386

emprego

TABELA 16-4. Dados hipoteticos relacionando classe

social

c preconceiro

TABELA 16-5. Escala cle cliferencia"iio sem'1I11ica .

...... . 388
.. .. __ . 390

TABELA 16~6. Associa~ocs gJmma entre os itens de

..

TABELA 16-7. lIustra""o hipolelica de qui-quaclraclo

FIG URA 8-4. Rela,ao triva riada hipotetica entre itens

de oriem3):ao cielllifica .......
.. ............. .
FIGURA ll-LCartao rerfu raclo paclrao para regislrar dados ....... 282
FIGURA 11-2. Exemrlo parcial cle lim livro cle c6c1igos ...

direrenci~lIl:aO semantica cia escala de

S~I mifica~ao

.... 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

TABELA 17-1 Analise falorial: OliOS cle delinqliencia (brancos) . __ . 420

.. .. 292

............. ...

... 295

9 u r

FIGURA 11-5. I1ustra~flo cia pre-codifica~ao de um

quesrion{lrio ...................... .
................... 298
FIGURA 13-1. A imagcm tradicional cia ciencia ................ .

... 329

FIGURA 13-2. A intercambialidade de indices

.... 332

FIGURA 14-1. Tres 'med ias" ....

... 341

FIGURA 14-2. Percenluanclo uma labela ....

................ 354

FIGURA 15-1

.......... 370

FIGURA 15-2

.370

FIGURA 16-1. Uma popula,iio hipotetica de homens e

Illulheres que s:1o favoraveis ou se opoem
" igualclade sexual ........ .

.... 395

FIGURA 16-2. Uma amostra representativa .................. ..

396

FIGURA 16-3. Uma amostr:! nao represemariva ......................... 398

FIGURA 16-4. Uma amostra representativa de uma
popula~ao na qual as vari{lveis se rehlcionam

.... 399

FIG URA 17-1. Mapa simples dos valores de x e y ....................... 4 I 0

FIGURA 17-2. Grafico dos valores de duas vari{lveis com
linha de regressao (h ipotetica)
............. 4 I 1
FIGURA 17-3. Diagrama das fontes religiosas do
anti-semitismo.

...... 417

FIGURA 17-4. Dois padroes de distribui"io de rend" de

Republicanos e Democratas

..... 422

FIGURA 17-5. Seis escritores: tres escrevem a mao e lreS

com computadores .......

..425

FIGURA 17-6. Proje,ao grafica dos seis escritores em

termos de idade e renda ....................................... 425
FIGURA 17-7. Apenas rend" e suficiente para predizer 0
metodo de esc rever ............................ .

..... 426

FlGURi\ 17-8.PadrJo ligeiramente mais compJicado

..... 426

FIGURA 17-9. Separando caneras dos complltadores

.......... 427

FIGURA 17-10. Proje~ao dos seis escritores em nova

ciin1ensilo ........................................... .

... 428

FIGURA 19-1.C6digo de etica e pniticas profissionais.

.. 456

Este livro e a segunda edi,ao do original publicado ha

dezesseis anos. Foi meu primeiro manual e sempre ocupou
lim lugar especial no meu cora~ao, apesar de ha muito tempo
nao lhe dedicar aten~ao.
Comecei a lecionar pesquisa de sll1veyem 1968, na Un iversidade clo Havai. Na epoca, aprendi 0 que outros professores
cia materia ja sabiam: nao havia nenhum manual realmenre bom
para se dar este curso. Escolhi usa!' um livro britflI1ico cle C. A.
Moser, mas meus alunos frequentemente nao consegu iam se identificar com os exemplos britfmicos, nem com 0 modo esquisito
clos britanicos usarem a lingua inglesa! (56 bem mais tarde me
ocorreu que estuclanres nao-americanos poderiam tel' problema
semelhame ao usarem textos americanos.)
Quando comecei a conhecer ourros professores da
mesma clisciplina (e incrlvel 0 nl1l11erO c1estes professores que
pa ssam pelo Havai a caminho de algum outro lugar), fUi
clescobrindo um padrao interessante. 5empre nos faziamos
duas perguntas, e quase sempre as respostas eram as mesmas.
A primeira era: "Voce vai fazer pesquisa na sua sala de
aula este ano?" A respos[J em geral era uma versao de: "Nao.
Fiz LIma recentemente e tao cedo nao quero passar peln mesma
experiencia. "
Segunda pergunta: "Que manual voce esta usanda?"
Os !ivros ate que variavam, mas a res posta sempre terminava
com: " ... porem nao gosto dele."
Minh" pr6pria frusrra,ao neste aspecto fez com que,
certa vez, passasse lim dia inteiro imaginanclo 0 indice "ideal"
de um manual sobre pesquisas de survey. a indice que entao
esbocei e essencialmente 0 mesmo deste livr~.

a trtulo que clei aquela obra imaginaria reflete uma

frustra~ao

mais especffica minha com 0 acervo mais amplo de

tex[os publicados sobre pesquisas de survey. Alguns eram

bem abstraros, ficando a lei lor perdido sobre como de fato

fazer lima pesquisa. Outros er.1m justa mente 0 contr:iria, danclo
receitas concreras de passos a serem dados na realizas;:10 de
lima pesquisa especffica. Tudo bern COIll esra (Ii rima abordagcll1,
contanto que voce qllisesse fazer exatameme a mesma pcsqllisa
que 0 alltor do [exto. Mas se sellS c1esejos e/oll circlInstancias
fossem c1iferenres, voce fica ria perdido.
Intitulei mcu livro ficticio cle A SlIrvey Researeb Cookbook
alld Otber Fables (Livro cle Receitas cle Pesquisas cle Survey
e Outras Fabulas), titulo que apareceu em esbo~os cle capitulos
e corresponciencias que troquei durante a cri:ls;;1o do livro.
Quando 0 manuscrito fin::dmente foi para a grafica, 0 titulo
ji fora enrerraclo no eemiterio clas prosas nunCl lIsadas - 0
qual, na minha cxperieneia, e 0 merecic.lo descanso final de
lim aCllmulo qllasc infinito de desperdfcio verbal.
Entao ell ja havia imaginacJo 0 fnclice de lim livro :linda
ficrfeio, Com um tirulo lim tanto jacoso. Pus tudo isto de Iado
por um clia s6, pois no clia seguinte rccebi uma carta cle Jack
Arnolcl, eclitor cle Sociologia cia Wadswortb Pllblisbing
Company, clizenclo clo interesse cia eclitora em publicar um
manual cle pesquisas de survey, Alcm clo mais, lim de seus
consultores ediroriais, Rod Stark, havia sugerido que Fosse
eu 0 autor clestc livro.
Dois anos ames, Rod e eu eramos amicfssimos no curSQ
cle p6s-gracllla~ao cia Universiclade cia Calif6rnia, em Berkeley,
e consiclcrei a hip6tese de que a carta cle .lack nao passasse
cle uma brincadeira. Scmpre clesconfiei que Rod era 0 tipo
capaz cleste tipo cle piacla, embora nunca houvesse feito
nenhllma assim comigo. Apesar cia clesconfian~a, responcli ,t
carra cia Wadsworrh, anexanclo 0 inclice que havia imaginaclo
para 0 livro. POLICO tempo ciepois, assinei 0 contrato do
livr~ e me lancei ao trabalho cle escrevcr os capitulos,
seguindo 0 fndice esbo~Jdo.
Escrever 0 livro foi ullla expericncia ambiv~i1ente. As
vezes, as p~tlavras pareciam fluir r5.pida e naturalmenre,
basrando apenas colocar papel em branco na maquina
darilografica. Nestas ocasioes, me senria mais lenclo do qlle
escrevendo 0 livro. No dia mais produtivo, em meio ~lS
minhas atividacles normais como diretor clo Escrit6rio de Pesquisas de Survey, recligi dois capftulos, sem qU3se nenhuma
necessiclacle cle ecli~ao.

Ja recligir Olltros capftllios mais parecia lima [onura.

Gasrava horas, garimpanclo dolorosamente as palavras, como
um bebado proclIrando por lim pc arras do ourro nllm<1 linha

reta. Como 0 bebacio, cal muito. As vezes, trope~ava em cada

palavra, levando homs para criar um 56 padgrafo, depois
jogava tudo fora e recome~ava. Nao era uma visao agradavel.
Um menino chega :ufasado na cscola C J. profe.ssora diz:
"Johnny, por que 0 atraso?"
Johnny diz: "Havia tanto gelo na rua hojc de manh3, qu<.:
eu d:wa um passo :1 frente e cscorregava do is pro. tr:1s.~
"Ah, e?\ diz a profcs.s<Jm. "Entiio, como voce chegoll ate aqui?"
Desisti e tentei voltar pra cas:!."
IRubr de lamborts, c 0 ruido da bola no :lro da Ce!)la.J

pior foi 0 capfruio sobre estarfstica. Mais parecia um

buraco negro, sugando roda a alegria cia vida. Embora os
pareceristas da pre-publica,iio elogiassem 0 manuscrito
("Obrigado, mamae", eu escrevia nas margens dos pareceres),
consideraram unanimemente 0 capftulo sobre estatfslica um
monstro malformado que cleve ria c1esaparecer de vez. Entao,
revisei. E revisei mais.
Poclei 0 capfrulo sobre estatfstica are restarem apenas
tres dilculos: lambda, gClIl1a e qlfi-qlfadrCldo. Na primeira
edis;fto clo livr~, do is dos tn?s estavam conetos. Mas esle nao
foi 0 fim dos problemas estatisticos.
Havia decidido que seria (nil incluir llt113 tabela de
n(ltl1eros aleat6rios como apenclice, para auxiliar os leitores na
sele~10 de amosu-as. Em vez de comprar uma tabela j{l existenre
de nl1l11erOS aleat6rios, decicli usar minha recem-aclquiricla capaciclade de progmma~ao para criar m1nh3 propria tabela. Dcpois de
diversas tenrarivas fmcassaclas, conscgui fazer chegar ~I Wadswol1h
uma tabela de nl1l11erOS aleat6rios proma para impressao em forooJJset, para nao con-er 0 risco dos tip6grafos esrragarem tuclo.
Descobri mais tarde um problema, quando cOl11ecei a
receber carras perguntanclo: "MellS alunos me inclagaral11, e nao
soube responder: por que a [abela cle n(lmeros aleat6rios nao
tem nenhlll11 9?" NlIma das primeiras tentativas de eriar a labela,
eu havia notado a Jusencia de Os e clescobrira que 0 sistema
que eu estava usando procllrava numeros alear6rios entre 1 e
9. Descobri como estabelecer 0 limite inferior em 0, mas fiz isso
abaixando 0 limite superior em lim algarismo. Em vez de
escolher nl1l11erOS aleat6rios emre 1 e 9, 0 sistema agora escolhia
entre 0 e 8. E claro que ninguem hllava nacla sobre a abuncliincia
de Os, Is, 2s erc., mas {odos reclamavam do 9 ausemc.
Recomendei a Wadsworth imprimir LIma folha de Errata
cheia de 9s, com a instrll\=ao "inserir aleatoriamente". Em vez,
compramos de aJguem lima rabeb de nlll11erOS alcalorios.

Publica do em meados de 1973, 0 livro foi muite bem

recebido. Logo, a \X1adsworth cstava recebendo sugestoes de
instrutores para que eu escrevesse um manual metodol6gico
mais geral sobre pesquisas, e nao somente pesquisas de sll1'vey.
Foi assim que publiquei, em 1975, The Practice a/Social Researcb,
que se tornou 0 foco de meus escritos sobre metodos de pesquisa
nos anos subseqUentes.
Muiros dos instrurores que inicialmente adolaram Slllvey
Researcb Metbods mudaram para Tbe Practice a/Social i?esearcb,
como espenivamos, mas as vendas do primeiro livr~ continuaram boas nos anos seguintes. Pel'iodicameme, a WaclswOIth
e eu considenivamos revisal' 0 livro, mas scm pre um outro projcto
acabava sendo prioritario. Finalmente, em 1988, nos compro1l1etemos a fazer a revisao no ano seguinte, apesar do que mais
pudesse acontecer.

o primeiro obstaculo foi tecnol6gico. Ha dez anos eu

redigia em microcomputadores, com toelos os maleriais em
disquete, para facilitar a revisao, mas Sllrvey Research
Methods fora escrito nllma maqllina c1atilografica antiga, sem
memoria, antes do advento dos sistemas de processamenro
de texto.
Inicialmente, a Wadswonh concordoll que um digitador
passasse 0 livro original para disqlletes, para eu poder fazer
a l'evisao num processador de rexto. Acabamos tentanclo urn:!
solu~ao ma is high-Iech: escanear eletronicamente a livro.
Neste processo, cada pagina serio elctronicamcnte fotogl"lfacla,
mas, cnquanto uma fotocopiadora imprimiria a foto em papel,
o sca11.neras armazenava em c1isquete. Um programa de rradw;ao
converteria len'as e palavras nUI11 texto que puclesse ser eclitado
como qualquer arquivo cle processamento de texto.
Escaneamento cle lextos, clo tipo que acabei cle clescrever,
cenamenre sera uma c1as tecnologias mais imrorlantes no
futuro. Mas clescobrimos que ainda nao era llma recnologia
clo presente. A eclitora contratou uma empresa para 0 trabalho.
Uma vez prontos, os arquivos tinham, no clizer orgulhoso clesta
empresa, "85% de exatic1ao". Vale clizer, lim setimo cia texto
sarra erradol (Posreriormeme, descobri que outras empresas e
sistemas sao mais exaros, mas mesmo assim cscaneamento de
texeos ainda nao pode SCI' consicleraclo ~'Lllna ciencia exara".)
Os her6icos esfor~os de minha secreta ria, Adrienne
Alexander, final mente me permitiram tel" em ] 988 um conjunlo
de disquetes com a versao de 1973 do livro, me permitincio iniciar
a revisao. Caso 0 leitor tcnhn rrabalhado com a ecli~ao anrerior
do livro, aqui vao alguns comenrarios sobre as principais
mudanc;as nesta eclic;ao.

o livro de 73 foi um produto cia epoca, repleto cle

Iinguajar sexista. Mais especificamente, 0 uso de pronomes
masculinos na rerceira pessoa quando 0 genero era indefiniclo.
Exemplo do rexto original: "Um pesquisador usa amostragem
estratificada quando elequer. .. " Eu estava consciente deste problema na ecii~ao de 73, mormeme ao escrever sobre entrevisradores e perfuradores de cartao, clois grupos predominantemente
femininos nas pesquisas de survey. Ousadamente, lIsei pronomes femininos em rela~ao a estes dois grupos, chamando os
diretores cle pesquisas de "ele", acrescenlando uma longa nota
de raclape explicanclo 0 procedimento e criticando a exclusao
geral de mulheres cia dire~ao de prajetos.
Nos anos subseqUentes, a questao da linguagem sexista
csquentou c, as vezes, eu culpava "eles" por haverem criado a
conven~ao cia terceira pessoa masculina. Curiosa de saber quem
eram "eles", c\escobri nao haver nenhllm grupo formal com 0
pocler cle legislar sobre a lingua inglesa (como a Academia
Francesa, encarregada de manter a pureza linguistica do fr(ln~(lis).
No caso do ingles, estas questoes sao mais ou menos frouxamente controladas por professorcs de ingles, por edirores em
geral e editores cle clicioniirios em particular e, bem, pOI' pessoas
como eu. ConseqUentemente, me compromeri a eliminar
linguagem sexista dos meus (extos.
Descle 1973, me tem siclo facil evitar linguagem sexista.
Oferer;o abaixo algumas solw;,:oes e 0 incentivo a adora-las.
Antes, eis algumas "solur;oes" das quais nao gosto e que
tenho evitaclo:
Substituir be (ele) por sbe (eta) nacla resolve, pois simplesmente tfoca um problema cliscritninat6rio por outro.
Fazel' usos aleat6rios ou alternativos de e/e e ela acaba
confundindo, sugerinc\o haver uma razao para se usaI' 0
feminino ou 0 masculino.
Usar repetitivamente 'ele Olf eta' e clesajeiwdo, embora
seu uso parcimonioso possa ser bam.
Mutantes lingUfsticos como ele/a (em ingles, slhe) sao
horrorosos, alem de impronunciaveis. Alem do mais,
parecem uma concessao sarcastic;} ao que 0 escritor
poderia consiclerar uma preocupar;ao irrazoavel: como
referencias sardisricas a persollagemenl em lugal" de
management, persolllla/ em vez de manual etc.

Eis 0 que para mim tem funcionado. Usar a primeira e / Oll

segllncla pessoa, evitando a terceira, procluz uma comllnic~\(~:ao
mais pessoal e evita a clilema sexista. "Se quisermos, voce c eu
podemos escolher uma amostragem sistematica ... " e um exemplo.
Quando preciso acrescenrar llma terceira pessoa, lisa names
andr6ginos como Jan e Par. Qutm solu~ao ':;:10 os pronomes
plurais. como: "pesquisadores optam pOl' amostragem siste-

matica quando they desejal11 ... " Ctbeye tanto eles ou e1us).
A linguagel11 sexista tal11bem pode ser evitacb pelo uso

Ensinando e escrevenclo, acho que, com 0 tempo,

melhorei as cxplica~6es de c1iversos aspectos do proccsso
de pesquisa, e esra nova edi~ao me cia oponunidade de com parrilhar 0 que aprendi. Particularmente, as novas lecnologias
cia informatica me auxiliaram a mosrrar graficamente muitos
conceitos, que a rorma como os compreendo mentalmenle.
Sempre conveni imagens e cliagram3s em paiavras, mas hoje
estou mais apto a apresenta-las (lll rIatllrel.

Finalmente. 0 livro novo cl5. mais aten<;ao expllcita ~l

coloquial, geralmenre aceito no ingles oral, c.la rerceira pessoa

pesquisa de mercado. Pelo que sei, a edi,ao de 73 foi muito usacb

do plural (tbem), quando 0 genero e indefinido. Por excmplo:

"quando chega uma pessoa a meu gabincte, fa,o com que tbelll

como refenE::ncia supleuva em cursos e agendas de marketing, jtt

que, em minha opinifto, manuais sobre pcsquisas de marketing
rcnclem a ser mais te6ricos que praticos. Certamente pesquisa
de surveye uma tecnica amplamente lIlilizada pOl' pessoas de

sentem numa cadeira", se bem que revisorcs c.lificilmenre c.leixam

passor desapercebida esta constru,ao.

Depois de encomrar esta e outra.:; solu~ocs para evitar
linguajar sexista, finalmente descob ri a melhor solur;ao: parar
de pellsarem termos sexistas. Quando pensava num pesquisad~r, nao mais pensava na figura de um homem nem s6
em mlliheres para entrevistadoras. Conseqi..ienremenrc, j:l
quase nao me meto mais em armadilhas sexistas que exigem
acrobacias Iingi..Hsricas para delas escapar.

Al6n de eiiminar 0 linguajar sexisra cia edi,ao de 73, tive

tambem de lidar com algllns exemplos clesatllalizaclos de pesquiS3S. Exemplo: em vez de falar do Sllecsso dos pesqllisaclores
qlle previr.:ul1 a elei,ao de Richard H Nixon para a presidcncia
dos EUA em 1968, llsei dados de boca dc uma cia elei,ao presidencial cle 1988 para ilusrrar 0 pocler da amostragem de suruey.

o fato de s6 haver com prado meL! primciro computador

pessoal seis anos ap6s a p"blica,ao cia primeira edi,ao indict
a atualiz:1\=ao necessaria na area de tecnologia de pesquis:1.
A e(li~ao :1lual nao mais supoe pesquisacJores usanclo GlrrOeS
pcrfurac\os nem comaclores-classificadorcs OU C0l11putadores
';queimadorcs de lenha". 0 foco agora no lisa de microcomputadores, enrrcvistas assistidas pOl' computaclor e coisas assim.

Ate diria qlle minha descri,ao da recnologia de survey est:]

provavelmente um pOll co a frente clas normas atuais - contucio.
por POllCO lempo. 0 qlle hoje parece de ponta, bem logo ser:r
de lIS0 geral e, em POUCD tempo, se desarualizara.
Alem do iJardware de informatica lIsaclo em pesquisas,
l1luir;J.s outras coisas l11uclaram nos clezcsseis :lnos descle a
primeira edi~ao. Pesquisaciores aprenderam rruqucs novos,
clesenvolveram novas lecnicas etc. Embora seja imposslve! fazer
jus{i~a a [acia ela num s6 livro, rcntei aborclar a maioria cia
nova iireratura.

/Ilarketiug. Se bem que nao pretendendo fazer cleste livro 0 rexto

principal de um eurso de pesquisa de mercaclo, tenrei faze-Io
mais relevanlc e uti I C0l110 suplemento.
Como na edi,iio original do livro, goslaria dc agradecer
cliversas pessoas, imporranres para sua cria<;ao. Inicialmente

recledico-o a Samuel A. Stouffer, Paul 1'. Lazarsfeld e Charles

Y. Glock, em quem vejo minha linhagem na pesquisa de survey.
o comentario estranho sobre "os velhos tureos" e lima refereneia ,t dedicat6ria de Paul Lazarsfelcl para sua obra Tbe
Lcmgllage of Social Research (1955) a "Charles Y. Glock e sellS
'jovens turcos' no Escrit6rio cle Pesquisa Social Aplicada da
Universidade de Columbia".

Pel os comenrarios lao sabios quanto simp,hicos dos

rascunhos da ecli,ao revista, sou grato aos colegas Alan Acock,
da Louisiana StalC University, e Tom Guterbock, cia Universiclade da Virginia.
Serina Beauparlant, a nova eclitora de soeiologia na
\X1adsworth, hcrdou 0 manto que Steve Rutter vest ira dezesseis
<lnos antes. Seu trabalho foi cxcepcional, como demonstra este
procluto acabado. Nesta tarefa, foi auxiliada por Donna Linden,
eclitora de proclu<;flo, e pelo desigller-executivo Andre\v Ogus.
Finalmente, gosr:1ria ele agraelecer a minha esposa Sheila)
que inicialmente teria sido co-aurora cia primeira ecli<;ao. Apesar
de tel' resolvido nao faze-1o, continua sen do minha cterna
parccira e colaboradora. Fonte permanente de inspira~ao,
Constantel11ente rne incentivoll a olhar acima (! alelTI das
montanhas, clo outro lado cbs esquinas e dcbaixo (.\as peclras.
Convido-o, leitor, a investigar e rocura!' comigo nas p<.1.ginas
que sc seguem.

Unlversldade de Brasilia

BIBLIOTECA

Pref6cio a Primeira

Pesqllisa de slI1"veye hoje provavelmente

metodo de

pesquisa mais conhecido e amplamenre usaclo nas ciencias

sociais. Cresce ciiariamenre sell usc no munclo acae!emico. E
lecionacla e usada em departamentos de socio!ogia, ciencia
poifric3, psico!ogia, aclministra~ao de empresas, sallde pllblica
e geografia, c1entre Olltros. Cada vez l11ais, alunos de p6s-

gracluac;no nas ciencias socia is sao incemivaclos a fazer surveys

como requisito de pesquisa original para teses e disserta~oes.

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

falar de pesquisas de opiniao pLlblica, de previsoes eleirorais,

de estudos do mercacio de consumo e de censos. Praticamenre

rodo mllndo ja foi aferado por pesqllisas. Campanhas e sonhos

polfticos deslancham eu sao destrufclos com base em pesquisas eieitorais. Empresas produzelll em massa ou imerrolllpelll

produ"ao baseadas em pesquisas de mercado. Programas

sociais de ajuda federalmuitas vezes dependem dos resulrados
de esrudos de popula"ao em cidades e estados carenres. Arividades lanto profissionais como nao profissionais de pesquisas

sao freqllentes. Clubes pesquisam seus s6cios sobre poliricas

a seguir e daras de piqueniques. Bibliotecas e lanchoneres
levantam preferencias dos usuarios sobre servi~os e hor5rios.
Esta~oes de radio convidam auvintes a telefonarem votando
em temas comunitarios.

o usa tao difunclida e a aceita~ao tao ampla da pesquisa

de survey parece indicar que se rrata de recnica de f{tei!

aprenclizaclo e u[ilizac;ao. Toclos que leram um relat6rio cle

pesquisa de opiniao no jornal local provave!mente <leham
que eles mesmos poclem fazer uma. Afinal, qualquer Ull)
pode perguntar c con tar as rcspostas.

Por Que Este livro Enfatiza l6gica e Capacidades

Esre livro aborda rres quesloes rcbcionacbs a pcrcerl'ao
erronea c1e que e fiicil fazer pesquisas de slIrvey. Em primciro
lugar, a popuJaridadc desres merodos rem Icvaclo a muita
pesquisa malfeira. As vezes, tecnicas de pesquisa sao malusadas; muitas vezes surveys sao realizaclos quando algum outro
metodo de pesquisJ serb nlJis ac1equado. Espera-se que a discussao deralhada da 16gica c das capacira,oes neces"irias as
pesquisas de slImcyajude a melhorar a qualidadc cias mesmas.
Em segundo lugar, 0 mau uso e 0 usa excessive leva ram a
rejeil'ao total de pesquisas de survey por parte de muiras pessoas,
inclusive um numcro crescente de jovens cientisl:ts socia is. Nesre
aspecto, espera-se que esre livro demonstrc que pesquisa de
survey pode ser um rnetodo extrema mente util de invesriga~ao
cientffica em cerlas situa~oes. Usaclas correlamente em situac;oes
apropriJdas, surveys podem gerar infoIl11ac;:oes nccessarias, diffceis
de se obrerem atraves de qualquer outro metoclo.
Em rerceiro lugar, afirmar que dcterminacla pcsquis:1 foi
mal feila presslIpoc a existencia de urn acervo comprovado e
esrabelecido de pad roes cientificos, ~l luz dos quais avaliar ativiclades de pe!')quisa. Lamentavelmenle, isto nao ocone. Ccnamcnte
h~i pad roes cientificos l11uilO rigorosos em alguns as rectos cia
pesqllisa de suruey, como amostragem e m:lJ1ipllia,ao cstatfstica
de c1ados. Mas os pad roes n30 sao rao ciaramenrc definidos em
outros aspectos, lais como a redal'ao de quesroes e a codifica,:10
de respostas. Pad roes existentes em geml n30 5;10 formalizaclos
e, ainda pOl' cima, tenclem a ser rransmitidos como rracli010 01':11,
de resquisador para ailino-aprendiz. Contudo, pcsquisadores
iniciantes sem accsso a este sisrem~l de :lprendizado podcm nao
entender nem mesmo os padroes informais. Este Iivro pracllra
revelar estes padroes informais e orden:l-Ios c1entro do contexto
16gico da invesrigal'ao cientifica.

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

esra cheio de livros e ensaios que cliscutem a 16gica te6rica da

investigac;ao ciemifica, sem especificar como normas cientfficas
sao aplicaclas na prfirica. No outro extremo, ha um punhado de
livros do tipo receira-de-cozinha no mercado, com diretrizes
passo a passo sabre como pesquisar, mas sua utiliclade diminui
rapidamente ,\ medida que" situal'ao de campo do pesquisaclor
sc diferencia daquelas discutielas diretamente no lexto. Quando
o pesquisador encontra um problema cle campo nao cobel1o no
livro-receira, fiead provavelmente perdido. Este Iivro procurJ
uma solul'iio para este problema.
Este texto c focado na /6gicae nas capacitari5escia pcsquisa
de slIruey. Relativamente pouca arenc;ao e dada a cstarfstica, j5.
que hi varios textos excelentes sobre ela. Ao cobrir os diversos
aspectos do desenho e da analise de suruey, usei 0 seguinte
formato. Primeiro, discute-se a l6gica te6rica, por exemplo, cia
amostragem. E necessaria que 0 leitor emenda a l6gica basica
de se selecionar uma aJ110stra de entrevistados cujas respostas
podem representar a populal'ao da qual foram selccionados.
Entao, discurem-se, passo :1 passo, os metodos mais tfpicos de
amostragem. A esta :tilUra, 0 leitor deve entender nao apenas
conzo selecionar uma :lmostra convencional, mas lambem por
qlle metodos convencionais de amoslragem aclvem da l6gica
(Corica cia amostragem. E apresenraclo, em seguicla, lim leque
de problemas priiricos freqllentemente encontrados par pesquisaclores de campo e disclltem-se metoclos rfpicos de se Iici::1r
com tais problemas, dentro do contexto da 16gica da alllostragem clo suruey. Aqui, 0 lei tor cleve enrencler pOl' que as
solllc;oes sugericlas oferecem a melhor corresponcicncia com a
16gica e os metodos ideais da amosrragelll. Nao h{l como
aborclar toclos os problemas pr{lticos que os leitores possam
porvenrura vir a encontrar, mas se espera que eles com preendam, na prarica, a l6gica cia amostragem, de forma a poclerem
chegar as suas pr6prias boas solul'oes. Mesmo quando a
situac;ao da pesqu isa na~ permite uma boa solu~ao, 0 leitor
cleve ser capaz de avaliar 0 significado da decis:io que tomar, a
respeito clas conclusocs a serem {iracbs do seu esruclo.
Nenhum slllvey satisfaz plena mente os ideais re6ricos (b
investigas;:ao cientffica. Cada um representa llll1 conjunto de
compromissos entre 0 ideal e 0 possfveJ. A meta primordial
c1cste texto e ajuclar os leitores a chegarem aos mclhorcs
compromissos possfveis. Surueys perfeiros poclem nao SCI'
posslveis, mas bons SillveyS podem e c1evem ser re~tlizados.
Este Iivro pode parecer um tanto elemenral', focalizando
quase exciusiv:1.menre a 16gica e as capacirac;oes bdsicns. Par
exemplo, re lativamenre pOlIca :Henc;~o e cI::tcla as recnicas de

escala, enquanto mllita aten~ao e c1evotacla a constnu;ao de

indices simples. Discllssoes de analise de survey sao primordialmenre focalizaclas em cabelas de percentagens. Hj cillas
razoes para esta orienta~ao. A literatllra metodol6gica existente
cobre extensamente tecnicas avan\=aclas, enqllanto as tecnicas
mais b:isicas tem sido abordadas men os extensamente. Mais
inlpol1anre, uma base Finne na l6gica e nas capacita\=oes para a
pesquisa de surveye pre-requisito para 0 pleno entendimento
de tecnicas mais avan\=adas. Assim, se 0 !eitor consegllir compreender plenameme a 16gica de analise atlaves de tabelas de
percentagens, simo que estara mais equipacio para lidar com
correla\=oes, regressoes, analise fatorial e assim por cliame.
Lamentavelmeme, hoje em ciia, muitos ailinos saltam ciireramente
para formas mais complicadas de analise, sem emenderem bem
a l6gica clas pesquisas em geral.

(omo Este livro Pode Ser Usado

Este livre foi feito para uma ampla faixa cle leitores:
qualquer pessoa imeressacla em realizar um sltrvey ou em usaI'
e/ou avaliar os resultados de um survey. Mais especificamente,
destina-se a (reS aucliencias distintas: estucbntes de mctodologia,
pesquisadores principiantes e consumidores de pesqujsas.

probabilidade de lim pesquisaclor encomrar orient3\=3.0 no texto.

Simliitancamente, bllsquei apresentar wis exemplos dentro cia
J6gica basica cia investiga\=ao cientifica. Em vez cle pedir que 0
leitor memorize tecnicas especificas - mesmo um leqlle varjado
de lecnicas - , pe~o que emenda por que determinadas tecnicas
sao recomendadas e usadas. Assim, quando 0 pesquisador
precisar aceitar um compromisso ou aproxima~ao, deve estar
apto a saber 0 que esta comprometencio e que conseqi.."H~:ncias
este provavelmente acarretara.
Finalmente, espero que os consumiciores de pesquisa
de survey encontrem neste livro 0 solo metoclol6gico que os
ajude a fazer avalia~6es cr!licas e esc1arecidas. Espero tel' apresenraclo um quadro suficientemente completo das realidades
praticas da pesquisa de campo, para melhorar a perspectiva dos
crfticos do survey. Discutinclo honestamente os meritos e usos
possfveis da pesquisa cle survey, espero convelter alguns crlticos
em apoiaclores esc1areciclos. Tambem cliscuto as c1esvantagens,
insuficiencias e maus usos clas pesquisas de survey, com a
esperan\=a cle ajudar alguns usuarios ardentes demais a se
tornarem um POllCO mais criticos.

~gradecimento s

Primeiro, 0 livro se dirige a ~t!unos de gradu3\=ao cursando

pela primeira vez metoclos cle pesquisas. Enquanto diversos
professores preferem enfatizar pesquisa de survey no curso
geral, outras metodologias podem ser ::\crescen tadas . Por isso
o livro e publicaclo em capa mole, para permitir lim lIS0 flexivel
clos materia is. A organiza~ao do material surgiu de minhas
pr6prias experiencias em sala de aula, lecionando metodologias
de survey e um esbo~o preliminar clo texto foi restado neste
ambiente. Al6n dos materiais no corpo cia obr:1, a maioria dos
capftulos vem acompanhacla de uma lista de leituras adicionais,
que poc!elll ser usadas para um exame mais detalhado de
t6picos especfficos.

Tive muita sone ao ter a oportuniclade de aprender

pesquisa cle slIrvey nllm ambiente cle aprenclizaclo, tlltelaclo por
Charles Glock. Numa epoca em que professores sao aClIsacios
de explorar eswciantes, Charlie consistememente me tratava
C0l110 um col ega mais jovem, me incentivando a embarcar em
projetos pr6prios e me tornar mais independente, podendo
recorrer a ele para orienta~ao mais avan\=acla. Um reconhecimemo
rotineiro num prefacio de livro e muito poueo para a clivida que
tenho com Charlie Glock. Apes"r cle clepois ter aprencliclo eois"s
sabre pesquisa cle survey que ele nao me ensinou, ainda me
simo um constrangido ao afirmar que este livro e meu.

Em segundo lugar, 0 livro pretencle ser um guia pratico

e realista para 0 pesquisaclor principiame, sem muita experieneja
em pesquisas de survey. 0 livro aborcla os provaveis problemas,
decisoes e compromissos que constiwem a substancia quotidiana
cia pesquisa de campo. Procurei oferecer 0 leque mais amplo
possivel de exemplos tirados de minhas proprias pesquisas e
consultorias, numa ampla varieclade de projetos e condi~oes de
pesquisa, bem como clas experiencias de colegas C outros
pesquisadores. Espero que 0 numero de exemplos 3umente a

Ao mesmo tempo, clevo muito a outros professores e

colegas, principalmente a Hod Stark, que agia como irmao
mais velho nos meus primeiros anos na Un iversiclade de
Berkeley. Mais tarde, em Berkeley, rive a sone de conhecer
Gertrude Selznick, que me obrigou a examinar ainda mnis
prafllndamente os alieerces l6gicos da ana lise de slIruey, e
Ilossas compara~oes de anota~oes sobre pesquisa empirica
me c1eram um entendimento bem melhor clo que e de fato investiga~ao cientffica. Outros mestres e colegas que aprimoraram

oContexto (ientlfieo da

minha compreensao cia pesqllis(l de survey enq llamo ciencia

inciuem George von I3ekesy, Lin Freeman, Dave Gold, H.en

Likert, Bill Nicholls, Jay Palmore, Steve Steinberg e Charlie

Yarbrough. Sou especialll1ente grato pelos cOll1entarios
detalhados e profundos de tres revisores do manllscrito: Andy

Pesquisa de Survey

Anderson, Joseph Spaeth e Billy J. Franklin.

Igu:tlmente reconhe~o minha dfvida para com 0$ mllitos
pesquisadores com quem U<lb:tlhei em consultoria. Alguns me

milUlO 1
AlOGICIl DA CI[NCIII

ensinaram novas tecnicas, OlHros revisaram e comentaram os

prirneiros esbo~os desre texto. Dentre des cito Jim Dannen1iller,

Dave Ford, Dennis Hall, Dave Johnson, Jan LeDoux, Heung-soo

Park, Dinny Quinn, Franc;:oise Rutherford, Yongsock Shin, Dave
Takeuchi, Chuck Wall e Choon Yang.

milulo 2
ACIENCIA EAI CIENClhl IOCIAII

Alem do mais, 0 livro jall1ais teria se concretizado sem a

assistencia de diversas pessoas envolvidas com 0 manuscriw.

milulo 3
PEIQUIIA DE SURVEY COMO MEIODO Dhl CIENClhl IOCIAII

Na editor" Wadsworth, Jack Arnold, Steve Rutter e Rod Stark

organiza ram e providenciaram importantes inslll110s eciirori:1i s.

Barbara I-Jiga assllmill lim extenso projero bibliografico. Pat

I [orton me ajuciou a encontrar tempo para recligir, aiem de ter

cbtilograrado

longo manllscrito.

Dado sell conhecimento especial de colcta de dados e

experiencia geral com pesquisas de survey, minha esposa
Sheila teria sido co-autora do livro, tendo rapel imporranre
na o rg:lJ1iza~ao inicial cia obra. Pouco depois do infcio cia

redac;:ao, tornOll-se impossivel para Sheila dedicar tempo

suficiente ao livr~, mas ela conrinuou <triv:1menre parricipando
como consllitora, confidente e crftica.

Este livro .borda 0 tema da pesquisa cientifica. Sua

finalidade e ajuchi-Io a fazer sllas pr6prias pesquisas e com preencler as pesquisas feitas por olltros. Embora 0 livro focalize um
determinado metodo de pesqllisa - 0 slirvey -, deve ser lido
dentro do contexto geral da ciencia. A pesquisa de slirvey
emprega recnicas espedficas peculia res a esre metodo, que
podem se encaixar nas normas gerais da investigac;ao cienrific3.
Apesar cle termos ciencia hfl seculos e inumeros livros
terem sido escritos sobre pesquisa cientffica, 0 assunro <lincla
hojc
enigmatico para nao-cientistCls e cientistas iniciantes.
A Pane 1 deste livro pretencle oferecer uma vi sao geral cia
16gica cia ciencia, para que, postcriormenre, as recnicas especificas da pesquisa cle survey possam fazer mais senrido. Tres

capitulos sao dedicados a este t6pico.

o Capitulo 1 considera a 16gica basica da ciencia. Comec;:a

cliscutinclo a in1agem traclicional cia ciencia, imagem que creio
ser em geral enganosa e inapropriacla no contexto cia atllal pesqllisa cienrifica. Neste aspecto, meu rrop6sito nao clesmisrificar,
mas tornar a ciencia relevante e realista.

Na pratica, a ciencia nao

nem mfstica nem pum. Como
rocias as ativiclacles humanas, a pesquisa cienrifica um compromisso entre 0 ideal e 0 posslve!. Na pratica,
freqlienremente
guinda pela emoc;ao, pelo erro e pela nao-racionaliclade. Toclavia,
a pesquisa cientffica
bem diferente de Olltras atividacles
illlmanas . Tenrarei eluciclar tais difcrenc;as no Capitulo 1.

o Capitulo 2 aborda 0

t6pico ainda mais complicado da

ciencia social, sabre 0 qual muiro se escreveu nos dltimos

anos. Alguns autores insisrem que a ciencia social e lao "cien[ifiea" quanto a ciencia natural. Outros nao aceitam tal no~ao.

Capltu I0 1

Ainda outros pensam que a pesquisa socia l estn progredindo

fumo ao SIal us de ciencia, mas ainda nao chegou 15..

Sugiro que este debate nao faz senrido. Assim como

impassivel uma afirma~ao definiriv:l sabre 0 que "ciencia"

realmente e, e igualmente impassivel afirmar que a ciencia
social
ou nao cientffica. 0 que faremos
considerar as
c1 i feren~as e semelhan~as entre ciencias sociais e naturai.s,

exp lorando as impliGl,6es destas diferenps e semelhanps

para a 16gica e as tecnicas cia pesquisa dentinGI socia l.

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.

o proposito principal desles capitu los e preparn-lo para

16gicas subjacentes as competencias
e tecnicas especificas da pesquisa de survey. Em termos mais
o en tenclimento das bases

gerais, espero que voce aclquira um embasamento melhor na

logica da cienc ia per se. Isto e parricularmente imporranre

porque tocla pesquisa cienrifica e um compromisso entre 0
ideal e 0 possive!. A maior parte c1este livro lic1a com estes
compromissos.
Inicialmente exan1inamos 0 que cleve se r feito em circunstancias icleais, consideramos em seguida quais comp ro-

miss os sao mais apropriac1os quando 0 ideal nao pode ser

atingido. A menos que voce compreenda plenamenre a logica
basica cia cH~ncia, nao conseguira entencler por que um COI11promisso
aceito no lugar de urn outro. Compreendenclo
esta logical ao come~ar sua propria pesquisa voce sera capaz
de conseguir 0 melhor compromisso passivel dentro das

Ciellcia Ulna palavra caseira. Toclos a usam, pelo menos

ocasionalmente, mas imagens cia hciencia" cliferem muira. Para
alguns, sinonimo de matematic3, para outros significa aventais
brancos e laboratorios, outros a confundem com tecnologia, e
hft aqueles para quem a palavra equivale a l11arerias diffceis
em cursos colegiais au universirarios.

Evidentemenre, ciencia nao

nenhuma destas coisas
dificil espec ificar exatamenre 0 que ciencia.
Este capitulo come<;a resumindo a imagem de ciencia frequentemente apresentada a estudantes em cursos de introdu<;ao as
ciencias. Em seguida, examinamos a imagem negativa que
algumas pessoas tem clas ciencias. Finalmente, descrevemos
os componentes logicos cia ciencia tal como prClticCidCl.

per se. Porem

A Perspectiva Tradicional

rea is condi,6es de campo.

Cursos de introdu,ao as c1isciplinas cientificas freqUentemente apresentam uma imagem de Ciencia que a faz parecer
e1irera, precisa e ate rorineira, Posreriormenre, neste capitulo,
criticarei esta perspectiva, mas ela e uti! como ponto de pat1ida.

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

um grao de arroz e mais duro que oLaro, 0 que delermina

caminho dos cameras au 0 que causa cancer. Entao, eles
examinam rigorosamentc esse topico e esrru[Ura em termos
16gicos e abstratos.

Eles idenrificam toclos os fenomcnos relevantes ao assunta

esrudado. Com base no conhecimento exisrcme, inter-relacionam
estes fenomenos numa recle cle l'e/ar;oes causais l - quais
elementos causam all infillenciam outros elementos. Deste
modo, clesenvolvem uma leo ria, lim conjllnro de proposit;oes
16gicas, intcr-relacionadas, que explicam a natureza do
fenomeno estudado.
Para testa I' a validacle eta teoria, supostameme clerivarn
l::np6teses, que sao prcdir;oes sabre 0 que acontccenl. em
concli\=6es especificadas. Muitas vezes, essas hip6teses sao
cia forma se - entao. Se 0 Even(o A acontecer, segue-sc entao
o Evento B. Por exemplo, se voce esruclar bem neste curso,
ter{1 lima vida 11111ito feliz. (E lima hip6tese, len1bre-se, nao
necessaria mente 0 que as coisas sao.) J5 que esta reia,no causal
e sustentada pela teoria geral, se 0 Evento B nao se seguir ao
Evento A, a validacle cia pr6pria teo ria seria questionacla.

Operaci anal izo~ao

Teorias por natureza sao abstraras e gerais. Hip6reses,
embora mais espedficas, sao tambem em geml um tanto
abstratas. (No exemplo ac ima, nno especifiquei que tipo de
esruclo ou quc tipo de feliciclacle.) Assim, hip6reses clevem
se r convertici::ts em termos operacionais, is[o e, nas opera\=6es
concreras feitas para testa-las - processo chamado de operacioIlCllizClr:ao. Voce cleve especificar quais fenomcnos no
munclo real consrituem 0 Evenro A c quais constiruern 0
Evento B.
Se a hip6tese e sobre 0 efeito cia temperatura na raxa de
crescimento cle uma planta, voce especifica como temperatura e
crescimento serao mediclos, au seja, que opera\=oes corresponclem a esses conceitos abstratos. Especificadas as opcrar;6es, voce
descreve um e:x.perimento para testar a hip6tese, especificando a
dura\=ao do experimento, a freqUencia de medi\=:1o clo crescimento e da temperatura, se c como a temperatura sera artificialmente controlacla, ou se varia\=oes naturais serao anotadas, e
como a mcdi\=ao sera registrada e analisacla e assim por dianrc.
Baseado na sua hip6tesc, voce pode preyer taxas de crescimento corrcsponclentes a c.liferenres remperaturas e especificar

o quanto as predit;:6es devem ajustar-se as taxas observadas de

crescimento para confirmar ou rejeitar a hip6tese. Deixar claro
tudo isso de antemflO pocle evitar muita discussao mais tarde.

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

que as impressoes subjetivas e preconceitos clo leigo. Cientistas

lidam com fatos e numeros e diz-se que os numeros nao menrem.

~ 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.

Cliitos e panelinhas clo munclo eientffico tem siclo mostraclos

ao publico. Afirma-se que um trabalho cientifico apresentado
para publica,ao pode ser julgado mais com base no pedigree
academico do pesquisador (diplomas, escola etc.) do que
nos meritos intrfnsecos do pr6prio trabalho. Um editor de
peri6dico que estudou com 0 Professor X pode rejeitar todos
os trabalhos apresentados por alunos do Professor Y.
Alem do mais, frequentemente se enfatiza que "icleias
aceitas" nas clisciplinas cientificas muito dificilmente poclem
ser questionadas. Um trabalho de pesquisa apresentando
lima perspectiva raclicalmente nova sobre lim assunro antigo
e supostamente jn decidido pode nunca ser publicado.
Tambem cliz-se que muitos pesquisaclores avaliam a perspectiva de lllll projeto de pesquisa mais pela probabilidade de
receber financiamentos clo que por sua possivel contribui~ao
ao conhecimento.
Ja que tanta pesquisa cientifica e realizacla nas universiclades, e relevante anotar as critieas a norma "pllblique ou
pere~a", arribuicla a mllitos clepartamentos acaciemicos. A acusa,ito e que professores que se destacam no magisterio pod em
ser clespedidos se nao realizarem e pllblicarem pesquisas suficientemente. Pesquisas efetuadas sob tais condi,6es de pressito
provave!mente nao manifestam a cliriosidade intelectllal e a busca
cia verdade que associamos a imagem idealizada cia ciencia.
Alem do mais, pesquisar por coer,ilO as vezes produz
fraudes cientificas. Ocasionalmente, voce Ie na imprensa
reportagens sobre aigum pesquisador que falsificou dados
para parecer um estudioso produtivo. Aiem de en-ado, este
tipo de trapa~a as vezes desorienta pesqllisas de ourros, desperc1i~anclo reClIrsos, arrasando c1escobertas cientificas) alem de
outras pertlJrba~oes causadas ao process a de pesquisa.
As criricas :1 ciencia foram alimemadas pOl' diversas
narrativas francas de pesquisas, publicaclas nos Liltimos nnos
por cientistas cle renome.~ Cada vez mais cientistas procuram
apresentar honesramente sells projetos de pesquisa, por seus
achados numa perspectiva adequada e oferecer melhor
orienra~ao a aspiranres a pesqllisaciores. Como estas narrativas revelam erros, omiss6es e outros problemas praricos,
muiros crlticos contemporaneos da ciencia as rOI11am como
confissoes de que esra nao passa de misrifica~ao.
Alguma clesmis(ifica~ao cia ciencia e ate boa de vez em
quando. E facil pensar na ciencia como um empreenclimemo
mistico e as ciemistas como praticantes-magicos infaliveis. Se a
ciencia e funclamemalmeme uma atividade racionai e objeriva,
cleve ser capaz de resistir a uma avalia~ao racionai e objetiva.

Os aspectos que nao sobreviverem a crfrica provavelmente nao

deverao continuar fazenclo parte clo empreenciimemo ciemifico.
o grande perigo na critica a pesquisas malfeitas e ate
desonestas e oferecer uma fuga fOci! it difjculdade de entender
a ciencia como esta deve ser. Estucianres as vezes aeham mais
simples ignorar a ciencia, como se ela Fosse uma bobagem
rirualista, clo que aprencler estatfstica au a 16giea da pesquisa
cientifica. E mais facil considerar toda a ciencia rllim do que
se tornar um bom cientista.
Evidentemenre, neste t6pico sou tendencioso. Acredito
que a ciencia e uma atividade humana significativa. Enquanto
muitas atividacies rotuladas cle j'cientfficas" de fato nao 0 sao,
em minha opiniao muitas atividacles cientrficas cliferem de
formas importantes cle outms atividacles humanas. E importante
entender estas diferen~as, tanto para quem pesquisa como para
quem Ie sobre elas e tem suas viclas afetadas por elas.
o problema primordial tem a ver com a inexatidao da
pe rspectiva tradicional do metodo cienrifico, tal como e
convencionalmente apresentacla a alunos principiantes de
ciencia, tanto nas ciencias socia is como nas natura is. Na pratica,
a ciencia nao corresponde exatamente a sua imagem trac1icional)
mas, ao meSIllO tempo, nao e rao ruim como argumemam seus
eriticos mais severos. A se~ao seguinre procura descrever a
ciencia na pratica, que e distinta de sua perspectiva tradicional.
Em segllicla, aborclarei os aspecros que ciistinguem a ciencia
das outras atividades humanas.

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

voce pode tef uma explica~l.o prelirninar de uma reb\=ao empfrica ,

pode testar esta expJicac;ao prcliminar all-aves cia coleta de mais
dad os, usar os novos resultados para modificar a explicac;ao,
col:tar novos dados e assim por diante_ Consrrw;,:ao de reoria ,
entao, envolve intera~ao de observac;oes e explicac;oes.
Porranto, raramente as teorias sao confirmadas num
detemlinado momento. Na ciencia, sao relativamente poucos os
"experimentos criticos", ou seja, experimentos que levam toda a
teoria a se sustentar ou clesabar. Ao conrrario, eviclencias monraclas POllCO a POllCO ap6iam uma teoria continuamente
mociificada. Em algul1l momento, alguma forma da teoria poele
se tarnar geralmeme aceita, mas raramente e passivel iclentificar
o momenta exato em que a teoria foi "provacla" ou aceita. Alem
do mais, (ada teo ria continua a passar por mociificac;bes.
Nenhum cientista ja clcscobriu ou descobrira "A Verclade".
A operacionaliza~ao de cOllceilos nunca e rao clara e direra
como sugere a imagem traclicional cia ciencia. Esre assunro sera
abordado mais profundamenre no Capitulo 7, mas deve-se
observar que a maioria dos conceiros cicmificos sao passiveis
de diversas interpreta~oes. Assin\ voce pode especificar operacionaliza~bes prelim ina res desses conceitos e LIsaI' os resultados
dos experimentos tamo para avaliar [ais operacionaliza<;6es
quanta para restar hip6teses. Se melhorias num novo bem
de consumo aparenremente nao aumentarem a satisfa<;ao dos
consumidores, voce pode queslionar se esta medindo satisfa<;ao
adequadamente.
Mesmo quando conceitos sao operacionalizados de forma
aceitavel, resultados expcrimentais raramente sao conc1usivos
em sentic10 absoluto, mesmo com rela~ao a hip6tcses espedficas.
Tipicamente, se confirma ou se rejcita uma hip6tese ale CerlQ
poulO, quase nunca compleramente. ja comentamos que teorias
sao normalmente aceitas com base no peso cia evidencia de
cliversos experimenros. Se um grande numero de observar;oes
empiricas e mais bem explicaclo peb Teoria A do que par
qualquer outra teoria disponfvel, entao a Teoria A provavelmente sed aceita. 4
Finalmente, e roralmente incorreta a impressao de que
testes empfricos sao uma atividade rotineira. A imagem traciicional da ciencia sugere que crialividacle c ate mesmo brilho
sao necess5rios a clerivac;ao de teorias e ao desenho de experimemos, mas que a execuC;ao propriameme clit:l dos experimentos
e mon6tona c sem imaginar;ao. Na pn1tica, a execu<;ao de um
experimento, a coleta de dados empfricos, exige inl[meraS
decisoes crfticas. Surgem situac;oes inesperadas. Observa<;6es
bizarras sao registradas, sugerindo enos de meclida. Dados

podem ser pe rdidos Oll alsificados. (Como se vera. neste livro,

esses problemas sao particularmente comuns em surveys.) Alem
clisto, a operacionaliza<;ao de conceiros nunca e totaLnente naoambfgua e cleve ser especificada mnis ainda durante 0 ex perimento. Cada uma destas situa<;oes requer decisoes que influenciarao a resultado do experimenro e, pOl' extensao, a avaliar;ao
da hip6tese e a teoria da qual ela pode ter sido derivada.
Isto e importante. Se voce trabalhou como assistenre
de pesquisa num projero, ou conhece outros que 0 fizeram,
provavelmente conhece a disparidade entre 0 desenho te6rico
do projeto e 0 rrabalho quoticliano nele. Especialmente se
foi um projeto mal supervisionado, voce pode tel' uma visao um
tanto negativa cia sua descri~ao, aparentemente tao cientlfica
numa publicar;ao acaciemica. Neste caso, voce pode ficar tentaclo
a conduir que rocla ciencia e "nflo-cientffica".
Enfatizo estc ponto pOl' dais motivos. Primeiro, saliento
(e farei isso no livro rodo) que a qualidade de um projeto de
pesquisa depende em grande parte das decis6es e arividades
aparentemente mundanas que se ciao na coleta e no processamento de dad as. 0 diretor de projeto que nao se envolve
intima mente com tais mividades corre 0 serio risco de clirigir
um projero sem sentido. Mas, ao mesmo tempo, as implica~oes
destas decisoes - mesmo 0 c1esleixo - nem sempre aparecem
prontamente. 0 que ao leigo pode parecer um procedimenro
desleixado pode de faro ser insignificante para 0 valor final
dos dados. Tomar boas decis6es e avaliar as implica~6es
cias mas clepende de lima compreensao s6lida da 16gica da
ciencia enquanto atividade c1istinta. E este (dtimo aspecto
que aborclaremos agora.

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

certas carac(erfs(icas Oll eventos. Ass im, por exemplo, voce

pode no(ar que pressao atmosferica se correlaciona Com
altitude ou que a aplicar;ao de for~a a um objeto resllim na
modifica~ao

de sua velocidade.

Terceiro, cientistas tentam /onnalizar e ge1leralizar as

regulmiciacies descobeltas em teorias e leis. Sao exemplos disto
a lei cia graviclacle de Newton e as teorias gerais e especiais cia
relarivielacie ele Einstein. Teorias e leis sao, em geml, enunciaclos

l6gicos cle

rela~oes

entre caracteristicas e eventos que oferecem

explicar;oes para lima ampla faixa ele ocorrencias empfricas.

Vale a pena observar que Ilao-cienristas buscam estas
mesmas rres metas. Toelos n6s observamos e elescrevemos 0

munclo ao redor. Procuramos achar regulariclacles: 0 funcionario cle escrit6rio pode clescobrir que chegar atrasaclo
ao trabalho resulta em repreensao. Tenramos formular leis e

mas cujoS dentes apodrecem e caem. 0 racista pode ignorar (odos

os lojistas chineses hones(os e todos os nao-chineses desones(os.

o cientista descuidado pode justificar 0 fato de ignorar

wis relat6rios mribuindo-os a trabalho de campo maifeito.
(Eviclentemente, 0 cientist3 cuidadoso Iidaria com tais casos.)
o racista pode referir-se vagamente as "excer;oes que provam
a regra". S
Ao se depararem com um excesso de observa~oes que
desconfirmam suas hip6teses, tanto 0 cientista c1escllidado
como 0 racista procurarao informar;oes aclicionais que possam

alin har as obse rva~6es perturbacloras as suas conclusoes. No

caso da tribo com dentes bons mas dieta diferente, 0 cientista
pode intensificar 0 trabalho de campo na tentativa de descobrir
que a dieta desra tribo

e mais

semelhanre aquela em questao

do que parecia inicialmenre. Confrontaclo a um iojista nao-

teorias que ofere;am orienta;.ao geml na viela ciiaria, tais

chines desonesto, 0 racista poderia comes;ar a buscar um avo

como perspectivas religios3s que sustentam que aclerir a

chines do bisavo deste lojista ou paixao por comicla chines".

ensinamentos religiosos resultara em recompensas neste

ou no outro mundo.

el

Para enfatizar este ponto, vejamos as semelhanr;as nas

respectivas ativiclades de um cientista descuidado e de lim

racista. Ambos fazem

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

Alem do mais, tanto

cientista descuidaclo como 0 racista

pod em tencler a ignorar observa~oes que contradizem as COI1clusoes a que chegaram. 0 cientista pode ignol1lr rebt6rios de
boa saude dental em tribos com dietas radicalmente diferenres
e relat6rios sobre tribos que seguem a dieta em questao,

Apcsar de anomalias emplricas, nosso cientista pode

acabar com uma teoria relacionando llma cerra dieta a sallde
dental, e 0 racista, uma [eo ria de que chineses sao c1esonestos. As duas teorias serao aparentemente corroboradas por
observa~oes

empiricas e

explica~oes

l6gicas.

A compara~ao acima visa salientar dois pontos. Primeiro,

nao ha diferen~a magica entre atividades cientfficas e nao
cientfficas. Vimos dUllS linhas de investiga~ao bem semelhantes.

Segundo, as atividacles de "cientistas" variam em qualidade

"cientifica". Faz mais senrielo falar c1e atividades mais ou
men os cientfficas do que dicotomizar entre atividacles cientfficas
e nao cientIficas. Assil11, uma linha de investigas;ao conduzida
POl' um ffsico profissional pode ser relativamente nao cientifica,

enquanto um bombeira hidraulico pocle fazer pesquisas clo

mais alto ca libre cientifico.
No restante desta sec;ao, elaremos atenr;ao as Caracterlsticas que rornam lima eleterminacla ativiclaele mais ou menos
cientific:l. Procuraremos compreeneler as caracteristicas idea is
da cienc ia, entendendo que nenhuma atividade esta de pleno
~l.Cordo com estes icieais, seja conduzida pOl' lim cientista

profissional ou por um leigo.

(iencia f logica

Ciencia
explica~oes

e funciamentalmente uma

atividade racional, e

cientificas clevem fazer sent iclo. Religioes podem

se funclar em revela~oes, costumes, tracii;oes, aposrar na fe.

A ciencia, po rem, cleve se fundamentar na razao 16gica.

L6gica um ramo c1ificil e cOl11piexo cia filosofia, e um

delineamento completo dos sistemas cia l6gica ex cede em muiro

importantes para a busca cienti"fica: /6gica cleduliva e /6gica

illdulivCI. Beveridge as descrevc assim:

o escopo deste Iivro. Talvez alguns exemplos ilustrem 0 que

Os 16gico.s clistingllcm raciocinio incilltivo (de instanci:ls

significa a ciencia ser l6gica. Por exemplo, um cle[erl11inaclo even[o

nflo pocle lagicamente causar um outro que ocorreu antes dele.
5uas aritucles saciais com rela)":ao a, digamos, reIa)":oes raciais
nao podem derermjnar a regiao clo pais onde voce nasceu, mas

p<lniclIlarc.:; para princfpios gerai.:;. de fatos para lCorias) e

raciocinio dcdutivo (do gernl para 0 panicubr, aplicando

tcoria a lim caso particular). Na

explica a rcla~ao entre os objeros observ3dos. Par Olilro

lado. no raciocinio dedutivo se come~a com :llguma lei
gerai, que e aplicacla a uma in.:;tfmcia particular.C,

a ciencia adora uma abordagcm diferente das visoes

leleol6gicas de algumas religioes. POI' exemplo, alguns cristaos

acrcdimm que Jesus esrava clestinaclo a ser crucificaclo e que,

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

dado.:; ob.:;ervados e sc dcscnvolve uma gcneraliz;l~ao que

o inverse pode ser verdacle.

Assin\

indu~ao,

exempla classico cia 16gica dedlltiva

e0

silogismo

familiar: "Todos os homens sao mortais; Socrates e homemj

Na 16gica cia ciencia e impassivel um objeto tel' cluos

ponanto, S6crates e morral." Um pesqllisador pocleria dar

qualidadcs 11l1lfliamellfe eXc/lldenles. Ao jogar lima moedinha,

nao pode dar simultaneamente cara c coroa. Em contraste,
podemos notar que l11uitas pessoas preconceituasas dizem que
os armcnios sao "clanicos" (recllSal11 mistllrar-se com outras

sequencia a este exercfcio cleclutivo testanclo empiricamente a

nacionaliclacles) e "caras-de-pau" (impoem sua presenp aos

naO-arl11enios). Face a essas asscrtivas conflitanles, a logica
cia ciencia sugere que ou uma ou outra, ou ambas, clcstas
caracteriza)":oes clos armenios nao e verclacleira ou que as

duas caracteristicas estao definidas de tal forma que n,10

sao mutuamente excluclentes.
Um evento tal11bem nao pode ter resultados l11utuamenrc
excludentes. Assim, educa):ao superior n~o pode fazer lima
pessoa mais rica e mais pobre ao mesmo tempo. Educa~?to
universitaria pode fazer lima pessoa mais rica e Oll tra pesson
mais pobre, assim como alguns armenios podem ser descritos
como cl5nicos e outros como caras-de-pall, mas resultados
ou clescri~oes contradirorias nao rem susteI1l:1)":fio iogica e
sao intolen.'ivcis para a ciencia.
Nacla disro eliz que, na prarica, a ciencia esta roraimenre

isenta de enunciaclas il6gicos. Voce cleve saber que os fisicos

arualmente consideram a luz como particulas e como onclas,
apesar de estas descri~oes cia natureza da luz serem conrraditorias. Esta contracli)":ao particular existe na ciencia porque a
iuz se campona como parrfculas sob certas condi~6es e como
ondas sob outras. Conseqi.ientcmentc, ffsicos continuam a usar
as cluas conceitllap;)es contraclirorias segundo parecem npropriaclas em concli)":oes cbclas. Toclavia, isto representa lima
tens~lO para a l6gica cia ciencia.
Indo um pouco aiem cia no<;?to de "senso comum" cia
logica, dois sistemas l6gicos distintos. mencionados antes, sao

monaliclade de S6crates. Esta e essencialmenre a aborclagem

discllticla antes como a "perspecti va tradicional cia ciencia".
Usando a 16gica inclutiva, voce pode come~ar notando
que Socrates e mortal e observar mmbem diversos outros
homens. Voce nota que toclos os homens observados eram
morrais e, a panir clai, arri sca a conclusao de que toclos os
homens sao mortais.

A logica cleclutiva
lim sistema muito antigo, remonrando no minimo a Aristoteles, que predominou na filosofia

ocidenta l ate os secu los XVI Oll XV[J. 0 nascimento da ciencia

moderna roi marcado peio surgimenro cia logica indutiva em
varios contextos cientificos. Cada vez mais conclusoes gerais

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,

Kepler, disse que Copernico nao conseguiu visillmbrar as

riquezas ao seu alcance, contentando-se em inrerpreraf Ptolomeu em vez de interprerar a natureza."7 Kepler, pOl' outro
Iado, estava determinado a interpretar a natureza sob a forma
de volumosos dados empfricos que herdara clo asrronomo
dinamarques Tycho Brahe. Continua Butterfield:
Sabcmos com que coloss:tl g:15l0 dc energia ell' (estOll
hip6rese ap6s hip6tese, dt!SCartando-as :1te alcln0-lr 0 ponto
em que ja tinha um vago conhecimcnlo d:l forma exigida ai decidindo que, para fins de dlculo, uma elipse poderia
lhe dar resultados aproximados e dcscobrindo que de faro
uma elipse dava ceno. 8

Este exemplo ilustra 0 surgimento da 16gica indutiva na

ciencia. Dramas semelhantes ocorreram em outros campos de
investigac;ao durante os ferteis seculos XVI e XVII. Mais ou
menos um seculo mais tarde, a pesquisa indutiva e cientifica
de Charles Darwin entrOll em canflita com outra tradic;ao.
Nao se deve concluir destes exemplos hist6ricos que a
l6gica dedlltiva e inerentemente incarrera au est{l llirrapassada.
Um exercfcio de 16gica dedutiva e tao bom quanto sua consistencia interna e a verdade de seus supostos iniciais. POI' outro
iado, a 16gica indutiva e tao boa quanta sua consistencia
inrerna e a exatidao de suas observac;oes.
Na pnltica, ::t pesquisa ciemffica envolve ramo 0 raciocinio
indlltivo quamo 0 declutivo, na meclicla em que os cientistas va~
e vem incessantemente entre teo ria e observac;oes empfricas.

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

com menos de 100% de entendimento, se pudermos enrender

comportamento eleitoral em geral.

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

tambem 0 psic610go e 0 terapeuta diferem na abordagem do

comportamemo humano. 0 psic6Jogo examina 0 componameoro
esquizofrenico de varios indivicluos, procurando chegar a uma
compreensao geral cla esquizofrenia, enquanro 0 terapeura
aproveita 0 conhecimento geral ja existente para procurar

ajudar um individuo especffico.

Portanto, a capacidac1e de ge n eraliza~ao e llma caracterlsrica importante tlas tlescobertas cientfficas, Descobrir que
bolas vermelhas caem na Terra a uma ce rta acelerar;ao e

menos uti! do que descobrir que bolas de todas as cores

- -l1/.\"cnmTIO t t:)pe\.IIU.u

Ja observamos que a ciencia e geral, no senticlo de

procurar chega r a descobertas e I~is de ap~ica~ilicbd~ .gera~,
Eorrewnto, a maioria clos conceltos gerais sao sUJeltos a
di\'crsidade de interpreta~6es. Par exemp)o, ao procurar
c:xplicar as fontes clo preconceito em g~ral, voce per~ebe quc
o preconceito assume muiras form~s chfer;ntes .. ponant~, .ao
desenhar, realizar e relarar sua pesqll1sa, voce preclsa sec pleClso
em seus metodos de medir 0 conceito.
Ao realizar um projeto cle pesquisa sobre preconceito,
voce tem de operacionalizar especificamente 0 conceito _de
preconceito, por exempJo, concol,'cla?cia com varia~ afirma~o~s
num questionario que parecem mellear preconcelto. No Ielat6rio da pesquisa, voce cleve ter cuiclaclo ao c1escr~ver s~as
operacionalizac;oes detalhadamente, para que a leHor salba
exatamente como a conceito foi mediclo. Mesmo que alguns

a acelera,ao de todas as bolas em queda pode ser determinada

por sua altitude.

leitores possam discordar cle sua operacionaliza,ao, pelo

menos saberao qLlal ela e.
Frequentemente, a genera lizabiliclade de uma descobel1a
c alcanpda pelo uso de diversas operacionaliza,oes diferentcs
dos conceitos envolvidos. Se determinado conjunto de fatores

causa preconceito, independenrememe de como 0 preconceito

c medido, voce pode concluir que estes fatores resuJtam em

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.

de leis ou equa,oes gerais, descrevendo 0 mundo ao redor. Mas

Em terrnos mais gerais, os cientistas tentam descobrir as

rais formular;oes s6 sao (ltcis se puc\crem ser vcrificadas peln

!"azoes dos eventos L1sando 0 minimo possivel de fatores expli-

coleta c manipula,ao de dados empiricos. Uma teoda geral do

cativos. Na pratica, e claro, 0 n(lmero de farores explicativos

considerados aumenra caracreristicamentc 0 grau de clerermi-

na,ao consegLiida. Um cientista politiCO pode consegLlir Lim celto

grau de explicar;.ao clo comportamenro eleitoral usando apenas

~ (iencio mpiricomente Verificavel

No clpice de sua elegancia, a cieneia resulta na formulac;ao

preconceito scria inutil se nao sugerisse modos atraVes dos quais

clados pudessem ser coletaclos e nao previsse os resultados qLle

scriam obtidos na am\lise dos dados.

dois fatores, por exemplo, filia,ao parridaria e classe socia l.

H{l, POI-em, outra forma de ver esta caracterisricCl. De

cerro mocio, nenhuma teoria cien[ifica pode se r provada.

Outro cientista politiCO poderia alcanc;,:ar lim entenclimcnto mais

Consicleremos 0 exemplo da gravidade. as fisicos dizem que

complero levando em considera,iio OLitros fatores, como ra,a,

um corpo cai para baixo

regiao ooclc a pessoa foi criada, sexo, eclucar;ao etc. Freqi.ientemente, cientistas sao fon;aclos a escolher entre simpliciclade

corpos fisicos e que esta rela,ao e aferada pela massa dos

de um lado e grau de explica,ao de OLitro. Em Cdtima analise,

[cmam otimiza r 0 equilibrio entre expliGI\,ao e simplicidacle,
a fim de consegu ir 0 maximo de explicar;ao com lllll nlll11erO
minimo de fatores. Esta pClrcim01fiCi e um:l. quaJiciacie bem
ilustrada pcla elegflOcia cia famosa equac;ao de Einstein: e = l1u;1.

pOl'

causa cia atrar;tio geral entre os

COI-pOS envolvidos. Ja que a massa tcrrestre vasta, uma bola

lans;ada de uma janela se movimenta em clirer;ao a Terra.
Tal explicar;ao cia graviciade

e empiricameme verifica~el.

Um pesquisador poele jogar uma bola pela janela e observa-la

cnindo. Mns isto nao prouCl a verclaclc cia teoria da gravidacle.

que 0 pesquisador faz e especificar que se a bola Ilao cair,

a teoria cia graviclade e incorreta. Ja que se observa a bob se
comportanclo como esperaclo, a teoria cia gra viclacle !laO foi
ciescolI!i rl17ada.
Assim sendo, quando afirmall10s que uma explica~ao
cienrffica cleve sujeitar-se ao testc empfrico, queremos clizer,
mais exatamente, que 0 pesquisador deve ser capaz cle
especificar as conciic;oes nas quais a teo ria seria desprov~\CIa.
Neste senriclo e que cienristas falam cia descolljirmabilidade
clas reorias. Se voce falha consistentemenre em desprova r sua
reoria, fica crescentemenre confianre na correc;ao deb. Mas e
importante entender que voce nunca vai conseguir provcl-Ia.

Continuando com 0 exemplo anterior, outro tc6rico

poc!eria notal' que a bola experimental era da mesma cor do
chao no qual cala, sugerindo que corpos cia mesma cor sao
mutuamente atrafclos po r qualquer razao que ele puclesse
pensar. 0 experimento inicial daria confirmac;ao ~ts cluas reorbs
em comperic;ao. A "teoria cia atrac;ao pela cor" sugere, po rem,
que se uma bola ele cor diferellie clo ch"o fo r atiraela pela
jane!a, nao deveria cair. Um experimento apropriaclo resuiraria
(esperamos) na clesconfinnac;ao empfrica cia teoria.

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";

desse assunto, e ambos clescobririam que os Republicanos,

como um todo, tem um nlvel educacional mais alto do que
os Democratas. (Deviclo ao fato de que a Partido Democrata
tambem arrai Ulna propon;ao maior dos eleitores da classe rrabalhadora, enquanro os homens de neg6cios sao mais mrafcios
peJo Partido Republicano.) Os do is cientistas politicos com orienrac;oes subjetivas opostas - chegariam a mesma
conclusao empirica.
Cienrisr}s muitas vezes discordam entre si. Podem oferecer
explicac;oes c1aramenre diferenres de um evento. Mas, em
geral, rais desacordos envolvem questoes de conceituac;ao e
definic;ao. Assim, um cientista social pocle relatar que religiosidade se relaciona positivamente com preconceito, enquanto
outro discorda. 0 que discorda provavelmente sugerira que
uma ou ambas as varaveis fo ram incorretamente 111edidas.
VOce poderia realizar seu pr6prio estudo, medindo cliferenten1enre as duas variaveis, e relatar uma rela~ao negativa
e ntre elas. Mas, se os primeiros pesquisac!ores houvessem
relataclo precisa e cleralbaelamente 0 clesenbo e a execu~ao
dos seus estudos e voce conseguisse replica-los exaramente,
chegaria ao mesmo achado. E isto que significa a intersubjetividade cia ciencia.

b. (iencia f b.beda a Modifica~6e s

A sec;ao anterior cleve tel' cleixaclo claro que a "ciencia"
nao oferece uma seqUencia de eta pas fftceis para atingir "A
Verdade". Dois cientistas, ambos aclerindo as caracteristicas
previa mente discuticias de ciencia, podem chegar a explicac;oes
bem diferentes de Ull1 fen6meno. Alem clisso, poele nao haver,
num dado momento, como avaliar os meriros relativos delas.
Se duas explicac;oes sc contradizem, as duas nao podem,
presumivelmente, estar corretas. Ou se clemonsrra que uma
das duns ou ambas estao incorretas ou se descobre que as
duas explicac;oes, nao sao, afinal de comas, mutua mente excludentes, deviclo a lima mudanc;a de paradigma, pOI' exemplo.
Inllmeras teorias "cienrfficas" clo passado foram mais tarde
clesprovadas e sllbstituicias par novas reorias. Tudo que "sa bemos" hoje era antes previamenre "conhecicio" diferentemel1le
e, as vezes, consideramos ingenuas, tolas ou estlljlicias estas
antigas visoes. Vale a pena lembrar, porem, que tudo que "con hecemos" hoje provavelmente sera l1luclaclo no futuro e 0 povo do
futuro - nossos a rrogantes c1escendentes - nos consiclerarao ingenu~s, to los OU estupidos. (Se isto 0 perturba, talvez 0
console lembrar-se de que eles rambem safrerao a mesma sorre.)

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.

Em ltltima amllise, as caracteristicas cia ciencia discLHicias

neste capitulo oferecem um conjunto de c1iretrizes que aumen~
tam a utiliclacle cle clescobertas e teorias. [nvestigac;oes que
procllram se pautar por tais caracreristicas proc!uzirao, a longo
prazo, mais descobenas Greis do que investiga~oes de outros
tipos. Assim, uma pessoa pode ser capaz de prever 0 tempo
com mais exatidao baseada no seu joelho reum:ltico do que
(odos os meteorologistas cientfficos do mundo, mas, a longo

prazo, os cientistas cont ribuirao mais para

mento geral cia natureza do clima.

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~

ceo Ita:sca, IL: F. E. Peacock, 1976.

t'\ao suponha que isto ocone alltomaticamcntc. Muito lem sido cscrito
:sobre a tenacicbde com que os cientistas as vezes se apcgam a ';par:ldigmas" C::;(:1belecidos (modelos ou pontos de vista), mesmo em r:lCe de
cvidencia em contr5rio e par,ldigmas adve rsarios. 0 livre c1{ls::;ico neste
l6pico e de KUI IN, Thomas S. Tbe S(ructllre of SCie11lific Revolwiol/s.
Chicago: Univcr:sity or Chicago Press, 1970.
~ Originalmente, provar, nesta express~o, sign ificava "testar", como quando
se cliz que grandes obstjculo:s 'testaram sevenllllcmc" 0 compromisso
de atgucm. Vale dizer, cxcep:')es cram vistas como amca~as au desafio:s

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

do capitulo, tentamos mostrar que, ell1bora a investiga~ao

cientlfica nao seja infallvel, ela eli/ere em aspectos impo rtantes
de outras ativiclacles humanas. Cien[i stas estao ccrtamente
sujeitos :1 toclas as fraquezas humanas clas clemais pessoas,
mas a ciencia prove um conjunto de cliretrizes que pode
aumentar a utilidacle clas su::ts invesri ga\oes .
Este ca pItulo aborclou a ciencia en1 gerai eo proximo
focalizara especificamenre a cifjllcia social. Veremos que a

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.

Em minh:l experiencia, isto C mais (fpico cia psicologia do que da

socioiogia, como Sl: VC, por exemplo, em propO!)l;.lS de teses de doutorado.
Um estuc!:lntc de p6s~gradu:l~ao em psicoiogia cuja propost:l de PhD
roi aC<..~ila j:l se enCOl11ra quasI.! no final da tl.:se, enqll:l!lto 0 dc sociologi:l
csta apcna:s come,ando.
!

J3UTrERfIELD, Herbert. Tbe Origins of.Hoc/anl Sciel1ce. New York: The

MacMi!lan Company, 1960. p.24.

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.

WATSON, James D. The Double Helix. New York: The New

American LibralY, Inc., 1968.

Capitulo 2

WHITEHEAD, Alfred North. Sciencealld theA/odem World. New

York: The MacMillan Company, 1925.

(iencia

as (iencias So ciais

Urn dos mais vivos debates academicos dos ultimos aIlOS

diz respeito ao statlls "cientifico" das disciplinas englobadas
sob a IUbtica de ciencias socia is - tipicamente incluindo sociologia,
ciencia politica, psicologia social, economia, antropologia, pesquisa
de mercado e, as vezes, areas como geografia, hisroria, comunicar;6es e outros campos compostos ou especiaJizacios. A questao

e se 0 comportamento humane pode ser submetido ao

esnlClo "cientifico". Ja que 0 capItulo antelior chamal! a aten~o para
a confusao sobre 0 tenna ciencia em gemJ, nao e de sllJpreencier que
os acacienlicos c1iscoroem wmrem sobre as ciencias socia is.

basica

Oposi~o

a ideia de ciencias sociais tern surgido tanto dentro

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

estabelecida. Cada vez mais, departamentos de Governo tem sido

substirufdos por depaltamentos de Ciencia PolitiC'l, depaltamentos
de Fala se tornam de Comunicar;ao. Em muitos casos, 0 mov imento para as ciencias socia is significa uma passagem cia enfase
na descri910 para a expJicar;ao sistenutica. Na ciencia politica, isto

significa maior enfase em explicar compoltamento polftico do que

em descrever ins[itui~Oes politicas. Em antropologia, rem representado diminuir;ao na enfase em emografia. 0 crescimento de subcampos como a econometIia tem tide efeito semelhante na econontia,

como ocone com a historlografia na historia. Alguns geografos vem

mudando cia etJumera~ao de imponat;oes e exportat;oes para
modelos matemfiticos de migra~ao. Compreensivelmenre,
profissionais lreinados e com experiencia nos metoclos mais
tradicionais c1estes campos objeram as novas orientac;oes.

Fora dos clepaJtamenros de ciencia social, oposiyio semelhante

vem cbs dGncias fisicas - de fisicos, bi6logos, qllfmicos etc. Gui:1c1os
pela imagem tr~ldicional cia ciencia clisclltida acirn"l, alguns cientistas
fisicos objeral11 que 0 "metodo cienrifico" nao p<xle SCI' aplicado ao
compoltamento social humano.
Freqrlenremenre, os defensores das ciencias socia is abasteceram 0 debate emu lando cegal11enre os protocolos e rituais
clas ciencias estabelecidas. Essa emula~ao tom a muitas formas:
fasdnio por equipamentos de laborat6rio, usa muitas vezes
inapropriado cia estatfstica e cia matematica, 0 clesenvolvimenro
de uma tcrminologia obscura e a ado;ao em bloco de teorias e
terminologias cbs ciencias fisicas.
Na maioria, estes enos parecem advir ela acei[a~ao cia
imagel11 tradicional da ciencia e da falra de comprcensao da 16gica
tin ciencia na pratica. Aspirantes a cienristas sociais muitas vezes
buscam obter entendimento com merodos que nao funcionam
mesmo para os cientistas fisicos, 0 resulrado, freqClenremenre, e
serem riclicularizados pelos cienrist.'1s fisicos, por colegas de profissao e por leigos,

E um firme suposto cleste livre que 0 comportamenro

social humane pode ser submetido a um estudo "cienrifico" tao
legitimamente quanto aromos e celuias. Este e, porem, um suposto
que deve ser enrendido no conrexto da discussao' anterior da
ciencia na pratica, Desta 6tica, nenhuma diferen>~nificativa
parece existir enrre ciencias ffsicas e socia is. Como os cientistas
ffsicos, os cientistas socia is procuram descobrir regulariclade e
ordem. Cientistas sociais buscam regularidacle no comportamento social atraves da observa<;ao e mecli<;ao cuida dosas,
descobcrta de rela~6es e elabora,ao de model os c teorias,

ABusca de Regularidades Sociais

Medindo fen6menos Sociois
o primeiro tijolo da ciencia e a "mecli<;ao" ou a observa~ao
sistematica. Nao ha razao fundamental peb qual os cientistas
sociais nao possam medir fen6menos relevantes as suas investiga~oes. Por exemplo, idade e sexo dos mores socia is podem ser
mediclos. Local de nascimenro e estaclo civil podem ser mecliclos
de cliversas maneiras, varianclo em exmidao e economia.
Componamento social agregado tambem poele ser mediclo
sistematicamente. 0 cientisra politiCO conseglle c1etenninar 0
comportamento na urna en1 clia de eleic;f1o de todo 0 eleirorado

ou de zonas eleirorais individuais. A quantidade de trafego num

determinado trecho de rodovia pode ser medida em diferentes
pontos do tempo. Pesquisadores de mercado podem medir
volumes de vendas.
Atitlldes tambem pocJem ser mecJicJas, embora este seja
um pomo de muito desacorclo. Por exemplo, preconceito contra
mulheres pode ser medido determinando a aceita~ao ou a
rejei~ao individual de cren~as e perspectivas que representam
tal preconceito, Religiosidade, liberalismo politiCO e conservadorismo, autoritarisl11o e variaveis semelhantes tambem podem
ser mcdidos de maneira semelhante.
Medir atitudes e freqi..ientemente quesrionado como Hnaocientffico"; em bora aborde este tema mais ad iante neste e em
capfru los subsequentes, clevo fazer alguns comentarios aqui.
Deve-se reconhecer que todas estas medidas (todas as medidas,
alias) sao basicamente arbitrarias. 0 demista social nao pode
descrever uma pessoa inequivocamente como "alienada" e outra
como "nao alienada". Pessoas serao, ao inves, descritas como
relaliuanzenle mais ou menos alielladas - ou seja, comparando
uma com a outra. Est.'1 caracteristica, emretanto, nao e prelTogativa
clas ciencias sociais, como demonstram a "escala de dureza" usacla
nas ciencias fisicas, a "escala Hichter" para terremotos etc. Ninguem pode dizer em termos absolutos que um determinado
metal e "duro" ou llm terremoto "severo", apenas que e "mais
duro" Oll "mais severo" que outro.

Descobrindo Reguloridodes Sociois

As pessoas rendem a considerar os objetos clas ciencias ffsicas

como mais regulares que os das ciencias sociais. Um objeto

pesado cai para b:tixo sempre que e saito, enquanto uma pessoa
pode vota r num determinado candidato numa elei~ao e contra
o mesmo candidato na elei~ao seguinte, Assim tambem, 0 gelo
se den"ete quando aquecido, enquanto pessoas aparentemente
religiosas nem sempre VaG ~l igreja. Embora estes exemplos sejam
geralmente verdadeiros, ha 0 perigo de se acabar descartando
toralmente a existencia de regularidades socia is. A existencia
de normas socia is observaveis contracliz esta conclusao.
Algumas nonnas socia is sao presClitas pebs instirui~6es formais cle uma sociedade. Por exemplo, s6 pessoas de uma certa
idade ou mais podem votar em e l e i ~6es, Antes de 1920, homens
americanos podiam vota r e mulheres nao. Tais prescric;6es
forma is, emao, regulam ou reglilarizam 0 compoltamento social.
Alem de prescrit;oes forma is, podemos observar outras
nOITl13S socia is. Republicanos registraclos votado mais provavelmente

em candidatos Republicanos do que Democrntas. Professores

universitarios tendem a ganhar mais dinheiro do que traba-

lhadores niio especializados. Mulheres tendem a ser mais religiosas

do que homens.
Relatos de regularidades pOl' cientistas sociais esulo freqi.ientemente sujeitos a tn~s tipos de crftica. Primeiro, 0 relato pode

ser acusado de trivialidade, de que todo mundo ja sabia disso.

Segundo, podem ser citados casos contradit6rios, indicando
que a observa0\o nao e totalmente verdadeira. Terceiro, pode-se
argumentar que as pessoas envolvidas podem, se real mente
quiserem, perturbar a regularidade observada.

A acusa~ao de que muitas descobertas feitas pOl' cientisras

socia is sao triviais ou ja bem conheciclas levou l11uitos aspirantes
a cientistas a procurarem clescoberras esorcricas ou obscuras
que provassem que a ciencia social c mais do que senso COl11um

pretensioso. Esta resposta

e inapropriada sob diversos

pontos

de vista. Para come~ar, mnras contradi~6es sao evidenres no

vasto corpo do "senso comum", que se torna essencial expurgar
sistematicamenre os elTos nele existenres. Mesl110 quando uma

proposi,iio nao

e questionada pelos leigos, ela deve ser testada

empiricamenre.

Muitos instrutores de metodologia clas ciencias socia is

iniciam suas aulas revelanclo lllll conjunto de I'clescobeltas importantes" das ciencias socia is, cieri vadas de estuclos concluzidos pOl'

Samuel A. Stouffer durante a II Guerra Mundia!.! Tais "descoberras" induern os seguintes achaclos:

do nlvel das apan~ncias.l Em suma, "documentar 0 6bvio"

uma fun~ao valiosa de qualquer ciencia, fisica ou social, e nao
uma crftica legitima de qualquer empreendimemo cienrifico.
(Datwin cunhou 0 termo "experimento de {olo" numa referencia

ironica a grande pane de sua pr6pria pesquisa.)

A o'ftica de que certas generaliza~6es da ciencia social esrao
sujeiras a desconfimla~lo em casos espedficos rambem nao e um
des.:'lfio suficiente ao car-arer Ucientffico" das invesriga~6es. Assim,
nao basta notm que um celto homem mais religioso do que uma

cena mulher. Regulalidades sociais represenram padr6es probabilisticos, e uma relaylo geral entre duas variaveis nao precisa scr

verdadeira em 100010 dos casos observaveis.

A ciencia fisica nao esta isenta desta crltica. Na genetica,
pOl' exemplo, 0 cruzamenro de uma pessoa de olhos azuis com

outra de olhos castanhos provavelmellie resultarii numa crian,a

de oIhos castanhos. Mas se a crian<;a nascer de olhos azuis,

isto nao desafia a regularidade obselvada, ja que a genetica

afirma apenas que a probabilidade dos olhos serem castanhos

e maior e, mais ainda, que olhos castanhos devem ser esperados

num cetto percentllal dos casas. 0 cienrista social faz uma previsao

probabilistica semelhante - que, no computo geral, mulheres tem

mais probabilidade de serem mais religiosas do que homens.
Com instrumentos de medi0\o testados adequaclamente, podemos
preyer 0 percentual de I11ulheres que se mostrar,10 mais religiosas

do que homens.
Finalnlente, a acusar;ao de que regulaJic!ades socia is observadas podem ser penurbadas pela vontade consciente dos atores

Soldaclos negros ficavam mais felizes em campos de trci-

namento no NOlte do que no Sui dos Estados Unidos.

Soldados cia For~a Aerea americana, anc!e as promo~6es eram rapidas, tinham mais probabiliclade de achar

que seu sistema de promo,oes era justo do que os

solc!ados cia PoJrcia Militar, oncle elas eram muito lentas.

Soldados mais escolarizados tinham mais probabilidade de se ressenrir com

alistamenro militar for~ado

do que soldados menos escolarizados.

Quando os alunos com~1l1 a fazer pouco caso cia obvieclade
das "descobertas imporrantes", 0 instrutor revela que cada lImtl

delas foi desprovada pela pesquisa de Stoufrer e ex plica pOl'

que a rela~ao observada faz sentido quando examinada abaixo

nao e desafio suficiente

ciencia social, mesmo se coisa semelhante parece nao exisrir nas ciencias fisicas. (Supostamente, um
objeto nao consegue resistir e nao cair no chao "porque nao

quer".) [Sto nito e negar que um racista branco de direita pode,

se quiser perturbar os cientistas politicos estudando e lei,oes,
votar num negro esquerdisra radicaL Numa ele i~ao, todos os
votames podem, de rerente, muclar e votar no candidato azarao,
frustrando as pesquisas eiei[Qrais. Seguindo 0 mesmo raciodnio,
rodos os trabalhadores poclem ir trabalhar mais cedo ou fica I'
em casa e nao ir trabalhar, evitancio que aconte<;a 0 congestionamento de trafego esperado na hora do "rush". Mas mis coisas
nao ocorrem tao freqUemememe a ponto de amea~ar seriamente
a observa~ao de regularidades sociais. Ironicamente, claro,
se todos os trabalhadores ficarem em casa, isto tambem seria

uma regularidade susceptivel de expliGl,iio.

o fato e que n0n11as socia is existem e poclemos obselva-las.
Quando muclam com 0 tempo, poclemos tambem obselvar e explicar
as ll111dan~as. Em (Iltima analise, regulariclades sociais persistem

porque tenclem a fazer senticlo para os inclivfduos nelas envolvidos.

Podemos sllgerir que e 16gico esperar que um celto tipo de pessoa
aja de cel1a maneira e esta pessoa pode muito bem concordar
com a base 16gica desta expectativa. Assim, mesmo se clireitistas
brancos podem votar num negro radical de esqllercia, eles acham
estupido votar assim, assim como eleitores negros de esquerda
acham estupido votar num candidato cia Ku Klux Klan.

Cria(oo de teorias Sociais

Cientistas socia is aincla nao criaralll teorias de comportamento social compar{lveis as teorias desenvolvicias pelos cientistas
ffsicos. Inl1I11eraS [eoIias de compoitalllento social for~lm elaboraclas
ha ja varios seculos, mas sua adeqLla~ao nao e mais ciefendicla
seriamente. Evidentememe, muitas teorias sobre 0 muncio fisico
foram tambem c1escal1adas. 0 abanclono cia teoria dos epiciclos
de Ptolomeu na~ nega 0 car~l.ter cientffico cia astronolllia contelllporanea. Nem saber que as teorias contemporaneas da fisica serao
n1ais tarde superadas nega 0 status cientffico desse campo.
De qualqller maneira, atualmeme as ciencias sociais nao
tem teorias fonnais comparaveis as existentes em outros campos.
Em parte, isto se cleve ao fato cle que llletoclos sistematicos,
"cientificos", nao tem sido aplicados ao comportamento social
tanto tempo quanto aos fenomenos ffsicos. Ao mesmo tempo, a
relutancia em admitir a susceptibiliclacle clo comportamento
social ao estudo cientffico tem limitaclo os recu rsos disponfveis
para 0 desenvolvimento clas ciencias socia is.
Alell1 clo mais, este livro tem origem na convic\-,30 de que
a desenvolvimento cientlfico clas ciencias socia is foi seriamenre
prejuclicado pela incompreensao cia natureza 16gica cia ciencia
em geral, especificamente pel a compromisso com a imagem
traclicional, exc1usivamente dedutiva, cia ciencia, oposta a compreensao da ciencia na pdtica . Em vista disto, discutiremos
agora as caracterfsticas clas ciencias socia is, paralelamente a
c1iscussao do CapItulo 1, que abordou a ciencia em gera l.

~s Caraderisticas dos Ciencias Sociais

ACiencia Social f l6gica

As ciencias socia is visam entender racionalmente a comportamento social. 15to nao sign ifica dizer que tocio comportamemo
social e raciona!. Cenos compoltamentos sociais sao i n~cionais,

alguns sao nao racionais, mas os cientistas socia is clevem ser

relativameme racionais ao procura r compreencier tocias as formas
de compoltamento.
o cientista social esta preso a muitas das mesmas restri<;oes
16gicas que a cientista ffsico. Um evento nao pocle causar outro
evento ocorrido antes. Urn objeto nao pode ter caracterfsticas
mutua mente exc1udentes, e um evento ou caracteristica nao
pode ter resultados mutuamente excludentes. Tambem, tanto
a l6gica dedutiva quanta a indutiva sao apropriadas para as
ciencias sociais, C01110 ja se discutiu a respeito cia ciencia em
geral no CapItulo 1.

ACiencia Social f Deterministica

Como os ciemistas ffsicos, tambem 0$ cientistas sociais
supoem que eventos rem razoes, que as coisas "nao acontecem
simplesmente". Todo evento ou situa~ao tem c1erern1inames antecedentes. Esta caracterfstica elas ciencias socia is muitas vezes parece
entrar em choque com 0 senso comum, como vimos antes. 0 cientista social pode concluir que um grupo de pessoas se compolta de
derenninacla maneira devido a alguns eventos e condi~6es antedares, como no caso do compoltamento eleitoral cia racista branco
de eli reita. Neste sentielo, as cond i~oes de ra~a, preconceito e
orienta~ao polltica determinam 0 compoltamento eleiroral. Isto
nao significa dizer que estes eleitores nao poeleriam votar num candiclato negro de esquercla; apenas e improvavel que 0 fa~am.
A postwa determinista clas ciencias sociais representa a
afastamento mais significativo elos estudos mais tradicionais,
hllmanistas, do componamenro social. Enquanto 0 observador
mais humanisticamente o rientado considera a bllsca da alma e as
agonias atraves clas quais uma pessoa pesa as meritos e demeritos
relativos de uma a~o, para chegar a lima decisao bem pensacla, 0
cientista social mais tipicameme busca os cletelminantes gerais de
tal decisao entre diferentes agregados de pessoas. Enquanto 0
humanista argumenta que a decisao de cada individuo resulta de
lim processo idiossincrarico, 0 cientisk1. social diz que ela se encaixa
num padrao bem l1'klis simples e geraL

~ Ciencia Social f Geral

Vimos que as ClenClas socia is visam a observa~ao e ao
entenclimento de paclroes gerais de eventos e correla~6es. A utilidade de uma teoria social au conela~10 social cresce em fun<;iio de
Sua "genernlizabilidade". Quanto mais fen6menos sao explicaclos,

maior a utilidade. Assim, uma teoria do eomportamcnto do

eonsllmidor aplicavel apenas a jovens e menos uti! do que outra
aplieavel a eonsumidores de todas as iclades. Uma teoria do
comportamento politico aplicavel apenas a americanos e menos
(nil que outra apliclvel aos povos de toclas as n'J(;oes.
Embom muitas vezes possamos comer;ar temanclo explicar uma
faixa mais limitacla cle comportamento social ou 0 comportamento cle
um subconjunto limitaclo cia popula.io, nossa meta, nom1almente, e
expanclir 0 pocler explicativo cle nessas clescobeltas a ouO<1S fonnas
cle comportamento e a OUODS subconjuntos cia popula"io.

~ Ciencia Social f Parcimoniosa

Como 0 cientista fISico, 0 cientista social busca atingir 0 maior
poder explicativo eom 0 menor numero de variaveis. Em muitos
casos, a consiclerac;ao adicional de novas vaJiaveis acrescenta JXXler
explicative e preditivo, mas resulta tambem num mcx:lelo mais cemplicado. Na pratica, 0 acrescimo de mais vatiaveis muitas vezes recluz
a generalizabiliclacle cia explica.io, jii que celtas valiiiveis poclem ter
um efeito sobre membros cle um subconjunto cia popula.io e efeito
cliferente sobre membros cle OUtiDS subconjuntos.
Note-se que a parcill1()nia das ciencias socia is, a semelhans;a
a critica clas pessoas que
sustentam uma visao mais humanisla. Enquanto 0 humanista
tende a explorar as profundidacles dos farores icliossineraticos
que resultam numa decisao ou a~ao de lim ator social, 0 cientista
social conscientemente tenta limitar esta invesriga~ao.
cle sua postura determinista, as abre

o pesquisador de mercado procma explicar preferencias

par morar na cidade, nos subllrbios au no campo baseado
elll, digamos, tres ou quatro variaveis. Evidentemente, pocle-se
argUl11entar que toclo munclo tem muitas outras razoes individuais para a oPS;?Lo por seu estilo de vida e que um numero
lin1itado de variaveis nao consegue explicar aclequadamente a
profuncliclade de uma clecisao romada por qualquer uma das
pessoas estuclaclas.
o humanista tern razao ao afirma-lo, mas 0 cientista
social tem uma meta bem diferente da do humanista. 0 cientista
social procura conscientementc obter 0 maximo de compreensao
com 0 menor numero de variaveis. Nem 0 cienrista social nem
o humanista esta mais correto clo que 0 outrOj simplesmente,
as metas dos dois sao diferenres. Temos que entender plenamente a meta do cientista social, para reconhecer a nao valiclade
clesta crfrica.

~ (iencio Social specifico

Cientistas SOCIalS, como os fisicos, devem especificar
seus metodos cle medi~ao. Isto e particularmente importante
nas ciencias socia is, que liclam com conceitos vagamente definidos
no c\iscurso camutn. Enquanto 0 fisico define "aceleras;ao"
mais rigorosamente que um leigo, a defini~ao cientffica nao
clifere tanto assim do entenclimento comum clo rem10. Ja conceitos
como "aliena~ao", "liberalismo" e "preconceito" possuem sign ificaclos tao variados na Iinguagem comum que suas defini~6es
rigorosas nao sao prontamente aparentes.
Cientistas socia is podem submeter rais conceitos a exame
cienrifico rigoroso, mas para isto devem especificar claramente a
natureza c\as medi~oes efetuaclas em cada caso. Tamb6n as definis;oes serao avaliaclas com base na utiliclade - sua eontribuiS;ao
para a explicas;ao e 0 entendimento generalizados - e nao na
"Verclacle" absoluta.

~ Ciencia Social f fmpiricamente Verific6vel

Para serem lHeis, proposi~oes e teorias cientificas sociais
devem ser tesradas no muncio real. Assim, afirmar que educa~ao
se associ a negativamente com preconceito e inlltil sem sugerir
modos para medir as duas variaveis e testal' a proposis;ao.
Como nas ciencias fisicas, 0 cientista social cleve ser capaz
de descrever condi~oes empfricas nas quais \.Ima dada proposiS;ao se ria julgada incorrera, isto e, os modos pelos quais ela
seria clesprovada.
Cren~as religiosas, como a cia existencia c1e Deus, pOl'
exemplo, nao sao susceptfveis de verifica~ao empfrica. Do
mesmo modo, a afirma~ao de que membros cle um grupo
religioso Oll racial sao c1esleais "em seus coras;oes") mesmo
quando parecem agir de forma leal, nao pocle ser submeticla
a verifica~ao empfrica. 0 mesmo se aplica a proposi~oes sobre
como seria 0 comportamento humane caso 0 Sol nao aparecesse
numa detelminada manha.

~ Ciencia Social f Intersubjetiva

Se um cieterminaclo exame cientifico social for clescrito
aclequaciamente em seus cletalhes especificos, qualquer outro
cientista social, de quaisquer convic~6es pcssoais, cleve poder
replicar 0 exame com resultados semelhantes. Descobertas cientffico-socia is opost.:'1S sao mais frequenremenre conseqiH!ncias de

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

e valido tanto para pesquisas sobre t6picos altamenre

emocionais como religiao, politica e preconceito quanta para

estudo da acelera~ao de objeros em queda. Evidentemcnre, na

prarica, pesquisaclores raramente realizam estucios quando
acreditam que sell desenho e incorreto. POI' exemp!o, 0 cientista
social consetvaclor provavelmente nao ciefinira conselvadorismo
ete forma negativa para os conservaclores.

ACiencia Sociol f Aberla a Modifica,oes

Provavelmente nenhuma teoria social sobrevivera incieFi-

niclamente. Ou um crescenrc peso de eviciencias conrrarias a

derrubara au se encomrara uma substituta, mais nova e parcimoniosa. Em qualquer casD, nao se pade esperar que lim achado de
ciencia social, a lango prazo, resista ao (Csre do tempo.
Claro que, na priitica, 0 cientisra sociallida com fenomenos
wmbem aferados por ideologias - religiosas, poliricas, fi!os6ficas - , e ideologias sao menos aberras a modifica~oes que a
ciencia. Quando cientistas socia is explicam religiosiclade em
termos de variaveis estruturais, eles clcsafiam cren~as religiosas
basicas sabre comportamento moral, sistemas religiosos de
recompensas e castigos etc. Quando cientistas polfticos (011c1uem que a classe opera ria nos EUA e mais auto r it~'irja do que
a classe meciia, ciesafiam a ideologia polflica ua esquercla. A
postura determinism das ciencias socia is em gerai nao aceita a
imagem filos6fica clo livre arbitrio c10s seres humanos, de tao
antiga hist6ria nn civilizayao ociclemal.

o perigo e que alguns cientistas socia is possam esrar tao

pessoalmente compromeridos com cerras posi~6es ideol6gicas,
que esre compromisso as impe~a de manter aberta sua pnhica
cientifica. Assim, 0 cientista polftico comprometic!o com a

esquerda pode nao estar disposro a considerar, realizar ou

aceitar pesquisas que possam levar ~I conclus:1o de que a classe
opera ria e mais autoritaria do que a classe media.

.fa foi comentado que esta sitllac;ao nao ~ privilegio

clas cH~ncias sociais. Investigac;oes nas ciencias ffsicas desafiaram e continllam desafiando sistemas cstabeleciclos de crenc;as
icleol6gicas e alguns cientisras fisicos rem sido prejudicados por
compromissos ideol6gieos qlie recluziram a abertura de SU3S
atividades cientificas.

Metodos de Pesqu isas Cientifico-Sociois

Apesar desre Iivro abordar especificamente um s6 metodo
de pesquisa social, e uti! colocar esre merodo no contexro dos
outros metoclos disponiveis ao cientista social. Fac;o isto, em
parte, para sugerir que 0 exame de um determinado fenomeno
social frequenremente e mais bem-sucedido usando-se varios
merodos diferentes - ponto parricularmente importante a
enfatizar numa epoca em que a pesquisa de survey goza de
rao grande popularidade. A pesquisa de slirueyrem vanragens
especiais, mas veremos neste livro que tambem rem lilnitac;oes
c n:1o e 0 metoda apropriado para estudar certos tapicos.
Pesquisadores saciais que se resrringem a um s6 metodo, slflvey
ou qualqller outro, Iimitam gravemente sua capacidacle de
entender 0 mundo ao seu redor.
Ao mesmo tempo, e imporranre compreender que rodos
os metodos de pesquisa social sao noneacios pelas caracteristicas
gerais da ciencia c1elineadas nesre e no capirulo anterior. E
util, portanto, examinar as forc;as e fraquezas relativas de
cada merodo.

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

possive!. Voce pode consegllir isto pelo emparelhamento

cuicladoso de caracrelisticas (sexo, iclade, ra~a etc.), Oll designanclo

os sujeitos aos dois glUpos aleatoriall1ellte.

Um clos gmpos sera chamaclo gmpo expelilllelltal eo Olltro
grupo de cOlllrole. Os clois grupos serao testaclos para meclir os

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

nfveis iniciais de preconceito comra negros. Por exemplo, ambos

aleatoria. Se eles forem tirados de lima subpopula~ao especial,

preencherao lim question. rio clo tipo concorclo/ cliscorclo a

como esrudanres, sell valor clescritivo se reduz ainda mais.

diversas frases manifestanclo preconceiro anti negro. Espera-se

que os dais grupos alcancem aproximadamente 0 mesmo escore

rlltificiai cia hip6tese . A relevancia do experimento para 0

geral neste pre-teste.

Em seguida, 0 grllpo experimental assistira ao filme
docllmemario da historia dos negros nos EUA. 0 grllpo de controle nao "ssistira ao Filme. Depois, os dois grllpos serao

Segundo,

experimento controlado representa um teste

munclo real esta sempre sujeita a questionamenro. No exemplo

anterior, suponhamos que 0 filme clocumentario pares;a reduzir
significativamente 0 preconccito antinegros quando assis:i(~O
como parte de um experimento cientffico num laboratono

novamente testaclos quanta a preconceiro contra negros. A hip6-

especial) com os sujeitos conscientes de participarem de t~m

tese do pesqllisador sera eonfirmada se

grllpo experimenral

experimento. 0 filme nao teria necessariamente a mesmo efelto

demonstrar preconceito significativamenre menor do que 0

se assistido pelo grande publico na televisao ou em cinemas.

grllpo de comrole no pas-teste.

Finalmente, os achados podem l1ao ter aplicabilidade

generaliz;lvel a OlltroS grupos da popula~ao. t concebivel que 0

Serve

o papel do gmpo de comrale em tal experimenro c critico.

a fun~ao de isolar 0 estfmulo experimenrai como (mica

mme reduzisse preconceito entre universitarios -

se os slljeitos

fonre da mlldan~a nos sujeitos do experimenro. Se clecorrer lim

longo tempo entre 0 pre e 0 pos-teste, 0 preconceito dos slljeitos
pode ciiminuir gra~as a fatores e?aernos ao experimenro. 0

estudantes. Um exemplo nao-experimental ilustra esta possibili-

filme pocieria entao ser irrelevante para a redu~ao observacla

negros era maior na classe opera ria do que nas classes media e

clo preconceito. Se isto oeoner,

alta, 0 anti-selni tismo aumentava

preconceito clo grupo de

con trole cleve climinuir tambem. A hip6tese se ra confirmacla

somenre se 0 preconceito do grupo experimental diminuir

mais do que

clo grupo de controle.

De forma semelhante,

grupo de controle ajuda

pesquisador a se precaver contra 0 efeito do experimento

por si mesmo.

possivel que

ato cle testar e retestar tome

as sujeiros mais sensiveis aos prop6sitos do estudo. Enquanto

eles poclem parecer relativamente preconceituosos no pre-teSte,

o pr6prio teste pocle alelta-Ios para 0 faro de que 0 pesquisador
quer descobrir quae preconceituosos sao. )a que pouca gente
quer ser identificada como racista, os sujeitos podem ter mais
cuidado ao responderem 0 questionario p6s-teste, procuranc!o
responder de forma a evitar aparecerem como racistas. Mas
este fator cleve operar igualmente no grllpo de centrale e no
experimental, e 0 c1eclfnie diferencial no prcconceito observado

e0

teste cia hipotese.

IsolaI' as variaveis experimentais

a vantagem chave do
experimento centrolaclo. Ele apresenta tambem diversas desvantagcns, contlldo. Primeiro, 0 experimenro controbclo ripicamente

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

escala social. Tal conclusao se baseava numa serie de estudos

sabre preconceito realizaclos com estudantes universitarios.
Estuclantes de famllias de classe alta p3reciam consistentemenre
lim POLICO mais anti-semitas do que os de classes sociais relativamente mais baixas. Esse achado se deveu ao faro de que os
alunos nos estudos provinham (odos de uma faixa relativamente
estreita de familias de classes mais altas. 0 verdadeiro achaclo
seria entao que esrudantes de classes mais altas emm ligeira-

men~e mai~

anti-semitas do que alunos de c1asse media-alta.

Estudos subsequentes da popula~ao em geral indicaram, porem,
que os responcienres de classe opera ria eram mais anti-semitas,
assim como eram tambem mais antinegros.
As carencias clo experimento controlado poclem ser
reduziclas peb sofistica~ao das pesquisas, varia~ao clo desenho
experimental e replica~ao em grllpos muito cliferemes de paIticipantes. Alem do n1ais, 0 experimemo controlaclo pode ser
especialmente valioso quando combin:1do com outros metodos,
visanclo a um (mica t6pico de pesquisa.

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.

Voce tem de especificar que tipos de referencias aos EUA serao

consideradas e quantificaclas como favonlveis e que tipos
consideradas e quantificaclas como criticlS. E concebivel que
voce deseje poncierar referencias diferencialmente, em rermos
cia for~a reiativa do apoio ou da critica. Neste caso, e necessario
cspecificar como, nesra ponderat;ao, os pesos c1iferenciais
serao arribuicios.
Tendo atribuido escores aos editoriais) voce pode agora
agregar os escores cie forma a caracterizar c1ifcrentes perlodos
temporais. Talvez voce combine os Cscores por ano, reiarancio,
por exemplo, que 12% dos editoriai, em 1950 eram favoraveis
aos EUA, 8% dos de 1951 eram a favor, e assim por diante. 0
padriio clas cliferen~as ao longo do tempo representara a atitude
oficial sovierica para com os EUA.
Se bcm que estes c1ados sirvam a uma finalidacle clescritiva
util, taivez voce deseje ir alem de clescri~6es para explicar as
flutua~6es observaclas na atitude oficial sovierica para com os
EUA. Suponha que voce acrectite que as aritllcies soviericas
foram, em grande parte, determinadas pelo montante de crfticas
que a URSS recebia dos EUA; isto e, quando os EUA critica\'am
a URSS, esta reagia acirranclo as critic,lS aos EUA.
Voce pode examinar esta posslvel explica~ao analisando
o conteudo de cliscursos e debates nos EUA. Voce c1ecicliria
quais formas de comunica~ao nos EUA melhor refletiriam 0
estfmulo hipotetizado e examinaria c daria escores a fodos ou
a lima <1mostra deles quanto a sell contelldo de crfrica anrisovietic<l. Os merocios de escore teriam de scr especificados e os

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

cleve ser 0 mais especffico possivel na cria\=ao, execu\=ao e relata

cia sistema cle eScore. Os leitores cia seu rclar6rio cia pesquisa
clevem saber, relo menos, 0 que os escores representam
exatamente, meslllo se cliscordarem cia adeqllabilidade cia
sistema usa do.

de suiddio consistentemente mais altas em areas predominanremente protestantes do que em areas predominantemente
car6licas, nao teve como detenninar se os protestantes estavam

comcrendo slliddio. E concebivel que car6licos residindo em

~ireas

predominanremente prorestanres apresentassem as taxas

de suiddio mais altas de tadas. Tambem, quando Stouffer

Anali se dos Dodos fxistentes

encontrou mais casamentos "impulsivosn durante os anos cia

Pesquisa cientifica nao e igual a coleta e analise de dados

originais. De faro, alguns t6picos de pesquisa podem ser estudados
analisando dados jii colelados e compilaclos. 0 exemplo dassico
e 0 esrudo do suicfclio de Emile Durkheim ..' lnteressado em

Depressao, nao teve como cleterminar se os envolviclos eram

os mais afetados pela Depressao. Um exame engenhoso e 16gico

dos dados pocle ajudar a reduzir este risco. Incenrivo a leitllra
dos dois livros citados, para ver algumas das formas usadas

pOl' Stauffer e Durkheim para resolver

problema.

descobrir as razoes prirnarias do sllicfdio, Durkheim conduZiu

sua investiga~ao sem coletaI' um s6 dado original. Ele testoll

fstudo de (oso

um amplo espectro de hip6teses examinanclo laxas publicadas

o eS/lldo de CClSO e uma descri~ao e explica~ao abrangentes

de suicidio em cliferentes areas geograficas. POl' exemplo,

examinou taxas diferentes de slliddio de protestantes e cmalicos,

clos muitos componentes de uma determinada situa~ao social.

comparando as taxas cle areas predominantemente protcstantes

Com as de areas preclominantemente cat6licas. Examinoll os

Um estudo de comunidade, como 0 de W. Lloyd Warner sobre

a comunidade de "Jonesville", e um exemplo de esrudo de caso'

efeitos do dima, comparando taxas de regioes quenres com as

Num estudo de caso, voce busca coletar e examinar 0 maximo

de regioes mais frias.

de dados possiveis sobre 0 sell rema. Nlim esruclo de comunidade,

A analise de dados agregados existentes rem a grande

voce aprencle a hist6ria da comunic1ade, sellS aspecros religiosos,

vantagem cia eeonomia. 0 pesquisaclor nao precisa areal' com

politicos, economicos, geognificos, composi~ao racial etc. Voce

pode procurar cleterminar a estrutura de classes cia eomuniclacle,
isto e, quem sao os cidadaos mais importantes e poderosos e

os custos cle amostragens, entrevistas, coclificac;6es, recrutamento

de sujeitos expcrimentais etc. Mas esta forma cle pesquisa social
tem cluas importantes desvantagens.

Primeiro,

pesquisador fica limitado a dados jn colcrados

quem esta embaixo da piramide.

Em resumo, voce procll ra a clescriC;ao mais abrangente
inter-rela~oes

e compilaclos, que poclem nao represenrar aclequadamente as

variaveis que 0 interessam. No entanto, este problema pocle

possivel da comunidade e tenta detenninar as

16gicas dos seus varios componenres. Qual foi

ser resolvido com uma boa dose de engenhosidade. Quando

Samuel Stouffer examinou os efeitos da Grande Deprcssao nas

fechamento cia macleireira no inicio dos anos 3D? Como, em

1960, 0 prefeito refonnista mudou as rela~oes de poder na comllnidade? 0 que causou a invasao dos Yuppies nos anos 80?

familias amerieanas e fora dos EUA, consiclerou varios indica-

dores possiveis de uma quebra hipotetica de normas familiares

4

tradicionais. Taxas cle cliv6rcio forneceram um indicador mas

Srouffer foi bem aiem, consicleranclo as taxas de casam~ntos
inter-religiosos, cerimonias civis em oposi~ao a reiigiosas,
casamentos fora dos Estaclos oncle viviam os casais etc. Durkheim

exibill engenhosidade semelhante no estudo do slliddio.

o segundo problema rem a ver com 0

que e chamado de

fa/acia ecol6gica. Sempre que voce correlaciona v~1riaveis gerndas

a partir de clados agrcgaclos, rorna-se clificil dererminar se a
mesma rela~ao entre as variaveis permanece vercladeira no nivel
dos indivicluos. Por exemplo, quando Durkheim encontrou taxas

E importante

impacro do

saber que, quanto aos objetivos cientificos,

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.

exemplo, um esnlcio de caso pode sugerir que a entrada

de trabalhaclores estrangeiros nao quaUficados nn comunidacle teve
como efeito geral promover a ascensao ocupacional dos tI"'abalhadores nativos, com muiros assumindo cargos ele supelvisao dos
novos migranres. Esre achado pode lev,\-Io a supor que voce
descobriu um principio geral de mobilidade ocupacional e
que mu(bn~ semelhante ocolTeIia na maioIia das comunidades
que sofressem influxo de mao de obra esrrangeira nao-qualificada.
Um unico estudo de caso, contudo, nflo poderia confirmar esta
hip6tese, e estuclos adicionais em outras comunidades seriam
necessarios para confirma-Ia.
POI'

Ob s erva~ao Participante

o rermo obseruClfao parlicipclIlle refere-se a um merodo

de colera de dados em que 0 pesquisador torna-se parricipante
no evento OU grupo social estudaclo. Voce pocle juntar-se a uma
marcha de proresro como forma de col her dados sobre os ourros
palticipantes, ou enrrar num grupo religioso que cleseja estudar.
Na prarica, como observaclor participante, voce poele ou
nao revelar seu papel de pesquisador; esta c1ecisao tem importantes implica ~oes metodol6gicas e ericas. Se voce admitir abenamente aos demais panicipantes que esta realizanclo urn esruelo
cienrifico do grupo, sua presen,a pode aferar 0 fenomeno que
pretencle estudar. Saber que suas a~oes p~clem ser publicaclas
pode afetar 0 modo como os participantes agem. Por outro lado,
se voce csconder suas ativic1ades de pcsquisa e fingir ser lllll
membro ripico do grupo, esrara sujeiro as quesroes ericas relarivas
a engano. Alem do mais, filia,ao aparentemente genuina pode
apresentar problemas cientfficos. 0 que voce fa ro se for eIeito
presidenre do grupo ou se peclirem sua opiniao sobre 0 que 0
g rupo deve fazer em seguida' Sua rea,ao afera ra 0 que voce
esta rentando estudar.]a que sirua,oes e finaiidacies de pcsqu isas
va riam tanto neste as pecto, nao se pode dar uma eliretriz gerai,
mas voce cleve estar consciente das questoes envolviclas.
Como 0 estudo de caso, a observat;ao panicipanre visa
colher muira informa,ao deralhada. Mergulhando nos eventos
socia is em andamenro, voce estara em concli(oes de aringir profundidade de conhecimento muiro maior do que seria possfvei,
par exemplo, na analise de conteudo o u no experimento. Ao
mesmo tempo, porem, a o bselvaclor rXlIticipante encontI:l grande
c1ificulclaclc em manter proceclimentos sisrem;'iticos de pesquisa.
]a q ue se ra humanamente impasslvel observar e documentar
tudo 0 que acontece, voce tera de selecionar sells c1ados. Tentar

observar e registrar tudo pode resultar i1Ul11a si tu a~ao na qual

vieses inconscientes se tarnam a base da sele~ao. Por exemp!o,
se voce comec;,:a a finllar a conclusao de que es[uciames mulheres
estaO se tornando mais atuantes nn direc;ao de marchas de protl'sto, pode, inconsciememenre, ficar mais pronto a anotar as
instftncias que sustentam esta concJusao. Em l,ltima analise, 0
perigo maior e nao consegu ir dize r ao lei tor quais crirerios voce
usou na sele~a o e relaro clas observa~oes, para que ele possa
avaliar a adequabil idade dos crirerios usados e a generalizabiIidade das conciusoes.
Voltaremos a cons idera r breve mente estes mewdos de
pesquisa nas conciusoes do Capitulo 3, que examina a pesquisa
de sU1uey. Ap6s clescrever a natureza, as fon;:as e fraquezas dos
metodos de SLl1vey, nos os compararemos com os outros metodos
descriros neste capitulo. As concIusoes a que chegaremos podem
ser reveladas aqui: (1) situa,oes diferentes de pesquisas socia is
requerem metodos diferentes e (2) 0 melhor formato muiras
vezes e 0 que envolve 0 uso de diversos merodos focados no
mesmo t6pico.

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.
!

ESles achado!::i sao cliscutidos no Capitulo 15, '0 Modelo de El:tbor:v;ao".

DUHKHEIM, Emile. Suicide: a Study in Sociology. T[-;ld. George Simpsen.

New York: Free Press, ]95 I.

STOUFFER, Samuel A. Social Research 10 Test Ideas. New York: Free

Press, 1962. 1'.134-153.

5

\'(fARNER, W. Lloyd. Democracy illjollesoille. New York: Harper & Row,

Capitulo 3

1949.

Leituros Adicionois
BABBlE, Earl. Observing Ourselves: Essays in Social Research.
Belmont, CA: Wadswonh, 1986.

Pesquisa de Survey com 0

Metodo das (iencias Sociais

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.

Este livro aborda funclamenra~nente a 16gica e as capaciclades

de urn metodo de pesquisa: 0 sllrwy. Antes de continuar, descreveremos rap ida mente os componentes do survey tfpico, se bem
q ue vere mos mais tarde q ue metodos de survey podem ser
aplicados a uma vasta gama de t6p icos e desenhos.
Suponha

interesse de estudar a titudes de estudantes

de uma universidade. Seleciona-se uma amoslra de centenas
de estudantes d a totali dade do corpo discente. Um questioIlario e elaborado para obter informa~6es (por exemplo, ati0

tudes) re1evantes ao tema investigado. as questionarios sao apliamostra de aillnos, atraves de entrevistas pessoais,
cados

por telefone ou por correio. As respostas de cada estudante

cia amostra sao codificadas de forma padronizada e registradas
de forma quantitativa. A seguir, transferem- se as respostas

codificadas de cada aluno para disquetes de computador. Os

registros padronizados de todos as aillnos sao submeticios a uma

analise agregada, para fornecer descri~6es dos estudantes da

amostra e detenninar corre ia~oes entre cl iferentes respos tas. As
conclusoes descritivas e explicativas obticlas peia analise sao,
entaO generalizacias para a popuia~ao cia qual a atnQstra foi
selecionacia, neste caso toclo 0 corpo es(uciantil.
j

Breve Hist6ria da Pesquisa de Survey

Pesquisa de surveyapresenta semelhanps suficientes
com outros merocios de pesquisa para rer lima hisroria bem
longa. Em particular, surveys sao muiro semelhantes a censos

senclo a diferen~a principal entre eles que um sllrvey, tipica:

mente, examina lima amostra de popula~ao, enquanto 0 censo
geralmente implica uma enumerao;:ao da popula~ao toda.

Censos remontam, no minimo,

anriga civiliza~ao egfpcia,
Dncle os governantes julgavam lltil colher c1ados empfricos descre-

venda seus s(,ditos. As funo;:oes politicas da pesquisa de survey

conrinuam ate heje, com a continL1a~ao clos censos, a apari~ao

de pesquisas politicas encomencladas por candidatos e usos feitos

por soci610gos politicos. Um dos primeiros usos politicos do
SII rvey de atitudes ocon'eu em 1880. Um soci610go politico alemao
enviou question5 rios pelo Correio a 25.000 tr~,balhadores franceses, para averiguar en1 que grau eram explorados pelos patroes.
Era um questiomlrio bem longo, incluinclo itcns como:
Seu cmpregador Oll represent:ln((.! dele lan~a mao de

desonestidacle para priv{I-lo de parte do sell sai{lrio?

Sc voce se abasrece nos armazens da empresa, a qualidade

dos produtos selve de prerexto par:l dedu(oes rrauduient:ls
do st..!u sal:irio?'

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.

Bureau desempenhou um papei singuiarmente importanre

nO clesenvolvimemo de defini~oes padronizaclas de amostragens
e de metod os para a in1plementa~ao destas defini~oes no
campo. Ao mesmo tempo, os dados gemdos pelo Bureau
constituiram um valioso recurso para 0 desenvolvimento de
desenhos de amostras em surveys especificos. (0 Capitulo 6
ilustra este ponto com detalhes.)
A segllnda fonte de clesenvolvimemo foram as atividades
de firmas comerciais de pesquisas de opiniao l entre elas as
organizadas por George Gallup, Elmo Roper, Louis Harris e
outros. Estas firmas foram uma fonte contfnua de fundos para
apoial' 0 clesenvolvimento e 0 uso de metodos de surveYI principal mente nas areas de marketing cle procilitoS e cle pesqllisas de
polfticas. Em epocas em que nao havia recursos para sustentar
pesquisas academicas de surveYI estas empresas comerciais
fize ram experilnen/afiio com l1uJ/ocios de amos/ragem recia~c70 de perg1tntas, tecnicas cle co/etcl cle claclos e outros aspectos de pesquisa de survey. Alem disso, pesquisas comerciais de
opiniao tem sido uma fon te cle dados de valor inca1culavel
para analise sec1l1'ldtiria e numerosos livros e artigos academicos foram publicados relatando analises mais detalhadas de
dados coletados inicialmente para fins clescritivos e comerciais. 3
l

Terceiro, 0 refinamento cientifico da pesqllisa de St{lvey,

sobretllclo merodos sofisticados de analise, foi em grande parte
o prodllto de algumas poucas universidades ame ricanas. Mais
especificamenre, dos esfor~os de dois homens e, mais tarde,
de centros de pesquisas de sllrvey. Samuel A. Stouffer e Paul
F. Lazarsfeld devem ser considerados pioneiros da pesquisa
de sllrvey como ela e conhecida hoje.
A obra pioneira de Stouffer consistiu, em grande parte,
em tentativas cle aplicar metoclos empiricos de pesqu isa social
a problemas socia is, comeo;:ando com analises dos efeitos da
Depressao nos EUA e com coleta de daclos sobre 0 stat liS
dos americanos negros nos anos 30. 1 Na 11 Grande Guerra,
Stouffe r dirigiu 0 Departamento de Informa~ao e Educa~ao
do Exercito dos EUA, reunindo um grupo emergente de cientistas
Sociais para examinar [emas relevantes ao Sllcesso americana
na g uerra. s Durante a era McCarthYI no infcio dos 3nos 50,
Stouffer realizou surveys nacionais para examinar os efeitos
cia cl'll zada anticomunista. 6
Nestes e em inumeros ourros estuclos, Stouffer procurou
desenvolver metodos cientfficos de pcsquisa empirical adeqllados
ao exame dos fenC)111enOS socia is. Seus esforr;;os contavam com
um solido rreinamento ciemifico pelos estatisticos britanicos

Karl Pearson e R. A. Fisher, bem como de sua criatividade inata. 0

legado de Stouffer e evidente em desenhos de pesquisas, metodos

de an10stragem, desenhos de questiomlrios, 16gica de analise e
outros metodos de Sll1vry ainda hoje usados correntemente.

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

voto ao lange do tempo. Nao contente em descrever, Lazarsfeld

combinou este esfon;o com um exame cuidadoso dos fatores
demograficos e sociais associados as muclan~as observadas. 7

As

cOl1tribui~oes

de Lazarsfeld para

clesenvolvimento

cia pesquisa de survey foram tantas que nao se pocleria enumera-Ias

todas aquij mas tres merecen1 ser ciradas. Primeiro, a carreira

de Lazarsfeld correu paralela ao desenvolvimento tecnico clos

equipamentos mecanizaclos cle processamento de clados inicialmente os perfuraclores e separadores de c),rtoes e clepois
os computadores. Deve-se creclitar a ele 0 reconhecimento clo
potencial cle uso desses eqllipamentos na pesqllisa social
analftica e haver encaminhado jovens cientistas socia is para
realizar esse potencial.
Segundo, Lazarsfeld usou eqllipamentos mecanizaclos
cle processamento de dados para eluciclar e fonnalizar a l6gica

cia analise de survey. Enquanto a engenhosidade cle Stouffer

levou a sugerir razoes para re1a~oes observaclas nos estuclos

sobre 0 Exercito americana na IT Guerra Mundial, foi Lazarsfeld
quem formalizou estas razoes num modelo logico destas
rela~oes, mostranclo como 0 modele podia ser implementado
na pratica. 8 (Este topico e discuticlo mais detalhadamente no

modelo de elabora,clo, Capitulo 15.)

A terceira grancle contriblli~ao de Lazarsfeld foi a cria~ao
do centro pennanente de pesquisas de apoio aos metoclos de
survey, come~anclo con1 a organiza~ao do Bureau for Applied
Social Research na Columbia University. A semelhan<;a do
grupo de pesquisas de Stouffer no Exercito, 0 Bureau reuniu
e treinou uma legiao de jovens e brilhantes cientisras socia is;

o Bureau, porem, conseguiu sobreviver no p6s-guerra.

Organiza~oes semelhantes, estabelecidas depois, inc1uem 0
Survey Research Center na Universidade cia Calif6rnia em

Berkeley, 0 National Opinion Research Center na Universiclade

cle Chicago, 0 Institute for Social Research da Universidacle cle
Michigan, 0 Survey Research Center na Universidade cia Califolnia

em Los Angeles, e
cle Wisconsin.

Survey Research LaboratolY cia Universiclade

Al6n destas institui<;oes, ha atualn1ente institutos e cenrros

semelhantes em campi universitarios espalhados pelos EUA

e pelo mundo, servindo a diversas fun~oes. Primeiro, embora
os departamentos academicos freqUentemente ofere~am ensino
em sala de aula sobre metodos de survey, os centros de
survey caracteristicamente permitem que estudantes recebam
rreinamento pratico de aprendizado, muitas vezes trabalhando
como assistentes de pesquisa. Segundo, inumeros surveys sao
realizados eln tais centros, bancaclos pOI' subven~oes gover-

namentais e de

funcla~oes

ou encomenclados por cliemes

comerciais. Os centros tambem clao consultorias e fazem

outras presta~oes de servi~os a pesquisaclores lIsuarios de
metodologias de suruey. Finalmente, esses centros desempenhan1

um papel importante no clesenvolvimento metoclol6gico cia

pesquisa cle suruey. Enquanto um pesquisador individual

conduzinclo um projeto cle pesquisa pocle relutar em experimentar

tecnicas alternativas de colera de claclos, uma lInidacie organizada
de pesquisas e capaz de faze-Io em cliversos estudos.
Antes de conc1l1ir esta breve historia do survey, clevemos
mencionar 0 Jxtpel clesempenhaclo pelas associa~6es profissionais. Ao longo dos anos, associa~6es profissionais, cujos
membros freqUentemente utilizam n1etoclos de suruey, rem
promovido discussoes de novas tecnicas e descobertas
empfricas en1 suas reunioes e publica~oes especializaclas.
Talvez as tres associa~oes principais neste aspecto sejam a
American Sociological Association, a American Political Science
ASSOCiation e a American Marketing Association. Tambem a

AAPOR (American Association for Public Opinion Research)

tem siclo cle grande relevancia para os pesquisadores de
survey, reunindo praticantes dos setores academico, comercial
e governamental. A Public Opillion Quarterly, pllblica~ao
trimestral da AAPOR, e 0 veiculo chave da pesquisa cle survey.
Capfculos subseqlientes rasteiam a hiscoria de cenos
componentes cia pesquisa de survey. Contra 0 pano de fundo
clesta breve visao geral, vamos examinar agora 0 lugar cia
pesquisa de survey no contexto gerai cia ciencia.

Corocteristicos Cientificos do Pesquiso de Survey

Como ja foi observado, a pesquisa de sllrueye 56 lima de
muitas ferramentas de pesquisa disponiveis para pesquisadores sociais. Vale a pena repetir que metodos de survey nao
sao apropriados a muitos topicos de pesquisa, nem ofefecem
necessariamente a melhar abordagem a assumos aos quais
podem ser aplicados. Mesmo assim, 0 sllrvey pode ser usado

vantajosamente no exame de muitos tcmas socia is e particularmente eficaz quando combinaclo com outros meroclos.

Mais importance, acreciiro que a pesquisa de slIlveyoferece

o melhar exemplo para ensinar metodologia nas ciencias
socia is. Se voce compreencle bem a logica e as capacicac;oes

da pesquisa de survey, esta muito bem preparado para aprender

e usar OlltrOS metodos de pesquisa social. Digo isto porque
vejo a pesquisa de survey como um crustacea: [Odos as ossos
estao do Iado de fora. Nos capftulos seguimes examinaremos
cuidaclosameme {ocias as aproximac;6es, cornpromissos e outras
carencias da pesquisa de survey. Como discutiremos em breve,
a pesquisa de survey tem uma fun,ao pedagogica, porque
todas as deficiencias ficam mais clams neb do que em outros
metoclos de pesqllisa social, permitindo assim avalia~6es
mais conscientes cle suas implica~oes.

~ Pesquiso de Survey f l6gico

Pesquisa de sllrveye gUiada por tqdas as reslri,oes logicas
jn aborclaclas nos dais capfrllios anteriores. Alenl clo mais,
na pn"itica, as clados de slnvey facilitam a aplica~ao cllidadosa do
pensamento 16gico. Embora este t6pico V;:I ser explorado com
mais cletalhes no Capitulo 15, um exemplo sera apropriado agora.
Num esrudo sobre envolvimento de episcopais na sua
igreja" Charles Glock, Benjamin Ringer e eu descobrimos que
mulheres de classe social baixa eram mais atuantes clo que
mulhefes de slaills social mais alto. Quanto mais alta a classe
social, menor a participa~ao. Procuramos explicar este fenomenD em rermos da leoriCi dCl privC/fclo do ellvo/vimelilo J7C1
igreja - pessoas a quem se nega prestigio C SIC/l/lS na sociedade
secu lar se envolvem mais provavelmente na vida cia igreja
como Fonte alternativa de gratifica~ao. Sugerimos que a maior
intensidacle de atividacle na igreja de mu lheres de classe social
baixa reflete a maior priva~ao delas na socieclade secular.
POI' extensao, sugerimos que, entre as ll1ulheres que gozavanz
de algum grau de grarifica~ao de sIal liS secular, c1asse social

nao afetaria envolvimento na igreja. Os dados disponfveis

indicavam se as entrevistadas na pesquisa ja haviam ocupado
algum cargo en1 institui~ao secular. Esperavamos, logicamente,
que, entre mulheres com cargo na vida secular, c1asse social
nao afetaria envolvimento na igreja. Esta expecrativa foi tesrada
empiricamente e provou estar correra.
o formato da pesquisa de survey muiras vezes permire
desenvolvimento e teste rigorosos, passo a passo, de mis explica~oes 16gicas. Alem disso, 0 exame de centenas e ate milhares
de entrevisras de survey pel111ite testar proposi,oes complex as
envolvendo diversas varhlveis em intera~ao simuiranea.

~ Pesquiso de Survey f Determinfstico

Sempre que 0 pesqu isador de survey procura explicar
as razoes para e as Fontes de evemos, caracteristicas e correlat;oes
observados, a investigat;ao cleve assumir uma postura determinfsrica. 0 faro do Formato sl.lJvey permitir elaborat;ao clara e
rigorosa de um modele 16gico clarifica 0 sistema detenninistico
de causa e efeito.
Alem disso, a disponibilidade de numerosos casos e
variaveis permite ao analista documentar processos causais
mais elaborados. Poclemos if alem da observa,ao inicial de
uma correla~ao entre va riavel independente e dependente, para
examinar 0 papel de c1iversas variaveis intervenientes. Assim,
voltando ao exempio acima, notamos que cbsse social nao afeta
cliretame nte e nvolvimento d e mulhe res episcopais na igreja,
te ndo efe ito at raves da varhlvel interveniente gratificat;ao
secular. Mulheres de classes socia is baixas tem probabilidade
me nor de serem eleitas para ocupar cargos em organiza~oes
seculares. Conseqi.'lentemente, estas mulheres, como grupo, se
envolvem mais na vida da igreja, mas, se l'ecebem gratifica~ao
secular, sua cia sse social nao afeta envolvimento na igreja.

~ Pesquiso de Survey f Ge rol

Surveys amostrais quase nunca sao realiZ:1.dos para descrever
a amostra particular estudada. Sao realizaclos para se entender a
popula~ao maior da qual a amostra foi inicialmente selecionada.
Assim, a Gallup pode entrevistar 1.500 eleitores americanos para
predizer como dezenas de mil hoes votarao no dia da elei,ao.
Sllrveysamostrais de conslImiciores visam conhecer preferencias
c comportamentos de consumidores em geral.
Do mesmo modo, amllises cxplicativas em pesquisas
de survey visam desenvolver proposi~oes gerais sobre

compoltamenro hUI11.:1.l1o. 0 Formato survey penllite este objetivo

cientifico generico de duas maneiras. Pril11eiro, 0 grande

aptO a descobrir que respondentes descritos como "muita

preconceiruosos" sao os que concordaram com cinco itens

numero de casos estudados num s1Irvey permite que achados

especificos do questionario. Os criticos podem objet.r que este

possam ser replicados entre varios subconjunros da amostra

do sU/vey. Se uma correla,ao geral e encontrada, pOl' exemplo,

entre escolaridade e pad roes de compra, os pesquisadores

criterio nao capturou plenamente 0 signiflcado de "preconceita"

como eles - e, por e>..1ensao, OlltrOS - enrendem 0 tem10. Poclem)
enuio, decidir que a conclu,,~o geral nao tem fundamento.

conseguem determinar facilmente se esta rela~ao ocorre igllnlmente entre homens e mlliheres, protestantes e cat6licos,

De cefto modo, tal res posta seria valida, A conceitua~ao

e a medi~ao cle variaveis esrao no flmago cia priitica cientifica, e

brancos e negros, pessoas cle regioes geograficas diferentes

etc. ReplicaI' um achaclo entre subgrupos cliferentes fortalece

se variaveis nao sao aclequadamente conceituadas e meclidas,

co rrela~oes observadas entre elas podem nao fazer sentido.
Assim, se observadores independentes cliscordarenl sobre
como variaveis foram meclidas, podem discorclar logicamente

a celteza de que ele representa lim fenomeno geml na sociedade.

Segundo, 0 relato cuiclacloso cia metoclologia de um survey

facilita replicas posteriores pOl' parte cle outros pesquisadores
e/ou entre outras amostras e subgrllpos. Desre modo, a genera-

Iizabilidacle clos achados pode ser testada e retestada.

cia conclusao gera!.

Muiras vezes se passa pOl' alto esta facilidade com que

leitores crtticos poclem chegar a) e talvez, documentar seus

desacorclos. Porque os analistas de survey clescreveram precisa mente como desenvolveram e fizeram suas mediclas, 0 lei tor

APesqu isa de Survey f Parcimania sa

sabe exatamente

Como pesquisaclores de slIrvey tem " disposi,ao um

grande numero de variaveis, estao em posi~ao excelente para
examinar cuidadosamente a imporrancia relativa de cada lima.

Como todo cientista, pesquisadores de sllIvey querem obter

maximo de compreensao com 0 menor numero de variaveis.

Nao precisam adivinhar as variaveis mais relevantes no desenho
inicial do estudo, contudo (ou, pelo menos, nao tanto quanto

lidacle e as

que estas medidas representam. A superficia-

aproxima~oes

que fazem parte de tocla pesquisa

cientifica sao, simplesmente, mais aparentes num survey.
Em contraste, su ponha que voce estudou a rela,ao entre
conservadorismo e preconceito contra mulheres mergulhanclo
como observador participante em varios grupos politicos.

forma to survey

Voce pode relata I' que suas observa,oes sugerem que os

liberals tem Inais preconceito contra mulheres que as conser-

permite obter muitas variaveis que podem scr quantificaclas

e processadas por computador, os pesquisadores de survey
poclem construir varios moclelos explicativos e entao selecionar

ceituosos de nao-preconceituosos, captando a profundidade

pesquisadores usando outros metodos). Ja que

va clores. Em seu relat6rio, voce pode descrever qualitativamente como clistinguiu conservadores de liberais e precon-

o que mel hoI' servir seus propositos.

de significado que estes termos tem no uso cia linguagem

comum, evitanclo assim a aparente superficialiclade de itens

APesquisa de Survey f fspe cifica

de questionarios e medidas cle S1l rvey.

Infelizmente, 0 observador indepenclente nao tem como

No contexto cia caracteristica cientifica da especificidade,

a natureza ripo crustacea cia pesquisa de surveye extrema mente

saber precisamente como suas c1escri~s foram usadas na prMica,

nem como julgar ate que pomo seu vies, talvez inconsciente, pode

relevante. Ironicamente, esta caracterisrica tambem expoe os

metodos cle survey a um maximo de criticas.
Suponha que um survey condua que conservaciorisIl1o
politico e preconceito contra mulheres se relacionam positivamente. Tal condusao se baseou em defini~oes operacionais
especificas de conservadorismo e de preconceito contra
mulheres. A medi~ao de cada variavel foi construfda a partir de
resposras espedficas a irens espedficos de questionario coclificaclos e quanrificados de f0l111a espedfica. Visto que [oclos estes
detalhes censram do relat6ria cia pesqllisa, 0 leiter crl[ico esta

reI' afetado suas classifica~oes de pessoas em termos de politica

e preconceito. Isto nao quer dizer que suas observa,oes e
clesigna~oes foram tendenciosos au que sua conclusao estava
incorreta. E importante, porem, 0 fato de que nem voce nem
o observador independente sao capazes ete clecidir a respeito.
(Deve-se observar, e claro, que, na pdt ica, a observa~ao
participante varia em rigor e especificidade. 0 ponco e que 0

pr6prio metoda for~a

pesquisado de slIrvey a ser explicito.)

A pesquisa cientlfica visa a conceitua~6es e medidas

cada vez mais sofisticadas e uteis, mas a cada passo clo caminho

os merodos usados devem ser especificaclos. Por sua propria

natureza, a pesquisa de survey se encaixa como uma luva
nesta caracteristica.

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

do Survey com Outros Metodos

As se~oes anteriores mostraram diversas compara~oes

entre pesquisa de .I'll rvey e outros metodos cientificos de pesquisa social. Foi salientado que uma investiga<;ao abrangente
se beneficiaria com 0 uso de metodos diferentes focados nllm
so topico. A esse respeito, tres pontos devem ser ressalraclos.
Primeiro, a 16gica do experimenro conrrolado pocle se
constiruir num guia util a 16gica cia analise do survey. Oncle
o experimentaclor isola a varia vel experimental pelo uso cle
grupos emparelhados ou randomizados - grupos experimental
e cle controle - , 0 analista clo survey busca 0 mesmo fim
controlanclo as variaveis post-facto. Por exemplo, 0 experimentaclor pode garantir que os grupos experimental e cle
controle tenham a mesma clisrribui<;ao de sexos, para evitar
uma posslvel influencia clesta varia vel no experimento. 0
analista do survey consegue isto garantindo que subgrupos
na amostra renham a mesma distribui~ao de sexos ou testanclo
separadamente a rela\=ao observada entre homens e mulheres.

Todavia, 0 objetivo logico de isolar variaveis relevanres pela

exclusao cia influencia de variaveis estranhas e a mesma para
os clois metodos.
Segundo, a coclifica~ao das respostas do sU'rvey e essencialmente uma instancia de amllise de conreudo. FreqUentemente, 0 pesquisador de survey fad perguntas aher/as que
pedem resposta nas pr6prias palavras clo respondente. Tais
respostas, porem, devem sempre ser coclificadas em tipos cle
respostas. Pode, entao, ser necessario codificar um conjunto
de respostas como apoianclo ou opondo-se em geral a uma
cleterminada lei. A esse respeito, os pesquisadores de survey
rem muito a aprender com as experiencias e metod os dos
analistas de conteudo.
Terceiro, as entrevistas de survey podem beneficiar-se
com a experiencia clos observadores participantes. Metodos
para obter rapport, manter neutraliclade e fazer observa~6es
precisas sao importantes para ambas as atividades.

APesquisa de Survey E Realmente Cientifica?

Em vista das crfticas pOl' vezes feitas aos cientistas socia is,
aos pesquisadores de survey e aos soci610gos praticantes de
survey em palticuiar, pennito-lne conduir este capitulo um tanto
chauvinistamente. H{l varios anos, Allan Mazur pub!icou un1
arrigo intitulado "A Menor das Ciencias", 10 onde levantava a
questao de se a sociologia podia ser chamada de ciencia. Como
sugere 0 titulo do altigo, ele concllliu que essa clesigna~ao mal se
jllstificava . Nao e cle se surpreender que 0 artigo suscitasse
respostas imediatas e muims vezes acaloradas.
Como a maioria dos seus comentaristas, positivos ou
negativos, Mazur tambem concordaria que nenhuma resposm
ciefinitiva e possive! na questao de se uma disciplina como a
sociologia e ou nao uma ciencia. Como vimos no Capftulo 1,
qualquer clefini~ao de ciencia cleve ser arbitraria; portanto, nao
pode haver respostas absolutas. Ao mesmo tempo, a questaO
merece ser discutida, mesmo nao poclenclo ser responclida.
Penso que, no futuro, pesquisadores olharao para rnl.s,
para essa era, e concluirao que 0 usa cia pesquisa de survey
pOI' socia logos e outros cientistas sociais foi um perfoclo crftico
no desenvolvimento da ciencia em genii. Esta expectativa
h ipotetica nao e um mero vago sonho megalomanfaco de um
pesquisador de survey que, pOl' coincidencia, foi treinado
como soci6logo. Os comentarios de dois outros pesquisadores
i1ustram a razoes ciesta expectativa.

o economista Daniel Suits, falando ha alguns anos em

Honolulu, numa conferencia de pesquisadores e planejadores
govelnamemais, abandonou a costumeira tem)jnoiogia academica
e nao falou nem das "ciencias duras" (como fisica e qULrnica) nem
das "ciencias macias" (como sociologia, ciencia polltica e pesquisa de mercado), preferindo distinguir entre ciencias "duras"
e "faceis". Seu ponto era que fisicos podem realizar pesquisas
cientificas facilmente, (belo 0 assunto com que trabalham, enquanto
cientistas sociais tem urn ossa muito mais duro para roer.
Martin Trow rasteou algumas clas implica~6es clesta situa~ao
num contexto diferente. ll Abordanclo os usos dos metodos
de survey no campo da educa~ao, Trow notou uma anomalia
interessante. Ele observou primeiro que 0 ambiente eclucacional
e quase ideal para pesquisa de sUI'vey: os entrevistados sao
articulados, conhecem questiol1<lrios, sao faceis de enumerar
e amostrar, e os questionarios podem se r aclministrados em
con(li~6es controladas na sala de aula. Trow indagou, entao,
pOl' que a maioria dos su.rveys educacionais sao tao trivia is e
nao-sofisticados? Sua res posta foi que as condi~oes sao boas
demais. Pesquisadores educacionais nunca tiveram que liclar
com conclic;6es imperfeitas de pesqllisas e como t111nCa foram
obrigados a fazer compromissos e aproxima~6es no desenho
e na execu~ao das pesquisas, nllnca tiveram dificulclades com
a l6gica basica da pesquisa cientlfica de S1l1vey. Nunca tendo
de se afastar do idea l 6bvio, nunca conseglliram en tender
plena mente pOl' que ela era considerada ideal.
Penso que esta observac;ao de Trow tem um significado
bem mais geral. As pr6prias adversidades com que as ciencias
socia is se deparam requerem a cria~ao de um sistema l6gico
de en tenciimento mais sofisticaclo. Alem elisso, a pesquisa
de survey, por causa de sua especificiclade operacional, poele
prover 0 vefculo l1Iais uri! para Helar com tais adversidades
de forma rigorosa e sistematica. Alguns exemplos esclarecem
mais este ponto.
Quando qufmicos desejam estudar as proprieclacles clo
hidrogenio, provavelmente nao se preocupam muiro com
tecnicas de amost ragem. ] a que um acomo de hiclrogenio e
igual a qualquer outro, qualquer atoma serve para 0 estudo.
Mas cientistas socia is nao podem estucIar qualqller inclivlcluo
ou grupo de inclividuos que Ihes sejam convenientes. as
qufmicos podem generalizar seus achaelos para qllalquer
hidrogenio baseados apenas no estudo de atomos convenientes,
mas os cientistas sociais devem desenvolver um enrenciimenta
mais sofisticado do conceito 16gico de generalizabiliclade, bem
COI110 dos metodos operacionais para alcam;a-Ia. Evidentemente,

outros cientistas tern problemas de amastragem - geneticistas,

pOl' exemplo - , e cientistas sociais tem encontrado orienta~ao
nos trabalhos de outms disciplinas. Nao obstante, os problemas
de amostragem e de generalizabilidade sao maiores no estudo
do comporramento social. Pesquisa de sU1'veye um vefculo excelente para 0 clesenvolvimento de metodos llteis e, por extensao,
de entendimento mais amplo.
o ato de medir e outro exemplo dos problemas da pesquisa
de survey. Suponha que voce est;; tentando medir algo como
preconceito. Nao ha conceitua~ao clara ideal a partir cia qual
trabalhar, nem ha opera"ao de medi"ao fkil, disponivel para
se aproximar desse ideal. Se voce usar tecnicas de survey, 0
problema e ainda mais basico. Voce pode descobrir que um
item do questionario produz Ulna resposta preconceituosa
de um respondente, enquanto outro item gera uma resposta
nao-preconceituosa. Mais ainda, uma pequena varia~flo na
reda"ao de um item pode afetar a resposta obtida.
Do mesmo modo, os cientistas socia is reconhecem que
a simples presen<;:a dos pesquisadores pode afetar os enuevistaclos.
Peclir uma opiniao pode cristalizar mais ainda a opiniao que
existia antes da entrevista; alguns participantes fonnanl opini6es
na hora. Seria como se nas ciencias ffsicas uma barra de metal
esticasse ou encolhesse de compri111ento quando um ffsico
chegasse para meeli-Ia. Claramente, a situac;ao enfrentada pelos
cientistas sociais requer uma compreensao mais sofisticacla de
conceitua~ao e Il1edi~ao. A multiplicidade de variaveis relevanres e a natureza complexa e probabilistica de causa~ao
no comportamento social pedenl um entendimento mais sofisticado do que a ciencia realmente e. A lista de exemplos seria
interminavel.
Neste contexto, observe-se que as "ciencias face is" nao
sao tao claras e diretas como se imagina. POI' exempIo, os
flsicos sabem que nao podem simultaneamente medir 0 lugar
e a velocidade de Ulll objeto; medir um afeta 0 outro. Ciemistas
medicos sao obrigaclos a usaI' placebos (pitulas de a,,(lcar, pOl'
exemplo) para testar drogas novas porque alguns pacientes
parecem melhorar quando acrediram estar recebendo uma
poderosa clroga nova elou porque os pr6prios pesquisaclores
medicos podel11 vel' desenvolvimentos otimis[as em pacientes
que eles acreditam estar recebendo a nova droga. Ao mesmo
tempo, ffsicos nucleares afirmam que partfculas se movimentando numa cerra dire"ao sem receber impulso adicional provauelmenle continuadi.o a se movimentar naquela mesma dire~ao.
Em suma, as ciencias socia is sao urn exemplo fmpar do
que 0 fIsico Heinz Pagels chama de as ciencias cia complexidade. 12

Pagels a rgumenta que 0 c1esenvolvimento clo computador

represema uma inovm;ao na possibilidacle de ticlar com sistemas
complexos, e em nenhuma area isto e mais verdade do que
nas cH!ncias socia is. Sugiro ate que 0 computacior sera para
as ciencias sociais 0 que 0 telesc6pio foi para a astronomia e
o microsc6pio para a biologia. Neste processo, as ciencias
socia is expandirio radicalmente nossa visao do que pode
ser a ciellcia.

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.

Uma 6lima revisao da obra de Slouffer pode scr cncomracb no livro

p6slUlllO de STOUFFER, Samuel A. Social l?esearch /0 Tes/ Ideas. New
York: Free Press, 1962.

Ver STOUFFER, Samuel A. e( al. n}e America1l Soldier: Sludies in Social

Psychology in World \V'ar II. Princeton: Princeton University Press, 1949
e 1950. v. I-V.
STOUFFER, Samuel A. Communism, Conformity Clnd Civil Liberties.
Garden City: Doubleday & Company, Inc., 1955.

7 LAZARSFELD, Pau l F. Tbe Peoples Cboice. New York: Columbia Universit y Press, 1948.

Vel' KENDAL, Patricia, LAZARSFELD, Paul F. Problems of Sll1vey Analy~

sis. In: MERTON, Robert, LAZARSFELD, Paul (Ed.). COlllilllli/les ill Social
Researeb SlIIdies in (he Scope and Me/bod 0/ (be American Soldier. New
York: Free Press, 1950.

GLOCK, Charles Y., RINGER, l3enjamin 13., BAI3BIE, Earl R. To Com/or/

and /0 Challenge. Berkeley, CA: University of California Press, 1967.

10

MAZUR, Allan. The Littlest Science. American Sociologis/, p.195-200, ago.

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.

Desenho de Pesquisa de Survey

WilULO 4
IIPOI DE omNHOI DE PEIQUIIAI
milULO 5
ALOGICA DAAMOIIRhGEM 00 SURVEY
WilULO 6
EXEMPLOI DE omNHOI DE AMOIIRAGEM
WilULO 7
CONCtIIUh(hO EomNHO DE INIIRUMENIOI
CAPilULO 8
CONIIRUChO DE iNOICEI EmALAI
as cinco capitulos da Patte 2 abo rdam cliversos aspectos
clo clesenho do survey. Examinaremos alguns clos clife rentes
tipos posslveis de surveys, a sele~ao de amostras e a impol1anre
questiio da medi<;ao.

Ha

li ma tenciencia a considerar a ana lise de c1ados de

survey como mais desafiadora e excitanre do que 0 desenho

clo survey e a coleta de dados. Confesso sentir isto e desconfio
que a maioria dos ouo'os pesquisaclores de survey concordariam.
Durante a analise, come.;;a-se a ganhar entendimenro do assumo

esrudado e pode-se compaI1ilhar as descobettas com os colegas.

Mas e erraclo supor que 0 desenho clo estudo e menos
clesafiador do que a analise ou requer menos brilho e engenhosidacle. FreqUen temente, alias, a engenhosiclacle se rarna
necessaria na analise do survey jll stamenre po rque esteve
ausente no c1esenho e na execuc;ao cia pesquisa. Mesmo poclendo
Hehar satisfac;ao na superac;ao de problemas de clesenho atraves
de manipulac;ocs analiticas inteligenres, cleve continua r sendo

motivo de embara~o haver tais problemas; muitas vezes

se descobre haver problemas de desenho que nenhuma

engenhosidade resolve.

Capitulo 4

Quando fica mais competente nos diversos aspectos

do desenho do survey, voce compreende que ele requer

as mesmas capacidades 16gicas de solu~ao de problemas que
a analise do survey. Nes[e aspecto, 0 desenho e igualmeme
excitante e desafiador.

Diversos desenhos de pesquisas sao descri[os no Capi[ulo

4, para familiariza-Io com 0 leque de op~6es e ajudo-Io a escolher

Ii po s de Desenhos de Pesquisas

quais sao os mais adequaclos a cada finaliclade de pesquisa.

Os Capi[ulos 5 e 6 abordam a amos[ragem de sillvey. 0

Capi[u lo 5 [rata da 16gica da amos[ragem e 0 Capitulo 6 apresenta exemplos para esclarecer a implementa~ao daquela l6gica
na pnitica.
Depois de discutir amostragem, daremos aten~ao ao tema

da medifclo- come~ando no Capi[ulo 7 com a concei[ua~ao e 0

desenho dos ins[rumemos. Abordaremos 0 processo atraves do
qual pesqu isadores de swvey refinam seus concei[os e elaboram
itens de questiom'irio para medi-los. 0 Capitu lo 8 continua este
assumo, abordando a constru~ao de indices e escalas compostos

durame a analise de dados. 0 Capi[ulo 8 pode parecer cronologicamenre fora de orciem, mas coloquei-o ali porque ele completa

o f1uxo 16gico estabelecido no Capi[u lo 7.

UPesquisa de survey' se refere a um tipo particular de

pesquisa social empirica, mas ha muitos tipos de survey. 0 tel1110

pode ineluir censos demogcificos, pesquisas de opiniao publica,

pesquisas de mercado sobre preferencias do consumidor, escudos
academicos sobre preconceito, escudos epidemiol6gicos etc.
Surveys podem diferir em [ermos de obje[ivos, custos, tempo e
escopo. Varios desenhos basicos podem ser englobados no
termo su rvey.
Este capitulo come~a com uma breve discussao dos pos-

siveis obje[ivos da pesquisa de survey. Examina em segu ida 0

conce ito de unidade de analise. Fina lmente, descortina uma
vi sao geral das diferenres estrategias disponiveis para atingir
suas finalidades.

finolidodes do Pesquiso de Survey

Ha

provavelmente ranras razoes diferentes para se fazer

surveys quanto hi surveys. Um polf[icO pode encomendar um

visando a sua elei~ao. Uma empresa de mcuketing pode fazer
um sllrveyvisando vender nlais sabonetes cia marca X. Um governo
pode fazer urn survey para projemr um sistema de trfmsiro de
massa ou para modificar urn programa de bem-estar social.
A variedacle de tais prop6sitos seria longa demais para
enumera-las toclas aqui, pOl'em tres objetivos gerais permeiam
[odos esses in[eresses: descri~ao, explica~iio e exrlora~ao.
Um survey poele visar (e usualmente visa) atingir mais de um
clestes objetivos, mas e util examina-los separadamente.

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,

descobrir a distribui~ao de certos tra~os e atributos. Nestes, 0

pesquisador nilo se preocupa com 0 porque da distribui,ao
obselvada existir, mas com a que ela

e.

Distribui,6es por iclade e por sexo relatadas pelo u. S.

Bureau of Census sao exemplos cleste tipo de survey. De forma
semelhante, 0 Ministerio clo Trabalho pocle procurar descrever

por diferentes cancliclatos politicos poclem ser explicadas em

tefmos de variaveis como filia~ao partidaria, educa~ao, ra~a,
sexo, regiao do pais etc. Ao examinar as rela~oes entre preferencias pOl' candidatos e as c1iversas variaveis cxplicativas,

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

a extensao do desemprego no pars nllm Oll em varios pontos

do tempo. Tambem

Ga llup pode tentar descrever os percen-

ruai s do ele itorado que vorarao nos va rios candidatos a presidente, a disrribui~ao c1as atitudes com rela~ao
Guerra clo

Golfo, a distribui~ao cle atitudes em rela~ao it educa~ao sexual

nas escolas ou 0 usa de fluor na agua. 0 percentual de uma
popula~ao que provavelmente comprara um novo produto
comercia l e o utro exemplo de pesquisa descritiva.
o surveyamostral e um veiculo para descob rir estas distriblli~oes. A distriblli~ao de [ra ~os numa amos{ra cuidadosam ente selecionada de LIma popllla~ao maior poele se l' medicla
e lima c1escri~ao comparavei cia popllla~ao maior pode ser

inferida a partir cia amostra. (0 Capitulo 5 discute a Jogica

destas infe rencias.)

A1em de descrever a amostra total (e infeIir pam a popuia,ao
total), pesquisadores de survey muitas vezes clescrevem subamostra s e as comparam. Assim, 0 Gallup poele comec;ar com um

relato clas inren,6es cle votos de todo

e leitoraclo e depois

elescrever separadamente Republicanos e Democra[as, homens

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,

fiz p;'1e de um grupo de pesquisaclores no campus que planejou

estuclar exaustivamente a naturez..:'l, as Fontes e as consequencias
cia radicalismo estudantil. Embora ti vessemos muitas icleias
sob re 0 assunto, receavamos haver c1esconsiclerado alguns
componentes adicionais cia sicuac;ao . Se um grande estudo se
ba seasse somenre em nossas preconcep~oes, corrfamos 0 risco

de nao pegar alguns elementos criticos.

o metodo cia pesquisa de survey oferece uma tecnica
para resolver esta dificulclacle. Um questionario foi construido e
cerca de cinquenta estuda ntes de diferentes orienta~6es polfticas
fo ram entrevistados em profundidade. Nao se fez nenhuma
tentativa de selecion ar uma amostra representativa de alunos,

ne m os dados fo ram coletados cle forma paclronizada. Os

e mulheres, eleitores de cliferentes ida des etc. As clescri,6es de

diversos subconjuntos podem ser comparaclas, mas a finalidade
primordial e descrever e nno explicar as diferen~as. (Tais com-

entrev istaclos foram encorajados a falar livremente sobre sells

pontos de vista politicoS e suas atitudes com rela~ao ao radica-

parac;oes constinlem, contuclo, um passo intermedhlrio emre a

16gica cia clescric;ao e a cia explica\=8.o, como discutiremos mais

As en trev istas resul tara m num desenho de pesquisa

largame nte revisto para 0 esrudo princi pal. Os en trevistados
mencionaram fatores relevantes ao raclicalismo estudantil que
na o havfamos antecipado. Certas orien tar;oes polfticas que
antes pareciam contradit6rias agora faziam mais sentido. Estes

cletalhadamente no Capitulo 13.)

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

estudo explorat6rio suscitou novas possibilidades, mais tarde

exploraclas no survey mais controlado.

Sao estes os tres objetivos basicos da pesquisa de survey.

Como comentamos, a maioria c10s estudos rem mais de um
o~jet~v~ (as vezes todos os tres), mas estes objetivos proveem

pnnClplOs organizacionais (iteis no desenho de sllrveys. Antes

de abordar os tipos especificos de desenhos de estudo possiveis
para ~alcan~ar estes objctivos, vamos introduzir um termo bftsico,
mas as vezes confuso: lI11idC/des de C/Jlcl/ise.

Evidentemente, um cleterminado survey pocle envolver

mais de uma unidade de amllise. Um survey de residencias
nllma certa cidade pocle tentar prover a seguinte informa~ao:
percentual de estruturas residenciais em concli~6es cleterioradas,
distriblli~ao racial dos chefes de familia, renda familiar media
anllal, taxa de desemprego e distribui~ao eta ria-sexual da
popula~ao residente. Nestes exemplos, as unidades de analises

seriam, respectivamente, estruturas resicienciais, residencias,

familias, membros da

for~"

de trabalho e residentes.
Uniclades cle analise num survey podem ser descritas

Unidades de hnalise

com base em seus componentes. Por exemplo, cidacles podem

ser clcscritas quanro fls suas taxas cle descmprego ou composic;oes raciais. Surveys podem ser feitos para viabilizar estas

l'esquisa de survey fomece tecnicas para se estudar quase

todo mundo. Esse ""mcio estudado num Slllvey sao as unidades
de analise. Tipicamente, a unidade de analise num survey e uma

ciclades e agregar as varias descri~oes para descrever todas

as ciclades, entao a unidade basica cle analise para 0 estudo a

pessoa, mas nao necessariamente e, alias, muitas vezes nao

e. Quaisquer que sejam as uniclades de analise, dados sao

colhidos para se descrever cada unidade individual (por

exemplo, uma pessoa). As muitas descri~ocs, entaD, sao
agregadas e manipuladas para descrever a amostra estudada e

por extens30, a popula~ao representada pela amostra.

'

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-

ragens de predile~iio pelas duas marcas. Num sllrvey sobre

desemprego, quem integra a for~a de trabalho e a unidade de
analise. Cada um e descrito como empregaclo au desempregado.
Estas clescri;6es individuais sao entaD usadas para descrever toda

a for~a de trabalho em termos de taxa de desemprego.

As uniclades de analise sao tipicamente pessoas, mas
podem ran1bem ser famflias, cidades, estados, na~6es, companhias, inclustrias, ciubes, agencias governamenlais etc. Em
cada caso, as unidacles individuais de analise sao clescriras c

estas descri~6es, agregadas para descrever a popula~iio

represcntada pelas unidades. Por cxemplo, voce pode col her
dados descrevendo cidacles de lim pais. Cada cidade pode ser
clescrita em termos do tamanho cia popula~ao e toclas as cidacles
do pars poclem, en tao, ser clescritas em rermos cia populaC;ao
media. Variaveis adicionais clescrevendo as cidacles podem
ser introcluzidas para explicar par que algumas cidades sao
maiores do que outras.

descri~6es.

Se, porem, 0 objeto da pesqllisa for descrever

cidade. Ao mesmo tempo, unidades de an;,lise podcm ser

descritas em termos dos grupos a que pertencem. Assim, inclivrcluos poden1 ser clescritos em termos cia numero de pessoas
nas famfl ias ou cia concli~ao das suas estruturas residenciais.

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

para uma Iinha de

investiga~ao

particular. Os perigos da falacia

ecol6gica cievem ser conscientemente evitaclos. l

Suponha que voce pretende explorar a possivel

rela~ao

entre ra~a e crime: sao os negros ou os brancos que mais

provavelmente terao comportamento criminoso? A uniclacle
apropriada de analise para esta investiga;ao 0 indivfcluo. Amostras de respondentes negros e brancos serao estudadas e suas
respectivas taxas de criminalidacle computaclas e comparadas.

Entretanto, considerando a disponibilidade de certos

c1ados municipais, voce pode ficar tentacla a aborclar 0 problema de outra forma. E possivel obrer facilmenre taxas gerais
cie criminalidade nas cidades mais importantes do pais, assim

como achar dados sobre a composi~ao racial destas cidades.

Analisando estes dados, voce pode descobrir que as raxas de
criminalidade sao mais altas em cidades com maior propor~ao

de popula~ao negra. Dai, voce pode concluir que negros tem

taxas de criminaliclacle mais alras cia que brancos. No entanro,
esta linha de investiga~ao esta sujeita a falacia ecol6gica,
porque nao ha garanria de que crimes cometidos em cidades
preciominaotemenre negras /ora111 comelidos por negros. E
Concebrvel que as taxas mais altas de criminalidacle poclem

ocorrer entre brancos rcsiclinclo em areas preclominanremente

negras. Tal ma interprera ~:1o nao seria possiveJ se voce rivesse
urilizaclo a unidade de analise correra. l
Qualquer que seja a natureza dos dados usados para
descrever as unidades de analise, e imporrame que eles sejam
previamenre idemificados. Do comr:lrio, 0 descnho cia amostm
e os merodos de colera de daclos poclel11 impedir a analise l11ais
apropriada ao estuclo. Se houver mais de uma unidade de analise
no estudo, esta eonsidcfa<;ao se (omara ainda mais impoltame.
UI11 exel11plo final deve esclareeer.
Suponha que, num eSludo da popula~ao de residencias
numa celta cidade, voce decicla colller dados alI'aVeS de enrrevistas com os ehefes de uma amostra c1e familias, mas queira
fazer afjrma~oes sobre estruturas resicienciais, resiclencias,
Familias e pessoas. Oaclos sabre as estrutllras pod em ser coletados perguntando questoes relevanres aos entrevistaclos
(qual e a idade da sua casa') e por meio cle observa,oes
(quando andares rem a casa?). Dados sobre a residencia rambem
podem ser colerados enrrevisrando (quanras famflias moram
nesra casa') e observando (qual e a ra, a do chefe da familia?).
Pode-se peclir dados ao responclente para descrever as familias
residenres (qual e a renda anua!?) e os individuos residenres
(q ual 0 sexo e a iclacle de cada pessoa?).
Num escudo complexo como cste, com varias uniclades
de ana lise, deve-se rer cuiclado especial na organiza,ao dos
c1ados para analise. Se voce quiser determinar 0 percenrual
de estruturas residenciais em csraclo c1ercriorado, caela estrutura
deve ser deserita apenas uma vez na computa<;ao) independentemente do numero de familias ou pessoas morando la. Se voce
quiser dererminar 0 percenrlla l da popula,ao resiclindo em
estruturas deterioradas, cacla estrutura cleve ser lan ~a cla na
eo mputa~ao (antas vezes quantas forem as pessoas moranclo
neb. Por exemplo, se cinco pess03s resic!em numa estrutllra
de(erioracla, cacla pessoa cleve se r descrita como morando
numa estrutura deterioracla e toclas as pessoas clescriras seriam
agregadas para elescrever a popula,ao da ciclaele.

o caminho mais segura a segu ir nllm survey complexo

como este e erial' arquivos separados cle dados para cada unidacle
de analise. Neste exemplo, voce cleve eriar um arquivo para
estruturas, um para resiclencias, um para famflias e ourro
para pessoas. Cada arquivo contcria {ocios as clados relevances
pa ra anal ise ciaquela uniciacle, mesmo que inieialmente as
clados possam tef side eolhidos de outra unidade de analise.

Assim, eada arquivo de pessoas pocle ter indica~ao da rat;a

do chefe da familia a qual a pessoa perrence. Uma vez clererminada a unidade de analise para uma determinada computa~ao,
voce pode faze-Ia facilmente usando 0 arquivo de dados
correspondenre.

Desenhos Besieos de SurveY$

Ap6s especificar os objerivos e as unidades ele analise
do seu survey, voce pode escolher entre diversos elesenhos
dife rentes. Nesta se~ao, diselltiremos surveys illterseccio/lCiis
[cross-secl ional] e surveys longiludillelis eo uso cle surveys interseecionais como nproxi ma~ao de sl.flveys longitllclinais. Na se~ao
seguinre, discuriremos vari a~oes elesres elesenhos basicos.

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.)

Sump Longitud ina is

Alguns desenhos de sllrvey- descririvos Oll explicativos - permitem analise de c1ados ao longo do tempo. Oados
sao coletados em tempos diferentes, e relatam-se mlldanc;as de

descri,6es e de explica,6es. Os principais desenhos 10ngitudinaiS

sao eS/lldos de telldenciCls, eS/Lic/os de cortes e eS/lldos de pai1lel.
ESI/tdos de Tel!(/{jllcias. Uma popula,iio pode ser amostr~cla e estu~lacla em ocasi6es c1iferentes. Ainc!a que pessoas
chferemes seJillll csrucladas em caela sillvey, cada amostra represenra a mesma popllla~ao. As pcsquisas eleitorais no clecorrer

em 1990, para medir suas ariwcles em rela~ao ao rrabalho.

Cinco anos ciepois, selecionamos e estuciamos outra amostra
cia mesma turma. A amostra e cliferente a cada vez, mas con-

tinuamos clescrevendo a turma cle 1990. (Se estuciiissemos

as formandos de 1995 na segunda vez, teriamos um estudo
de tendencias de runnas de formanclos e nao um esrudo de

de uma campanha politica sao um bom exemplo de estudos de

renciencias. Diversas vezes, durante a campanha, amostras de

coorte cia tunna cie 1990.)

eleitores sao selecionados e perguntados em quem votar~10. Com-

de coone. Num mOn1en(0, voce pode selecionar uma amostra

de toclos os americanos entre vinte e trinra anos de idade.
Dez anos mais tarde, a amostra sera de pessoas clos trinta
aoS quarenra, e assim por dianre. S(O e um esrucio cle coorte

parando os resultados clas v:\rias pesquisas, os pesquisadores

podem ciererminar I11udan~as nas intenc;oes de voto.

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.

Deve .ser ressaltado que estudos de tendencias muitas

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

secundaria de dados coletados ao longo do tempo por varios

outros (Oesquisaciores.
Are agora comentamos apenas estucios descritivos de
tendencias, mas nao ha motives para um pesquisaclor nae examinar ten(h~ncias nas rela~6es entre v~lriaveis. Um exemplo e a

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

ser examinacla ao longo do tempo.

ESI/le/os de Coorles. Estudos de tenciencias se baseiam
em ciescri,6es cie uma poplda,iio geral (como eleitores americanos) ao longo do tempo, embora mudem os integrantes
daquela popula~ao. Pessoas vivas e representaclas no primeiro

estudo podem ter morrido por ocasiiio clo segundo, e pessoas

ainda nao nasciclas, quando do primeiro esruclo, podem estar
representadas no segundo. Assim, um estudo de tenciencias de
atitucles entre estuclantes numa universidade reflete uma popuIa~ao cliferenre de estucJames cada vez que um slirlJeye feiro.
Urn estucio de coones focaliza a mesilla popuhll;ao espedfica cada vez que as clados sao coieraclos, embom as amostras
e~tucbclas possam ser ciifcrentes. Par exemp!o, poclemos seleClonar lima amostra de estudantes se formando na universiclade

o exemplo segl.linte i1l.1stra um tipo diferente cle estudo

de um cleterminaclo grupo cle iclade. 0 mesmo estudo pode

ser feito arraves de analise secunchhia de c1ados previamente

colhidos. Numa ocasiiio, voce pocle analisar os entrevistados

com vinte anos no estudo de 1970, os de trinta num estuclo em
1980, os com quarenta num estuclo em 1990 e assim por diante.
ESIL/dos de Painel. Tanto os estudos de tenclencias
como os de coone permitem analise de p rocesso e muclan~a
no (em po, 0 que e cliffci! num survey interseccional. Mas esses
metodos rem severas desvantagens. Um estudo cle tenciencias
pode detenninar que os eleitores, como um grupo, estao
l11udanclo do candidato A para 0 B, mas nao indica quais
pessoas estao muclanclo, atrapalhando tentativas de explicar
par que esra ocorrenclo esta mudan~a.

Estudos cle paineis envolvem a coleta cle daclos, ao

longo clo tempo, cia meSl11a amostra cle respondentes, que se
chama paine!. Num estudo politico, voce pode reentrevistar
{ocios os membros do seu painel em inrelvalos mensa is durante
a campanha eleitoral. Cacla vez voce pergunra em quem votariam;
se ocorrer mudan~a, voce sabera quais pessoas muclaram em
qual c1iret;ao. Analisanclo Ol!{ras caracrerlsricas de quem mucla
c de quem nao muda, talvez voce possa explicar as razoes

cia mudan",. (Claro que voce tambem perguntaria aos membros

do painel por que haviam l11udaclo as inten,6es cle voto.)
Exceto em certos casos limite, estudos de painel tem
de ser realizados como parte de um programa de pesquisas.

Enquanto estucios de tenclencias e de coortes podem ser feitos

atraves de analise secllnclaria de c1ados colerados previamenre,
esrudos de painel nao podem. Consequememente, tendem a ser
caros e demoracios, alem de sofrerem de dois Olmos problemas.

Esgotamelllo de Paine/, a primeiro problema, se refere

ao montante de nao res pastas que ocorrcm nas (llrimas ondas
de entrevis(as. Algumas pessoas entrevistadas no primeiro

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!.

Uma segu nda forma de aproximar-se de um estudo no

tempo e fazer compara~oes de idade ou de coorte num survey
interseccional. Numa pesquisa, jovens podem ser l11enos
religiosoS que as velhos e isso ser in terpretaclo como um
ciedinio na religiosidade da popula~ao. (Por ourro lado, 0
fato de que pessoas tendem a se tornar mais religiosas com
a idade pode dar conra compleramenre das diferenps observadas.) Ourl'O esrudo pode descobrir que calomos sao inrelecrualmenre menos sofisricados que alunos cio quarto ano e
conduir que a educa~ao universitaria aumenta a sofistica~ao.
(Reconhece, conrucio, que a popula~ao cia qual os novos calouros
sao tirados pode ser menos sofisticacia, apontando para uma
renciencia e nao para um processo. Pode ser tambem que alunos
menos sofisticados que foram calolllos ha quatro anos auas
safram cia universidade antes da rea liza ~ao do survey.)
Finalmente, dados interseccionais poclem as vezes ser
interpreraclos logicamente, para indicar um processo temporal.
Um esrucio do uso cie drogas enrre esrucianres, por exemplo,
indicoll que todos as que cledararam uso de maconha tambem
informara m experiencia anterior com alcool. Alem disto, todos
os estlldantes que relataram terem usaclo LSD tambem relararam
o uso cie maconha (e alcool). E razmivel conduit', desses
dados, que 0 progresso no uso de drogas e do alcool para a
maconha para 0 LSD. Se, par exemplo, alguns alunos tivessem
usado l11aconha antes do alcool, entao 0 survey inrerseccional
clevia tef descoberto alguns que haviam usa do 111aconha, mas
nao alcoo!. Da mesma forma, deviam ter sido descobertos
estudantes que tomaram LSD mas nao outras drogas, se 0
LSD tivesse sido usado antes das outras. Como nenhum estlldante assim foi encontraclo, enquanto foram encontrados
muitos que haviam [omaclo apenas alcool Oll wdas as drogas
estlldadas menos LSD, os pesquisadores condufram, por motivos
16gicos, que 0 processo remporal passava de alcool para
maconha para LSD. (Nota: esta conclusao nao ap6ia a suposi~ao
de que uma droga leva fisiologicamente a outra.)

Varia~6es dos Desenhos Basieos

A set;ao amerior delineou os clesenhos basicos de su !vey,
todo survey pode sel" caracteri zado nos termos disclItidos.
Ao mesmo tempo, estes desenhos basicos podem ser modificados de varios modos para se enquadrarem no que reqller

uma determinacb. pesquisa. Esta set;ao aborcla algumas das

modificat;oes mais comuns.

como pertencendo a uma igreja rica e grande no centro cia

cielade, com um Illinistro abaixo dos quarenta anos.

hmoshas Pa ralelas

sabre as cOl1textos dos respondentes sejam ielentificados com

eies, de forma a serem incluiclos nos sellS arquivos ele daclos.
Jsta nao pode ser feito enviando questionarios an6nimos a
amostra de estuclantes e pais. Os estuclantes tem de ser identificadas no questionario (par nome ou numero) e os pais serem

Emre[an[Q, rais analises exigem que os clados colhiclos

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

ati[udes dos eswdames em

rela~ao

it propos[a de um c6digo de

iden[ificados cle alguma forma que os Iigasse aos filhos.

concluta estudantil. Talvez voce tambem se interesse em saber

o que os professores e are os adminis[radores escolares acham

do c6digo. Nes[e caso, voce pode amos[rar cacla popula~ao

Estudos Sociomel ricos

separaclameme e administrar 0 mesmo questionario (ou outro

ligeiramente modi fica do) acacia nmostra. Os resultados seriam

Tipicamentc, surveys estudam uma amostra de uma deter-

en[aO comparaclos. Num ou[ro exemplo, voce pocle querer

examinar as cren~as religiosas de fieis da rgreja Metodista e
cren~as do clero mewclista. Novamente,
cada popula~ao seria amostrada e estudada. Tais estudos sao
denominaclos amosfras paraieias.

com para-las com as

Em alguns casos, a amostra de uma popula~ao pode ser

usada para gerar a amostra cia outra. POI' exemplo, estudantes
universitarios podem ser amostrados, e quesrionarios, enviados
aos estudantes e seus pais. As respostas dos alllnos como um
todo podem ser comparadas as respostas clos pais como um todo.

Estudos Contextuais
Como observamos ao discutir unidades cle analise, pes-

minacla popu l a~ao, coleranclo claclos sobre os inclivicluos na

amos[ra, para clescrever e explicar a popula~ao que representam. Tociavia, 0 Formato basico do sllrvey pode ser usaelo
para um exame mais abrangente ele algum grupo, observanelo
as inrer-rela~oes entre seus membros. Um bam exemplo
0

estudo sociometrico.

Suponha que voce queira aprender algo sobre a

sele~ao

de amigos intimos entre crianc;as na escola. Voce pode fazer um

survey convencional entre uma amostra de alunos e peelir-Ihes
varias informac;oes sobre os amigos mais pr6ximos. Num
desenho sociomerrico, voce estuelaria todos os alunos numa
sala e peeliria a cada um que identificasse os amigos pelo
nome. Desta forma, voce pode clescobrir que Jack escolheu
Bill como melhor amigo, mas B ill , pOl' sua vez, escolheu
frank. Voce pocle tambem elescobrir que cinco alunos cia sala
escolheram Mary como sua melhor am iga e ninguem escolheu

soas podem ser clesc ri[as em [ermos clos grupos a que per-

Rmh. Esras especies de analises poclem crescer em complex i-

rcncem. Assim como se pode descrever lima familia como

grande, membros desta familia podem ser descriros como

dade, para possibilirar um exame abrangente de toda uma rede

de amizades. Procuranclo explicar por que certos estuelantes
foram mais escolhidos do que outros, voce feria lim corpo de

pertencenclo a uma familia grande. Col her dados sobre partes

do ambiente ou meio cia pessoa e usaI' mis dados para clescrever
o inclividuo constitui um eS/llcio con/ex/llal - lim exame do
comexto do individllo.

Usanclo 0 exemplo clas amos[ras paralelas, daclos colhiclos

dos pais poclem ser usaclos para clescrever seus filhos. Um
aluno pocle ser clescri[o como filho de pai poli[icameme liberal,
de mae idosa etc., e estes c1ados serem entao usados na analise
das atitudes do estudante.
Ao estudar membros de igrejas, voce pocle colerar cladas
sobre a igreja a que pertence cada um e, mlvez, sobre 0 minisrro
cia mesma. Um membro cia igrcja pode ser entao descriro

claclos sobre os es[uclames escolhidos, a panir dos au[o-rela[Qs

de caracterisricas, incluindo quem eies escolheram.
Desre modo, voce pode examinar varios possiveis fmores
que governam a formac;ao ele amizacies, incluindo variaveis
como sexo, rat;a, status econ6mico e inreligencia. A coleta

de dados cle [odos os membros clo grupo poupa ao pesquisador

rer que pedir aos participantes descrever c1etalhaclamente suns
sele~oes; alem elissa, voce teria acesso a rede de amizades.
Variantes desta tecnica poclem ser lIsadas com qualquer grupo
e a pesquisa pode ser concluzicla ao longo do cempo Oll de
forma inrerseccional.

fscolhendo

Desenho hpropriodo

Dadas as varias op~oes disponfveis ao pesquisaclor de

surveys, a questao e "Qual desenho clevo escolher'" Esta pergunta nao pode ser responclicla em abstrato, porque diferentes
problemas cle pesquisa requerem clesenhos cliferentes. Mesmo
assim, poclem-se dar algumas diretrizes gerais.
Primeiro, se seu objetivo for uma clescri,iio cle tempo
(mico, urn survey interseccional e provavelmente 0 clesenho
mais apropriado. Voce identifica a popula,ao relevante, seleciona uma amostra de respondentes e faz 0 su ruey. A mesma
op):ao se aplica a lima pesquisa na qual inreressa clescrever
subconjuntos. Caso voce pretend a documentar diferen,as de
atitucles poHticas entre hom ens e l11ulheres, pode consegui-lo
com um

sU1~uey

interseccional.

Mais comumenre,

porem, voce se interessa em eX3minar

a lgum tipo de processo ciinamico, com muclan~as ao 10ngo

do tempo. Por exemplo, ao lidar com as fontes e/ou conseqti(~ncias cia religiosidade, a questao cia mudan~a no ternpo
fica impHcita, se nao explfcita. Implicitamenre se supGe que
a lgumas pessoas se tornam religiosas e que ser religioso tem
efe itos subsequentes em atit udes e/ou comportamentos. 0
ideal e seleciona r uma amostra de respondentes num ponto
cia vida antes de desenvolverem uma orienta~ao religiosa e
estucla -I os ao longo do tempo, cobrindo 0 perfodo durante
o qual alguns deles se tornam religiosos, acompanhando-os
durante 0 perfodo em que a religiosidacie tem efeitos sobre
outros aspectos de suas viclas.
Um estudo ass im leva 3nos para se completar. Provavelmente, voce come~a com uma amostra de pre-adolescentes
e os segue atraves cia meia-idacle ate se tornarem iclosos. 0
tempo e custo exigidos por um estudo assim provavelmente
o inviabilizariam. Por isto, tais temas sao mais freqUentemente
rra balhaclos em surveys interseccionais. Em vez cle observar
os efeitos de varias concli~6es e experiencias sociais enquanto
ocorrem, voce examina seus possfveis efe itos comparancio
respondentes que passaram por esras concii~6es e experiencias
no passaclo com aqueles que nao passaram.
Por exemplo, pessoas casadas geralmente sao menos
religiosas que as nao casadas. 0 estucio de painel permite
observar 0 declinio de religiosidade em alguns participantes
ap6s 0 casamento. Mas 0 survey interseccional permite COI11parar os niveis de religiosiciacie entre casados e nao casados

num dado momento, observanclo menos religiosiclacle em

geml nos respondentes casados. Embora voce nao possa
observa r 0 efeito do casamento na religiosidade na epoca
do casan1ento, pode querer inferir este efeito com base na
diferen,a neste tempo (inico.' (A Parte 4 aborda a 16gica
clestas inferencias .)

Surveys de painel Sao mais viaveis quando 0 fenomeno

estudado ten1 dura~ao re1ativamente curta. Uma campanha e1eitoral e um exemplo. Como uma campanha deve durar menos
de um ano, e possivel fazer cliversas ondas de entrevistas com 0
painel do survey durame a campanha, monitorando 111udan~as
nas inten,oes de votos neste perfodo e coletando dados relevantes a explica~ao destas muclan~as. Com tao curta dura~ao)
devem ser reduzidas as dificuldades de esgotamento do painel,
e fica mais facil localizar os respondentes. (Num perfodo mais
longo, muitos respondentes podem se mudar da cidade e fica
mais diffcil localiza-los.)
Resumindo, sempre que 0 problema de pesquisa envolver
o exame de nluclan~as individuais no tempo, 0 Slf rvey de
pa inel seria teoricamente 0 desenho mnis apropriado. Se 0
processo de mudan~a ocorrer durante um tempo relativamente
curto, 0 survey de painel pode ser via vel. Mais comumente,
porem , 0 pesquisador e obrigado a depender de dados inte rseccionais pa ra inferir 0 processo de mudan~a nos indivlduos
com 0 passar cIo tempo.
Se, por outro lado, 0 problema de pesquisa tratar pouco
de amplas tendencias temporais - do ponto de vista descririvo - , as dificuldacles serao menores na maiOl-ia dos casos.
Em muitas situa~6es, voce vera que Olltros pesquisadores ja
coletaram e relataram rodos os dados que voce precisa. Por
exemplo) se tiver interesse nas mudan~as gerais de atitudes
com rela~ao a Guerra do. In dochina, voce vai descobrir que
pesquisadores academicos e comerciais vem colhendo informa~6es relevantes ha anos. Sua rarefa, entao, pode ser apenas
localizar tais estudos, comparar a natureza dos itens de questiol1<:lrio e os desenhos de amostras, para disclltir as mlldan~as
observadas. Em outras situa~6es, voce pode verificar que s6 um
survey colheu dados relevantes ao seu imeresse de pesqu isa ou
que 0 (lltimo escudo realizado ja esta clefasado. Em tal caso, voce
pode querer fazer um novo slwvey interseccional - comparavel
em desenho amostral e itens de questiomlrio - a fim de fornecer
uma nova rnedi~ao visando um exame de renciencias.

Resumo

HUNT, Morton. Profiles of Socia/Research: The Scientific Study

of Human Interactions. New York: Basic Books, 1965.

Sao estes entao os c1esenhos bfl.sicos e as varia~oes

mais comuns disponfveis ao pesquisador de survey. A discussao

LAZARSFELD, Paul F, PASANELLA, Ann K., ROSENBERG, Morris

(Ed.). Continuities in the Language o/Socia/Research. New
York: Free Press, 1972. se~oes III-IV.

anterior de modo algum exaure as possibilidades de desenho

mas cleve oferecer-lhe estfmulo c orienta~ao suficienres par~

construir 0 desenho de estudo mais apropriaclo
suas neces-

as

sidades de pesquisa.

Os melhores estudos Illuitas vezes sao as que combinam

mais de um desenho, jii que cada clesenho da uma perspectiva
c1iferenre ao assumo estuclaclo. Ao mesmo rernpo, voce cleve se
precaver contra desenhar um survey tao comr1exo que nao haja
tempo nem clinheiro para executa-Io. Jft enfatizall10s no Capitulo
3 que rodos os clesenhos de sliruey representam compromissos.
bom pesquisador consegue 0 ll1elhor cOll1promisso possive!.

Nolas
1

Para uma

discussao mais abrangente deste tarico, viele ROI3INSON, W.

S. Ecological Correlations ancl the Behavior of Individuals. American

Sociological Review, p.351-357, jun. 1950.
2 Dcvc-sc rcconhccer que 0 pesqui.sador :IS v<.:z<.:s nao l<.:m condi~oes de
conduzir uma invcstigac;aa us.'1ndo as unidades de ami.lise nuis apropriadas.
Nesles casas, uma "'anali.se ecol6gica" pode scr a (mica abardagem
vi{lvci para 0 assunlO na momento. 0 ramosa estuda de Durkheim
sabre 5uiddio
um excc!enlc cxcmplo. Para uma discussao de como
Durkheim l'vitou a fal:"icia ecol6gica, vide SELVIN, Hanan. Durkheim's
Suicide and Problems of Empirical Research. Al1IericClll,/ollrllal oj
SOCiology, p.607-619, l11:1io 1958. OUlro excmplo G STOUFFER, Samuel A.
Effects of the Depression on the Family. In: STOUFFEH, Sal11uel A. (EeL).
Social Research to TeslldeclS. New York: Free Prc~, 1962.1'.134-153.

Heconhece-se, evidenremenre, que csta infcrcncia a partir de dados

interseccionais esta sempre sujeita :I qucstionamel1lo. Neste caso, pode-se
argumentar que pessoas religiosas lem menor probabilitbdc de sc
casarem, OU sej:!, que a dire~iio causal C OPOMJ. :1 que fai infcrida.
3

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.

MILLER, Delbert. Handbook 0/ Research Design and Socia/

Measurement. New York: Longman, 1983.

Capitulo 5
~ L6gico do ~mostrogem do

Neste livro, eOlna em muitos outros, 0 terma sun~y rem

sido usado com 0 sentido implicito de "surveypor amostragem",

par oposi~iio ao estudo de todos os componentes de uma popula~ao ou grupo. Tipicamente, metodos de sUnJ/rysao usados para
estudar urn segmemo ou parceia -

uma amostra -

de lima

popula~iio, para fazer estimativas sobre a natureza da popula~o

total da qual a amostra foi selecionada. Embora a priitica de usar

amostras seja aceita mais au menos tacitamente, as razoes para

amostrar, em geral, nao sao conhecidas. Consideremos brevemente estas fazoes, antes de nos voltarmos para a 16gica e as
tecnicas da amostragem.

Por que few hmostregem?

Ha duas razoes para justificar a amostragem: tempo e custo.
Uma entrevista de um survey domiciliar abrangente pode
exigir de uma a tres horas e de $40 a $100. A economia de
estudar 2.000 pessoas em vez, digamos, 500.000 e 6bvia.
Portanto, amostrar muitas vezes tOfna passiveJ urn projero,
enquanto a recusa eln amostrar acabaria com a pesquisa.
No entanto, a amostragem nao deve ser vista como urn

mal necessario. Em geral nao se reconhece que sl.wveys por

amostragem sao muitas vezes mais precisos do que enrrevistar

todos os componentes de uma popula~ao. Este fate aparentemente bizarro resulta de diversas caracterfsticas cia !ogistica
do survey por enrrevisra.

Survey

Primeiro, urn grande projeto de entrevisras requer um

nllmero enorme de entrevistadores. Pesquisadores caracteristicamente tentam Iimitar seu pessoal aos melhores entrevistaclores
disponiveis, e um grande projeto provavelmente exige contratar

qualquer pessoa disponivel, resultando que a qualidade geral

dos entrevistadores e mais baixa do que a habitual. A qualidade
dos dados coletados se reduz pela menor qualidade dos entrevistadores. Alem disso, uma pesquisa em menor escala pennite
procedimentos de acompanhamento mais severos, aumenrando
a taxa de entrevistas completas.

Segundo, ja que entrevistar todos os membros de uma

popula,ao grande requer uma fase de entrevistas longa, fica
diffcil e mesmo impossivel especificar a epoCCI a qual se referem
os dados. Se a pesquisa visar medir 0 nivel de desemprego
mllna grande cidade, 0 indice de desemprego fornecido pelos
dados do survey nao se referem a cidac.le, seja do inlcio, seja

podem tornar aceitavel esse perigo. Surveys por amostragem

podem permitir esrimarivas muito precisas sobre as popula~oes
que retratam. Mas 0 pesquisador de suroeys pOI' amostragem
ueve estar preparado para rolerar lima cerra ambigliidade,
uma vez que raramenre e possivel detenninar 0 grall de precisao
dos achados de uma amostra.

Pesquisadores de opiniao politica representam um grupo

de pesquisadores por slIrveys a quem e dada a oportunidade
de verificar a precisao dos achados das sllas amostras. 0 dia

da elei,iio

e0

do julgamento final para eles, e suas experiencias

sao insrrutivas em rela~ao

a questao mais geral da

A maioria dos criticos dos metodos de s1lrvey por

amostragem lembra a vota,ao do Literary Digest de 1936, que
previu a vit6ria de Alfred M. Landon sobre Franklin D. Roosevelt
por maioria absoilita. Pesquisando lima amostra de mais de

cia fim das entrevistas. Em vez disso, rem que dar alguma

2 milhoes de eleitores pelo correio,

data hipotetica ao indice de desemprego, talvez 0 ponto medio

do perfodo de entrevistas. (Pedir aos entrevistados para
responder sobre uma data especificada uniforme introduz 0
problema da recorda,ao imprecisa.) 0 problema da atribui,ao
do tempo e inerente a qualquer projeto de entrevistas nao

derrotaria Roosevelt em quase

executaclo nUI11 56 momento, e a graviclade clo problema cresce

com a dura~ao do periodo de entrevistas. Se entrevistar tomar
clez meses - conl os Indices de desemprego variando neste
periodo - , 0 indice resultanre nao tera significado.

precisao

dos surveys por amostragem.

Digest previu que Landon

15 pontos percentuais. A razao

principal deste fracasso foi a moldllra de amostragem usada

pelos pesquisadores (discutiremos este conceito depois). A
amostra do Digest foi tirada de catalogos telef6nicos e listas
de registros de autom6veis, lim proceclimento de amostragem

que foi suficiente nas e lei,oes de 1920, 1924, 1928 e 1932,

mas que em 1936 nao forneceu um corte representativo dos
eleitores americanos. No rastro cia Depressao, e no meio clo
New Deal, nlimeros sem precedenres de americanos pobres
apareceram para votar, e estas pessoas pobres nao estavam

Finalmcnte, 0$ requisitos aclministrativos de um grande

su rvey sao muito maio res do que os em geml encontradas

adequadamente representadas pel os catalogos telef6nicos e

listas de registros de autom6veis I

pelos pesquisadores por sU1'veys. A supervisao, os relat6rios,

Em 1936, George Gallup previu corretamente que Roosevelt

ganharia um segundo mandato. Os procedimentos de amostragem de Gallup diferiam d os do Literary Digest. 0 Instituto
Americano de Opiniao Publica de GaUup foi pioneiro no usa da
amostragem par cotas (descrita posterionnente neste capitulo),
que garantia a todos os tipos de eleitores, ricos e pobres

o treinamenro e assim

POI'

diante sao muito mais diffceis num

g rande survey, e a qualidade dos dados coletados pode ser

menor do que a obricla num trabalho menor e mais manejavel.

(Vale a pena observar que 0 Bureau do Censo nos EUA produz

lim survey por amostragem ap6s 0 censo decenal para avaliar
os dados colhidos na enumcra,ao total.)

Dodos por Amoshagem Sao Realmente hatos?

Apesar da discllssao anterior, talvez voce ainda sinta

algum desconforto quanta a amostragem. Uma vez que e possivel

uma amostra representar crroneamente a popllla~ao cia qual
e obtida, 0 pesquisaclor que usa metodos de amosrragem
enfrenta um perigo inevitavel. No enranto, como mostraremos
neste capitulo, proceciimenros de amostragem beln-estabelecidos

19ualmenre, adeqllada representa~ao na amostra. Onde a

pesquisa do Digest falholl em encomrar e interrogar os eleitores
pobres - predominantemente Democratas - , a amostragem por

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

pesquisas de opiniao pUblica. Todos, desde 0 homem da rua ate 0

presidente Thomas E. Dewey,"l Varios fatores conspiraram para

causar 0 fiasco cia pesquisa de 48. Para come~ar, a maioria dos

pesquisadores temlinou sua pesquisa cedo demais, apesar de uma
tendencia constante em dire~ao a Truman no transcorrer cia C'lmpanha. Grande numero dos eleitores que clisseram nao saber em
quem votariam foram predominantemente para Truman. Mais

importante, contudo -

fracasso de 48 apontou uma serie de

falhas inerentes a amostragem por cotas, 0 mesmo metodo que

fora urn avan~o consideravel sobre as metodos de amostragem do

Literary Digest. Em 1948, diversos pesquisadores academicos de

surveyestavam experimentando metodos de amostragem pmbabilistiea. De fonna geral, eles tinham muito mais sucesso do que os
amostradores par cotas, e a an10stragem probabilistica continua

sendo

metodo mais respeitado por pesquisadores de sUlvey.

Esra breve discussao conta uma historia parcial das

fases iniciais do sUlvey par amostragem nos EUA, talvez

custa da fe do leitor nos metodos destes

Sll ruey.

Para com-

o que as gran des pesquisas tinham a dizer, em geral baseadas em

amostras de 2.000 ou ll1enos entrevistados, esra apresenrado na

Tabela 5-2.

ThBHh 52
Pesquisas de apinioa palilica anles da eleitoo de 1988
Bush

Dukakis

55%

45%

Pesquisa Gallup (3-5/11/88)

56%

44%

USA Today / CNN (3-6/11/88)

55%

45%

Pesquisa Harris (2-5/11/88)

53%

47%

ABC News / Washington Post (2-5/11/88)

55%

45%

NBC News / Wall Street Journal 0-5/11/88)

53%

47%

cns News /

New York Times (45/11/88)

pensar, cOl1sideremos a curricula mais recente cia precisao da

fONIE - Dad" tirod" d. Pub/ic Opinion, p.39, no,.ldez. 1988. lad" "dad" laram "I.il" para

pesqllisa de opiniao politica. Em novembro de 1988, George Bush

recebeu 54% dos votos para presidente; Michael Dukakis, 46%.

excluirol "relPodm noo".

Mas os eleirores l1aO tiveram que esperar as resultados das

urnas para saber quem havia vencido. Varias pesquisas de

boca de urna, entrevistando amostras de eJeitores logo ap6s

saireln das se~oes eleitorais, mostraram as seguintes estimativas

dos resultados, apresentados na Tabela 5-1.

Surveys por amostragem podem ser extremamente precisos.

Ao mesmo tempo, devemos conceder que, ainda hoje, muitas
vezes nao 0 sao. 0 rtisto do capitulo apresenta as razoes e as
regras para obter precisao na amostragem.

Dois lipos de Metodos de Amoshagem

TABHA 51
RelUltadas das pesquisas de baca de urna: navembra de 1988
Bush

Dukakis

CBS News / New York Times

54%

46%

ABC News / Washington Post

54%

460/0

NBC News / Wall Street Journal

54%

46%

Los Angeles Times

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".

No lugar dos 2 milh6es de eleitores avaliados pelo Literary

Digestem 1936, estas qllatro pesquisas de boca de uma amostraram
entre 6.000 e 20.000 eleitores para predizer a vota0io dos mais de 90
milh5es de americanos que foram as umas. Os resultados destaS
pesquisas nao foram surpreendentes, apenas confirmaram a
tendencia relarada nas pesquisas feiras na serrk'lna antetior a elei~ao.

E util distinguir dois grandes tipos de metod os de

amostragem: amostragem probabilistiea e amostragem nito
pmbabilistiea. 0 cerne deste capitulo se dedica a amostragem
probabilistica , por ser hoje 0 metodo mais respeitado e uti!.
Uma parte menor do capitulo considera os varios tipos de
metod os de amostragem nao probabilistica.
Vamos iniciar com uma cliscussao sabre a 16gica cia

amostragem de probabilidade, seguida de uma breve taxonom.ia

de conceitos e terminologia de amostragem. Depois nos vol
taremos para a conceito de

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,

focalizando os problemas priiticos de como determinar 0 grupo

alvo do estudo e COITIO cOlne~ar a selecionar uma amostra. A
seguir examinaremos as tipos basicos de desenhos de surveys.

amostras a/ealorias si111,ples, amDslras sistenuiticas, amoslras

estratijicadas e amostras por conglomerados [cluster]. Entao

discutiremas e descreveremas brevemente a amostragem nao

probabiifstica.

o capitulo tennina com breves considerat;6es sabre alguns

usos nao-survey dos metodos de amostragem em areas como
a analise de conteudo, a observa~ao panicipame e a analise
hist6rica. Esperamas que voce se familiarize 0 suficiente com
a 16gica do survey par amostragem para pocler aplicar este
conhecimemo numa ampla variedade de situat;oes.

l6gica da hmoshagem de Probabilidade

A historia das pesquisas cle opiniao politicas mostra
que surveys por amostragem podem ser bem precisos. Ao
mesmo tempo, cleve ficar igualmente claro que as amostras
devem ser selecionadas cuidadosamente. Consideraremos
rapidamente 0 porque disso.

hs Implica,oes da Homogeneidade e da Heterogeneidade

Se todos os membros cle uma popula,ao fossem iclenticos
uns aos outros em todos os semi dos, nao haveria necessiclade
de proceclimentos cuiclaclosos cle amostragem; qualquer amostra
seria suficiente. De fato, neste caso extremo de homogelleidade,
um caso basta ria como amostra para estudar as caracteristicas
cle tocla a popu la,30.
Ames de descartar essa ideia como impossiveJ, lembre-se
de que muito cia amostragem cientifica e feita clesta forma.
Nas ciencias ffsicas, em algumas situa~6es, e seguro fazer tal
suposi,ao. 0 quimico que testa certas propIicciacies clo carbono,
por exemplo, nao precisa pass", peia enumera,ao sofricla de todo
o carbono no mundo, para depois selecionar uma amostra probabilistica de molecuias de carbono para estuclo. Do mesmo modo,
o medico ou 0 clfnico que examina 0 sangue de uma pesson nao
precisa retirar todo 0 sangue dela, para depois selecionar uma
amostra probabilfstica de celulas sangUineas. Para fins praticos,
qualquer amostra de sangue cia pessoa e suficiente.
Mas, se ha variat;aO ou heterogeneiclade na populat;ao
estuclada, 0 pesquisador cleve usar proceclimentos cle amostragem mais controlados. Vale a pena assinalar a aplicabiliclade maior deste princfpio ai<Sm cia pesquisa social. As origens
cia moderna tearia de amostragem estao na pesquisJ. agricola,
especialmente no trabalho de R. A. Fisher, cujo nome continua
associado a algumas clas estatfsticas de sJ.llvey mais llsadas.

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.

Vies (onsc iente e Inconsc ien te de hmostrag em

E claro que qualquer um pode selecionar uma amostra
de survey, mesmo sem treinamento ou cuidado especial. Para
selecionar uma amostra de 100 estudantes universitarios, uma
pessoa pode ir ao campus e entrevistar os alunos que ali
encontrar andando. Esre tipo de metodo de amostragem,
muitas vezes usado par pesquisadores nao treinados, tem
problemas muito serios.
Para comepr, h;\ 0 perigo clos vieses pessoais do
pesquisador afetarem a amostra selecionada desta formaj portanto, ela nao representaria realmente a populal'<io estudamil.
Suponha, por exemplo, que voce se sente intimidaclo por
estudantes com ar hippy e acha que eles ridicularizariam seu
traba lho. Portanto, voce pode evitar, consciente ou inconscientemente, entrevistar tais pessoas. Por outro laclo, voce
pode semir que as atitudes de estudantes de aspecto "serio" nao
seriam relevantes para suas finalidades de pesquisa, evitando
~ ntr~~ista- l o,~. Mesmo que buscasse entrevistar um grupo
equllibrado de estudantes, ta lvez voce niio soubesse quais
as propor~5es aclequaclas dos tipos c1iversos cle alunos para tal
equilibrio, ou talvez voce nao renha como iclentificar os c1iferentes
tipos, apenas vendo-os passaro
Mesmo fazendo um esfor,o c1e entrevistar cada c1ecimo
estuclante que entrasse na biblioteca universitaria, voce nao
g~rantiria uma amostra representativa. uma vez que tipos
c11ferentes de alunos visitam a biblioteca com frequencias
cliferentes. Parranto, a amostra sobre-representaria aqueles
estudantes que usam a biblioteca com mais freqUencia.

Rep rmntatividade e Prababilidade de ~ el e ,a a

. ~mostras de su rveys devem representar as populac;6es das
quaIS sao retiradas, se devem fornecer estimativas uteis quanta
as caracrerfsticas daquela populac;ao. Nao necessitam. comudo,

ser representativas em toclos as aspectosj representatividade,

no senriclo que rem para a amostragem, lim..ira-se as caracteristicas
relevantes para as interesses substantivos cia pesquisa. (Este
ponto fican'i mais evidente nas discussoes posteriores sabre
estratifica~ao . )

Urn princfpio basico cia amostragem probabilfstica e: II ma

amoslra sera represenlaliva da poPllla(:ao da qualfoi seleciollacla
se lodos os membros cia popula(:ao livel-em Op0/1u niclacle igual cle
sel-em selecionados para a amoslra' Amostras com esta qualiclade
sao freqUentemente rotuladas de amosll"Cls MJPSE(metodo de
igual probabilidade de sele~iio). Embora discutamos mais
tarde varia~6es desre princfpio, lrala-se do princfpio p rimordial
que fundamenta a amostragem probabilistica.
Indo alem desre princfpio bisico, devemos entender que
amostras - mesma as amostras MIPSE cuicladosamente selecionacIas - raramente, talvez nunca, sao per/eilClmenle represenlalivas das popula~6es das quais sao reriradas. A despeito dessa
limita~ao, a amosrragem probabilistica oferece duas vantagens
especiais para os pesquisadores.
Primeiro, amostras probabillsticas, embora jamais perfeitamente representativas, sao tipicamente mais represenlalivasdo que
outros tipos de amostras, porque os vieses discutidos acima sao
evitacIos . Na pratica, ha maior possibiliclade de uma amostra
probabilistica ser representativa da popula~o da qual e extraida
do que uma amostra nao probabillstica.
Segundo, e mais importante, a teoria cia probabiliciade
permite estimar a precisao au representativiclacle cia amostra.
Econcebivel que voce, por meios roralmente aleatorios, selecione
uma amostra que represente quase perfeitamente a popula~ao
maior. No entanto, e muito mais provavel que nao 0 fa~a, e
voce nao tem como avaliar a probabiliclacle de ter aringido a
representatividade. Por outro laclo, a amostra probabilfstica
pode fomecer uma estimativa precisa clo seu sucesso ou fracasso .
Ap6s apresentar uma breve taxonomia da terminologia da
amostragem, examinaremos os meios pelos quaiS se pode
esrimar a representativiciade da sua amostra.

(onceitos e Term inologia de hmostragem

As seguinres discussOes cia teoria e pratica cia amostragem
usam varios tennos tecnicos. Para facilitar a compreensao das discusSC>es, e importante ciefini-Ios. Na maior pane, usaremos temlos
habitualmeme usados em manuais sabre amostragem e esmtistica.

Ao apresentar esta taxonomia sobre terminologia e

conceitos de amostragem, quero reconhecer uma divida para
com Leslie Kish e seu excelente manual sobre 0 sllrvey por
amosrragem' Embora eu renha modificado algumas das conven~6es usadas por Kish, a sua apresenta~iio e a mais importante
fonte para a nossa discussao.

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

1989". A oriemac;ao principal neste assumo, como na maioria

dos outros, e nao confundir ou iludir os leitores,

Populatoo do survey

que s6 os (Iltimos sao os elementos. De forma mais especffica,

os termos "unidacles primarias de amostra," "unidades secundarias de amostra" e "unidades finais de amostra" devem ser
usadas par:l clesignar as eta pas sucessivas.

Moldura de Amoshogem

Uma populafiio do survey e a agrega~ao de elementos

da qual e de fato extraida a amostra do survey. Lembre-se de
que uma popula~ao e uma especifica~ao te6rica cia universo. Na
pratica, raramente voce pode garantir que todos os elementos

que se enquadram nas

defini~iies

te6ricas estabelecidas tem

eferivamente a chance de serem selecionados para a amostra.

Mesmo as listas de e lementos comp iladas especificamente

para fins de amostragem costumam ser algo incompletas.
Alguns estudantes sao sempre inadvertidamente omitidos das
listagens de alunos. Ha usuarios de telefones que exigem

Uma molclura cle amostragem

e a lisra de unidades de

amostra cia qual a amostra , ou alguma etapa dela, e selecionacla.

Se uma amostra simples de estudantes for selecionada de uma

listagem de estudantes, a listagem seria a moldura de amostragem. Se a uniclacle primaria de amostra para uma amostra
populacional complexa for 0 quarteirao, a lista clos quarteiroes

ea

mol dura de amostragem -

na forma de livreto impresso,

cartao arquivo cia IBM , fita magnerica au arquivo em disquete.

que seus names e numeros nao sejam inc1uidos nos catalog05,

No planejamento de amostra de etapa unica, a moldura

de sU1'uey e a agrega~ao dos elementos

e selecionacla.

de survey. Na pratica, muitas vezes sao as molduras de

Portanto, a

popula~ao

dos quais a amostra

Muitas vezes, pesquisadores deciden1 limitar suas popu-

de amostragem

e a lista dos elementos compondo a popula~ao

amostragem disponiveis que definem as

popula~iies

de survey,

indicado nos
exemplos acima. Firmas de pesquisa de opiniao pod em limitar

e nao 0 contrario. Frequentemente, voce come~a com um

universo ou talvez uma popula~ao em mente para sua pesquisa

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

e clepois procura possiveis molduras de amostragem. As

la~iies

de survey mais severa mente do que

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

molduras disponIveis sao examinadas e avaliadas, e voce

escolhe a moldura que representa a

apropriada para seus fins.
A

rela~ao

e crftica,

entre

popula~iies

Uma tll1iclacle cle amostra e 0 elemento ou conjunto de

elementos co nsiderados para sele~iio em alguma etapa da
amostragem. Numa amostra simples, de estagio unico, as
unidades de amostra sao 0 mesmo que os elementos. Mas,
em amostras mais complexas, pocle-se usar nfveis diferentes

de unidades de amostra. Por exemplo, um pesquisador pode,

primeiro, extrair uma amostra de quarteiroes numa cidade,
depois uma amostra de re sicienc ia s nesses quarteiroes e,
en fi1l1 , uma amostra de adultos nas resiclencias selecionadas.
As unidades de amostra, nestas tres eta pas de amostragem
sao, respectivarneme, quarteiroes, resiclencias e aclulros, sendo

de sU/vey mais

e molduras de amostragem

nao tendo recebiclo aten~ao suficiente. Uma se~ao

posterior deste capitulo aprofunda a questao.

seus universos e popula~oes, contanto que tenham tornado

estas revisoes c1aras para os leitores,)

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 -

mas isso nao

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

estabelecendo que essas esta tfsticas estao dentI'O de urn intervalo

especificado do parametro. Por exemplo, voce pode dizer que esta

Uma vanlivel um conjunto de caracterfsticas mutuamente

excludentes, como sexo, iclade, emprego etc. Podemos descrever

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

"95% confiante" que sua estatistica (por exemp!o, 50% favorecem

o candidato X) esta dentro de mais ou menos ( + ) 5 pontos

percentuais do parametro populacional. Quando vOCe expande 0
intervalo de confian(a para uma dada estatistica, sua j'eonfian~a"

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.

idades dos seus membros.

Repare que lima variavei, por defini<;ao, cleve tel' uariclfiio;
se rodos as elementos na popula~ao ten1 a mesma caracterfstic3,
esta caracterfstica e uma constante na popu la~ao e nao parte de
uma varia vel.

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-

bilidade permite es timar 0 grau de erro a ser esperaclo num

detenninado desenho de amostragem.

Niveis de Confianca e Intervalos de Confianca

Estes telmos tambem sao discutidos com mais detalhes numa
se~ao posterior. Computar 0 erra amostra! pennite expressar a
precisao das suas esratisticas em tennos do nivel de confian~a,

Teorio do hmostrogem Probobilistico e

Didribui(oo Amodrol
Esta se"ao examina a teoria basica da amostragem
probabilistica tal como e aplicada ao survey por amostragem;
consideraremos a 16gica da distribui<;ao amostral e erro amostral
em relac;ao a UI11a van"iivel binomial, ou seja, Ulna varia vel consistindo em dllas caracteristicas.

Teoria de Amoshagem Probabilistiea

A finalidade ultima do survey por amostragem e selecionar
um conjunto de elementos de uma popula<;ao de tal fom1 a que
descri,,6es destes e le me ntos (estatisticas) d escrevam com
precisao a popula<;ao tota l da qual foram selecionadas. A
amostrage m probabilistica fornece um metodo para a mpliar
a possibilidade de alcan<;ar esta meta, be m como metodos
para estimar 0 grau d e Sll cesso provavel.
Sele"ao aleat6ria e a chave deste processo. Num processo
de sele"ao aleat6ria, cada elemento tem chance igual de sele<;ao,
independente de qualquer outro evento do processo de sele<;ao.
Lan"ar uma moeda perreita e 0 exemplo mais freqiientemente

citado; tirar un1a eara au uma coroa independente de seJe(oes

anteriores de caras au coroas. Omro exemplo jogar urn conjunto

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,

sao duas. Primeiro, este procedimento [unciona como antfdoto

aos vieses conscientes au inconscientes clo pesquisador. 0 pesquisador que seleciona casos de fo rma intuitiva pode muito
bem selecionar casos que ap6iam expectativas ou hip6teses de
pesqllisa preexistentes. Segundo, a sele~ao aleat6ria cia acesso
a teoria da probabilidacle, que e a base para as estin13tivas sobre
parametros populacionais e as estimativas de erro. Passemos
agora ao exame c1este segundo aspecto.

Distribui,ao Binomial da Amoshagem

A forma mais clara de discutir 0 conceito da distribui,ao
amostra l e usar um exemplo simples de survey. Suponha que
queremos estudar a popula~ao estuclanril de uma universidade para medir a aprova~ao ou rejei~ao de lim c6digo de
conduta estudanril proposto pela administra,ao. A popula,ao
cia survey sera a agrega~ao de esrucian tes rclacionaclos nlllTIa
Iistagel11 de a lunos (a l110ldura de al11ostragel11). Os e lementos
serao os estudanres incliviciuais cia universidacle. A variavel
consiclerada sera atitudes quanta ao c6c1igo, uma vari<lvel
binomial - apravar au rejeitar. Selecionaremos uma amostra
a leat6ria de estudantes para estimar [ocio 0 corpo esrudantil.

f lGURA 51
Porcentogem de oluno! que oprovom

Agora sllponha q ue selecionamos outra amostra cle 100

alunos exaramente cia mesma forma, que meclimos sua
aprova,ao/rejei,ao do c6d igo estudantil e que 51 estudantes
clesta amostra aprovem 0 c6c1igo; esse resulrado pode ser
representado por outra marca no local apropriaclo da ordenada.
Reperindo 0 processo, poclemos descobrir que, num3 terceira
amostra, 52 alunos aprovam 0 c6c1igo.

codigo esfudontil

50

100

A Figura 5-2 mostra as rres cliferentes estatfstiCls representando

as porcentagens de alunos em cada uma das tres amostras aleat6rias
que aprovam 0 c6digo estudantil. A regra basica da amostragem
aleat6ria e que as amostras extraiclas de uma popula~ao fomecem
estimativas do parametro rela rivo a popula~ao total. POlta nto, cada
amostra aleat6ria cia uma estimativa cia porcentagem cle estudantes em toclo 0 COlpO estudantil que aprovam 0 c6cligo de estudantes. No entanto, infelizmente selecionamos tres amostras e
agora remos tres estimativas distintas.

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,

acrescenremos um eixo de abcissas a figura, represenranclo

o numero de amostras que fornecem estiInativas. A Figura 5-3
1l1Qstra 0 produto dos nossos novos esfor~os amostrais.

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

A disrribui~ao das esrarfsricas amostrais, mostrada na

Figura 5-3, e chamada dislriblli(,:cio amoslr"CIl. Ao aumentar 0

entre 50% (pariimetro) e 55% (um erro pacldo acima); Olltros 34%,

nllIl1ero de amostras selecionadas e entrevistadas, tambem

aumenramos a extensao das estimarivas fomecidas pela Qpera~ao
de amostragem. Num senrido, agravamos nosso clilema de tentar
adivinhar 0 paramerro da poplllac;ao. No enranto, a teoria cia

probabilidade oferece ceflas regras importantes relativas

distribuic;ao de amostras mostrada na Figura 5-3.

Primeiro, se mllitas amostras alearorias indepenclentes sao
extrafclas de lima popula~ao, as estatfsticas amostrais fornecidas
por estas amostras estarao dislribufdas em 10rl10 do paramelro
poPlllaciollal de uma forma conhecida. Embora haja uma ampla
faixa de estirnativas, a rnaioria esta rna is proxima dos 5()ok do

que de outra parte do grafico. Portanto, a teoria da probabiliclade

nos diz que 0 valor real esta pr6ximo aos 50%.
Segundo, a teoria da probabilidade nos da uma f6rmula
para estimar quao pr6ximo as estatfsticas da amostragem estao
aglomeradas em torno do valor real. Esta f6rmula contem tres
fatores: 0 parametro, 0 tamanho da amostra e 0 erro padriio
(uma medida do erro cia amostragem).

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

das amostras mostrarao estimativas entre 50% e 45% (um

c1esvio padrao abaixo do para metro). Reunindo-as, sabemos que

aproximadamente dois

(mais ou menos) tres desvios padrao. Neste exemplo, pOItanto,

sabemos que 56 uma amostra em mil resultaria numa estin1ativa
aprova~ao

abaixo de 35% de

aprova~ao.

A propor~ao de amostras caindo entre tim, dois ou tn~s

do tamanho cia amostra. Se volrannos f6rmula, vemos que 0

erro padrao aumenta como fun~aa de urn aumento na quantidade
PQ. Veja, tambem, que esta quanti dade atinge 0 maximo quando
popula~ao e dividida ao meio. Se P - 0.5, PQ - 0,25; se P - 0,6,
PQ - 0,24; se P - 0,8, PQ - 0,16; se P - 0,99, PQ - 0,0099. Por
extensao, se P for 0,0 Oll 1,0 Cisto e, se 0% Oll 100010 aprovarem 0

c6digo estudantil),

erro padriio sera O. Se todos na popula~ao

tem a mesma atitucle (sem varia~ao), entao qualquer amostra

clara exatalnente a mesma estimativa.

o erra paclrao e tarnbem uma fun~ao inversa do tamanho

cia amostra. A. meclida que 0 tamanho cia amostra cresce, 0 erro
paclrao diminui, e as varias amostras estarclO aglomeraclas mais
proximas ao valor verdacleiro. Outra regra evidente a partir cia
f6rmula: devido

e
a raiz qlladracla na f6rmula,

erro padrao fica

recluzido pela metade se 0 tamanho cia amostra for quaclntp/icado. Em nasso exemplo, amostras de 100 produzem um erro

padrao de 5%; para reduzir 0 erro padrao a 2,5%, teriamos qlle

allmentar 0 tamanho da amostra para 400. (0 apendice B traz
lima tabela para ajudi-Io a fazer essas estimativas.)

o que disclltimos provem da teoria da probabilidade estaa sele~ao de grandes nluneros de amostras
parametro populacional for conhecido e

cional. Especificamente, a teoria da probabilidade indica que

alear6rias. Se

populacional. Aproximadamente 34% (0,3413) das estimativas

Oll acim. de 65% de

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

arnosrrais esrao ate urn desvio padrno acima do pariirnetro da

(68%) das amostras resllitarao em

Alem disso, a teoria da probabilidade diz que cerca de

95% clas amosrras estarao dentro de (mais Oll menos) dois erros
padriio do valor verdadeiro, e 99,9%, das amostras dentlo de

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

estimativas dentro (mais au menos) de 5% do parametro.

mUit~s amostras aleatorias forem selecionadas, pocleren~os

predlzer quantas amostras cairiio denrro de intervalos especifiC~c1os a partir do para metro. No enranto, estas condi~oes
nao sao tipicas do survey por arnostragem. Usualmeote, 0

pesquisador desconhece 0 paramerro e conduz urn survey

por amostragem para estima-lo. Ademais, os pesquisadores
de survey normalmente nao selecionam grandes nllmeros de
amostras, em geral exrraindo 56 uma. Apesar disso, a e1iscussao

acima sobre a teoria da probabilidade fomece uma base para

inferencias sobre a situac;ao tfpica dos surveys.
Se a teoria da probabilidade diz que 68% das amostras
estarao dentro de um erro padrao do parametro, 0 pesquisador
infere que uma amostra aleat6ria rem uma probabilidade de

68% de estar dentro daquela faixa. Neste sentido, falamos

de niveis de confimu;:a: voce tem "68% de confian~a" que a

A discussao precedente considerou apenas um tipo de

estatfstica - as porcentagens produzidas por uma variavel
binomial ou dicot6mica. A mesma 16gica se aplica ao exame
de outras estarlsricas, tais como renda media. Uma vez que
as computar;6es sao mais complicadas, nesta introdur;ao
consideramos apenas os binomiais.

Advertimos que

uso da teoria da probabilidade, como

discutido nesta ser;ao, nao esra plena mente justificado em

teonos tecnicos. A teo ria cia ciisrribuir;ao amostral, por exemplo,
faz suposir;6es que quase nunca se aplicam as siruar;oes de
su rveys. A f6nnula usada para avaliar 0 numero de amostras
que estariam contidas dentro cle incrementos especificados

estimativa da sua amostra esra c1entro de um erro padrao do

parametro, ou tern "95% de confianr;a" que a estatfstica cia
amostra esta denrro de dois enos padrao do parametro, e
assim por e1iante. Compreensivelmente, a confianr;a aumenta
quanta mais se estencle a margem para eno. Voce CSt~l virtu-

de erros padrao, por exemplo, sllpoe uma popllla~ao infinita,

almente cerro (99,9% de confian,") que a estimativa da amostra

esta dentro de tres erros padrao do valor verdadeiro.

Essas advenencias sao feitas por razees de perspectiva.

Pesquisadores, as vezes, parecem superestimar a precisao

Embora confiante (em algum nivel) de estar dentro de

das estimativas produzidas pelo uso da teoria da probabilidacle

em conexao COIn a pesquisa por survey. Mencionaremos em
Olltras partes deste capitulo e do Iivro que varia~oes nas tec-

uma certa faixa do paramerro, ja assinalamos que raramente

voce conhece 0 paramerro. Para resolver esre dilema, voce
substitui 0 parametro na f6rmula pela sua estimativa de
amostragem; na falta do valor verdacleiro, voce 0 substirui
com a melhor estimativa disponlvel.

resultado destas inferencias e estimativas e que 0

pesquisador de survey torna-se capaz de estinlar tanto um para-

metro populacianal quanto

grau esperado de erro com base

numa amostra extrafda cia popular;ao. Comer;ando com a

pergunta: "Qual porcentagem do corpo estudantil aprova 0 novo

c6digo?", voce pode selecionar uma amostra aleat6ria de 100
alunos e entrevista-Ios. Voce pode relatar que sua melhar
estimativa e que 50% do corpo estuclantil aprovam

um numero infmito de amostras e amostragem com substituir;ao.

Ademais, na nossa discussao, 0 saito inferencial cia distribui\ao
de va rias amostras para as caracterfsticas provaveis de lima

amostra foi grosseiramente siI11plificaclo.

nicas de amostragenl e farores de nao-amostragem podem

reduzir ainda mais a legitimidade de rais estimativas. Nao

obstante, os dlcllios disCllticlos nesta

se~ao

podem ser de

grande valor para compreender e avaliar daclos. Embora nao

forner;am estitnativas tao precisas quanta se pode sup~r, poclem
ser bastante validos para fins praricos, e sao inquestionavelmen te mais validos do que estimativas derivadas menos rigorosamente, baseadas em metodos de amostragem menos rigorosos. Voce deve se familiarizar com a 16gicCl basica sllbjacente
aos caicuios, para poder reagir sensatamente tanto aos seus

pr6prios dados quanto aos daclos informados por outros.

c6digo,

e tem 95% de confian~a que entre 40 e 60% (mais ou menos

dois erros padrao) aprovam. A faixa de 40 a 60% e chamada
de intervalo de c017!iallra.
Esta e a l6gica basica da amostragem probabilistica. A
seler;ao aleat6ria pernlite ligar os achaclos do survey por
amostragem ao corpo cia teoria cia probabiliclacle para estimar
a precisao claqueles achaclos. Todos os enllnciaelos e1e precisao
na amostragem devem especificar tanto um nivel de confianr;a
quanta urn intervalo de confian~a. Voce poele inforn1ar que
esta x<'/o confiante de que 0 parametro poplilacional esta entre
dois valores especificaclos.

Popula~oes e Moldurasde ~mostragem

A se~ao anterior Iidou com urn modelo te6rico para amO$-

tragem de survey. Se 0 consllI11idor de sllrveys, 0 estudante Oll 0

pesquisador precisam conhecer essa teo ria, devem igualmente
saber avaliar as condi~6es imperfeitas existentes no campo. Esta
se~ao discute um aspecta das condi~oes de campo que requer
compromisso entre as condir;6es e os supostos te6ricos - a
congruencia ou a dispariclade entre poplllas;oes e molduras
de amostragem.

Dito simplesmente, lima moldllra de amostragem e a lista,

Oll fae-simile razoavel, de elementos dos quais e sclecionada
uma amostra probabilistica. A pr6xima se~ao trata dos metodos
de selecionar amostras, mas primeiro precisamos considerar
a pr6pria moldura de amostragem. Amostras eorretamente

selecionadas fornecem informa~bes apropriadas para descrever

a popula~ao de elementos que compbem a moldura de amostragem - nada mais. E preciso enfatizar esre ponto, dada a
rendeneia tao comu m entre pesquisadores de selecionar
amostra de uma dada 11101e!ura de amostragem e entao fazer
afirma~bes sobre uma popula,ao semelhante, mas nao identica,
,\ popula~ao do slllvey definida pela moldllra de amostragem. E
o problema mais amplo da generaliza,ao social-cientifica,
equ ivalente a estudar lima pequena Igreja Luterana em Dakota
do Norte para descrever a religiao nos EUA. No restante da
se~ao examinaremos finalie!ades diversas para os slfrveys e

discuti remos boas e mas molduras de amostragem para

aq ue las fina lidades.

SlIrveys de organiza,bes freq,ientemente sao 0 tipo mais
simples de sllrvey, do ponto de vista da amostragem, porque,

agendas governamentais mantem lisras de e1eitores registrados

caSO voce queira fazer uma pesquisa pre-eleitoral de opiniao
ou um exame mais detalhado do comporramento eleitoral, mas
voce deve cerrificar-se de que a lista esta atualizada. Listas
semelhames comem nomes de clonos de auromoveis, de recebedares de beneficios sociais, de contribuinres de impostos,
pessoas com licen~as comerciais, profissionais Iicenciados etc.
Embora algumas destas listas sejam difjceis de conseguir, podem

fomecer excelentes moldllras de amostragem. Como os elementos

de amosrragem nllm survey nao precisam ser pessoas, ha diversas

listas com OlltroS tipos de elementos: universidades, neg6cios de

varios tipos, cic!ades, revistas acaci<:=micas, jorna is, sinclicaros,

clllbes politicos,

associa~bes

profissionais etc.

Cmalogos telef6nicos sao mll ito lIsados para pesqllisas

de opiniao "rapidas e sujas". Incgavelmente sao faceis de
fazer e de baixo custo, 0 que sem dllvida responde pela SlIa
popularicladc, e se voce quiser fazer afirma~6es sobre assinantes

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

tipicamente, organiza~oes possuem listas de membros. Nestes

casas, a lista de membros u ma exce lenre molcl ura de amostragem. Se lima amos{ra ~lIeat6ria e selecionada de uma listn

de ra ciocin io,

de membros, os dados colhidos desla amostra podem ser

co nsiderados como representativos de todos os membros caso lodos as membros forem inclllfdos lIa lis/a. Se alguns

amostra de ca talogo telef6nico, ponanro, provavelmenre tera

lima predispos i ~ao para as classes med ia e alta. (0 Capitulo
10 examina um metoda especial para amostragem em rela~ao

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-

a surveys telefOn icos: discagem alealoria de CllgarislI1os.)

demdos como representativos daqueles membros na lista.

mente usaclos como Fontes faceis para amostras de resiciencias,

principa l senclo lim vies de c1asse social.

Gente pobre tem menos possibilidade de ter telefones; Lima

Catalogos de rLias e mapas de impostos sao freq,iente-

Popu la,bes que oferecem boas liSlaS organizacionais

mas podem sofrer clas mesmas desvantagens dos cat510gos

sao escolas prima rias e secunciarias, esruclantes universitarios;

membros de igrejas; operarios de fab ricas; membros de fraternidacles e gremios, de clubes socia is, de servi~o ou politicoS;
e membros de assoc ia~oes profissionais.

telef6n icos, tais como serem incompletos e/ou enviesados.

POI' exemplo, en1 regioes u rbanas com zoneamento rigoroso,

Estes comentarios se aplicam principalmente a organiza~oes

locais. O rganiza~oes escae!uais ou naciona is freqlienccmente nao
rem uma linica lism de membros fadlmenrc clisponivcl. POI' exeI11-

unid ades residenciais ilegais tem pouca possibilidade de

aparecerem em registros oficiais. Resul[a que, nao tendo estas
u nidades chance de sele~ao, os achados das amostras nao
sao representativas dessas un idacles, tipicamente mais pobres
e su perlotadas.

plo, nao ha lima lista (mica de todos os membros da Igreja

Episcopal. Mas lim planejamento de amostragem um POllCO mais
complexo pode aproveitar as listas de membros de igrejas locais,
amostrando primeiro igrejas c depois subamostrando as listas de
membros dessas igrejas.
Outras Iistas de inclividuos poclem ser especialmente
relevantes as necessidades de pesquisa de slirvey. POl' exemplo,

Revisoo de Popula,oes e Molduras de Amostragem

Uma vez que a literatura cia pesquisa por surveys rem sido
surpreendentememe clescuidacla com as questoes de popula~oes
:: moldurns de amostragem, dou-Ihes aten~ao especial. Para maior
enfase, listo, em revisao, as principais diretrizes a lembmr.

1. 05 achados dos suroeys por amostragem s6 podem 5ef

considcrados representativos da agrcgar;ao dc elementos

que compoem a moldura de amostragcm.
2. Mui(as vezes, as molduras de amostragcm n:io incluem
de fato lodos os elementos que seus nomes sugerem.
(Diret6rios de eSludantcs nao incluem lodos os estudantes;
cat:'ilogos tclcfonicos nao incluem lOdos os 3ssinantes.)
Omissoes sao quase inevir,l.veis. POl"lanIO, lima primeira

Ate agora, focalizamos a amos/ragern a/ea/o/ia simples. De

fato, as estatisticas usaclas em geldl pelos pesquisadores de SIf1vey
supoem tal 311l0stra. Mas, como logo veremos, h5 diversas op~Oes
pam fazer a amostragem, e rarameme se opta pela aleat6ria simples, por duas razOes. Primeiro, a amostmgem aleat6ria simples
s6 e possive! com as molduras de amostragem mais simples.
Segundo, a amostragem aleat6ria si.mples pode nao ser 0 metodo
melhor (0 mais preciso). Discutiremos agora a amostragem aleat6ria simples e outros tipos de desenhos de amostragem.

preocupa\=ao deve ser avaliar a extens:1o deslas omissoes

e corrigi-las se possivel. (Naturalmcnle, talvez voce possa
ignorar, sem prejuizo, um pequeno numcro dc omissoes
de clirfcil corrc\=ao.)

3. Para pocler generalizar a

mo ldura de amostragem,

popula~ao

que com poe a

necessario que todos os

elementos tenham representa\=ao igual nela; cada clemento

cleve

~Iparecer

uma s6 vez. Do cOI1Ir:trio, elementos que

aparecem mais de uma vez terao maior probabiliclade de

sele\,ao, e a amoslra, no geral, sobre-represcntar:1 estes
elementos.

Olmos assuntos mais priiticos, relacionados as popula~oes

e moldll ras de amostragem, sao tfatados em outfOS capftulos. Por
exemplo, 0 fonllato da moldllra de amostragem - lima !ista numa
pub!ica~ao, um arq uivo em fichas 3xS, placas addressograph,
cartOes IBM, fi tas magneticas, disqlletes - e muiro imporlante.
Tais considera~oes frequentemente ganham precedencia sabre
co n si d era~oes cientffi cas; uma lista ma is "facil" podera ser
escolhida contra uma lista mais "diffcil", mesmo que esra seja
mais apropriada a popu la~ao alvo. Nao devemos ser dogrm'iricos
a este respeito; os pesquisadores devem pesar cuidadosamente
as vantagens e as desvantagens relativas ciestas alternativas. 0
mais importante e que voce esteja cience - e cleve info rmar
seu leitor - das deficiencias de qualque r moldura de amostragem que escolher.

Ii pos de Desenhos de hmoshagem

Introdu~ao
Talvez, a eS&:1. altura, voce esteja apavoraclo com a imponancia
e as dificulclades para organizar sua moldura de amostragem; e um
sentimenro correto e saucIavel. Ap6s esrabelecer a moldura cle amOStragem, voce cleve selecionar uma 3mostra de elementos para esrudo.

hmostrogem hleot6rio Simples

A amostragem aleat6ria simples [AAS] e 0 metodo de
amostragem basico suposto pel os ciilculos estatfsticos do survey.
A matematica cia amostragem aleat6ria e particlliarmente complexa, enos desvia remos dela, preferindo descrever os metodos
de campo que empregam este metodo.
Uma vez esta be lecida uma moldura de amostragem de
acordo com a discussao anterior, voce numera cada e lemento
cia lista, atribuindo LIm e s6 um nlllnero a cada lim, sem salmI'
nenhum numero. A seguir, usa uma tabela de numeros aleat6rios
para seleciona r os elementos da amostra.
Se sua molclura de amostragem esta em formato proprio
para computadores, como um disquete, uma amostra aleat6ria
simples pode ser extra fda automaticameme, usando um programa
de computador relativamente Simples. Com efeito, 0 computador
pode numerar as elementos cia moldura de amostragem, gemr
sua pr6pria serie de numeros aleat6rios e imprimir a lista de
elementos selecionaclos.

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

padrao entre os elementos selecionados na amostra exemplo acima. A rCiziio amoslrell

10 no

e a propor~ao de elementos

selecionados da popula"ao - Lim decimo no exemplo acima.

(A razao amostral e igual a 1/intervalo de amostragem.)
Na prntica, a amostragem sistentitica e vil1ualmente identica
a amostragem aleatoria simples. De faro, se a lista de elementos
for "randomizada" ames cia amostragem, pode-se argumentar que
uma amostragem sisten1atica retirada daqueia lista e, na realiclade, uma amostra aleatoria simples. Os debates quanto aos
meriros relativos da amostragem aleatoria simples e cia amostragem sistematica foram resolvidos largamenre en1 favor do metodo
mais simples, a sistematica. Empiricamente, os resultados sao
virtualmenre idenricos. Al6n clisso, como veremos, a amostragem
sistematica, em algumas situa~6es,
um pouco mais precisa do
que a amostragem aieatoria simples.

A amostragem sistematica traz um perigo: 0 arranjo dos

elementos na !ista pode desaconselhar uma amosrra sistematica.

Este perigo e em geral refe rido pe lo termo periodicidade. Se a

lista de elementos estiver organizada num padrao cfclico que
coincide com 0 intervalo de amostragem, resultara uma amosrra
grosseiramente tendenciosa. Dois exemplos bastam.

Num estudo de soldados durante a II Guerra Mundial,

os pesquisadores selecionaram cada decimo soldado das listagens das unidacles. Mas estas estavam organizaclas sob a forma
de uma tabela organizaciona l, listando primeiro os sargentos

e depois cabos e pra~as, pelotao por pelotiio, scndo que

cacla pelotiio tinha dez membros. Portanto, cad a decima pesso a
na lista era lim sargento de pelotao, e a amosrra sistematica
selecionacla tinha apenas sargentos. Poderia acontece r , tambem,

com 0 numero de apartamentos num andar ou seu muhiplo.

Neste caSD, a amostra poderia incluir apenas apartamentos do
Jaelo noroeste, all 56 apaltamentos peno dos e1evaclores. Se estes
ripoS de apartamenros tiverem alguma caracterlstica peculiar em

comum (por exemplo, aluguel mais elevado), a amostra

seria tendenciosa. Risco semelhante pode surgir numa amostragem sistematica de casas numa subdivisao organizacla com 0
mesmo numero de casas num qU3Iteirao.
Ao considerar uma amostra sistematica a partir de uma
lista, voce cleve examinar cuiclaclosamente a natureza cia Iista.
Se os elementos estao arranjados em alguma ordem particular,
celt ifique-se de que aqueia ordem nao enviesa a amostra a ser
selecionacla e tome medidas para contraba l an~ar qualquer

posslvel vies (por exemplo, tirar tlma amostra aleat6ria simples

de por~oes cfclicas).

Em resumo, a amostragem sistematica, em geral, superior

aamostragem aleatoria simples, pelo menos em conveniencia. as

problemas no ordena~'lo dos elementos da moldtlra de amostragem gerahnente podem ser remediados com facilidade.

Amoshogem Eshotificodo
Nas dLias

se~oes

precedentes, disctltimos dois metod os

alternativos de sel e~ao de amostras a partir de uma !ista. A

amoslragem eSlralijicada nao e uma alternativa a estes metodos,
mas representa uma POSSIVei moclifica~o no seu uso.
As amostragens aleatoria sifl1ples e sistematica sao importantes no sentido de garantirem um grau de representatividade e
perm.itiren1 uma estimariva de etTo. A amostragem estratificada e
um metodo para obter maior grau de representatividade, reciuzi ndo 0 provavel erro amostral. Para compreender por que,
voltemos rapiclameme a teoria b5sica cia distribuilo amostral.

Lembre que

elTO amostral

e redLizido por dois fa tores

no desenho daamostra. Primeiro, uma amostra maior procluz

menor erro amostra l do que uma amostra menor. Segundo,
uma popula~ao homogenea produz amostras com menores

erros amostrais do que uma

popula~ao

heterogenea. Se 99%

cia popula~ao concordam com cleterminado enunciacio,

que nenhum sargento fo,"e selecionaclo.

improvavel que qLlalquer amostra probabilistica interprete

Em outro exemp!o, suponha que queremos selecionar

uma amostra de apartamentos num predio. Sc a amostra for
exrrafda de uma Iista dos apanamentos organizados em ordem

erroneamente a extensao cia concorciancia. Se, por outro lacio.

a popula~ao esta ciividida meio a meio quanto ao enunciado.
entao 0 erro amostral sera muito maior.

numerica (por exemplo, 101, 102, 103, 104, 201, 202, e assi,,'

A amostragem estratificacia baseia-se neste segundo fatal'

na teoria de amostragem. Em vez de selecionar a amostra cia

por c!iante), ha 0 risco de 0 intelvalo de amosrragem coincidir

popula~ao

total em geral, voce garante que quantidades

apropriaclas de elementos sejam tirados de subconjuT1ros homage-

neos da

popula~ao.

Por exemplo, estudando estudantes univer-

classe socia l e grupo etn ico. Dentro de uma na~ao, aumenta a

representatividade em uma vasta gama de atitudes, beln como
na classe social e na etnia.

sitarios, voce pode organizar sua popula~ao par turmas, tirando

as metoclos de estratifica~ao na amostragem variam .

de cada uma quanridacles apropriaclas. Numa amostra nao estra-

Quando se trabalha com uma lista simples de rodos os elementos

tificada, a represema~ao por turma estaria sujeita ao mesmo erro

na popula~ao, dais metodos preciominam. Primeiro, pocie-se

amostra l que Durras variaveis. Na amostra estratificada por tum1a,

agrupar os elementos da

o erro alllostral quanta a esta variavel reduz-se a zero.

nas variaveis de estratifica~ao usadas. COIn base na propor~ao

Voce pode querer usaf lim metoda de estratificac;ao

ainda mais complexo. Alem de estratificar pOl' turma, pode
tambem estrarificar por genera, por media de notas etc. Assim,
talvez voce garanta que sua amostra tenha numeros apropriados
de alunos cIa rUfma A com nota media 4,0; rambem nlltnerOS

sistematicamente - urn numero de elelnentos claquele grupo

na mesma propor~ao do tamanho de amostra desejaclo. POI' exen1plo, se alunos da tUIll1a A com media 4,0 sao 1% da popub~ao

apropriados de alunas dessa turma com media 4,0 etc.

Portanto, a funr;ao ultima cia estratifica~ao
popllla~ao

e organizar

popula~o

em grupos discretos com base

relativa de um.grupo na popula,ao, seleciona-se - aleat6ria ou

estlldantil e voce quer uma amostra de 1.000 estudantes, selecione

10 estudantes dos alunos cia tum1a A com media 4,0.

Como metodo alternativo, pode-se agrupar estuclantes

em subconjuntos homogeneos (com heterogeneiclade

como descrito acima e par esses varios grupos juntos numa

lista contInua, come~anclo com todos os alunos cia turma A
com 111eclia 4,0 e terminancio, digamos, com todas as alunas

entre os subconjunros) e selecionar 0 ntlmero apropriado de

elementos de cada subconjunto. Ja que os subconjllntos sao

homogeneos nas variaveis de es{ra{ifica~ao, tambem podem
ser homogeneos quanta a outras variaveis. Por exemplo, se
iclade estiver fOltemenre relacionacla a rufma, lima amostragem
estratificacla por turma tambem sera mais representativa em
termos de idade. Como aspirar;oes ocupacionais estao relacionadas a sexo, uma amostra estratificacla por sexo sera Inais
representa tiva en1 termos das aspirap3es ocupacionais.

A escolha das variaveis de estratifica,ao depende em

geral de quais variaveis estao C\isponfveis. Sexo pode muitas
vezes ser c1eterminado atraves de uma lista de names. As
listas universitarias sao tipicamente organizadas por turma. As

listas de professores podem indicar sua lota~ao par departamento. Arquivos de organiza~6es governamentais podem estar

arganizados par regiao geografica. Listas de registros de eleitares

estao organizadas por se~6es e zonas eleitorais.
No entanto, ao selecionar as variaveis de estratifica~ao

da turma Z com media 1,0 ou menos. Seleciona-se entao uma

amostra sistelnatica, COIn infcio aleat6rio, de toda a lista. Dada

a organiza~ao de lista, uma amostra sistematica selecionaria

nllmeros adequados (dentro de uma margem de erro de 1 ou
2) de cada subgrupo. (Nota: Uma amostra aleat6ria simples
retirada de tal lisca composta cancelaria a estratifica~ao.)

efeito cia estratifica~ao e garantir a representa~ao

adequada das variaveis de estra tifica~ao para a aUlnentar a
representa~ao de outras variaveis re1acionadas a elas. Partanto,
tomada como urn todo, uma amostra estratificada tem possibilidade de ser mais representativa num certo nlllnero de
variaveis do que no cas a de uma amostra aleat6ria Simples.
Embora a 31nostra aleat6ria simples ainda seja vista como algo
sa grado, deve estar claro que muitas vezes ha coisa melhor.

das listas disponiveis, voce deve se preocupar sobretudo com

shatificatco Impiicita na Amashagem Sistematica

as que se relacionam, presumivelmente, com as variaveis que

voce quer representar com precisao. Como sexo esta relacionado
a muitas variaveis e muitas vezes esta dispoI1ivel para estrat;fica~ao, acaba sen do usa do frequentemente. Escolaridacle
esta relacionada a muitas variaveis, mas frequenremenre nao
esta clisponivel para estratifica~ao. Localiza~ao geognlfica
numa cidade, estado ou nas;ao esta relacionada a l1luitas coisas.
Dentro de uma cidade, a estratifica~ao par rugar geografico,
em geral, aumenta a representatividade em areas como

Mencionei antes que a amostragem sistematica pocle,

em certas condi~oes, ser mais precisa do que a amostragem aleat6ria simples. E a caso sempre que 0 arranjo cla !ista cria
llma "estratifica~ao implfcita". Como assinaiei, se a !ista de
estudantes universitarios esta organizada por tllrma, uma
amostra sistematica produzira a estratifi ca~ao por perfodo, ao
contrario de uma amostra aleat6ria simples. Outros arranjos
tfpicos de elementos en1 listas podem tef 0 mesmo efeito.

Se uma lista de nomes que com poe ullla Illoldura de

amostragem esta enl orclem a!fabetica, ela e lim pouco estratificada pOl' origem erniea. POI' exemplo, rodos os McTavishes
es tao reunidos, bem como os Lees, \\10ng5, Yamamuras,
Schmiclts, Whitehalls, Weinsteins, Gonzaleses etc. Na meclicla
em que qualquer clestes subgrupos forma um subconjunto subsrancial da popllla~ao total, estara adequadamente representado
numa amostra sistematica retirada de uma lista alfaberica.
Num es[udo de estuclantes cia Universiclade clo Havai,
clepois cle estratificados pOI' rurma, os estudantes foram organizaclos pelos niimeros cle identidade estudantil. No entanto,
estes nlll11erOS eram seus numeros de Seguro Social. Os primeiros
(reS digitos clo niimero de Seguro Social inclicam 0 estado oncle
foi emitido. Ponamo, dentro de cada turma, os estuc!antes
estavam organizaclos pelo estaclo onde havia siclo emiticlo
seu numero de Seguro Social, fornecenclo uma estratifica~~o
ap roximada por origem geografica.
Uma Iista ordenada de elementos pocle ser mais lltil
do que uma lista nao ordenada, aleat6ria. Enfatizo este ponto
para combater a cren~a infeliz de que listas clevem ser randomizaclas antes de ocorrer a amostragem sistematica. A !ista s6
cleve ser reordenacla se 0 arranjo apresenta 0 problema cia
periodicidade ja discu(ido.

hmoshagem por Conglomerados em Multiplas Hapas, Geral

As qUalro se~oes precedentes Iidaram com procedimentos
razoavelmente simp les de amostragem a partir de Iistas de
elementos, que representam a situa<;ao ideal. Entretanto, infelizlnente muita pesquisa social interessante requer selecionar
amostras de popula<;oes que nao podem ser facilmente listadas
para fins de amostragem, tais como a popula<;ao de lima cidacle,
de um estado ou da na~ao) toclos os estudanres universitarios
nos Estados Unidos etc. Nesres casos, e necessario criar f!
execLitar Lim desenho de amostra mais complexo. Este desenho
tipicamente envolve a amostragem inicial de gnfjJos de elementos,
conhecidos como conglomerados [elllslersi, seguida pela sele~"'o
de elementos de cada conglomerado selecionado. As variecbdes
e procedimentos cia amoslragem pOI' conglomerados em 1111I/Iip/as elapas sao dissecadas em deralhe nos exemplos de amostragem no Capitulo 6. Entretanto, vamos delinea-Ios aqui.
Pode-se fazer amostragem por conglomerados quando
na~ e passive I Oll pratico compila!" uma lisra exaustiva dos
elementos cia popula~ao alvo. Todos os membros de igrejas
nos Esraclos Unidos exemplificam uma popula~ao assim.

Contuclo, muitas vezes os elementos da popula~ao ja estao

agrupados em subpopula~oes, e uma lista clestas subpopula~oes
existe ou pode ser cdada de forma pratica. POI' exemplo,
membros de igrejas nos Esrados Unidos perrencem a igrejas
espedficas, e e posslve! descobrir ou criar uma Iista dessas
igrejas. Seguindo um f01111ato de amostragenl pOl' conglomerado,
a Iista de igrejas e amosrracla numa clas maneiras descritas nas
se<;oes anteriores (por exemplo, lima amostra estratificada sistematica). Em segllida, obtem-se Iistas de membros de cada lima
das igrejas selecionadas e amostra-se cad a uma das Iistas, de
forma a ter amostras de membros de igreja para estudo. 6
Outra sitlla~ao ripica e a amostragem em areas habitadas,
como lima cielade. Embora nao haja uma lista unica cIa popula<;ao
de lima cidade, os cidadaos residem em quarteiroes separaclos
Oll zonas de recenseamento. Portanto, e posslvel come<;ar
seleciona ndo lima amostra de quarteiroes, criar uma !ista de
pessoas morando nos quat1eiroes selecionados e, finalmente,
subamostrar pessoas em cada quarteirao.
Num desenho mais complexo, voce pode amostrar os quarteiroes, Iisrar as resiclencias em cada quarteirao selecionado,
amostra-Ias, fistal" as pessoas residindo em cada uma e, finalmente, amostrar as pessoas em cada resiciencia selecionada. Este
desenho de amostragem em miiltiplas eta pas leva a sele~ao final
de uma amostra de indivfdllos sem requerer a Iisragem inicial de
todos os individllos que compoem a popllla~ao da cidade.
Portanto, tambem na amostragem pOl' conglomerados
em multiplas etapas repetem-se dois passos basicos: !istar e
amostrar. A lista de uniclaeles primarias de amostragem (igrejas
ou quat1eiroes, por exemplo) e compilada e talvez estratificada
para amostragem. Uma amostra dessas unidades e selecionacla.
As unidades primarias de amostragem selecionadas sao, entao,
Iistadas e talvez estratificadas. A !ista de unidades secllndarias
de amostragenl e amostrada, e assim por diante, Os metod os
de listagem e amostragem sao apresentadas detalhadamente
nos exemplos do Capitulo 6.
A amostragem pOl' conglomerados e alta mente recomendada pela eficiencia, embora a custa cia precisao. Enquanto
lima amostra alear6ria simples extraida de uma lista populacional esta slljeita a um (mico erro amosrral, uma amostra por
conglomerados em duas era pas esra sujeita a dois. Primeiro,
a amostra inicial dos conglomerados representa a popula<;ao
de conglomerados sonlente dentl"O de uma faixa de erro amostraJ.
Segundo, a amostra de elementos extra fda de um conglomera do
representa todos os elementos dele apenas clentro de uma
faixa de erro amostral. Assim, par exemplo, ha 0 risco de

selecionar uma amostra de quarteiroes desproporcionaimente

ricos, bem como uma amostra de residencias desproporcionalmente ricas demro destes quarteiroes. A melhor soluc;ao ao pro-

blema estii no numero de conglomerados selecionados no inicio e

no numero de elementos selecionados em each conglomera do.
Em geral, estamos restritos a um tamanho maximo de

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

e reduzido por dois fatores:

o allmento do tamanho cia amostra e lima maior homogeneidade

dos elementos a serem amostrados. Estes fatores operam em

cada nfvel do desenho da amostra em mllitiplas etapas. Uma

amostra par conglomerados representar; melhor todos as
conglomerados se um grande numero for selecionado e se
tod os eles forem bastante semelhantes. Uma amostra de
elementos representar; melhor todos os elementos de um
conglomerado se um grande numero de elementos for selecionado do conglomerado, e se todos os elementos forem bastante semelhanres.
Entretanto, dado lim tamanho maxilno cia amostra, se 0
numero de conglomerados allmentar, 0 numero de elementos num

conglomera do deve diminuir. Neste senti do, a representarividade

dos conglomerados aumenra a Clista cia men or representa~ao dos
elementos cle caela um, e vice-versa. Felizmente, podemos usar

fator da homogeneiclade para aliviar esta dificuldade.

Os elementos de um conglomerado natural dentro de uma
populac;ao sao tipicamente mais homogeneos do que rodos os
elementos da populac;ao total. Os membros de uma igreja sao mais
semelhantes entre si do que todos os membros de igrejas; da
mesma fonna, os moradores cle um quaneirao sao mais semelhantes entre si do que todos os moradores cle lima ciclade inteira.
Ponanto, poclem ser necessarios relativameme poucos elementos
para representar adeqlladamente lim conglomerado natural,
enqllanto urn nllmero maior de conglomerados pode ser necessario para representar adequadamente a diversidade dos
conglomerados. Ve-se isro com maxima clareza no caso extremo
de conglomerados muito diferentes enlre si, compostos de e1ememos

exammente identicos em cada um. Nest.:1. situac;ao, um numero

grande de conglomerados representaria adequadamente a
variedacle entre os conglomerados, bastando apenas um elememo

de each um para representar adequadamente todos os outros.

Embora esta sitlla~ao extrema nunca ocorra, ela esta mais

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 .

A eficiencia da amostragem por conglomerados funda-se na

capacidacle de minimizar a Iistagem de elementos cia popula~ao.
Selecionanc!o inicialmente conglomerados, buscamos Iistar

apenas os elementos dos conglomerados selecionados, em

vez de toclos as elementos ci a popula~ao inteira . Aumentar 0
numero de conglomerados vai diretamente de encontro a este

fator de eficiencia. Um nllmero men or de conglomerados pode

ser listado mais rapicla e economicamente cia que lim numero

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

da amostra refletira estas duas restric;6es.

Provavelmente, voce vai selecionar 0 maior nllmero de

conglomerados que seu or~amento permirir. Mas, para nao
deixar esta questao aberta demais, apresentamos lima regra

simples. Pesquisadores populacionais convencionalmente selecionam cinco residencias pOI' zona Oll qllalteirao de recensea-

mento. Querendo entrevistar um total de 2.000 residcncias,

voce seleciona 400 quarteiroes com cinco enrrevistas de residencias em cada um. Volmremos a esta regra em exemplos
posteriores de desenhos de amostra.

Antes de passannos a procedimentos mais cleralhados da

amostragem por conglomerados, cabe lembrar que este metodo
quase inevitavelmente envolve perda de precisao. A maneira como
OCone esra perda de precisao complexa. Primeiro, um desenho
de amostra em eta pas multiplas esta sujeito a erros amostrais em
cada uma das eta pas. Como 0 tamanho cia amostra e necessariamente menor, acacia empa, clo que 0 mmanho total cia amostra,
o erro amostral em caela etapa sera maior do que no caso de uma
amostra aleat6ria de elementos em empa lmica. Segundo, 0 erro
amostral e estimado com base na varHincia observacla entre os
elementos cia amostra. Quando estes elementos sao retiraclos

Amos tr agem de Probab ili dade Proporci onal 00

Ta ma nho (PPTl

de conglomerados relativamente hOlllogeneos, as estimativas

do eno de amostragem serao otimistas demais, devendo ser
corrigidas it luz do desenho de amostras por conglomerado. (Este

problema sera discutido em detalhes na considera~ao posterior

sobre analise univariada.)

Ate agora, falei generieamente sobre a

designa~ao

de

elementos cia amostra a conglomerados selecionados em tenl10S

de quantos conglomerados devem ser selecionados e qllantos

hmost ragem de hglo merado s em Multi pla s

Hapas , fst rati fi ca{oo
Ate agora, discutimos a amostragem por conglomerados
como se fosse selecionada uma amostra aleat6ria simples a
caela erapa clo clesenho. Na pratica) poclemos usaI' as tecnicas

de estratifica~ao discutidas antes para refinar e melhorar a

amostra selecionada.

Exemplos posteriores detalharao metodos possiveis de

esrratificac;ao; por ora, observemos que nossas opc;oes basicas
sao essencialmente as mesmas que temos na amostragem cle
erapa lmica a partir de uma lista. Por exelllplo, ao selecionar
uma amostra nacional de igre;as, voce pode, no comec;o, estratificar sua Iista de igrejas por denom i na~ao, regino geografica,

tamanho, localiza,ao urbana/rural, e talvez alguma medida

da cJasse social. lnforma~iio do censo pode ser usada por
pesquisadores de popula~ao para estratificar quarteiroes de
recenseamento em terlllOS de composi~ao etnica, classe social,
valores clas propriedades, qualidacle de estruturas, natureza cia

propriedade clas constru,oes e tamanho.

Assim que as un idades primarias cle amostragelll (igrejas
Oll quarteiroes, nos exemplos) estiverem agrupadas de acordo
Com as variaveis de estratificaC;ao relevantes disponfveis,
pode-se usar tanto tecnicas de amostragcm ale::tt6ria simples
ou a amostragem sistematica para extrair a amostra. Voce

pode selecionar um n(lInero especificado de unidades de cada

grupo ou "estrato", ou arranjar os conglomerados estratificados
numa !ista contInua, amosuando sistematicamente esta lista.
o erro amostral sera tao mais reduzido, nesta etara, quanto
mais os conglomerados estiverem combinados em estratos

homogeneos. Como antes,

ca~ao

e a homogeneidacle.

elementos cleve haver em cada lim. ESla se~ao ciiscllte em maior

detalhe algumas op<;oes.

Para garantir a selec;ao de lima amostra representativa

de elementos, voce deve dar a cad a elemento da popuJa~ao

total uma oportunidade igua l de ser selecionada. A forma
mais simples de fazer isso numa amostra por conglomerados
a cada tim a mesma chance de selec;ao e selecionar

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

do que os grandes, embora os grandes possam responder

p~r uma propor<;ao maior da popula~ao total. Assim, alguns
poucos grandes quarteiroes podem conter uma propor<;ao
grande da popu l a~ao de uma cidade, enquanto 0 numero
maior de quarteiroes menores de falo contem apenas lima

objetivo primordial da estratifi-

pequena parcela da popula~ao.

Selecionar conglomerados com igual probabilidade, retirando uma propor~ao fixa de elementos dos conglomerados
selecionados, resulta no seguinte: (1) Seleciona-se um numero
relativamente pequeno de conglomerados grandes na primeira

na~ se pacler estratificar em cada

etapa da amostragem. (2) Os elementos selecionados para

nivel de amostragem. Os elementos listados de lim ag lome-

representar [odos os elementos clos grancles aglomerados sao

facio selecionaclo pod em ser estratificados ames cia pr6xim~1

etapa de amostragelTI. No ent311(O, isso nao e feito C0111Umente. (Lembre a sllposi~ao sabre a homogeneiclade relariva

extrema) fOci a a populac;ao cia cicladc rcsidindo em dez grandes

quarteiroes poderia ser representada pelas pcssoas vivendo em

Nao

ha !"azao para

dentro dos aglomerados.)

retirados de muito poucos desse conglome rados. Na situa<;ao

apenas urn deles.

A se~ao sobre a amostragem

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'

probClbi/idClde proponiol1C11 ClO ICllI1cl11ho (PPT), qlle permite

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.

Na primeira etapa de all1ostragem, e dada a cada conglo-

merado opol1l1nidade de sele~ao proporcional ao sell tamanho

(em numero de elementos). Grandes conglomerados temmaior

Independeme do numero de elementos num conglomerado,

cada elemento tem, enfim, a mesma probabilidade de sele~ao.
Pode-se ver isto mais c1aralnente oa formula, notando que 0
t:unanho do conglomerado aparece no numerador e no denominador, cancelando-se mutuamente. Portanto, a probabilidae!e de
selec;;ao se corna 0 numero de conglomerados a serem escolhidos
vezes 0 numero de elementos a serem escolhidos de cada

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

chance de sele~ao do que os menores. Mas, na segunda etapa

de amostragem, 0 mesmo 11.11 mero de elementos escolhido

amostra PPT. Primeiro, podemos achar necessario represcntar

conglomerados 11'lui/o grandes na amostraj por exemplo,

de cada conglomerado selecionado. 0 efeito destes dois

procedimentos e igllalar as probabilidades (dtimas de sele,ao
de todos os elementos, j5 qlle elementos em conglomerados

com mais de, digamos, 1.000 elementos sejam incluIdos na

amostra. Neste caso, podemos selecionar toelos estes conglo-

maiores tem uma oponunidade de seIe~ao menor deJIlro do

seu aglomerado do que elementos em conglomerados menores.
Par exempIo, um quarteirao com 100 resiclencia s tera dez
vezes mais chance de sele~ao do que um quarteirao com
apenas 10. Se ambos os quarteiroes forem seJecionados e 0
mesmo nlllnero de residencias for selecionado de cada quarteirao, as casas no quarreirao maior ter~lO dez vezes menos
chance de selec;;flo do que as casas no quarteirao menor. A

formula abaixo indica a probabilidade de sele,ao de um

elemento num desenho de amostragem PPT.

probabitidadeJ

do elemenlo

[ numero de
[parte do aglomerado ]
:: aglomerados X
selecionados
tamanho do aglornerado

elementos
selecionados
por aglomerado

X
[

tamanho do
aglomerado

Se 100 conglomerados sao selecionados e 10 elementos

escolhidos de cada lim, a partir de uma pop"la,ao total de
100.000, a probabilidade geral de se le~ao de cada elemento
sera de 1.000/100.000, Oll 1/100. Um conglomera do com 100
elementos tem uma probabilidade de sele,ao igual a 100
(conglomerados a serem selecionados) vezes 100/100.000
(tamanho do conglomerado/tamanho da popllla,ao), Oll
1/10; cada elemento tem uma chance de 10/100 (elementos
por conglomerado/tamanho do conglomerado), Oll 1/10, de
ser seJecionado denlro c1aquele conglomerado; a chance total

de sele,ao do elemento, neste caso, e 1/10 vezes 1/10, ou 1/100.

Um conglomera do com 10 elementos tem uma probabilidade
de sele,ao de 100 vezes 10/100.000, ou 1/100, mas a chance de
sele,ao de cada elemento dentro do conglomerado e 10/10, ou
1, fazendo com que a chance total de sele,ao seja igual a 1/100.

podemos querer garantir que todos os quarteiroes (ou igrejas)

merados logo de inicio (com uma probabilidade de 1,0),

devendo-se, entao, atribuir aos elementos destes agrupanlentos
uma probabiliclac\e igual a razao amostral geral. No exemplo

anterior, 1/100 dos elementos residindo em cada um dos

grancles quarteiroes pocleriam ser selecionaclos.
A seguncla moclifica~ao

e relativa a pequenos conglome-

rados. Se um numero padrao de elementos for ser selecionado

de cada conglomeraclo escolhido, conglomerados com 111enos
elementos do que 0 numero paclrao representam um problema.
Se a meta e dez resiclencias em cada quarteirao selecionaclo, 0
que fazer com quarteiroes com cinco resiclencias? A soluc;ao

habitual

e combinar

pequenos conglomerados, de forma que

cada combina~ao tenha peIo menos 0 numero padrao a ser

selecionado. (Se os conglomerados estiverem estratificados, as

combina~oes clevenl ser feitas c1entro de cada estrato. Da mesma

forma, pequenos conglomerados podem ser agregados a outros

maiores, caso este proceclimento garanta maior homogeneidade

dentro do conglomerado resultante). 0 exemplo de uma

amostra por conglomerados por area no Capitulo 6 demonstra
a necessidade de dar esse passo, para garantir que se levem em
coma bloeos oode se acreclita na~ haver resie!encias.
A tirul o de resumo, a amostragem por conglomerados
e um metodo de amostragem c1iffcil, mas importante, adequado sempre que for impossIvel com pilar uma Iista de

todos os elementos da popuia,ao em estudo. A discussao

foi abstrata, mas 0 exemplo clado no Capitulo 6 oferece um
quadro mais claro dos passos dados, de fato, numa seles;ao
complexa de amostras.

~mostragem e Ponde ra~ao Desproporc ionais

nao-decadente, os demais tres quartos, as 500 residencias

selecionadas cia regiao nao-decadeJ1te tern representa~ao na

e represen-

c iclacle treS vezes maior do que as 500 selecionadas cia regiao

lativa de uma popula,ao se todos os elementos cia poputa,ao

tiverem uma chance igual de sele~ao. Panama, nas cliscllssoes

tlecadenre. Portanto, a solu~ao de pondera~ao mais simples

contar cada residencia selecionacb na regiao nao-decadente
como Ires residencias. Este procedimento da a impressao de
q ue voce teria entrevistado 1.500 moradias na regiao nao-

Em ultima analise, uma amostra probabilistica

prececlemes, assinaiamos que as varios procedimentos de amostragem resuitam 1111ma chance igual de seler;no - mesmo que a

probabilidade ultima de sele,ao seja 0 produto de varias

probabilidades parciais.
Entrel1.nto, mais geneticamente, uma amostra probabilfstica

aqueb em que cacb elemento cia popula,,10 tem uma probabilicbde

uClo-zero cOllhecicla de sele,ao, mesmo que elementos difcrentes ten ham probabilidades diferentes. Caso se tenha usado
proceclimentos probabilisticos controlados de amostragem,
qualquer uma dessas amostra, sera representaliva da popula,ao
cia qual

e reti racla

se cada elemento cia amostra receber lim

peso igua l ao inverso da sua probabi liclade de sele,ao. POltanto,

no caso de (ocios os elementos cia amostra rerem a mesma chance
de sele,ao, cada um recebe 0 mesmo peso: 1. (E chamacla de
amostra "auroponcierada".)

As vezes,

e con'eta

fazer amostragem e jJollderarclo

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 -

as res idencias cia regiao nao-decadente,

neste exemplo. No entanto, a lguns programas de ana lise de

clados permi tem especificar os pesos a serem atribuidos aos
va rios casos , e 0 computador os leva em cons i dera~ao ao
ca lcu lar as esr3 risticas na analise.
A amostragem clesproporcional e os procedimentos de
ponderac;ao sao as vezes usados em sit u a~6es que cnvolvem
os erros e as aproximac;6es I1lu itas vezes inerentes ~l amos-

tragem complexa em multiplas eta pas. \sto sera discutido cm mais

cletalhes no exemplo de amostra por conglomeraclos por area no
CapItu lo 6, mas convem mencionar algumas das condi~6es nas
quais a pondera~ao e freqUe ntemente necessaria.
1. Na amostr<lgem estratificada par conglomerados, um

Suponha que voce est" planejando um slirueypor amostragem cle 1.000 residencias numa cidaele e que a cidade tem

deter minaclo numero de conglome r ados podc

uma area decadente onde mo ra um quarto cia popub\=ao rotal,

e voce quer analisar cletalhaclamente essa area. Um3 amostra

diversos estratos. A pondcrat;;ao direrencial pode ser us,lda

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'

selecionado de cada cstrato, embora varie a ramanho dos

pal.! compens3r aquebs variat;;6es.

2. Um ccrto cong lomerado pode ser sclecion<ldo num

pocle m nao ser suficienres para a analise que voce planeja.

Uma sol u ~ao
seJeciona r 0 mesmo nllmero de residencias

desenho de 3mostra PPT com base no tamanho esperado

(500) cia reg iao decaclente que 0 clo res to cia cidacle. Entao,

ou eSlimado, mas uma investiga\,;Jo de campo posterior

as residenc ias da regiao decadente teriam uma chance

desproporcio n aimente maior cle

outras partes cia ciclacle.

sele~ao

em rela,ao

'IS

de

Contanto que voce analise as duas :1mostras de :1reas

separadamente ou comparativamenre, nao precisa se preocupar
COIll a amostragcm cliferencial. Mas, se guiser combinar
as duas amostras para criar um quaclto composro cia cidade
tocla, leve a amostragem clcsproporcional em consiclera\=ao
atraves de um procedimento de pondera~ao.
Eis uma solu~ao simples e intuitiva. Como a regiao decaclente lem um quano das resiciencias cia cidade, e a regi:1o

pode indicar que a estimativa inicial est~IV'1 errada. I'ortanto,

o conglomera do tera recebido lima chance de sclet;;50
desproporcionalmcntc alla au baixa; a pendera~,io pode
ser lIsada para compcnsar este crro.

3. Um dcscnho cle amostra pocle pedir a selq:Jo de um

dccimo des elementos de um con glome ratio, mas cste
pode conter apenas cinqucnra e dois element os, apenas
cinco des quais sendo se lecionados para cstudo. Pode-sc
usar a pondcfa\,ao para compensar a eJemcnto 0,2 quc,
logic~llnenle, nao tinha como ser sclccionado.

4. Dez elementos de lim conglomerado podem tcr sido

selecionados, mas dais nao tivcram como ser e.studados
(por exemplo, recusaram a entrcvisw). Pressupondo
homogeneidadc dentro do conglomerado, voce pode
<ltribllir peso 1,25 a C:KIa um dos elementos cSllldados
para compensar os do is que n;"!o 0 foram.

Todos estes usos de ponclerac;:ao sao i1ustraclos no exemplo

final cle amostragem do Capitulo 6. Entretanto, com a excec;:ao
clo caso 4 acima, voce pocle clerivar seu pr6prio proceclimento
cle ponclerac;:ao, cletenninanclo cuiclaclosamente a probabiliclacle
cle sele~ao, passo a passo, para cacla elemento cia amosrra, e
atribuindo um peso igua l ao inverso claquela probabiliclacle. Tres
outros aspectos cia ponclerac;:ao devem ser discutidos antes cle
passarmos a outro tema.

Graus de Precisoo no Pondero,oo

Em qualquer desenho complexo de amostra, hft diversas
em reb~ao a ponclera~ao, em conexao com a amostragem intencional e/ou inaclverticlamente desproporcional.
Poclemos computar pesos para cada clemento ate varias casas
decimais, ou atribuir pesos aproximaclos para ciaI' coma apenas
clas instancias mais grosseiras de amostragem clesproporcional.
No caso anterior cia cidade com a regi~o suburban:1 sobrea1110strada, e improvavel que a popula~ao claquela regiao seja
exatamente um quarto cla populac;:ao cla ciclacle; pocle cle fato
ser 0,25001,0,2600 ou 0,2816 cla popula~ao total. No primeiro
caso, provavelmente escolheremos aplicar a ponclera~ao geral
aproximacla de casos descrit3, se nao houver outra amostragem
clesproporcional envolvicla nouteas eta pas clo clesenho cla
amostra. Talvez tambem fa~amos 0 mesmo no segundo e
terceiro casos. A precisao que buscamos na ponclerac;:ao cleve
ser comensuravel com a precisao que qucrcmos nos nossoS
achados. Se nossos objerivos de pesquisa poclem tolerar enos
de poucos pontos percentuais, provavelmente nao percleremos
tempo e esforc;:o fazenclo ponclerac;:oes exatas. Alem disso,
ao decidirmos 0 grau de precisao requerido, devemos levar em
conta 0 grau cle erro a ser esperado da clistribuic;:ao normal de
amostragcm mais rodos os diversos tipos cle erro nao-amostrais.
Em llitima analise, nao h;1 uma cliretriz fiI1l1e a scguir quando
se derermina a precisao a ser buscada na pondera~ao. Como
em varios outros aspectos do clesenho de s/flveys, desfrutamos
de consideravel latitude. Ao mesmo tempo, porem, devemos
lembrar-nos cia nossa decisao de ponclera~ao ao informarmos
o p~oes

os resultados. Nao devemos empregar um procedimento de

ponderac;:no aproximacla e clepois sugerirmos que os achaclos
saO precisos dentro de lima faixa minuscula cle eno.

Metodos de Ponde ro(oo

Tenclo clelineaclo as preocupac;:oes cientificas quanto
a cleterminar 0 grau de precisao desejaclo na pondera~ao,
clevemos assinalar que a escolha muiras vezes e feita com
base nos metodos clisponiveis para ponderar. Os tres metoclos
basicos para a pondera~ao sao:
1. Para a pondera~:io aproximada de :lmostr3s cxtrafdas de
subpopula~ocs,

tabclas com pesos podcm sel' constfllidas

das labelas scm pesos, para cada uma das sllbamostras. No

exemplo aeima, voce pode eriar uma tabela simples de
distribui~6es

para a amostra suburbana e para a amoslra

nao suburbana scparadamente, triplicar 0 numcro de casos
em cada celul:1 da tabeta nao suburb:m:l, som:lr os casos
nas tlllas labelas c computar as porcentagens para a tabeb
composta.
2. Para uma pondera~;io mais extensa C f:ipida, cmbora
ainda aproximada, os eonjuntos de dados para certos casos
podem ser clonados. No exemplo anterior, podcm scr feitas
duas copias aclicionais para cad a rcsidencia suburbana
Ctotal izando Ires), 0 conjunro ampliado de casos nao
sllburbanos podcndo entao scr combinado com os casos
suburbanos, e 0 conjunto ampliado de dados pode scr
analisado como sc Ires vezes mais casas n30 suburbanas
tivessem sido cstudadas.

3. Muitos program:!s de complltador IXlra an:ilisc de dados

sao desenhados para alribllir um peso cxalo para Glda
caso no uquivo de clados original. Este me[odo e 0 tmico
apropriado para a pondera(ao refinada, porque c
impossivel c10nar fra\ocs tie casos, com algum Significado.

Como em Olt[ras instancias, tambell1 na ponclera~ao as

cientificas em geral submetem-se a razoes pd.ticas.
Se a analise for concluzicla, pOl' exemplo, atraves de cartoes
IBM, a ponclerac;ao cleve, necessariamente, sel' aproxill1acla em
vez de precisa.
p reocupa~oes

Pondera,ao e Inferencia fstatistica

Advirto que os procedimentos de pondera,~o descritos
rem efeitos serios na maioria dos calculos relacionados a
inferencia estatfstica. Se suas finaliclacles de pesquisa exigem
inferencias esr3rlsricas precisas (por exemplo. estimativas de
popula,ao), Feitas com base em dados cuidadosamente ponderados, voce cleve consultar uma fonte especial sabre este
assunto 7 OU, melhar ainda, consultar um estatistico de a11105tragem allIes cia amoslragem ser desellhaclCl.

Panorama da ~mastragem Probabilistica

A longa e detalhada discllssao precedente foi dedicada
ao 111erocio chave de amos tragem usaclo nn pesquisa de
survey amostragem probabilfsrica. Em cada LIma clas variayoes

exam inaclas, vimos que os elementos sao escolhiclos de urna

popllla,ao, com base na sele,ao aleat6ria e com probabiliclades nao-zero conhecidas.
Dependenclo cia situar;ao de campo, a amostragem p robabilfstica pocle ser muito simples ou extrema mente dificil,
demorada e cara. No entanto, independentemente da situctyao,
cont inua sendo 0 me todo mais eficiente para a seleyao de
e lementos para estuclo por duas razoes. Primeiro, a amostragem probabilfstica evita 0 VIES consciente ou inconsciente
na sele~ao de elementos por parte do pesquisador. Se todos
os e lementos ci a popula~ao tem chance igual (ou desigllal,
com pondera~ao posterior) de sele~ao, hi uma boa cha nce
de a amostra assim selecionada representar bastante bem a
popula,ao. Segundo, a amostragem probabilistica pennite
estimativas de erro amostral. Embora nenhuma amostragem
probabilfstica seja perfeitamente represenrativa em todos os
aspectos, metodos controlaclos cle sele~ao permitem estimar
o grall de erro esperado.
Tendo disclltido a amostragem de probabilidade em
a lgum cleralhe, examinemos agora, mais sucintamente, alguns
metodos comuns de amostragem nao-probabilfsrica.

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

e/ou quando a representariviciacie cxata nao e necessaria.

Os meroclos principais cia amostragem nao-probabilistica sao
os seguinres.

~mostragem Intencional ou por Julgamento

Ocasionalmente, pocle-se selecionar a amostra baseado
no pr6prio conhecimento cia popula~ao e dos seus elementos,
e da natureza das metas cle pesquisa. Este metodo de amostragem
e as vezes charnado amoslragem inlencional ou porjlfigamenlo.
Principalmente no d esenho inicial do qllestionario, voce pode
querer selecionar maior varieclade de entrevistaclos para testa r
a aplicabilidade geral cias perguntas. Embora os achaclos do
su rvey nao representem qualquer popula~ao significariva, 0
teste pode efetivame nte descobrir algllm defeito peculiar no
seu instrllmento de pesquisa. No entanro, cieve-se referir a esta
situ a~ao como lim pre-teste e nao lim survey propriamente.
Algumas vezes, voce quer estudar um pequeno su bconjunto de uma popula~ao maior, onele muiros membros do subconjunto sao facilmente ide ntificados, mas cuja enumera~ao total
seria quase impossivel. Por exemplo, estudar a lideran~a de
um movimento d e protes[o estudantil; muitos dos lideres sao
facilmen[e vislveis, mas nao e via vel definir e amostrar todos
e!es. Ao estudar roclos ou lima amostra dos lfderes mais visiveis,
voce pode coletar c1ados suficientes para sellS prop6sitos.
Num desenho de amostra em e ta pas mulriplas, voce
pode qllerer compara r estuda ntes liberais e conservadores.
Uma vez que, provavelmente, nao e pOSSIVe! enumerar e amostrar
todos os estudanres, voce pocie optar por amostrar as filia,oes
dos J ovens Democratas e dos Jovens Repllblicanos. Embora
ral desenho de amostra nao forne~a uma boa descri~ao clos
estlldantes liberais o u dos conservadores com o um todo
pode ser suficiente para proposiros de compara~ao.
'
A amosf7'agem de zonas eleilorais selecionadas para
pesquisas de opiniao poHtica e um processo bem refina do
de julgamento. Com base em resulrados eleitorais anteriores
em alguma area (cidade, esrado, na~ao), voce seleciona intencionalmente lim grupo de distritos ou zonas eJeitora is que,
combinadas, produzem resultados similares aos d e toda a
regiao. Entao, em pesq uisas posteriores, voce s6 seleciona
suas amosrras naquelas zonas eleitorais. Naruralmente, a
teo ria cliz que as zonas e ieirorais selecionadas oferecem um
Corte de rocio 0 e leitorado.

Cacb vez que ha l1I11.'1 elei~o, pennitindo avaliar a adequa~o

do seu g111[X> cle zonas eleitorais, voce cleve fazer revis6es, acli~6es
ou retiradas. A meta e atualizar 0 grupo de zonas eleitorais,
garantindo a boa represenla~ao de toclas ebs. Para ser efetiva,
a amostragem de zonas eleitorais requer grande conhecimento
politico. Deve haver intimidacle com a hist6ria politica e social

Muitas vezes se lisa uma variante cia amostragem pOl'

caras em conexao aos gru/Josfocais na pesquisa de mercado.

Nesta tecnica, grupos de aproximadamente doze pessoas sao,

tipicanlente, reunidos para discussoes focalizadas sobre produtos
Oll comerciais. Recomenda-se rellnir varios grupos de tipos clife-

rentes cle pessoas ou misturas especificas cle pessoas.

da area considerada, de modo a basear a sele,iio de zonas eleito-

rais num palpite com conlJecimeJllo quanta representatividade.

Aciemais, este sistema cie amostragem requer retroalimenta~ao
continua para ser efetiva. Deve-se pocler conduzir pesquisas

(onf ia n~a

em Sujei tos Disponiveis

Pesquisadores universitarios freqiientemente fazem surveys

freqiientes e fazer valida,bes eleitorais peri6dicas.

com estudantes matricu lados em grandes salas cle aula. A

hmoshagem por (otas

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-

Como disse antes, a amostragem por cotas comet;a com

Lima matriz descrevendo as caracteristicas da popLlla,iio alvo.

Por exemplo, voce deve saber qLlal propor,50 da popula,50

e masculina

equal e feminina; para caela sexo, saber qual e

a proport;aO nas varias categorias de ieladc, c assim por eliante.
Ao estabelecer uma amostra nacional pOl' cows, voce cleve

e,

nario, este merodo de amostragem nao cleve ser lIsaclo para lim

estuclo pretenclenclo clescrever os alunos como um toclo.

Parar pessoas numa esquina ou outro lugar quase nunca

e um metodo de amosrragem adequado, embora seja empregaclo

com demasiacla freqlh~ncia, como no caso cle pesquisas de mercado

cligamos,

em estacionamentos de supemlercados. Esre survey 56 se justifica

urbana, do leste, masculina, abaixo cle vinte e cinco anos,

branca, cia c1asse operaria, e ourros semelhantcs, bem como
toclas as outras permuta~oes nessa matriz.

se voce quiser estudar as caracteristicas de pessoas passanclo

Ap6s a cria~ao cia matriz, com uma propor~~lO relativa

vezes e usado em referencia a urn survey no qual consumidores

atribuida acacia celula, colhem-se daclos cle pessoas com

todas as caracteristicas de Lima clada celLila. Todas as pessoas
nesta celula, entao, recebem um peso apropriaclo a SLia por,50
na popula,50 total. Quanclo toclos os elementos da aillostra

andanclo em sboppillgs sao interceptaclos e solicitaclos a participar.

saber qual propor,ao da popula,iio nacional

estivcrem ponclerados assim, os clados como um todo devem

resultar numa represen[a~ao razoavel da popula~ao total.

H:1 varios problemas inerentes

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

obter informa,ao atualizada para este fim. A Falha clo Gallup

em preyer a vit6ria cle Truman em 1948 cleveu-se em parte a
este problema.
Segundo, pocle haver vieses na sele,ao clos elementos
cia amostra de uma celui::t, mesmo que se estime com precisao
sua propor~ao na popula~ao. Um entrevistador instruido a
entrevistar cinco pessoas que se encaix<:lm num clado conjunto complexo de caracterfsticas podc, ainda assim, evitar
pessoas que moram nos andares de cima de um predio com
sere andares de escadas, all pessoas em habit~u;oes J11uito
precarias e/ou com dies ferozes.

naquele ponto em parricu lar em horas cleterminadas.

tenno "entrevista por intercepta,ao em shopping':' as

Obviamente, e concebfvel que tais respondentes potenciais seriam

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

claqueles que sao aborclados se recusa a parrieipar. Mas, num

estudo num shoppillg em Chicago, Hornik e Ellis observaram
que as taxas de resposta cresciam quando os entrcvistaclores
olhavam e tocavam os entrevistaclos ao peclir sua coopera~ao,
especialmente se a entrevistaclora era mulher. 8
Mencionei esta pesquisa para inclicar que, embora os

metoclos de amostragem probabilistica convencional sejam quase

sempre preferiveis na pesquisa de survey, ha momentos cm que
outros metc.xlos podem scr prefenveis Oll neccs&.1.nos. Mas escolher
um modela de amostragem nao-probabiHstico jamais cleve ser

clesculpa para a pregui",. Pesquisaclores cle

devem enconU-ar
f0ll11aS de proviclenciar LIma amostra represemativa da popllla~ao

que querem estuclar.

SlllWY

Usos Nao- Survey dos Metodos de Amodrogem

Nesta discussao sobre a 16gica e os l11etoclos de al110stragel11,
focalizamos a pesquisa de survey - sele~ao de elementos de
uma populac;ao para entrevisr3 Oll question:'irios auto<ldmi-

nistrados. No entanto, a 16gica basica da amostragem chi a

discussao precedente um valor mais gem I para 0 pesquisador
social que usa outros metodos de coleta de dados. Fecharemos
a capitu lo com breves comentarios sabre as uscs nao-sll1vey
dos metodos de amostragem.

~n6lise de Conteudo

do fenomeno sob estudo. Podem rentar observar tad os as

grancies eventos que estao ocorrencia, falar com 0 maior
numero de participantes passivel, e assim par diante. No
entantD, obviamenre ninguem consegue abservar tudoj alguma

seletividade e inevitavel. Se tal seletividade for inconrrolada, ha

o risco de reunir um conjunta de observa~oes tendenciosas, tal
como um pesquisador cle survey inepto ao selecionar uma
amostra tenclenciosa de entrevistados.
Embora nao queira sugeIir que (oclos as obselvadores palti-

cipantes em todos os lugares em toclas as sirua~6es de pesquisa

devanl buscar estabelecer metodos de amostragem rigorosos, estou
convencido de que um observador palticipanre bem versado na
16gica e, talvez, em alguns clos metoclos cia an10stragem de sllIvey

Um analista de conteCldo codifica e analisa documentos para

fazer afi rma~6es descritivas ou explicativas sobre a litel:ltura
composta pelos documentos, seu(s) autor(es) e/ ou 0 meio social
do qual fazem parte os docul11entos. Ele pode analisar os jornais
de um pais, os traba lhos de fjc~ao de um romancista, a linguagem
de projetos legislativos, e assim por diante.

Muitas vezes 0 volume de c1ocumentos para analisar

grande demais para uma cobertura completa. Neste caso, as

tecnicas de al110stragem disc ulidas acima podem ser facilmente adaptadas. As uniclades de amostragem poclem ser
palavras inciiviciuais, [rases, paragrafos, artigos, liVfOS etc.

As unidades de amostragem podem ser estratificadas de l11aneira

tem maior probabilidade de obter um conjunro representativo cle

Ao avaliar 0 humor de estuclanres reuniclos para uma
demonstra~o de protesto, um observador participante deve ter 0
cuidado de nao falar apenas com os lideres da demonstm~ao,
devendo considerar a possivel diferenp entre estudantes que
observa~6es.

aparememente comparecem sozinhos e os que van com amigas,

conversar com estudantcs em locnis diversos cia reuniao e

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.

apropriacia, e amostras alearorias, sistematicas au mesmo por

conglomerados ser selecionadas.

hperimentos de laborat6 rios

Sujeitos para experiencias de laborat6rios muitas vezes
sao selecionados entre voluntarios que responclem a um
anuncio. Ocas ionaimenre, 0 projeto experimental requer

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

nao basta pa ra equ ipa-Io para cada

s i tua~ao

de campo que

voce enfrentara, mas espero que uma compreensao cia 16gica

emparelhamento dos sujeitos nos grupos experimental e de

controle. Em alguns casos, esrabelecem-se cotas para tipos
diferentes de sujeitos. Sempre que 0 numero de sujeitos em

da amostragem Ihe permita chegar a julgamenros razoaveis e

seguros por conta pr6pria.

potencial exceder mu ita a numero requerido pelo experimenta,

pode-se usar tecnicas paddio de amastragem. Metodos de estr:1tifica~ao podem ser usaclos como :1uxiliarcs para satisfazer
as requisitos c1as cotas.

detalhes especificos destes desenhos de amostras um tanto

Observa~ao Partic ipante

Diferentemente dos pesquisadores de survey, observadores palticipantes tipicamente buscam mergulhar na totalidade

o capitulo segu ime clescrevc quatlo amostras de survey

com as quais estou intimamente familiarizaclo. Ao apresentar
cliferenres e das muiras decisoes tomadas na sua execu~ao,
esp~ro dar-l he alguma experiencia concrem de amoslragem.
~\epl.to que estes cxemplos nao podem ser exaustivos em rela~ao
as sltua~oes com as quais voce se deparara, mas eles foram
escolhidos para representar as situae;oes de amosrragem mais
comuns encontrad3os n30 pesquisa de survey.

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

Citada na Newsweek, p.24, 8 de julho de 1968.

Logo veremos que 0 tam:mho c.b amoslra sciecion:ltb e as caraclcrfs-

tieas reais cia popllb~f1o maior afetam 0 grew de represenrativ idade.

KlSI I, Leslie. Survey St/J/Iplillg. New York: John Wiky & Sons, 1965.

fxemplos de Desenhos de hmoshagem

Evidcntcmenlc, lim gui:! lelefonico 1130 inciui novos assinantes nem

quem prcfere n;1o ter 0 numcro list ado. A amostragl.!l11 sc com plica mais
com :1 indusao de Iislagcns nile residenciais, C0l110 lojas c cscrit6rios.

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

o Capitulo 5 apresentou a logica basica da amostragem de

Press, 1967. Apentiice A.

7

Par cxcmplo, KISH. SI/rvey SC/11/plil/g

HOHNIK, Jacob, ELLIS, Shmuel. Strategies to Secure Complbnce ror a

Mall Intercept I nterview. PlIblic OPillioll QlIarler~y, v.52, p.539-SSl.

inverno 1988.

amostragem.

primeiro exemplo e Ulna amostragem estratificada

sistematica de esrudantes da Universidacle clo Havaf. 0 segundo

e 11111a amostragem POl' conglomerados de professores de escolas

leituras hdicionais
BABl31E, Earl. The Practice
Wadsworth, 1989. cap.7.

e delineou algumas op~6es de procedimentos possiveis.

Este capitulo ap resenta quatro estudos de caso de desenhos de
amostros que representam diferentes s ilUa ~6es e desenhos de
Slil7Xry

de medicina em toclo

01 Social

pais, atribuindo igual probabilidade de

se l e~ao as llnidades primarias de amostragem.

Research. Belmont, CA:

COCHRAN, William G. SClillplillg Tech II iqu es. New York: John

Wiley & Sons, 1963.
FRANKEL, Martin R, FRANKEL, Lester R. Fifty Years of Survey
Sampling in the United States. Public Opinion Quarterly,
v.51, p.5127-S138, inverno 1987.
HANSEN, M. H., HUR\XIITZ, W. N., MADOW, W. G. SCllllpleS/IIvey
Methods Cllld 77JeoIY. New York: John Wiley & Sons, 1953. 2 V.
KISH, Leslie. Survey Sal11plillg. New York: John Wiley & Sons,
1965.
SCHEAFFER, Richard L., MENDENHALL, William, OTT, Lyman.
Elell7entCIIY Survey Sal11plillg. North Scituate, MA: Duxbury
Press, 1979.

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

primarias de amostragem. 0 (Jitimo exemplo

llma amostra
complexa de area, projetada para um survey de residencias em

Oakland, Calif6rnia.

hmoshagem de fstudantes Universitarios

A finalidade era fazer 11111 survey, usando llm instrumento
allto-aclministrado, de uma interse~ao represcntmiv::t de estu-

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.

Popula~ao de hmasha e Maldu ra de hmoshagem

correia para 1.100 estuclantes. Ponanto, um len;;:o cbs etiquetas

posrais foram selecionadas sistematicamente (com inlcio alea-

A moldura de amostragem 6bvia era 0 registro magnetico

em fira usado peia aclministra<;ao cIa universiciade, com os nomes,
os enderec;os arllal e pennanente, os nllmeros cia Previciencia

t6rio) para exclusao cia amostra. A amoso"" final foi recluzida para
cerca de 770.

Social dos alunos e ClI[raS informa~6es como area de estuclos,

periodo, iclade,

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

programa de amostragem ramb6TI permitia. a, estratifi-

cac;ao de estuclantes antes cia selec;ao da amostra. Declcllu-se que

a estratificato pOl' perioclo seria suficiente, embora as estudantes
pudessem ter side ainda mais estratificados dentro de cad a
perioclo, por sexo, facu ldacle, area cle estudo etc.

Sele~aa do hmosha
Uma vez agrupados por periodo Cpelo programa cle amos-

Esea modifica~ao da amostra

mencionada para i1ustrar
a necessidade freqClenre de muclar aspectos cia pesquisa no meio
do caminho. Como uma amostra sistematica de estudanres foi
eliminada cia amostra sistematica inicial, os 770 restantes ainda
pocl iam ser consideraclos como representando razoavelmente
a popula(3o do survey. Naturaimenre, a redu(ao no tamanho
da amostra aumentou a extensao do erro amosrral.

hmoshagem dos Professores de Escolas de Medicina

Esta se(ao relata 0 desenho de amostra usado para selecionar lima amostra de professores de escolas de medicina, para
um survey nacionai estudando as efeitos cIa orienta~ao cienrffica

sobre 0 cuiclado humane cle pacientes. 0 clesenho cia pesquisa

demandava lima amostra de professores de escolas
nos ciepartamentos de medicina e peciiatria.

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

foram escolhiclos cle cada uma destas escolas.

tragem), extraiu-se uma amostra sistematica a partir. ~a .li~ta reordenada dos esrudantes. 0 ta manho da amostra fOI lnlclalmente

Descle 0 comec;o, 0 clesenh o cia amostra foi clificlilraclo

pela indisponibiliclacle cle claclos. 0 desenho cia pesquisa

clefinido em 1.100. Para extmir a amostra, 0 programa foi instrl.liclo

a usar uma fra~o amosu1l1 de 1/14. Port.:'1nto, 0 programa gero~
um numero aleatorio enoe 1 e 14; 0 estuclante com este n(llnero fOI
selecionaclo, bem como todo clecimo qU31to estl.lcbnte clai por diante.

peclia um exame de professores em tempo integral e em tempo

professores em tempo integral nos dois depanamenros, nacionalmente, nao havia dados bons disponlveis quanta aos nlll11erOS de

Depois de extrair a amostra desta forma, 0 compurador

professores em tempo parcial. Uma analise clos cbclos existentes

foi instruldo a imprimir 0 nome e 0 endere(o de cada estudanre

em seis eriquetas posta is auto-adesivas, que foram coladas nos
envelopes usados para enviar os questiom1.rios.

Modifi(a~aa da hmosha

parCia l. Embora, na epoca clo estuclo, ho uvesse cerca cle 3.700

sllgeriu que 0 nllmero toeal de membros em horario integral e

parcial estava em tomo de 12.000. Para fins clo estuclo, decicliu-se

q ue lima amostra cle 2.000 seria suficiente Cuma fra,,10 amostral
geral cle 1/6).

h Sele~ao de Escolas de Medicina

A clesClic;ao precedente cletail13 0 clesenho inicial cia amostra

para 0 esrudo de estudantes universitarios. Antes de env\ar ?s
questionarios, descobriu-se que custos inesperados na produ<;ao
dos questionarios tornavam imposslvel cobrir as despesas de

Na epoca cia pesqllisa, 84 escolas de meclicina com cursos

de quatro anos de dura~ao penenciam a Associa~ao Americana
de Escolas de Medicina. Estas escolas compliseram a popula~ao

do survey das escolas, que foram entao arranjadas em esrraros

geogriificos e orclenaclas por tamanho (numero cle alunos)

clentro clos estratos.
A Iista estratificacla cle escolas foi numeracb cle 1 a 84 e um
numero aleatorio entre 1 e 6 sclecionaclo (0 intervalo amostra!).
A escola com 0 numero escolhiclo e cacla sexta escola clar por
diante foram selecionadas na primeira etapa de amosrragem.
Foram enviadas cartas aos reitores das escolas selecionadas

as mulheres cia igreja na diocese. Como se esperava, nao havia

uma !ism (mica destas mulheres, de modo que um desenho de
an10stra em e(apas multiplas foi criado. Na fase inicial de amoslragem, as igrejas foram selecionadas; a seguir, mulheres foram

selecionadas cle cacla igreja escolhida. Ao contriirio da amostra de

escolas cle meclicina, a cle igrejas foi selecionada com jJlObabi/idade
jJlOporciol1a/ ao /CllnclIlho (PPlj.

explicanclo a finaliclacle clo surveye peclinclo sua assistencia na

obten~ao de uma lista de professores nos sells departamentos

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.

A diocese em questao publica um relatorio amral com

uma lisra clas mais ou menos 100 igrejas componenres, com
seus respectivos tamanhos em nlllneros de membros. A lista
consrituiu a moldura de amostragem para a primeira etapa.

Desejava-se cerca cle 500 responclentes para 0 estucio, de

forma que se decicliu escolher vinte e cinco igrejas com probabiIidade proporcional ao tamanho, tirando vinte mulheres cle cada
igreja. Para isto, a lisra de igrejas foi arranjada geograficamente,

Sele~tio de Professores

a !iSla parcial cia TabeJa 6-1.

IhBm 6-1

e foi feita uma tabela semelhante

Logo que reitores concordaram a cooperar com 0

SLI ruey,

foram compilaclas em cacla uma Iistas cle toclos os professores

forma usa da na Iilla das igrejas

nos depa rtamentos de med ici na e pediatria. Todos estes

p rofessores foram inclufdos na amostra final, I'ecebendo

questionarios pelo correio.

Este nao foi 0 melhor c1esenho de amostra passive!. A amostra

total cle professores foi timc\a cle um n(lmero relativamenre pequeno

cle escobs. Um clesenho melhor telia selecionaclo mais escolas, com
menos professores em cada

UlTill.

Igreja

Membral

Membras (acumulod,,1

Igreja A

3.000

3.000

Igreja B

5.000

8.000

Igreja C

1.000

9000

Par exemplo, um rcn;;o das escolas

e metacle clos professores em cacla pocliam ter side estuclaclos.

o clesenho aclotaclo foi Iimitaclo mais por questoes aclmi-

Ao lado de cada igreja na rabela, p6s-se seu numero

de ~embros, para compurar a freqUencia acumu lada ao 10ngo

nistrativas do que cientificas. Um esrudo-piloto havia mostrado a

clificulclacle de obter aprova~ao e coopem~ao clos reitores. Mesmo
quando eles concordavam em cooperar, muiras vezes demoravam

cia lista. 0 total final chegou a cerca cle 200.000. 0 objetivo

a fornecer a Iista dos professores. 0 principal gargalo na amostragem ocorreu neste ponto. Aumentar 0 nllmero de escolas (eria

aumentado

tempo e os problemas envolviclos na sele~ao total

cia amostra. Apenas pOl' isto, romou-se a ciecisao de escolher um

sexto clas escoJas e todo

carpo docente de cada

lll11:1.

hmoshogem de Mulheres de Igrejo s fp iscopo is

A finalidacle c1esre estuclo foi examinar as atirucles de
mu lheres membros de igrejas na diocese californiana cia Jgreja
Episcopal. Desejava-se uma amostra representativa de todas

nesre passo, foi selecionar uma amosrra de vinte e cinco igrejas:

cI; tal forma

que cad~ igreja teria uma chance de sele~iio

p oporclOnai ao seu numero de membros. Para isto os totais

cunl~ Iaflvos

foranl usados pa ra criar, para cacla igreja,

'
faixas
de
"
~
A" numeros IgU::lIS
aos numeros
de membros daquela igrcja.

. IgreJ3 A na Tabela 6-1 recebeu os numeros de 1 a 3.000 a

Igre)a B recebeu os numeros 3.001 a 8.000; a igreja C receb~u
8001 a 9000; e assim por cliante.
.

se~na

Selecionando vinte e c inco numeros entre 1 e 200.000

posslvel selecionar 25 igrejas para a pesquisa. Os 25

numcros foram se
. IeClonac

Ios numa amostra sistematica como

se
(20 segue . 0 Int erva I 0 "mostr" I f oi estabeleciclo em 8.000
0.000/25), e lim infcio aleat6rio foi escolhiclo entre 1 e

8.000. Suponha que 0 nllmera aleat6rio escolhido tenha siclo

4.538. Como este numera estava clentra cia faixa de numeras
atribuiclos a igreja B (3.001 a 8.000), a igreja B foi selecionada.
Incrementos de 8.000 (0 intervalo amostral) foram somados
inkio aleat6rio, e cada igreja em cuja faixa aparecia lim dos
nllmeros resultantes era selecionada para a amostra de igrejas.

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

chance de sele\,ao do que uma igreja com 2.000 membros e dez

vezes mais do que uma igreja de 400 membras.

Selecionando as Mulhms das Ig rejas

Depois de selecionar a C1mostra de igrejas, obtiveram-se
Iistas das mulheres de cada igreja. Vale notar aqui que, na
pratica, as !isms variavam enormemente em forma e conteuclo.
Em varios casos, foram fornecidas listas de todos os membras
(homens e mulheres), fornando necessaria separar as mulheres
antes de amost rar. A forma clas listas variava clesde Iistas
datilografadas ate cartoes 3x5 impressos a partir de plaeas
de addressogmpb.
A eada lista que ehegava de uma igreja seleeionada, computav3-se um intervalo amostral para eia, com base no numero
de mulheres membros e no nClmcro desejado (20). Se uma
igreja tinha 2.000 mulheres, 0 intelvalo amostml era estabeleeido
em 100. Um nClmera aleat6rio era escolhido e incrementado no
va lor clo intervalo amostral, para selecionar a amostra de
mulheres daquela igreja. Este procedimento foi repctido
para cada igreja.
Observe que este clesenho de amostra 56 da a cada mulher
na diocese uma ehance igual de sele\,ao se metade dos membros
de cada igreja forem mulheres (ou se uma prapor\,iio constante
dos membros sao mulheres), porque as igrejas tinham chance
igual de sele~ao baseada no numera total de membros (nao
estavam disponiveis numeros 56 de l11ulheres). Daclas as mems
do estudo, as leves desigualdades de sele~o foram consideradas
insignificantes.

Um desenho de amostm mais sofisticado pam a segunda

etapa teria resolvido este possivel problema. Como se deu a eada
igreja lima chance de sele~ao baseada num numero preslimiclo
de mulheres (supondo-se, por exemplo, 1.000 mulheres numa
igreja com 2.000 pessoas), 0 intervalo amostral podia ref sido
compurado com base naqucla suposit;ao e nao no numero

real de l11ulheres Iistaclas. Se rivcsse side suposro, na primeira

etapa cle amostragem, que uma igreja tinha 1.000 mulheres

(de um total de 2.000 membras), 0 intervalo amostral podia ter
sido estabelecido em 50 (1.000120). Este intervalo podia tel'
sido usado na sele\,ao de respondentes, independentemente
do nClmero real de mulheres listadas naquela igreja. Se, de fato,
1.000 mulheres estavam listadas, a igreja delas teria a chance
apropriada de sele\,ao e 20 mulheres seriam selecionadas. Se
1.200 lllulheres estavam Iistadas, a igreja tinha uma chance
muito pequena de sele\,ao, mas este desequilfbrio teria sido
remediado atraves da sele\,ao de 24 mulheres pelo uso do
intervalo de alllostragem preestabelecido. Se, pOI' outro lado,
somentc 800 l11ulheres estavam listadas, apenas 16 tedam
side selecionadas.

~mo s tragem de (asas em Oakland

Estc exemplo final representa um dos desenllos de amostra
mais complexos cia pesquisa de survey: lima amostra cle area
pOI' conglomerados. A finalidade deste estudo, feito em 1966,
foi coletar clados relevantes ao estudo da pobreza nas regioes
mais pobres de Oakland, Calif6rnia, usando 0 restante da
cidade para fins de compara~ao. Uma vez que se ia usaf os
ac hados do survey, em palte, para apoia r soLicita~oes de recursos
federais para Oakland, era essencial que os dados coletados
desc revessem precisamente a cidacle.
Para fins do estudo, a cidacle foi clividida em sete areas:
quatro eram oficialmente designadas areas pobres, c as [reS
res rantes eratll vistas traclicionalmente como se~oes distintas
cia cidade. 0 tamanho total da amostra foi estabelecido em
3.500 reside ncias, com base em calClIlos cuja complexidade
excede 0 escopo deste livra. Entretanto, note-se que a escolha
do tamanho cia amostra come~ou com discllssoes de poifticas
referentes a c;chance" que as autoridades municipais estavam
dispostas a correr de que 0 survey, pelo erro amosrral normal,
sllbestimasse os nfveis de pobreza e desemprego a ponto de
nao qualificar a demanda de financiamenro federal. Se estes
niveis fossem, de fato, altos 0 bastante para garantir 0 financiamento, uma amostra perfeitamenre precisa demonsrraria isto.
Mas, com uma amostra pequena, a faixa de erro amosrral
abria a possibilidade de subestima~ao. Naruralmente, com 0
aumento clo tamanho cia amostra, a chance cle subestima~ao
recluzia-se. Porranto, clesta maneira estabeleceu-se 0 tamanho
final cia amostra em 3.500 residencias. (NOla: E desta forma
que cleve ser estabelecido 0 tamanho das amosrras.)

Como 0 estllcio peclia uma compara~ao clas sere regioes cia

cidade, era impoltante clescreve-Ias com igual grau cle precisao.
POI1amo, a amostra foi projetadn de forma n selecionar 500 resic1encias de cada regbl0, embora as sete areas cliferissem mlliro
no numero total de resiclencias. 0 restanre clesta discussao e

dedicado

"OS

procedimentos de

sele~ao

AMoldu ra de Amoshagem do Prime ira Hopa

da amostra usados

nUl1la das areas, ja que os proceclimentos foram essencialmente

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

ser selecionada com prob"bilidade proporcional ao tamanho.

Os quarteiroes selecionados seriam lislados da seguinte forma:
enumeradores visitariam fisicamente cacia quancir';.10 selecionado
e preparariam !istas de todas as residencias ali achadas; emao,
uma amostra sistematica de cinco residencias seria selecionada
de cada quarteirao.
Como clissemos, cinco resiciencias por quarreirao e lima
COIllum na amostragem de area por conglomerados.
Tanto a teoria de amostragem quanto a experiencia de sillvey
sugercm que uma amostra de cinco resiciencias rcpresenta 0
conven~ao

ponto de retornos decrescentes na

regiao foi criar cinqUenta estrarosj a seguir, dais quarteiroes

faram selecionados de cada estrato, e, finalmenre, cinco
casas em cada quarteirao - totalizando 500 resielencias
em caela regiao.

descri~ao

de quarteiroes.

Cinco residencias permitem descrever um quarreirao de forma

razoavelmente precisa, clada a homogeneidade tipicamente

encontrada entre residencias num (mica quarteirao. Embofa,
e claro, seis residcncias dessem lima e1escri)-'ao mais precisa,
a redu~ao correspondente na precisao cia amostra dos quar-

teiroes, selecionaclos para clescrever a popula,ao cle todos

os qUaIteiroes, anularb esta vamagem. (Suponcio que 0 tamanho
total cia amosrra c fixo.) Num exemplo extremo, voce poc!eria
limitar sua amostra a todas as resiciencias encontradas num
unico quarteirao; ela permitiria uma descri~ao bem precisa
do quarteirao, mas 0 pr6prio qllarteirao nao permitiria clescrever mui(o precisamente rodos as qualteinSes e, por extensao,

Foram necessarios dois tipos de clados pa ra descrever

os quaneiroes de recenseamento. 0 mais importante era saber
quantas residencias havia aproximadamente em caela um, de
forma que se plldesse selecionar uma amost ra PPT. Para fins
de esrratifica~ao, tambem era preciso conhecer algumas caracterfsticas relevanres dos quarreiroes, como Slla composi~ao
racial e seus nlveis socioeconomicos.
As esrarlsticas dos qua rteiroes de recenseamento de

1960 dos Estados Unidos ofereciam os dois tipos de dados.

Esre arquivo indicava 0 tamanho de todos os quarteiroes em

1960 (em nlllnero cle uniclades domiciliares) e tambi'm fornecia

variadas, como (1) porcentagem de nao-brancos, (2)
porcentagem de ocupantes pagando "luguel, 0) porcentagem
em deteriora~ao, e (4) valor clas estruturas (seja em aluguel
ou em avalia~ao). fnfelizmente, 0 estuclo foi feito seis anos depois
cla coleta de dados do censo, de forma que antecipou-se que
clescri~oes

varias das comagens de casas esmriam clesarualizadas.

Antes de come~ar a amosrragem, gasraram-se clois meses

examinando os mapas de planejamento de cada area. Unidades

clom iciliares construidas ou clemolidas desde 0 censo de 1960
foram anotaclas J e estes clados usados para corrigir 0 numero
estimaclo de residencias por quarreirao. Enfim, preparou-se
um regis tro de clados para cada quarteirao, mostrando seu

tamanho atual esperado (em numero de resiclencias) e as

cliversas caracteristicas compiladas no ce nso de 1960 (que
nao seriam atualizadas).
As se~6es seguintes descrevem os procedimentos de sele~"o
cla amostra usadas na Area de Pobreza D, que continha 9.938

resiciencias estimaclas na epoca cia amostragcm. Ja que a meta

ele amostragem para a area era cle 500 casas, a fra~ao total de

amostragem foi arreclondada para 1120.

todas as resiclencias da cidade.

Selecionar 500 residencias cle cacla regiao da cidade significava selecionar 100 qualteiroes, com cinco rcsidencias em cacla
um. Para aumemar a representativielade cb. amostra de resiciencias, decidiu-se organizar os qualteiroes em estratos relativamente homogeneos (grupos de quaneiroes) e selecionar do is
quarteiroes de cacla estrato. Partama, a rarefa inicial em cada

Sele~ao de Grondes Qua rteir6es

eacia area cia cidacle tinha algum qualteido de recenseamenta com um grande nlllllero de resiclencias. Alguns eram
grandes em ramanho geografico; Olltros tinham varios pre-elias
graneles de apartamentos. Como a presen~a destes conjuntas

habitacionais pod ia prejudicar as tecnicas de estratifica\ao

planejadas, e pelo fato destes quarteiroes sercm considerados

muito importantes para as proposiros do estudo, c1eciciiu-se
que ca(ia qualteirao com 200 ou mais residencias serb aU[Qmaticamente incluido na amostfa. Estes quarreiroes seriam listados ,

qualteiroes sedam selecionaclos de caela estrato, a tarefa neste

ponto era eriar quarenta e sete (arredonclado de 46,5) esrratos.

Cada estrato (grllpo de quarteiroes) tinha que ter dllas

e um vigesimo (taxa de amostragem total para a regiiio) das

car3cteristicas. Primeiro, os quaneiroes em cada estrato deviam

ser tao semelhantes entre si quanto posslvel, em termos de
compos i\ao racial, swtus socioecon6mico (SSE) etc., para

residencias Iistacias selecionada para entrevisws.

garantir que todos os tipos de quarteiroes fossem selecionados

Na Area de Pobreza D, os quartciroes maiores tinhan1

urn total de 702 residencias. Portanto, trinta e cinco residencias

na propor\ao adequada na amostra total. Segundo, cacla estrato

foram seleeionadas daqueles quarteiroes, deixando 465 para

serem selecionadas do restante da area.

Lidando (Om Quarteir6es Pequenos e Quarteir6es Zero

Varios qllaneiroes na Area de Pobreza D (e em Olltros

devia conter lim total de aproximadamente 200 residencias.

Ja que dez casas deviam ser selecionadas de cada estrato
(dois quarteiroes, cinco residencias cle caeia), um tamanho

de estrato de 200 produziria lima fra~ao amostral total de 1120,

a fra~ao estabelecida para toda a area. Naturalmente, toclos
os quarreiroes tinham numeros especificaclos de resiclencia s,

de forma que nao foi possivel criar estratos com exatamente 200

locais) tin ham poueas residencias, estimando-se que alguns niio

tin ham nenhuma. Estes quarteiroes apresentavam problemas

casas. (Uma discussao posterior tratad ela corre~ao estmistica

para tais varia~oes.)

especiais. Primeiro, llm quarteirao com tamanho esperado igllal

a zero nao reria chance de sele\ao. Se as estimativas estivessem
incorretas e 0 quarteirao, de fato, tivcsse resiclencias, elas

num estrato, foi possivel empregar as caracteristicas de quartei-

nao teriam qualquer chance de sele~ao. Segundo, uma vez que

o desenho de amostra basico pedia a sele~ao de cineo resiciencias de cacla quarteirao selecionado, aqueles com menos
de cinco tambem representaram llm problema. Alem elisso, se
as estimativas de tamanho estivcssem incorreras, alguns quarteiroes que se acreclitava ter mais clo que cinco casas podiam,
de fato, ter menos.
Para resolver estes problemas, cada qU3neirao zero e
cada quarteirao com um tamanho esperado cle menos que
dez residencias foi "anexado" a um quarteirao adjacente. 0
nlll11erO de resiclencias esperado num pequeno quarteirao, se
houvesse algum, era somaelo ao nllmero clo quaneinlo acljacente,
eo par de quaneir6es trataclo como um qUaJteirao un ico para fins
de amostragem. 0 par tinha uma chance de sele~ao proporcional

ao seu tamanho eombinado; se

par Fosse selecionado na

amostra ele quaneiroes, ambos eram listados e amostraclos

como se fossem um lmico quarteirao.

Urna vez que triota e cinco residencias seriam selecionadas

cle grancles quarteiroes, 465 precisavam ser selecionadas do restante cia area, com seu total estimado de 9.236 resiciencias. Com
cinco residencias a serem selecionadas de caela quarteirao da
amostra, noventa e tres qualteir6es seriam necessarios. Como dois

Ao criar homogeneidade entre os quarteiroes agrllpados

roes fornecida s no eenso de 1960. Para evitar confusiio nas
descril;oes empfricas seguintes, observe que a cria~ao ele hOl11ogeneidacle foi feita de forma essencialmente ad hoc e arbitraria.
Embora possa haver a tenta\ao de eriar um formato estratifi-

cado em bases te6ricas desde

inicio (por exemplo, todos os

quarreiroes com mais de 75% de residentes nao-brancos, mais

de 500A> de unidades alugadas e menos de $150 em renda mensa I

media seriam combinadas para formar llm estrato), esta aborelagem nao seria necessariamente apropriada a natureza da
regiao Oll area especffica senclo amostraela. Em vez elisso, cada

grupo de quarteiroes (representando uma regiao da cidade ou

subconjunro dela) era examinado para determinar as varia\oes
das suas caracterfsticas, e um sistema de estratifica~ao foi desenvolvido para se adequar aquelas caracteristicas parriculares.
Porranto, areas diferentes da cielade foram estratificadas cle
form a diferentei ademais, deve-se reconhecer que 0 Formato de
estratifica~ao especffico a lima regiao era apenas uma cle varias,

talvez igualmente apropriaclas, possibilidades.

Entretanto, como regra geral, as variaveis de estratifjca~ao
disponlveis foram consideraclas numa determinada orclem para
caela area cia cielaele: crescimento recente, composi\ao racial,
porcentagem de casas proprias/a lugaclas, valor das proprieclades e deteriorac;ao. Sempre que esta ordem cle variaveis de
estrarifica\ao Fosse inapropriaela para uma dada area, as vari:iveis inapropriaclas eram ignoradas ou consideraclas num pomo
cliferente da esrratifica\7ao. 2

em cacla uma das sete regi6es cia dclacle) inkiamos

a estmtifica~ao com base no crescimento receme. Quando os
registros de claclos atualizados foram criados para cacla quarreirao de recenseamento, foi feita uma ano{a~ao quanto ao
numero de unidades residenciais construidas ap6s 0 censo
de 1960. Como parecia razoavel supor que quarreiriies contendo
novas constrw;oes difeririam de outros q uarreiroes, este dado
foi usado como primeira vari:1vel de estratifica~ao. Por exemplo,
todos os quarreiriies na Area de Pobreza D contendo alguma
nova unidade foram separados para uma estratifica~ao separacia. Ju ntos, estes qua rte iroes tin ham 1.254 resiciencias estimaclas . Com 200 casas por estrato) os q uarteiroes ';COI11 crescimento" fo ram agrupaclos em seis estratos.
A segunda variavel de estratifica,ao usada foi composi,ao
raciai. Toclos os quarteiroes com crescimento foram ordenaclos
em temlQS cla porcenragem de residentes nao-brancos vivendo em
cad" um. Alguns qualteiriies tinham 8o% ou ma is de residentes
nao-bra ncos. Juntos, estes qutllteir6es tinham 247 residencias. Uma
vez que este nllmero estava relacivamente proximo cia meta de
200 casas por estrato, estes qualteiroes foram design ados como
o primeiro estrato.
Qualteiriies contendo entre 30 e 79% de residentes naobrancos tiveram um tota l de 385 residencias; decidiu-se criar dois
estratos destes quarteiroes. A varia vel de estr::nifica'ao seguinte
fo i a porcentagem de residencias alugadas (em contraposi~ao ~lS
pr6prias). Nos esrrdtos aqui consiclerados, os quarreiroes com
36% ou mais de resic1cncias alugadas representavam um total de
214; as 171 restantes estavam em qu,.,teiroes com menos de 36%
de resiclencias alugaclas. Estes clois g rupos cle quaneiriies forali1
designaclos como 0 segundo e 0 terceiro estrato. (Nolel: Nao ha
nada intrinsecamente sign ificativo na escolha do corte em 36%.
A meta era erial' estratos de ramanllo aproximadamente igual, e
o ponto de corre q ue preenchia esta coneli~ao foi usaclo.)
Quarreiroes com menos de 3OO/o de residentes nao-brancos
rinham 622 resicie ncias, pedindo treS estmtos. Examinando estes
q ualteiriies em tennos de todas as variaveis cle estratifica,"o, descobliu-se que mais de 1o% elas residencias num grupo de qU3lteiriies
foram classificaclos pelo censo como "em detel;ora,"o". Estes quarteiriies tinham 214 residencias. Como 1oo/o de deteriora0io c bastante
alto no contexto de todos os quarreiriies, este gnlpo foi designado
como sendo 0 qUaIto cstrato.
Os quaneiriies restantes tinham 408 residencias, pedinclo
dois estratos. Quando se examinou a ocupa~ao em termos de
aiugueis) clescobriu-se q ue os quaneiroes com 86% ou mais
de alugueis tinham 201 resiclencias; estes quarreiroes foraI11
POIta!1(O)

designados como 0 quinto estrato. Os quarteiroes con tendo as

207 casas restantes foram designados como 0 sexto estrato.
Em vista cia complexic1acle deste procedimento, apresentamos
na Tabela 6-2 um resumo esquematico cla estratifica~ao clos
quarteiroes com crescimento nn Area de Pobreza D. Os grupos
de quarteiriies designados como estratos sao indicados pel a
anota,50 51, 52, e assim por diante. Lembre que a meta da
estratifjca~ao era erial' grupos relativamente homogeneos de
quarteiroes. Todos os quarteiroes no estrato 5 tem em eomum:
(1) estao localizados na Area cle Pobreza D em Oakland; (2)
tem menos cle 200 resid:ncias; (3) experimentaram um crescimento em nllmero de residencias desde 1960; (4) rem menos de
3oolo de residentes nao-brancos; (5) tem menos de 1o% elas suas
estrururas em cleteriora~ao; e (6) tem mais cle 85% cle alugueis. A
homogeneidade extrema deste g rupo de quarteiriies e evidente.
Esta d iscllssao esta lim itada a cria~ao de seis estratos
na Area de Pobreza D. Qua renta e um outros estratos foram
criados clesta maneira na mesma regiao, e 0 processo inteiro
foi re plicado mais se is vezes para as outras regioes da cidade.

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.

unMode hohilocionol. Uma unidode habitacional

Sele~ao

de Quorteiroes dentro dos tstrotos

Dais quarteiroes fo ram selecionaclos de cacla estrato,

com probabiliclacle proporcional ao seu tamanho. Usaremos
o es[raro 1 clo exemplo anterior, que ti nha 247 res iclencias,
pa ra i1ustrar 0 proceciimento usado na selec;ao de quarteiroes.

Para comec;,:ar, a ordem dos quartei roes no estrato 1 foi

randomizada. A seguir, a Tabela 6-3 foi criada a partir das

estimativas de resiciencias para cada quarteirao. As primeiras
duas colunas na tabela iclentificam aS quarteiroes pelo n(unero

do trajew do censo e numero do quarteirao (dentro de cada

trajeto ou trato). A terceira coluna apresenta os tamanhos
estimaclos clos quarteiroes; a quarta coluna chI. 0 {oral cumulativo

Oakland. Cinco residencias (em gem!) iam ser entrevistaclas em

cacla quatteirao. Para. atingir esta meta, mapas fa ram preparados
de f0n11a a identificar clammente cack'l lim dos quaneir6es selecionaclos, e enumeraclores foram manclados para preparar uma lista
de todas as residencias em cacla quarteirtlo. As listas, preparaclas
pelo uso de formularios padronizados, assemelhavam-se ao

exemplo apresencado na Tabela 6-4.

nos seis quarteiraes. A coluna fmal apresenta a faixa de n(lmeros

IhBHh 6-4

assinalaclos a cada quarteirao com base no seu tamanho.

Como do is quarreiroes deviam ser seiecionados,

Amadra de falha de lidagem

total

cumulativo para 0 esu-ato (247) foi dividido por 2 (resultando

em 123,5). Um n(lmero aleat6 rio entre 1 e 123,5 foi selecionado.
o quarteirao 27/5, com uma faixa de 13-42, cont inha este
n(lmero aleatorio, de forma que foi selecionado na amostra
de q uarteiroes. 0 n(llnero aleatorio foi, entao, adicionado a

123,5.0 quarteirao 27/14, com uma faixa de 149-196, continha

este novo numero 058,5), de forma que foi 0 segundo quar-

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

teirao selecionaclo na amostra.

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

divididos por estracos. 0 computador lia os relat6rios de dados

de um estrmo, calculava e imprimia os totais cllll1ularivos para
aque\e estrato, diviclia 0 total par 2 e imprimia aquele numero,
e final mente gerava e imprin1ia um numero aleatorio entre 1 e
metade do [Otal. Depois cleterminava quais quarteiroes deviam
ser inclufdos na amostra.

Sele,iio de Residencias denho de um Quarteiriio

o

proceclimento descrito resliitou na selcc;,:ao de cerca

de 700 q uarte iroes de recenseamento em tad a a cidacle de

Sem nllmerOj casa

malTom com sebe

Apa rt. 101

Apart. 102
Ap'UT. 103

47
48

Para preparar a listagem, 0 enumeraclor ia a lima esquina

clesignada do qualteirao e contornava-o ate voltar ao ponto de
origem, anotando cada resiclencia no formuhl ri o ~l medicla que
aparecia. Cada resiciencia, seja uma casa com lima (mica famnia,
urn meio duplex ou um apa.rtamenro, era anotada sepamclamente,
recebendo urn numero em ordem seriada conrinua.

processo de Iistagem fomecell uma nova estimativa do

numero de resiclendas em cad'l quaneiriio. (Como os enumeradores
pocliam cometer erros na listagem, este nurnero ainda assim cleve ser
considerado uma eslimaliva.) Entretanto, lembre que eacla quarteiriio
era selecionado com base em uma esrimativa anterior clo seu
tamanho. Para levar em conta discrepancias entre estas duas
estimativas, empregamos uma tecnica mencionack'l antes na nossa
cliscuS&10 sobre a anl ostragem de mllU1eres d1 igreja episcopal.

intervalo amostral lIsado na se l e~ao de residencias de

lim dado quarteirao foi complltada com base na esrimativa anterior cia sell taman ho e nas cinco resici<?ncias que se pretendia

selecionar. Se 0 tamanho do qualteirao tivesse sido estimado em

cinqUenta residencias, 0 inteIValo amostral era cstabelecido em dez.
Este intervalo foi usado na sele.;ao de resklencias, mesmo se 0
numero de casas de faro listaclas Fosse maior ou menor. Se 0
qualteirao tivesse sessenta residencias em vez dus cinqliem3 estimacias, seis eram selecionadas on amostra; se tivessc s6 quarema,

quauo eram selecionadas. (Uma coneo mais precisa tambem foi

empregacla, 0 que discutiremos em breve.)
A sele~ao de residencias foi feita escolhendo um niimero
aleat6rio entre 1 e 0 imelvalo 3mostral. 0 Olll11erO aleat6rio foi
entao somaclo ao intervalo amostral, e as residencias listadas

ao Iado dos nClmeros resultantes na Iista foram escolhidas

para entrevista.
Quando as estimativas iniciais do tamanho clo quarteirao
eram muico imprecisas e as procedimentos mencionaclos procluziam apenas uma ou duas residencias na amostra (Oll mais do
que dez), um procedimento cliferenre roi usaclo. Ncsrcs casos,
LIm nlunero arbitrario de resiciencias (nao mais clo que dez) era
selecionado, e se fazia uma anotai,o para que aquelas entrevistas
livessem peso separado durante a analise.

Isso completa nossa discussao sobre os procedimentos

usados na seleo de cerca de 3.500 residencias na cidade de
Oakland, Calif6rnia, em 1966. 0 processo todo, incluindo a
atua l iza~ao do tamanho dos quarteir6es de recenseamento e a
listagem dos qualteiroes de amosrm, levou cerca de cinco meses,
exigindo aproximaclamente vinte pessoas no pico do trabalho.

Pondera~ao dOl Re si denc ias da Amosha

No desenho cia amostra aleat6ria simples, cada elemento na

populao tem a mesma probabiliclade de seleo. Como resultado,

a amosrra agregada pode ser tomada como representariva da
popula~ao

da qual foi extra fda. Se 2.000 respondentes forem

selecionados de uma popula~ao de 2 milh6cs, cnrao cons idera-se que cada entrevistado estaria "represenrando" mais 999
pessoas nao selecionadas. Para estimar 0 111imero de pessoas
na popula.;ao com lima cietenninacia caracrerfstica, multiplicamos
pOl' 1.000 0 numero de pessoas com aqucla carac[erlslica na

nossa amostra. Este peso e

inverso da probabilidade dos

respondemes serem selecionaclos na amostra. Quando [Odes rem

a mesma probabilidade de

sele~ao, 0

peso

e irrelevante, exceto

pa ra estimar numeros na populat;ao.

Quando os respondentes rem probabilidades diferentes

de sele~ao, a pondera~ao e mais imponantc, sendo relevanre
ate mesmo na compLlta~ao c1as porcentagcns. 0 esrucio

Oakland

e um

exemplo cia necessidacle de e dos metodos

para ponderar elememos de amostra num desenho complexo

de amostra. Entretanto, independentemente da complexidade

do projeto, 0 principio b:'isico se mantem: 0 peso do respondente e 0 inverso da sua probabilidade de sele~ao na "mostra.
Ao computar a probabilidade geral de sele~ao de um
respondente, devemos lembrar-nos de que se temos varias eta pas
de amosrragem, com probabilidades diferentes de seleo em cada
uma, estas probabilidades devem ser multiplicadas para determinar a probabilidade gera!. Se os respondentes pel1encem a um
grupo (igreja, qual1eirao) com a chance de sele~ao de um decimo,
e eles tem uma chance de sele~ao de um decimo denim daquele
grupo, sua probabilidade geral de sele,ao e de 1/100.
No dlculo dos pesos clas residencias na amostra de
Oakland, deven10s consiclerar duas probabilidades separadas

de

sele~ao:

a probabilidade de um quarteirao ser selecionado

e a de lima resiciencia ser selecionacb clentro c1aquele quarteu-ao.

Estas probabilidades devem ser calculadas como se segue.
Pmbabilidade do Qual1eirao. Cada quarteirao tem a probabilidade de sele~ao igual ao seu tamanho estimado (TEQ),
dividiclo pelo tamanho do estrato (TE), vezes 2 (dois quarteir6es
selecionados por estrato). Escrevemos esta equa~ao como 2TEQ/
TE. Note que esra f6rmula considel"" tanto a amostragem PPT
quanto a varia.;ao dos tamanhos dos estratos. No nosso exemplo
anterior, 0 qUaI1eirao 27/5 tinha um tamanho estimado de 30 residencias num estrato contendo 247; pOl1anto, sua probabilidade
de sele~ao era C30x2)/247 = 0,2429.
Pmbabilidade da Residencia. Dentro de cada qual1eirao,
cada residencia selecionacla tinha uma probabilidade de sele~ao
igual ao numero selecionado no quarteirao (II) dividido pelo
niimero de fato (NFQ) Iistado para todo 0 qual1eirao, escrito como
nINFQ. Caso se obselvasse na Iistagem que 0 qual1eirao 27/5
tinha 34 residencias (em vez de 30), e fossem selecionadas
cinco delas, cada uma teria a probabilidade de selc.;ao igual a

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

selecionadas no quarteirao 27/5 tinha menor probabiliclade

que eles ten ham i1usrrado a 16gica basica cia amostragem cle
survey, ajuclando-o a improvisar sabiamente quando se deparar
com urn problema novo.

de sele<;ao do que na inten<;ao original.

No entamo, note que, se

tamanho estimado clo quarteicio

e 0 tamanho real fossem identicos, a fom1ula de probabilidade

seria reduzida de (2TEQ)(n)/(TE)(NFQ) para 2n/(TE), ou duas
vezes 0 nlll11erO de resiciencias selecionadas ciividiclo pelo numero

de residencias no estrato. Se 0 tamanho do estrato (TE) Fosse 200, a

fra~o de amostragem visada de 1/20 seria aringicla, uma vez que
cinco resiciencias tedam sido escolhidas no quarteimo.

POllciera9aO das Residencias. Todas as cliferen<;as em

probabiliclacles cle sele<;ao foram levaclas em considera<;ao
na a10ca<;ao cle pesos igual ao inverso da probabilidade geral
de sele~ao de uma residencia. No primeiro exemplo :leima,
eada residencia entrevistada no quarteirao 27/5 (eria recebido

um peso cle 28. 0 suposto e que cada uma claquelas residencias

representaria a si propria e outras 27 na ciclacle cle Oakland.

Ponciera9cio Aciicional por Niio-Respos/a. Um comentario

final. Surveys deste tipo nunca conseguem entrevistar toclas
as resiciencias inicia lmente se1ecionadas na amostr<l. Algumas
pessoas na amostra se recusam a ser entrevistaclas e ourras
nao estao disponlveis.

Neste estuclo, foi arribufdo peso adicional a residencias

para clar conta cia nao-resposta. Sup6s-se que as residencias
em que nao se conseguiu fazer entrevistas eram mais como
as casas entrevistadas no mesrno quarteirao do que como
qua lquer outra estimativa posslvel. Portanto, cacla entrevista

completacla recebia um peso igual ao nLlmero de residencias

selecionadas naquele quarteirao clividido pelo nlimero de

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

Por exemplo, na epoca do estudo, uma regiao da cidadc de Oakland

era quast! lotalmente branca. Ponanto, razia POllCO senticlo estratiricar
os quanciroes naquela :'irea em lermos cia composi\=ao racial, embora
fosse posslvel agrupar os quaneiroes com qllaisqller residentes nao~rancos. ~)or OUlro lado, se urn pequeno grupo de qu:lrteiroes na regiao
uvc~. dlgamos, 20% ou mais de residentes nao-brancos, estes poderiam
ter sKID colocados em um cstrJIO separado.
!

leitu ras ~di(iona is

ALMOND, Gabriel, VERBA, Siclney. The Civic Clii/lire. Princeton,
Nl: Princeton University Press, 1963.
BABHIE, Earl R. Science and Mora lily in Medicine. Berkeley:
University of California Press, 1970.
GLOCK, Cha rles Y, RINGER, Benjamin B., BABBlE, Earl R. To
ComfOit and /0 Challenge. Berkeley: University of California
Press, 1967.

entrevistas cle fato completaclas. Se quatro entrevistas em

cinco eram completadas, cada entrevista completa recebia

GLOCK, Charles Y., STARK, Rodney. Chris/ian Beliefs and

An/i-Semi/ism. New York: Harper & Row, 1966.

um peso adicional de 5/4 -

STOUFFER, Samuel A. Communism, Conformity, and Civil

Liherties. New York: John Wiley & Sons, 1966.

1,25. Naturalmente, se todas as

resiclencias selecionaclas eram entrevistadas com sucesso, a

peso adicional era de 1, podendo ser ignorado.

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

A pesquisa cientifica tem duas metas pIincipais: descrir,:c70 e

e:xplicar,:c70. Pesquisadores medem as distribui,oes empiricas de
valores nas variaveis (descric;ao) e as associac;6es entre as variaveis para explicar essas d istribu i,oes de valores. 0 Capitulo 13
discute as interconexoes l6gicas entre descri,ao e explica,ao. A
finalidade desre capitulo

e fundamenta l' estes

processos, exami-

nando a l6gica e as possibilidades da medi,ao dcscritiva.

Seja traba lhando a parti r de uma reo ria rigorosamen te

deduzida, seja a partir de um conjunto de suspeitas e palpites,

em algum pon to voce se c1epara com conceitos abstratos, naG

especificados, que aclla que 0 ajudarao a compreender 0 mundo

que 0 ceren, Na pesquisa de survey, estes conceitos devem ser

convelt idos em perguntas nu m quest ion rio, de forma a permitir

a coleta de c1ados empfricos relevantes para a analise.

o capitu lo comec;a

com noras gerais reimivas a J6gica cia

conceituac;ao e cia operacionalizac;ao. A seguir, considera os

cliferentes tipos de daclos que se pode levantar num sllrvey.

Finalmente, se debrw;a sabre algumas recnicas para consrfuir
boas perguntas.

L6g ico do (onceituo{oo

Mu iras vezes se quer esruciar conceiros como c1asse social,
al.ienat;ao, preconceiro, sofistica~ao intelectual, e assim por
cl lanle. Talvez voce suspeite que a aliena~ao decresce com a
mobilidacle social ascendente, au que a sofis(ica~ao imeleclual

reduz 0 preconceito. No entanto, antes de embarcar na pesquisa

empirica, estes conceitos podem ser apenas icleias gerais na sua
cabe~a, sem defini~ao precisa do que significam para voce.

ultimo. Por si, status social s6 existe como uma assinalac;ao

conveniente para uma diversidade c1e observac;6es emplricas.

POI' exemplo, 0 conceito "status social" e freqijentemente

usado na pesquisa social, mas de forma algul11a esta claro sell

social carrera ou incorretamente; pode apenas fazer medic;6es

significado iiltimo. Oefini~oes diferentes de c1asse social incluem:

renda, prestfgio ocupacional, educa~ao, riqueza, pocier, status
fanliliar tradicional e avalia~ao moral. Provavellnente, nenhUl11a

combina~ao especlfica destes elementos produz uma defini~o cle

status social plenamente satisfat6ria para algul11 pesquisador,
muito menos para toclos os pesquisadores.
Muitas vezes se diz que tais conceitos nao especificados
tenl "riqueza de significado", no sen cicio de combinarem uma

variedade de elementos, sumariando um fenomeno complexo.

Embora 0 termo "status social" evoque cliferentes imagens para
pesquisaclores diferentes, estas imagens provavelmente parecem
a todos eles importantes e significativas. Tais conceitos gerais
devem ser especificados para a pesquisa empirica rigorosa, ou

Oeste ponto de vista, nenhum pesquisador pode pesquisar status

mais ou menas uteis.
Neste senticlo, as cienristas nunca coletam c1ados, eles cria m
dados. Esea icleia I" essencialmente 0 mesmo sentimento expresso

pelo ftIosofo da ciencia Alfred NOlth Whitehead, quando escreveu

oseguime:
A natureza recebe crec1ito pelo que deveria estar reservado
para n6s; a rosa pelo seu perfume;

rouxinol pelo sell

canto; e 0 Sol peb sua rac1ia~ao. Os poctas cstao toralmcnte

enganaclos. Dcviam endere~ar slla Ifrica para si pr6prios,
fazendo dela odes de aUlocongratula~flo pela excelencia
cia mente humana. A natureza e assunto sem grap, scm
som, scm cor; meramente 0 apressar cia materia, de forma
inlerminavcl e sem significado. 1

seja, reduziclos a inclicadores empiricos especificos. A operacionaliza~ao de conceitos e inevitavelmente insatisfat6ria, tanto para

Quando faz varias perguntas e combina as respostas

os pesquisadores quanto para suas auciiencias. Em (iltima

analise, conceitos ricos em significado cJevem ser reduzidos a

nunl fndice que chama de dasse socia l, voce criou uma medicla
de classe social; voce realnlente eliou um agrupamento e uma

indicadores empiricos simplificaclos e superficiais.

hierarquia de cia sse social entre seus respondentes. Voce

Penso que a maioria dos conceitos interessantes para os

pesquisadores socia is nao {em significado real, nem defini~ao
ultima. Status social I" um bom exemplo. 0 conceito geral de

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

destas diferen~as persistiu no decorrer da historia humana. Max

Weber extraiu muitas implica~oes dessas diferen~as. Karl Marx
deIivou uma teoria da sociedade com base nebs. W. Lloyd Warner
e Olltros soci610gos americanos dos anos 30 e 40 obselvaram as
mesmas diferen~as entre moraclores de pequenas ciclades, e descobriram que membros de uma cOl11uniclacle pocliam identificar
os vizinhos com maior ou menor status social.

A existencia de diferenps de status entre membros de

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

nao descobriu, apenas, um agrupamento e uma hierarquia

que ja existia, num senticlo real.

Talvez as medidas criadas tenham utilidade, ajudando-o a

entender os cbdos que tem, ou ajudando-o a desenvolver teorias
sobre classes sociais. Entretanto, nao tem sentido perguntar se
VOCe reaimente mediu c1asse social, num sentido valido em
iiltima analise, porque 0 conceito so existe em nossas mentes.
A no~ao de que pesquisadores criam c1ados e nao os coletam e ate mais fundamental do que sugere 0 exemplo do status
social. Nos primeiros dias da II Guerra Mundial, Hadley Cantril fez
clois su.rueys nacionais do pav~ americano. 2 0 c1esenho das
3mostras e a checagem cruzacla elas suas caracreristicas inclicavam
que ambos fornecialn boas estimativas cia popula~ao americana.

Num clos suroeys, foi perguntado aos respondentes: "Voce acha

que os Estados Uniclos conseguml0 ficar fora cla guen<:l?" A maiotia

(55% dos que opinaram) disse sim. No Olltro sl/Ivey, a pergunta

foi: "Voce acha que as Estacios Unidos entrarao na guerra antes

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

quanta a entrar na guerra?" Esta pergunta nao poele ser res-

pondida. Podemos apenas conciuir que, em 1939, nao havia

algo como "a atitude americana sobre a probabjJidade de
entrarmos na guerra". Nenhuma porcencagem representava
a propon;ao que rea/mente pensava que emrariamos na guerra.

Ponanto, nao se podia co/etar tais dados; podia-se apenas

cria-Ios fazendo perguntas, e a forma pela qual as perguntas
eram feitas tinha um impacto sobre as respostas recebidas.

Nunca conseguimos fazer medidas precisas, apenas medidas

llteis. Mas eSk'l suposi~ao nao cleve ser tomada como justificativa
~ara a anarquia cientffica. Pesquisa rigorosa ainda
possfvelj

slmplesmenre e rna is diffcil do que se imagina. 0 resto deste

capitulo ocupa-se da logica e das habilidades requeridas na fei[ura
de medidas llteis.

Um Quadro de Referencias de Operacionaliza~ao

Como sugere a discuss;io anterior, conceitos sao codjfjca~6es
gerais da experiencia e das observa~oes. Obselvamos pessoas
vivendo ern tipos diferentes de estruturas residenciais e desenvolvemos 0 conceito de unidade residencial. Obselvamos diferen",s ern posi~ao social e desenvolvemos 0 conceiro de status
social. Notamos diferen",s no grau de compromisso religioso das
pessoas e desenvolvemos 0 conceito de religiosidade. Eno'etanto

e imperativo reconhecer que todos estes conceitos sao anota~6e~

resumidas da experiencia e clas obselva~oes.
Na cH?ncia, tais canceitas muitas vezes assumem a forma

Muitos dos conceitos mais interessanres na ciencia social

representam varitiveis orc/inais feitas de valores dispostoS ao

longo de uma clill1ensclo. Por exemplo, 0 conceito de Status social
implica uma hierarquia de valores como llsratus elevaclo" l'status
medio", "status inferior" etc. Religiosidade, preconceito, ali~nar;ao,
sofistica~iio intelectual, liberalismo e conceitos similares
implicam tan1bem um conjunto de valores h ierarquizados.

e0

religiosos etc. Em geral, diversos destes indicadores sao especificados e combinados durante a am'ilise de e1ados para fOlllecer

uma mec1icla compost<~ ([ndice ou escala) representando 0 conceito.

Uma vez que virtualrnente todos os conceitos sao resumos

ad boc da experiencia e das observa~oes, nao tem significados

reais, t'Htimos. POltanto, voce nao faz meclidas con-etas ou incOll'etas,
apenas pode detenninar ate que ponto as medi~6es contribuem
para compreender os dados empiricos e desenvolver teorias do
compoltamento social. Oesta perspectiva, e posslvel dar diretrizes
para 0 processo de operacionaliza~o, para ampliar sua utilidade
nas atividades de pesquisa.

Suponha que voce queira estudar religiosidade. Talvez

queira a prender por que algumas pessoas sao mais religiosas do
que outras,

01.1

saber as conseqOencias de ser mais au menos

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

de variaveis reunindo uma cole~ao de atriblltosrelacionados.

Assim, 0 conceito de "genero" resume do is atributos distintos:
masculino e feminino. "Perfoclo escolar" e uma varia vel composta pelos atributos calouro e veterano. "Filia~ao religiosa"
pode incluir atributos como protestante, catolico, judeu, budista
e assim por diante.

A opemciol1a/izarclo

para especificar medi~oes empiricas que inclicarao se as respondentes sao aitamenre religiosos, moderadamente religiosos, nao

processo pelo qual pesquisadores

especificam observa~oes empfricas que poclem ser tomaclas

como indicaclores dos atributos canticlos em algum conceiro.
Se 0 conceito for religiosiciacie, a operacionaliza~o a processo

se rv i ~os

religiosos semanais, comunhao (pa ra os cristaos),

antes das refei~6es etc. Ellvo/vimellto ic/eo/6gicoconceme
a aceita~ao de cren",s religiosas traclicionais. Ellvo/uimell/o inte/ectual refere-se 11 extensao do conhecimento sobre religiao.
Ell uo/vi mellio experiencial se refere a extensao clas experiencias
religiosas dos respondentes, como ouvir a voz cle Deus, possessoes
religiosas etc. Finalmente, Glock examina 0 envo/vimelllO cOllSeqiiellcia/, isto e, 0 quanto 0 comportamento social e motivado por
preocupa~6es religiosas, cle acorclo com ensinamentos religiosos.
Embora estas cinco subclimensoes da religiosidade ajudem
OI-a~oes

a organizar tTIuitos indicadores possfveis, outros indicaclores

talvez nao se encaixem facilmente neJas. Dar clinheiro para a

Igrela, ou para atividades relacionadas 11 igreja, pode ser cons iderado lima indica<;ao de religiosidade, bem como a palticipa<;ao
nos arividacles sociais cia igreja. A lista pocleria prosseguir.
Ponanto, a primeira tarefa e com pilar lima listn, tao exaustiva

quanto posslvel, de toclos os diferenres inclicadores que pocleriam

ser tncluidos no conceiro geral de religiosidade.

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.

na analise. Se voce quiser, por exemplo, derenninar a rela~ao

entre religiosidade e arirudes em rela~ao it guerra, irens medinclo
o compromisso com a cloutrina crista cia "paz na Terra" nao seriam

boas medidas cle religiosidade. Como as resposras refleririam as

arirudes dos respondemes frente a guerra - alem de preocupa~oes religiosas - , tais itens seriam "conraminados". Mesmo
que as respostas certamente se relacionem com atitudes relativas
a participa~ao na guerra, os achaclos nao contribuiriam em nnela

para enrender a

rela~ao

Esre problema nao rem solul,'ao simples. Os interesses de

pesquisa variam delnais para permitir a elucidac;ao de regras

adequadas de procedimentos. 0 (jnico conselho, agora, e

realizar 0 exercicio demorado de listar todas as posslveis
subclimensoes cia variavei, anotando as ciimensoes a serem

excluidas do conceiro e especificando os pontos conceiruais

exrremos da dimensao que descreve 0 conceiro. Cacla irem clo
quesrionario examinaclo cleve ser avaliado segundo esras
clecisoes. Voce cleve se pergunrar quais seriam as implica~oes cle
cacla possivel resposra: como esra resposra reflere 0 conceiro
basico? Apenas arraves desre processo voce pocle gerar clados
relevantes para uma analise posterior significativa.

geral entre religiosidade e arirudes em

rela~ao ~l guerra.

Deve-se presrar aren~ao especial ao opos/oda variavel que

se busca medir. Se a mera e medir religiosidade, devemos esrar
sensiveis a variavel ami-religiosidade. Algumas pessoas sao
muira religiosas e outras nao religiosas; outras sao anti-religiosas.
Como anti-religiosiclacle poele variar em intensidacle, voce cleve
clererminar a amplitude de varia~ao conceinlal cia varhlvel. Talvez

oprando por uma medida de religiosidade variando de baixa a

alta, agrLlpancio as anti-religiosos e os que apenas nao sao

positivamenre religiosos. Ou ralvez esrendendo a varia vel de muiro

religioso a muiro anri-religioso. Em qualquer caso, os irens
usados na medida devem basear-se na sua clecisao sobre a amplirude. Consiclere 0 seguinre exemplo cle um irem cle quesrionario:
Por favor, diga sc voce concorda ou discorda da seguinlc
cJcc1ara~ao:

"A religiao orgcl1lizada causa mais mal do

que bem."

Concorciancia indicaria LIma orienrac;ao anti-religiosa.

Por outro lacio, a discorciancia nao indica ria necessaria mente

religiosidade. Embora as resposras certamente esrejam fOltemente

correlacionaclas com mediclas de religiosiclade, 0 irem propriamente diro nao mede religiosiclade, apenas anti-religiosidade.
Esre exemplo ilusrra um problema comum na medid" cle
dimensoes. Ao inves de medir uma varia vel cle baixo a al[O,
muiras vezes medimos do is p610s oposros. Por exemplo, raramente medimos graus de conservadorismo poifrico, medindo
ao inves varia<;oes entre IiberalisIno e conservadorismo. Num
estudo sobre ciencia e medicina, tentei medir graus diversos de
compramisso coI11 perspectivas cientfficas entre medicos, mas
me vi canstantemente envolvido em questoes sabre perspectivas
anticientfficas. 4

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.

Embora 0 capirulo renha comepdo afirmanclo que os

daclos s6 exisrem anaves clo processo cienrifico de gera-los,
mesmo assim rem senriclo ver alguns ripos de dados como
Ufatos". Par Ufatos", queremos dizer irens de informac;ao que a

respondente acredira representarem a verdade e que voce, em

geral, aceira como senclo verdade. As caracrerisricas demograficas
clos respondenres se encaixam nesra caregoria. Quanclo pede
aos entrevistados para indicarem sell sexo como masculino au

feminino, eles acrediram que as resposras represenram faros

ind iscuriveis, e voce os aceira como ral. 0 mesmo pode ser diro
das informa~oes sobre iclacle, rap, regiao de origem erc.
As vezes, pede-se aos respondenres para darem informa~oes que eles aceitam como cieclarac;oes verdacieiras, mas que

voce nao aceira necessariamenre como ral. Por exemplo, pode-se

perguntar se Deus exisre. Respondendo sim ou nao, eles dizem 0
que acreditam ser a verdade sobre a tema.

Ja

voce ve estas

resposras apenas como descri~oes dos respondenres, e nao

como resposras it quesrao da exisrencia de Deus. Solicirados
a concordar ou discordar da declara~ao "As mulheres sao
mais emorivas clo que os homens," os responclenres dirao 0
que acreciiram ser verclade e voce toma as respostas apenas
como descri~oes dos respondenres.
Em outros casas, voce pede ao respondente para dar informa~Oes reconhecidas par voces dais como atitucles subjetivas.
Voce pode perguntar: "Voce acha que 0 presidente esta reali:U1.ndo
tim bam au um mau trabalho?" Tanto ele quanta voce entendem

que se tram de uma opiniao e nao de urn fato. A dis(in~ao eI1(re

cl'en~as e arirudes, neste sentido, muiras vezes nao e clara, mas,

Niveis de Medkoo

em certos problemas de pesquisa, pode vir a ser importante.

/'vluiw pesquisa social interessante envolve medir orien-

Vimos na se~ao precedente que 0 pesquisador de slilvey

pode medir diversas variaveis socia is. Nesta se~ao, olharemos

ta~6es,

para estas variaveis de outra perspectival consideranclo quatro

nfveis de medi~ao: nominal, ordinal, intervalo e razao. 5

como 0 preconceito, muitas vezes nao I'econhecidas

pelos pr6prios respondentes. Num survey, voce pode fazer

diversas pel'guntas que, combinadas, permirem descrevel' os
respondenres como mais ou menos pl'econceiruosos. Em muitos

casos, eles nao entendem a finalidade latente clas perguntas e

podem muito bem discordar das suas caracteriza~oes na analise.
A pesquisa de surueynao pel111ite medida clirew do comporramento, embora freqiientemente 0 comportamento social seja a
referencia ultima da pesquisa social. Entretanto, a pesquisa de
s/./lvey permite medida indireta do com porta mento, muitas vezes
de maneiras Llteis.

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

de lembrar e ser honesto. Por exemplo, eles podem nao lembrar

em quem votaram, digamos, na elei~ao presidencial de 1960.
Podem permitir que a mem6ria os engane, palticularmente se 0
comportamento em questao e visto hoje como bom ou mau. (Pes-

A medi~o nomina/apenas distingue as categoIias que compoem uma variavel. Sexo, por exemplo,

e uma variavel composta

clas categorias masculino e feminino. Olmos exemplos sao filia~ao

religiosa ou politica, regiao do pafs e tipo de curso superior.
As categorias compondo lima variavel nominal sao mutua-

mente exdudentes, nao tendo qualquer outra rela~ao entre si. Os

nfveis restantes de medi",Jo, discutidos abaixo, refletem rela~oes
ac1icionais entre as caregorias.

A medi~ao ordinal reflete uma ordena~ao entre as categorias que compoem uma variavel. Classe social e um exemplo de

quisas de opiniao p6s-eleitorais muitas veZeS mostram maior

varHivel ordinal, composta, talvez, clas categorias classe baixa,

porcentagem do eleitorado votando no vencedor do que 0 que

realmente aconteceu.) No entanto, apesa r destas desvantagens,

classe media e classe alta. Outros exemplos sao religiosidade,

relatos de compoltamentos passados podem ser muito Llreis.

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

de opinifto perguntam "Em quem voce votara?" As vezes,

uti! criar situac;6es hipotericas e perguntar aos respondentes

como agiriam: "Se seu partido apresentasse uma mulher para

presidente, voce acha que votaria neb?"

nota 5 nllma escala de alienac;ao

mC/is alieJlClda do que uma
pessoa Com nO[3 4 neste fnclice, embora esta meclida ordinal nao

de qualquer indica~ao sobre quclo lIlais alienada ela e.

Na maioria das vezes, meclidas de compoltamento pros-

pectivo sao menos confiaveis do que as de comportamento

passado. De qualquer forma, tenha em mente essas limita~oes,
quando estiver gerando tais dados. Ao perguntar aos respondentes se votariam numa mulher indicada para presidente pelo

seu partido, provavelmente voce aprended pouca coisa de

valor para uma futura candidata feminina. Os cbdos clescritivos

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.

A medi~o de inteIVa/o tambem usa numeros para descrever

condi~oes, mas eles tem mais sentido do que na medi~ao ordinal,
porque as distancias entre os pontos tem significado real. 0 exemplo mais comum e a escala de temperatura Fahrenheit. A djferen~a
entre 80 e 90 graus e a mesma que a diferenp entre 60 e 70 graus.
c:'ep,que a diferen~a entre as notas 4 e 5 num fndice de aliena~ao
nao e necessariamente a mesma que a c1iferenc;a entre 3 e 4.)

Medi ~ ao

requericla. Se a analise requer dados na forma de medidas de

de Ro zao

A mecli~ao de raziio tem as mesmas caracterfsticas cia

de intervalo, com a caracteristica adicional de tel' um zero

real. Em compara~ao com a escala Fahrenheit (uma medida

de intervalo), a escala de temperatura Kelvin (baseada em
graus de temperatura de zero absoluto) e uma medida de
razao: enquanto 40 graus Fahrenheit nao sao necessariamente
duas vezes mais quentes do que 20 graus Fahrenheit, 200
Kelvins sao duas vezes mais quentes do que 100 Kelvins.
No contexto cia pesquisa social cientffic3, a iclade
exemplo de meclida de raz8.o. Uma pessoa com vinte

e lim

razao, voce nao cleve construir seus questionarios de forma a

criar apenas variaveis nominais.

Guias para a Elabora,ao de Questoes

Ao construir itens do questionario, ha varias op~6es.

A experiencia passada dos pesquisadores de slIrvey fornece

muitas diretrizes que pode1l1 ajuda-Io a gerar dados ute is para
analise. Esta se~ao lida com os do is temas.

3110$

tem 0 dobro da idade de algubn com clez anos. Altura, peso

e tempo de moradia numa cidade sao oun'os exemplos.

Implica~6es dos Niveis de Medi~ao

Na discussao sobre a analise de survey na Parte 3 do
livro, veremos que diferentes tecnicas analiticas podem requerer
niveis especificos de mecli~ao. Por exemplo, se voce est"
analisanclo a relac;ao entre duas variaveis nomina is, algumas
tecnicas analiticas sao inaciequaclas.
Ao mesmo tempo, e importante compreender que uma
varia vel pode ser tratada de forma diferente em termos dos niveis
de med i~ao. Lembre, por exemplo, que idade e uma medida de
razao. POltanto, voce pode calcular uma equa~ao de regressao
associanclo idade e altura (outra meclicla de razao). Mas, suponha

que voce esta estudando uma amostra de estudantes variando de

quatorze a vinte aoos. DentI"O ciest.:'1 faixa limitac1a, voce pode aproveitar as intervalos iguais entre as idades, mas nao a carater de

razao da varia vel. Em outro tipo de estudo, voce pode escolher

juntar idades nas seguintes categorias: menos de quarenta anos =
jovern; quarenta a ses.r;;enta anos = rneia (dade; acima de sessenta =
idoso. Finalmente, icbde pode ser convenida em1l1edida nominal
para certos fins. Respondentes pod em ser categorizados como
membros do "baby boom" pos II Guerra Mundial ou nno; podem
ser categorizados como tendo nascido durante a Depressao
dos anos 30 ou nao. (Outra medida nominal - baseada na
data cia nascimento e nao na idade - e a c1assifica~ao por
signos astroI6g icos.)
Ao desenhar 0 questionario, considere 0 tipo de analise
que fam ap6s a coleta dos dados. Voce deve determinar se e
como poele medir cacla variavel, de forma a permitir a analise

A pesqu isa d e survey e habitua lmente vista como fazer

pe rguntas, mas 0 exame de u m survey tipico provavelmente
mostrara tantas declara~oes quanto pergun tas. Isto tem suas
raz6es. Muicas vezes voce quer dererminar 0 quanta os res-

pondentes apoiam determinada atitude ou perspectiva. Se for

capaz de resu1l1ir a atitude numa decla ra~ao curta, voce pode
apresenta-la aos respondentes e perguntar-lhes se concordam
ou d iscordam dela. Rensis Likert formalizou este procedimento
com a esca/a Likert, um formato no qua l solicita-se aos entre vistaclos "concorclar fortemente", "concordar", "discorda r", "cliscordar
U
fOltemente ou "aprovar fOltenl ente U , "aprovar" etc.

Questoes e dec1ara~oes podem ser usadas vantajosamente

numa pesquisa de survey. 0 uso de ambas da mais flexibiliclac1e ao
desenho dos itens e pode tomar 0 questionariO mais interessante.

Perguntas hbertas e fechados

Hi duas op~oes para fazer perguntas. Voce pode fazer
pergunras aberlas, solicitando aos respondentes darem suas
proprias respostas. Por exemplo, pode perguntar "Qual tema voce
considera mais importante para 0 pais hoje?", dando espa~o
para esc rever a resposta (ou solicitando resposta verbal ao
entrevistador).

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

codificadas antes de entrar com os dados, e hft 0 perigo de alguns

respondentes darenl respostas irrelevantes para a i nten~o clo
pesqu isaclor. POl' outro lado, muitas vezes pode-se entrar com as

respostas fechaclas c1iretamente a partir clo questionario e, em

alguns casas, poclem ser marcaclas diretamente em folhas para

Par outro lado, voce pode ref uma compreensao superficial

do tema, deixando de especificar suficienrenlente a imen~ao cia

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

pergunta. A questiio "0 que voce pensa sobre 0 sistema proposto

de mfsseis antibalfsticos'" pode evocar no respondente a contrapergunta: "Qual sistema proposto de mfsseis antibalfsticos?" !tens
de questionario devem ser precisos, de forma que 0 respondente
saiba exatamente qual pergunta espera-se que ele responda.

a uma questao sao relativamente daras, estruturar as respostas

pode nao apresentar problema. Entretanto, en1 outros casos,
a estru{LJra~ao das respostas poele cleixar passar algumas que

Evitando Questoes Duplas

sao importantes. Por exemplo, ao perguntar sobre "as questiies

mais importanres com as quais 0 pars se c1epara", voce poele
apresentar lima lisra delas, mas cleixar passar questoes que os

respondentes consideram impoltantes. (Lembre nossa afirma~ao

anterior de que os clados sao criaclos e nao coletados.)
Duns cliretrizes devem sempre ser seguiclas ao construir

questiies fechadas. Primeiro, as categorias cle respostas propostas

devem ser exauslivas, au seja, devem induir todas as respostas
possfveis que se pode esperar. Por isso, os pesquisaclores muitas
vezes acrescentam a categoria "Outros (especifique por favor)".
Ao faze-io, lembre que os respondentes tentarao encaixar suas
respostas pessoais nLlma das categorias fornecidas, mesmo que a
encaixe nao seja pelfeito.
Segundo, as categolias de respostas clevem ser mll/llamen/e
excludentes, ou seja, os respondentes nao devem se sentir
for~aclos a escolher mais de uma resposta. (As vezes, 0 pesquisad~r

pode querer respostas mllitiplas, mas estas respostas criarao

Com frequencia, os pesquisaclores pedem uma resposta

unica para uma combina~ao de perguntas. Esta situaqao parece
ocorrer com mais frequencia quando 0 pesquisador se identifica
pessoalmente com uma posiqao complexa. Por exemplo, voce pode
pedir aos responclentes para concordarem ou discordarem da
declara~ao "as Estados Unidos clevem abandonar seu programa
espacial e gastar dinheiro com programas domesticos". Embora
muitas pessoas concordem e outras cliscordem de forma inequivoca desta declara~ao, outras nao conseguem responder.

Alguns podem querer abandonar 0 programa espacial e devolver

o dinheiro aos contribuintes. Outros podem querer continuar com
o programa espacial e tambem aplicar mais dinheiro em programas d o mesticos. Estes C!ltimos nao poclem concordar nem
discordar da decla ra~ao.
Como regra geral, sempre que a palavra eaparece numa
pergunta ou cleclara~ao, voce deve checar se nao esta fazendo
uma pergunta dupla.

dificulclades no processamento.) Voce pocle garantir respostas

mutua mente excludentes consiclerando cuidaclosamente cada
combina~ao cle respostas e indagando se uma pessoa poderia,

Garantindo a Competencia dos Enhevistados em Responder

razoavelmente, escolher ambas. Mu itas vezes, voce pede ao

respondente para "selecionar a me/hoI'" resposta", mas esta
tecnica nao cleve ser usada para compensar urn conjunto de

Ao pedir informa(:oes, voce deve sempre se perguntar se

os respondentes sao capazes de faze-Io de forma confiavel. NU1l1
estudo sobre a cria~ao de crian~as, voce pode pedir aos

respostas malpensadas.

respondentes para informarem a idade em que as crian~as

primeiro "responderam" aos pais. Alem do problema de definir

fornando

OS Itens

Cla ros

Os itens de questiomlrios devem ser daros e nao ambfguos,

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.

a que e "responder aos pais",

e c1l1vidoso

que a maioria se

lembre disso com precisao.

Em outro exemplo, Hderes estudantis governamentais
ocasionalmente pedem aos sells constituintes para inclicar como

as mensalidades dos alunos devem ser gastas. Tipicamente,

pede-se aos respondentes para indicar qual porcentagem dos
fundos disponiveis deve ser gasta numa longa lista cle atividades.
Sem lim born conhecimento da natureza clestas atividades e
dos CUStos de cada uma, eles nao tem como dar respostas com

Usanda Itens (urtos

sentido. ("Custos administrativos" receber,)o pouco apoio, embora

esta categorL:'1 seja essenciai para 0 programa como um todo.)

Um grupo de pesquisadores que pesquisava a experiencia

ao volante de adolescentes insistia em fazer uma pergunta abelta
quanta ao nllll1ero de quilometros dirigidos desde 0 momento da
habilita.io. Embora os consultores adveltissem que poucos motolisms est:irrmriam esta infomla.io com alguma precisao, a pergunta
foi feita assim mesmo. Alguns adolescentes afirmaram haver
dirigido centenas de milhares de quilometros.

fa zenda Perguntas Relevanb

Querenclo ser nao ambiguo, preciso e sublinhar a relevancia

cle urn tem3, muitas vezes voce levado a formular itens longos e

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.

Da mesma forma, as perguntas devem ser relevantes para

a maioria dos respondentes. Quando se pede atitudes sobre

um tema sobre 0 qual poucos pensam ou se impoltam, os resultados tem pouca possibilidade de serem liteis. Ademais, os
respondentes pod em expressar atirudes mesmo nunca tendo
pensado sobre 0 assunto, e voce corre 0 risco de se equivocar.
Este ponto e evidenciado quando pesquisadores pedem
respostas sobre pessoas e remas fictfcios. Numa pesquisa de
opiniao que fiz para um candidato, perguntei aos respondentes
se conheciam quinze figuras politicas da comunidade. Como
exerdcio metodol6gico, inventei um nome: Tom Sakumoto.
Nove por cento dos respondentes disseram que 0 conheciam.
Destes, metade re!atou te-Io visto na televisao e lido sobre ele
nos jornais.
Quando se obtem respostas a temas ficlfcios, voce pode
desconsidera-Ias. Mas quando 0 tema e real, voce pode nao ter
como diferenciar respostas que refletem atirudes genuinas de
respostas sem sentido para uma questao irrelevante.

o grau em que os respondentes inventam respostas e ate

celto ponto controlavel pelo pesquisador. Um estudo por Bishop,
Tuchfarber e Oldendick 0 demonstra 6 Perguntou-se aos respondentes uma de tres questoes sobre se 0 "A to sobre Questoes
Pliblicas de 1975" dev ia ser revogado. Ao primeiro grupo, a
pergunta foi "Voce concorda ou discord a desta ideia, ou voce
nao pensou muito sobre este assunto?" Apenas 3,7% deram uma
opiniao sobre a revoga~ao desta lei ficticia. 0 segundo grupo
recebeu a mesma pergunta, mas nao Ihes foi dada a op~ao de

Evitando Itens Negativos

Uma nega~ao nllm iten1 de questiomlrio abre caminho para

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

jamais saiba quais respostas refletem esta confusao.

Num estudo sobre !iberdades civis, perguntou-se aos respondentes se senti am que "os seguinres tipos de pessoas devem
ser proibidos de lecionar em escolas pllblicas", de uma !ista
incluindo comunistas, membros da Ku Klux Klan, e assim par

diante. As categorias de resposta "sim" e "nao" foram colocadas

ao lade de cada itelTI. Uma compara~ao clas respostas a este item

com respostas a OLItroS itens refletindo apoio as liberdades civis

sugeriu enfaticamenre que muitos respondenres davam a resposta
sim para indicar que tal pessoa podia dar aulas em vez de indicar
que ela devia ser "proibida". CUm estudo subsequente que clava
como categorias cle respostas "permitir" e "proibir" produziu
resultados muito mais claros.)

Evitando Itens e Termos "Tendenc iosos "

dizer que nao rinham tido chance para pensar sabre isso; 24,3%

Tenho repetido que clados cle survey sao criaclos e nao

expressaram uma op iniao. No grupo final, os respor.dentes nao

tiveram a possibilidade de fugir da resposta, e os que disseram

apenas coletaclos. POitanto, a maneira como os cIados sao pro-

nao rer opiniao foram pressionados pelos entrevisraclores 3

dar uma respost3j 31,5% expressaram um3 opiniao.

curados cletermina a natureza clos dados recebidos. Voce deve

estar sempre atento ao efeito da reda~ao clas perguntas sobre os
resultados que obtera.

A maioria dos pesquisadores reconhecelia 0 efeito provavel

precisa do que "nos seus quarenta". Dizer "11,75 polegaclas de

de lima pergunta comec;ando com "Voce nao concorcb com 0

comprimento" e uma descri~ao mais precisa clo que cl izer "mais

presidente dos Esrados Unidos na crenp de que ... " e nenhulTl

pesquisador de repura~ao usaria tal item. Infelizmente, 0 efeiro

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

tenclencioso de itens e termos

e muito mais sutil do que sugere

este exemplo.
posi~ao com uma

precisas. Mas a precisao nem sempre e necessaria ou c1esejavel.

pessoa ou agencia de prestfgio pode enviesar as respostas. 0

item "Voce concorda ou discorda da proposta clo presiclente
de ... " teria este efeito. "Voce concorcla ou discorda Com a
recente decisao cia Suprema Corte de que ... " teria um efeiro
similar. Isso nao quer dizer que esta recla~ao produziria neces-

Se para 0 objetivo de pesquisa basta saber que uma mulher est,i

nos seus quarenta, qualquer esfor~o aclicional para clescobrir a
iclacle precisa e inlltil. Portanto, a operacionaliza~ao clos conceitos
deve ser guiada parcialmente pela compreensao do grau de pre-

A mera iclentifica~ao de uma arirucie

OLi

sa ria mente lim consenso au mesmo lima maioria em apoio a

posis;ao identificacla com a pessoa OLi agencia de prestigio, mas
apenas que 0 apoio provavelmente seria maior do que 0 que

seria obtido sem esta i clenti fica~ao.

Itens de questiomirios poclem ser negativa ou positivamente

tendenciosos. "Voce concorda ou discorda cia posi~ao de Aclolf
Hitler quanclo clec1arou que ... " e um exemplo de vies negativo.
Muitas vezes 0 usc de termos como liberal, conselvador, comunista, ateu e outros introduz um vies nao intencionai, embora
tais reflnos as vezes sejam essenciais e apropJ"iados para a

da pergunta (por exemplo, "Como voce se descreveria

politicamente: li bera l, conservador, de centro ou alguma

inten~ao

Dutra coisa?") Oa mesma forma, Tom Smith 7demonstrou que as

cisao requericlo. Se suas necessiclacles nao sao clams, seja mais e

nflO menos preciso.
Entretanto, nao confuncla a precisao com a exalidao.
Descrever alguen1 como "nasciclo em Stowe, Vermont" e mais
preciso do que "nasciclo na Nova Inglaterra", mas suponha

q ue a pessoa em questao de fato tenha nascido em Dover,

New Hampshire. Neste caso, a descri~ao menos precisa seria
mais exata, ou seja, re fl etiria melhor 0 muncio real.

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.

pesquisas cle opiniao publica informam apoio muito maior para

assistencia governamental a "pessoas pobres" do que para

Confiabilidade

"pessoas recebendo beneffcios". 0 tell110 beneffcios [weifarcl tem

uma carga mllito negativa na opiniao p(iblica americana.
Como em OLitros exemplos, voce cleve examinar cuidadosamente 0 objetivo da sua investiga~ao e construir itens que
seI(10 mais (lteis para ele. Voce jamais cleve ser levado a pensar
que existem, em (litima amllise, formas "certas" ou 'erradas" de

ao ser aplicacla repetidamente a um mesmo objeto, procluzir,

a cada vez, os mesmos resultados. Suponha que eu Ihe pedisse

para avaliar meu peso. Voce me olharia com cuic1aclo e adivinharia que tenho 80 quilos. Agora, suponha que eu Ihe pe~a
para avaliar

fazer as pergunms.

Quol idode dos

Co,.!flabilidadee 0 problema de uma determinacla tecnica,

Medi~6es

Antes de nos voltarmos para as recnicas especfficas cle

mecli~ao, consicleremos alguns criterios gerais sobre a qualidacle
das med i ~oes. Para come",r, pocle-se fazer mecli~oes com
graus variados de precisclo, um termo que representa a quaJiciade
das distin~oes feitas entre os atribu{os de uma vari5vel. A c1escri~ao de uma muiher como "tendo quarenta e u-es nnos" e mais

peso de ttinta ou quarenta OLHras pessoas, e

enquanto voce estivesse fazendo isso, eu entrasse na fila usando

um disfarce e, quando chegasse a minha vez, voce aclivinhasse 90
quilos. Te peguei! Este pequeno exercicio teria c1emonstrac1o que
fazer estimar 0 peso das pessoas niio e uma recnica confi;ivel.
Entretanto, suponha que eu Ihe empresrasse minh"
b~lan~ de banheiro. Nao impolta 0 meu clisfarce, voce preslll111velmente anunciaria 0 mesmo peso para mim nas duas vezes,
mOStrando que 0 uso cia baian,);a fornece uma medicla mais
confiavel de peso do que a aclivinha~10. Mas, tal como a precisao,
a confiabilidade nao garante a eXGlticlao. Suponha que ell calibrasse

a balan~a para tirar 3 quilos do meu peso apenas para me sentir

melhor. Embora voce (confiavelmente) informasse 0 mesmo peso

e sobre a validade aparell/e, Cerras mecliclas empiricas podem

cada vez, sempre estaria en-ado.

associadas a um conceito. Poclemos discutir quanto 11 adequa~ao

de medir religiosidade atraves de comparecimento , igreja,

Suponha que estejamos interessados em saber se as pessoas

preferem a cerveja A ou a cerveja B. Podemos, e claro, simplesmente pergumar-Ihes qual debs preferem - provavelmente a
melhor solu ~ao. Mas suponha que desejassemos dados mais
"objetivos". Podemos pedir aos respondentes para dizer quamas
As e quantas Bs beberam ate hoje. Se voce pensar bem, vera
que esta e uma tecnica pouco confiavel. Dificilmente alguem
sabera dar esta informar;ao. Da mesma forma, nao e prov{lvel
que as pessoas saibam quantas vezes ja foram a igreja, quantos

quilometros ja dirigiram etc.

Fazer perguntas que as pessoas acham tambem irrelevantes
prov~ve.lmente levanl a respostas nao confiaveis. Por exemplo,

a malona das pessoas desconhece qual a politica externa da

China em relar;ao

a Albania, e nem se imponam.

Problemas de confiab il idade surgem em varios pomos

da pesquisa de slIlVey. Como veremos no Capitulo 10, entrevista do res diferentes as vezes obtem respostas diferentes dos
entrevistados como resultado das suas proprias aritudes e
aparencia. Igualmente, codificadores diferentes podem codificar
as mesmas respostas abeltas de forma diferente. P~r exemplo, se
formos codificar algumas centenas de ocupa~6es especfficas em
termos de algum esquema padronizado de codifica~ao, digamos,
um conjunto de categorias criado pelo Ministerio do Trabalho
ou pelo Bureau de Recenseamento, voce e eu nao codificarfamos todas aquelas ocupa~oes nas mesmas Categorias.

Ha

Como se criam medi~oes confiaveis?

diversas recnicas
para mediI' a confiabilidade de itens de questionarios, mas as

metodos para maxilllizar a confiabilidade sao bastanre diretos.

Fa~a apenas as pergllntas cujas respostas as pessoas provavel-

mente sabem, pergunte coisas relevantes para elas, e seja claro

no que esta perguntando. 0 perigo e que as pessoas dm'ao
respostas - confiaveis ou nao. As pessoas llie contarao 0 que
acham cia relar;ao entre a China e a Albania mesmo nao tendo a

ou nao coinciclir C0111 nossas convenr;oes e imagens mentais

mas concordarfamos que ir

a igreja tem pelo menos alguma

releviincia para a religiosidade.

Segundo, os pesquisadores chegaram a acordos concretos
sobre a melhor forma de mediI' alguns conceitos. 0 Bureau
do Recenseamento, por exemplo, criou defini~6es operacionais
de conceitos como familia, residencia e status empregatfcio

que parecem ter validade operacional na maiOl'ia dos estudos

que usam aqueles conceitos.

Edward Carmines e Richard Zeller" discutem tres tipos

adicionais de validade: validade relacionada a criterio, validade
de conteCldo e validade de constru~ao. A vCllidade relacio12C1da a
crl/erioas vezes e chamada de validade preditiva e baseia-se em
algum criterio externo. Por exemplo, a validade do conselho de
faculdade e evidenciada POl' sua capacidade de preyer 0 sucesso
dos alunos. A validade de um teste escrito para motoristas e
evidenciada pela rela\,ao entre as notas que as pessoas obtem
no teste e sua competencia pam dirigir. Nestes exemplos, sucesso
escolar e comperencia ao volante sao os criferios. Em geral, 0

comporramento pode selvir como padrao da validade de criterio

para muiras medidas de atitude em pesquisa social (pOl' exemplo,
pessoas upreconceituosas" de fato discriminam as minorias?),

embora a rela~ao entre ali tudes e comportamento seja tamb6n

assunto importante de estudo POl' si propria.
A validade de col1/elido refere-se ao grau com que uma
medi~ao cobre a amplitude de significados incluidos no conceito.
P~r exemplo, um teste de capacidade matemarica nao pode se
Iimitar apenas it adi\,ao, tambem precisando cobrir a subtl'3\,ao,
a mulriplica~ao, a divisao etc . Em outro exemplo, se dizemos
que estamos medindo preconceito em geml, nossas medidas
refl etem 0 preconceito contra grupos l-aciais e etnicos, minorias
religiosas, I11ulheres, iclosos etc.?

Finalmente, a validade de c0l1s/171r,:cio baseia-se no modo

menor ideia de qual seja ela.

como uma medicla se relaciona a outras variaveis l1um sistema

Validade

de rela~6es teoricas, P~r exemplo, suponha que voce quer

estudar as Fontes e conseqOencias da "sarisfa~ao conjugal",
desenvolva uma medida de sarisfa"ao conjugal e deseje avaliar
sua validade. Alem da medida, voce tern desenvolvido tambem

No uso convencional, a va/idade se refel'e ao grau com

que uma meclicla empfrica reflete aclequaclamente 0 signt!icada real do conceiro consiclerado. A primeil'<I considerar;ao

~ertas expectativas teoricas sobre como a variavel satisfa~ao conJugal se relaciona a ou[n1S. PO l' exemplo, voce pode tel' conclufdo

que mariclos satisfeitos tem menos probabiliclacle cle espancarem

suas mulheres clo que mariclos nao smisfeitos. Se sua meclicla cle

confundi-Ias quanta a natureza clos clados pediclos e, no limite,

leva-los a joga-Io fora. Vamos sugerir cliretrizes tanto gerais

satisfac;ao conjugal se relaciona ao espancamento de l11ulheres

quanta especificas.

cia fonna esperacla, este resultaclo cons[itui eviclencia cia valiclacle

de construc;ao cia sua medicla. Mas, se maridos "sarisfeiros" e "insatisfeitos" tiverem igual probabiliclacle cle espancar suas mulheres
este resultaclo clesafiarii a validacle cia sua meclicl".
'

Como regra geral, 0 questionario cleve estar bem clistribuiclo

e nao amontoado. Voce cleve maximizar 0 "espa,o em branco".

Tenseo entre Confiabilidade e Validade

o menor numero cle paginas possive!. Tuclo isso clesaconselhavel e mesmo perigoso. Mais cle uma pergunta por linha levara

Com rodape clestas cliscussoes, cleve ser assinalaclo que

l11uitas vezes h5 uma cerra tensao entre os criterios de confiabiliclacle e valiclade. Muitas vezes parece que fazemos uma troca

as pessoas a saltarem a segunda. Abreviar perguntas resulta

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.

Entretanto, a ci<~ncia precisa ser especifica para pacler gerar

meclic;oes confiaveis. POltanto, com muira freqi.iencia, a especifiGI,aO cle clefini,oes operacionais e mecli,oes confiaveis parece
roubar cle tais conceitos a riqueza cle significaclo. Religiosidade
e mais clo que freqlientar a igreja; preconceito mais clo que a

expressao de lima atitucle preconceituosa num questionaria.

Esta sitlla,ao e um cli!ema persistente e inevitavel para 0 pes-

quisaclor, e voce estara bem preparada para issa se estiver de

sobreaviso. Esteja preparaclo elide com isso. Se vOCe nao chegar
a lim acorda claro sobre como medir um conceito, me~a-o de

varias formas c1iferentes. Se a conceito tiver varias dimensoes

cliferentes, me,a toclas. Acima cle tudo, saiba que 0 conceito nao
tem qualquer significaclo alem daquele que voce Ihe atribuiu, e

que a unica justificativa para dar um significado palticuiar a um

conceito e a utilidade. A meta e mediI' conceitos de forma a nos
ajudar a entender 0 munclo que nos cerca.

formato Geral dos Questionarios

o formato de um quesrionario pode ser tao importante
quanta a natureza e a recla-;ao das pergunl(lS. Un1 questiom1rio
malformataclo pode levar os respondentes a saltar perguntas,

em mas interpreta,oes. Em geral, se os responclentes observarem

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-

meira pagina do que parecia um questianario curto. Aciemais,

cometerao menos erros e nao serao fon;ados a reler perguntas
canfusas e abreviadas, neln terae sido fon;ados a escrever uma
resposta longa em espa,o pequeno.
Nao ha como exagerar a valia de espalhar as perguntas

num questianario. Questionarios espremidos sao desastrosos,

seja em surveys par correia ou por entrevistas.

formatos para Respostas

Ha varios metodos para apresentar uma serie de categorias
para 0 respondente marcar em resposta a uma pergunta. Minha
experiencia diz que caixas espapclas adequaclamente sao a
melhor escolha. Se 0 questionario for composto em tipografia ou

formatado num bom sistema de processamento de textos, as

caixas poclem ser geradas de forma fiici! e limpa. Tambem
possivel fazer caixas numa maquina de escrever.

Se 0 questionario for clatilografaclo em maquina de escrever

com chaves, caixas excelentes pocIem ser procluziclas com um colchete esquerclo, um espa,o e UI11 colchete clireito: [ J. Se nao houver

colchetes, parenteses funcionam razoavel.mente bem no mesmo

modo: ( ). Mas voce nao cleve usar barras e sublinhamentos.
Primeiro, porque requer mais esfol\,o de clatilografia; segundo, por-

que 0 resultado nao e muito !impo, especialmente se as ca[egorias

cle resposta tiverem de ser em espapmento unico. A Figura 7-1

1l10stra uma comparar;ao dos diversos metoclos.

o pi~r meroda e dar espa-;as em branco para se assinalar,

porque as responcientes lTIuitas vezes faraD marcas muito

grandes, tomando impossivel ver qual resposta foi dada. Alem

disso, como regra geral, recomenda-se espa"amento duplo entre
as caregorias, para evitar estas marcas alnbfguas.

Pocle-se tambem consiclerar um metoclo muito diferente. Em

vez de fOlnecer caixas a seren1 marcacias, voce pocle pOr numeros

codigo ao lado de cada resposta, pedindo ao respondente para

fazer um circuloem tomo do numero apropriado. Este metoclo tem
a vantagem aclicional de especificar 0 nllmero a ser entrado posteriormente na etapa de processamento de dados. Se usar este metodo ,
voce cleve dar instruc;oes claras e visfveis, lima vez que mllitos
respondentes ficariio tentados a par urn "X" no l1limero apropliado,
dificultando a entrada de dados. (No/a: A tecnica pode ser usada
com seguran"" em sLllwyscom enuevistas, ja que os enuevistadores

podem ser instruidos e testados.)

o uso apropriado de perguntas contingentes pode facilitar

a wrefa de responder um questionario e tambem melhorar a
qualidade dos dados produziclos. A altemativa as perguntas
contingentes deve ser evitacla pelas mesmas razoes. Nao pergunte
"Se alguma vez peltenceu 11 API', voce ja teve algum cargo nela?" Este
fomlato for~ todos os respondentes a lerem a pergunta, embora
seja irrelevante para muitos. Aqueles para quem a pergunta e irrelevante serao for~ados a decidir se saltam a pergunta, escrever ~'nao

se aplica", responder rillo, ou jogar fora 0 qLlestionfuio. (Esta ultima

escolha e bastante comum.)
Ha varios formatos de perguntas contingentes. Acho que
o melhor e aquele em que as perguntas contingentes sao recuadas
no questionario, postas em caixas e conectadas

a pergunta base

por setas a paltir das respostas apropriadas. A Figura 7-2 ilustra

LIma destas perguntas. Usaclos adequadamente, conjuntos complexos de pergLlntas contingentes podem ser construidos sem
confundir 0 respondente, como ilustrddo na Figura 7-3.

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

Embora os exemplos acima se refiram primariamente a

questionarios auto-administrados, a apresenta"ao apropriada de
perguntas contingentes e ainda mais importante em questionarios
por entrevistas. 0 respondente num questionario pelo correia
pode, mesmo com celta insatisfa"ao, reler a pergunta, mas se 0
entrevistador ficar confuso e fizer perguntas improprias, toda a
entrevista ficarn prejudicada.

Quest6es Contingentes

FI GURA 7-2

Muitas vezes, na pesquisa de SUIWY, ceJtas perguntas serna

claramente relevantes apenas pal~l um subconjunto de respondentes. Voce pode perguntar-lhes se estao familiarizados com

23. Voce j6 fez parle do associatoo local do APP)

[[ 1
1 Nao
Sim

------,1

celtQ assunto, e depois perguntar aos que responderem sim 0

que pensam a respeito. Voce pode querer saber

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

a resposta a primeira. Portanro, a pergunta

sobre atitude quanto a determinada questao

familiaridacle do respondente com ela.

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

Quantas horas voc~

trabalhou na ultima
semana, contando
todos os empregos, se
foi mais de urn?

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

o que voce fez

principalmente durante

P.38g.

a ultima semana?
1. Tomou conta da casa
2. Foi a escola
3. Ferias
4. Aposentado
5. Incapacitado fisicamente
6.0utro

H<I quanto tempo voce

tern 0 atual tipo de
trabalho

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?

2. Nao quer mais

3. Naosabe

P.38c.

P.38h.

Qual a ultima vez que

voce trabalhou, mesmo
por poucos dias?

~
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

que voce quer?

_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

P.38b. Voce gostaria de

trabalhar mais horas
ou esta e a Quantidade

b. Voce ja compareceu a alguma

reuniao da residente Cidade Modele?

No ano passado,

P.38i.

100. Nunca trabalhou

Por que voce saiu do

ultimo emprego?

alguma vez voce saiu

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

ler errado algumas delas, clando resposras erraclas. Voce poele

reduzir um pouco este problema altemando declara,oes represenrando orienra~oes diferentes e fazendo-as cultaS e claras.

conjunto de caregorias de resposras. Esre e 0 caso tipico sempre

que caregorias de resposras do ripo Liken forem usadas. Em rais
cases, muitas vezes

e passIvel construir lima qlleslcio malricial,

como ilustrado na Figura 7-5.

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.

o que este pars precisa

e de mais lei e orciem ...... "

CE

ill

[ J

[ J

[ J

[ J

[ J

[ J

[ J

[ J

[ J

A ordem na qual sao feiras as pergunras pode aferar a

resposra, bem como roda a col era de dados. Por exemplo, a
presen~a de uma pergunra pode aferar as respos[as a perguntas
subseqUenres. Por exemplo, se sao feiras algumas pergunras sobre
o perigo da polui~o, e uma pergunra subseqUente (aberra) pede
aos respondenres para sugerir 0 que acrediram representar perigo
para 0 paIS, "polui~ao" sera mais cirada do que seria 0 caso se
aquelas perguntas iniciais nao tivessen1 sido feitas.

b. A policia cleve ser

desamlacla neste pais.

Ordenando as Quest6es no Questionario

Se pedinnos aos respondenres para avaliar sua religiosidade

geral ("Qual a imporuncia cia sua religiao pal" voce, em geral?"), as
respostas a perguntas posreriores sobre aspectos espedficos

c. Durante revoltas, deve-se

cia religiosidade buscarao consisrencia com a avaliac;ao anterior.

atimr no mc em
aqueadores .................

o inverso rambem e verdade. Se os respondenres ouvem primeiro

[ 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,

fOnllato de quesroes marriciais pode induzir um

padrao-de-resposICI nos respondentes, um padrao de concordancia com toeias as declara~6es. Isso seria especialmente provavel
se 0 conjunto comec;asse com varias declara~oes indicando lima
orienta,ao particu lar (por exemplo, uma perspectiva polirica
liberal), com apenas algumas declal",6es posreriores indicando a
0

orienta~o oposta. Os respondemes podem supor que roclas as

declarapSes representam a mesma orienta~l.o e, lendo rapidamente,

perguntas especfficas sobre aspectos diversos de sua religiosiclade,

a avalia~o geral subseqUente refletici as resposras anteriores.
Alguns pesquisadores rentam superar esre efeiro "alea rorizando" a ordem das pergunras - em geral um esfor~o furi!.
Um conjunto "aleatorizado" de pergunras provavelmente parecera
aos respondentes ca6tico e sem valor. Aclen1ais, rerao c1 ificul-

dade em responder se forem obrigados a mudar continuamente

o foco de atenc;ao de urn terna para outro. Finalmente, mesmo
uma ordenac;ao aleatorizada de perguntas afeta as respostas do

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

efeiro dele. No mlnimo, voce deve pre-resrar

seu questionario usando as formas difefenres.

A ordem desejada clas perguntas difere nos questionarios

3uto-aciminisrracias e par entrevistas. No primeira, em geral e
melhor come~ar a questiom'iria com as perguntas mais interessantes. 0 respondenre potencial que carre a alhar casualmente

Introdu,oes

sobre as primeiras perguntas deve querer responde-las. Talvez

esras quest6es pergunrem coisas sabre as quais as entrevisracios

estao ansiosos por se expressar. Ao mesilla tempo, contucio, as

perguntas iniciais nao devem ser amea~doras. (Pocle ser ma icleia

iniciar com perguntas sabre comportamenro sex'unl ou USa de e1rogas.) Em geral, cleve-se peclir daclos clemograficos mais ins[piclos
Ciclacle, sexo etc.) apenas no final dos questionarios auto-aclministrados. Pecli-Ios no come~o, como muitos pesquisaclores inexperientes sao tentaclos a fazer, cia ao questiom1.rio a aparencia
inicial cle um formulario rorineiro, e quem 0 recebe pocle nao
encontrar motiva\=ao suficiente para termimi-lo.

o oposto em geral e verclacle para os swveyspor entrevistas.

QlIanclo 0 entrevistaclo em potencial abre a porta ou atencle 0
telefone, 0 entrevistaclor cleve come~ar estabelecenclo rapiclamente a com\..lOica~ao com 0 entrevistado. Ap6s breve introcluc;ao

apesquisa, 0

entrevistador cleve come~ar enumerando 0$ membros

da resiclencia, pedindo os claclos demogrMicos de cacla um.

Estas qllestoes sao facilmente responcliclas e, em geral, POllCO
amea<;adoras. Apcs estabelecer a comunicac;ao iniciai, 0 entrevistaclor poele, entao, entrar na area clas atitucles e assuntos
mais sensiveis. Um slf1'uey par entrevista come~ando com a
pe rgunta "Voce acredita em Deus?" provavelmente teria um

fim rapiclo.

Se um questIonaflo eSla ordenaclo em subse~oes por

conteudos - por exemplo, atitucles politicas, aritucles religiosas, daclos basicos - e (nil imrocluzir cada se~iio com uma
cleclara~o curta sobre seu conte(tdo e finaliclacle. Eis um exemplo
de int.rodu~ao possIvel: "Nesta se.;ao, gostariamos de saber quais
problemas COlTIunitarios as pessoas por aqui consideram os mais
importantes. n Itens demogdficos no fim de um questionario
auto-administrado podem ser introduzidos assim: "Final mente,

gostariamos cle saber um pouco sobre voce para poclermos ver 0

que cliferentes tipos de pessoas acham sobre os temas que
estivemos exam inanc1o. n
Introclu~oes

curtas como estas ajuclam

dar sentido ao questiomlrio, e

respondeme a

tonlam menos caolico, particular-

mente q uando ele aborcla uma varieclade cle clados. Tambem

ajudam a por 0 responclente no contexto mental a propriado
pa ra responcler as perguntas.

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

introclutorios oncle apropriado.

Instru,oes Gerais
Todo questiomlrio auto-administrado cleve
instru~oes

basicas sobre

come~ar

com

preenchimento. Embora muitos res-

pondentes estejam familiarizados com tecnicas de sllru~ynol111aisl

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

apropriacia, ou escrevendo as respostas quanclo solicitaclos. Se

muitas questoes abertas forem usaclas, as respondentes c1evem
ser orientados sobre a ramanho esperado clas respostas. Se voce
encorajar respostas escritas, perm itinc!o elaborar resposras a
questoes fechaclas, cleve assinalar esta possibiliclacle.

uma resposta se apl icara a alguns responclentes. Se voce quiser

uma resposta iinica, cleve cleixa-Io bem claro na pergunta. Por
exemplo, "Na lista abaixo, marque por favor a razao prillcipal cia
Sua decisao de frequentar a facu lclacle". Muitas vezes a perguma
prmclpal pode ser seguicla cle uma nota entre parenteses, por
exemplo, "Por favor, marque a melhor resposta". Se, por outro
laclo, voce quer que 0 entrevistaclo marque tamas respostas quanta
for 0 caso, tambi'm cleve cleixar isto claro.
Quando um conjunto de categorias cle respostas liver cle
ser orclenaclo pelo responclente, as instrll~oes clevem cleixa-Io
claro, e um tipo diferente cle formato de respostas cleve ser usado
(por exemplo, espa~os vazios ao inves cle caixas). As insau~6es
clevem inclIcar quantas respostas devem ser orclenaclas (por
exemplo, taetas, a primeira e a segunda, a primeira e a (iltima a mais
e 't menos .
)
,
.. '
Ullportante e qual a orclem cle hierarquia (por exemplo,
eoloque um 1 ao laclo cia mais imporrante, um 2 ao laclo cia
segunclac 111"
.
, IS Importante, e assim pOl' diante".)

Orclenar uma lista de itens muitas vezes e diffcil para os

passarclos problemas comuni{,~rios para os problemas nacionais ... ")

respondentes, porque talvez tenham de ler a lista valias vezes. Alem

disso, em geral se consegue os mesmos resultaclos pedindo para

de fonna que 0 roteiro, palavra por palavra, so~ natural C?I~O

uma conversa. 0 n1esmo se aplica enumera~ao clemograflca

VClloraros irens (pOl' exemplo, "Muito impoltunte", "ltnportante"

cI

etc.) Como assinalam Krosnick e Alwin,' problemas s6 ocorrem

quando os respondenres ciao os mesmos valores a maioria dos
itens. Naruralmente, como sugerem os autores, ciaI'

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

vezes que marquem uma resposla em cada linha. Sempre que 0

queslionario contiver os dois ripos de respostas, deve-se dar uma
inSlnl~aO esclarecenclo 0 ripo esperado em cada caso.

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

onde apropriado, sao de palticular imponancia.

As instru~oes que 0 entrevistador deve ler para os entrevislados e as que nao devem ser lidas clevem ler fonnatos diferenles.
Por exemplo, as que nao devem ser lidas podem eslar enlre
parenreses ou em lell'as maillsculas. Uma entrevisla pocle ser
deslruicla se 0 enrrevistador ler allo algo do tipo "Se 0 enlrevislaclo e quase analfabeto, enrao ... "
E igualmenle importanre que um queslionario por
entrevisra renha urn roteiro verbatim para 0 entrevistador ler
na entrevista. iO Em circunstfmcias idea is, um entrevistaclor cleve
poder concluzir loda a enrrevisla cia introdu~ao inicial ("Ola,
meu nome e ... ") ate os comentarios finais ("1sso completa a

enrrevisla. Queremos agraclece-Io por. .. ") sem lomar liberclade

com lima unica palavra. Toclas as cleclara~oes cle transi~ao ao
longo clo questionario devem ser feitas ("Agora gostariamos de

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

10 enfatiza a in1port:~ncia de se seguir Iisca 0 texto do qllestlonano,

mas isso 56 sera posslve! se 0 questiom'irio estiver construido

adequadamente,

RC?produ~iio do Questionario
Tendo constrllldo 0 questionario, e preciso fazer c6pias

suficientes para a coleta de dados. 0 metodo para reproduzir os

questionarios e importante para 0 Sllcesso da pesquisa; um instrumento reproclllzido com capricho encomjara lima taxa maior

de resposlas, fornecendo melhores dados.

Ha varios Inetodos para

reproc!llzir questionarios, e sua

escolha depenclera clos fundos clisponiveis, das facilidades locais

e do tempo. Reprodu~oes mimeografaclas em geral sao mais
baratas e rapidas, mas com menor qualidacle grafica. Maqllinas
de fotocopiar variam em velociclade, qualiclade e pre~o, mas
pocle-se produzir questionarios excelentes, especialmente usando
um computador e uma impressora laser para 0 original.

o foto-offset de c6pia clo questionario resulta em melhor

qualidade e, alem de um ceno nllmero de c6pias, pode ser mais
economico. Uma matriz em foto-offietpennite um nllmero incontavel de c6pias, enquanto uma matriz de mime6grafo precisa
ser refeita depois de algumas centenas de c6pias, e a fotoc6pia
mantem 0 mesmo custo unitario mesmo para muitas c6pias.

o melhor metodo de reprodu~ao do ponto de vista da

qualidacle profissional e a tipografia, Mas e 0 metoclo mais caro
e pode nao ser via vel para alguns projetos. A1em disso, a tipografia em geral toma mais tempo do que outros metoclos. De qualquer fonna, voce cleve invesrigar as possibilidades locais, equilibrando os valores relativos de tempo, dinheiro e qualidade.
. Atualmente, 0 melhor sistema de reproclu~ao consiste num
ffilcrocomputador com um processac!or de textos ou programa
de editora~ao profissional e uma impressora laser para cri:u 0

original, em conjun~ao com 0 foto-offset das c6pias.

o questionario pode ser construido cle clivers,lS formas.
Em alguns casos,

e melhor imprimir 0

ques(ioml.rio numa folha

grande (mica, clobravel para formar um livreto de pamels

desdobraveis . Caso haja muitas paginas no questionario,

pode-se prende-Ias com um grampeador. 0 questionario longo

de melhor aspecto profissional e umlivreto impresso grampeado.
Este

e0

metoda mais caro.

Uma (dtima preocupa~ao da reprodu~ao do questionario

e quantos devem ser pedidos . Para chegar a esta decisao, voce
cleve considerar 0 tamanho cia amostra, 0 nt'imero de cartas de

acompanhamemo, se houver, num sUlwy pelo con'eio, e a possivel

necessidade de copias de discussao, amostras para outros pesqui-

CI rles Y STARK Rodney. Religion and Society ill Tellsioll .

.~ GLOCK, 13
"
_'
.
o.
R'lnd McNally, 196,. p.18-38.
Chlcag . <
1~~r1. Sciellce and Morality in Medicine. Berkeley: University of
BABB IE.,~.
CaUforo:a Press, 1970.

. un
lratamento
excelente deste lcma em DAVIS, James A.
I
,.

~ En(ontra~.:se

Surw v Analysis. Englewood Cliffs, NJ: Prenlice-Hall, 1971.

ElemeJlta,y
'J
~
.
I
r - .
.
A maioria dos tralamenlOS dcstes mvelS t e me( 1\:10 llsam 0
q
p.9 el se ' (ex escala Hominal) seguindo 0 exemplo de STEVENS, S. S.
[enllO esca fa . "
'
6 7-680 1946 .
" Theory of Scales os Measurement. Science, v.103, p. 7
On ule
.
I
I'r
(
.
' I0 8) ,
'vro usa 0 termo escalel em sentl( 0 (I erente vcr C'.Ipllll
Como esle It
evitamoS seu uso neste contexto.

J.,

saclores, c6pias para inclusao como apendices em relat6rios de

, BISHOP, George F., TUCHFARBEH, Alfred

pesquisas ou livros codigo, e assim por diante. Como regra

. ' . on FictitiollS Issues' The Pressure to Answer S/l1vey Question:>.

O pll1lon:>
.
6

aproximacla, voce cleve estimaro numero necessario para a coleta

de dados e multiplica r este valor por 1,5 a 2,0, para detenninar

o numero de copias. Lembre que copias adicionais produzidas

na primeira edi~ao dos questionarios se,,10 bem mais econ6micas
do que as produzidas em edi~6es posteriores.

Este capitulo cobriu uma variedade de assuntos, do teorico

e filosofico ao tecnico e ate 0 mundano. Come~ou com questoes
gerais de conce i tualiza~ao e operacionaliza~ao no desenho dos
itens do quesrionaria apropriaclos. Foram cladas algumas c1iretrizes gerais e espedficas para a recla~ao das perguntas e sua
apresenta~ao

no instrumento de pesqu isa. 0 capitulo concluiu

com uma breve discussao sobre 0 lado tecnico da produ~ao de
qllestionarios.

A combina~ao destes temas num unico capitulo pode

parecer bizarra, mas ha um proposito nela. 0 valor ciellt(fico
ultimo de um Sll rvey pode depender tanto da maneira como 0

e rep roclllzicio quanta da imagina~ao na operado-

naliza~ao

de conceitos. Os resultados da pesquisa de survey

sao 0 produto de muitos passos, indo do teo rico ao mundano, e
uma fraqueza em qualquer um deles amea~ 0 todo.

Nolos
WHITEHEAD, Alfred North. Sciellce (mel tbe ModeI'll World. New York:
The Macmillan Company, ]925. p.56.
1

Citado em SELLTIZ, Cbin.~ el al. Ncsearc/J Metbods in Sociat Retatiolls.

New York: I lolt, Rincharl & Winston, 1959. p.564.
2

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.

CARMINES, Edward G., ZELLER, Richard A. Reliabilityalld Validity

Assessm(!1lt. Beverly Hills, CA: Sage, 1979.

'} KROSNlCK, Jon A., AL\V'I N, Duane F. A Test of the Form~Resistant

Correlation H ypothesis: Ra tings, Rankings, and the MC;:ISlIrement of
Valu es. Public Opinioll QUaf1erly, v.52, p.526~538, in verno 1988.

Resumo

questionario

Pll blic OPillioll Qllater/y, v.50, p.240-250,

OLDENDICK, Hobert W.

10 Um roleiro nao seria apropriado para uma entrcvista nao cSlruturada,

num es(udo explorat6rio. Neste case, 0 cntrevismdor devc reccber um
esbo\:o dos temas a cobrir, e lalvez um conjunto de qllestocs posslveis.

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.

SCHUMAN, Howard, PRESSER, Stanley. Questions cmd Answer,

ill Attitude Surveys. Experiments on Question Form, Wording
and Context. New York: Academic Press, 198J.

Capitulo 8

SMITH, Tom W. The Art of Asking Questions. Public Opinion

Qllarterly, v.51, p.S95-S108, inverno 1987.

(onstru~ao de Indices e fscalas

Como notamos antes, muiras, se naD a maioria , das

pesquisas socia is visam cietenninar as associa~6es entre variaveis.

Geralmente, queremos estabelecer q ue X esta relacio nado a

(ou causa) Y. Mas notamos tambem que a medi~ao de variaveis,
freqlientemente,
tarefa diffcil. Normalmente,
impassivel

chegar a uma medida total mente inequivoca e completamente

ace ita vel de qua lquer varia vel. Mesmo assim, os pesquisadares naD desistem de (entar eriar medidas cada vez melhores
e mais Dreis.

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

chegar a uma (mica pergunta que represente adequadamente

Uma varia vel complexa. Qualquer item iinico pode desrepresentar alguns respondentes no estudo. Para medir religiosidade,
talvez apenas freqliencia

aigreja nao seja um indicador suficienre.

Alguns respondentes que frequentam regularmente a igreja

podem ser considerados irreligiosos em outros tennos, e alguns

9ue

nunca vao

a igreja

podem ser consideraclos religiosos.

Indices e escalas combinam varios itens de questionario, evilando assim os vieses inerentes aos itens (Jnicos.

Segundo, voce pode querer usar uma meclicla ordinal cle

uma varia vel bem refinada _ por exemplo, arranjanclo os respondentes em varias categorias orciinais, da mais baixa a mais
alta cia varia vel. Urn (jnico item pode nao apresentar urn numero

suficiente de categorias de respostas para permitir esta amplitude

de varia~ao. Um indice Oll escala, formados a partir de varios
itens, pode.
Finalmente, indices e escalas sao dispositivos eficientes
para a analise de claclos. Se um (mico item de questionario nos
da somente uma localiza~ao rudimentar de lim respondente
numa variavel, varios itens podem dar lima medida mais exata
e abrangente. Mas, normalmente, e impraricavei considerar
simultaneamente todas as respostas particulares dadas pOl' um
respondente. indices e escalas (especialmente escalas) sao
dispositivos de redu(:tlodedados, as varias respostas de lim respondente podem ser resllmidas nllm unko escore, e n1esmo assim
os detalhes especfficos claquelas respostas serem manticlos quase
que na totaliclade.

indices Versus Escalas

as termos llldice e escala sao lIsacios habitualmente de
modo impreciso e intercambiavel na literatura cia pesquisa social.
As definj~oes tecnicas originais destes termos perderam atualmente sellS significados. Antes de consiclerarmos as distin~oes
entre indices e escalas, vejamos a que eles tem em comum.
Ambos sao, tipicalnente, mediclas ordinais de variaveis.
Sao constrllidos de maneira a ordenar os respondentes do st{ rvey
(Oll outras llnidacles de analise) em tennos de variflveis espedficas,
como religiosidade, aliena~ao, situa~ao socioeconomica, preconceito, sofistica,ao intelectual etc. 0 escore cle lll11 respondente
numa escala all indice de autoritarismo, por exemplo, cia uma
indica~ao do seu autoritarismo relativo, quando comparado a
ounos responclentes.
No nosso uso dos tenl1os, escalas e indices sao medidas
compostas de valiaveis, ou seja, medi~OeS baseadas em respostas a
mais de um item do questionario. POltanto, os escores c10s respondentes num Indice Oll escala de religiosidacle sao detem1inaclas
pelas respostas espedficas a varios itens do questionario, cada um
dos quais fornecenclo alguma indica,ao cia religiosiclade cleles.
Neste livro, distinguiremos entre fndices e escalas pel a
maneira como os escores Sao atribuidos aos respondentes. Um
fndice e constnliclo pelo somat6rio simples de escores atribufdos
a respostas especificas aos itens individuais que formam 0 indice.
Uma esca/a e construfda pela atribui~ao de escores a pac/roes de
respostas entre as varios itens que formam a escala. Uma escala
difere de um fndice par rirar vantagem de qualquer possfve!

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

ros civis de cOITIlInistas

pergllntar
I
:1OS <. Irel
. . cleclarados. Podemos
.
~ .
nista
devia
ter
0
dlI'eno
de
ter
as
segllmtes
ocupa~oes.
olu
~umro
..
. .
(1) aclvogaclo, (2) mediro, (3) blbhotecano, (4) e,ngenheu 0, (5)

(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

qualquer de escala ao inves de fndice nao a torna melhor. Deve

tambem estar alerta em rela~ao a duas outras mas interpreta~oes
da natureza do escalonamento. Primeiro, se a combina~ao cle
varios itens clo qllestionario vai resultar ou nao nllllla escala
quase sempre depende da amostra especifica de respondentes.
Certos itens poclem formar uma escala entre os responclentes de
uma amostra, mas nao de lima outra; nao se cleve presllmjr qlle um
cetto conjunto de itens fonnam uma escaJa s6 porque a fom1aram
numa determinada amostra. Segundo, USar tecnicas cle escalonamento (discutidas de po is neste capitulo) nao assegura a
cria~ao de uma escala mais do qlle usar itens que previamente
formaram escalas.
Um exame da literatura substamiva baseacla em clados
de sUJvey mostra que indices sao usados muito mais freqUentemenre do que escalas. Mas, ironicameote, a lirerarura metodo16gica contem muito pouca, se alguma, ciisclIssao sobre constru~ao de indices, apesar de abunclarem as discuss6es sobre
constru~ao de escalas . . Ha duas razoes aparentes para isto.
Primeiro, fndices sao usaclos mais freql.ienremenre porque, em
geml, e clificil ou impossfvel construir escalas a pattir dos dados
que se lem. Segundo, metodos de COnSlru,ao de indices nao sao
discutidos porque parecem 6bvios e direlos.

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

Mas nao e facil consrru ir indices. Acho que 0 fracasso

generalizado em desenvolver tecnicas de constfu,ao de
indices resulrou na cria~ao de muitos indices ruins em pesquisa
social. Pensando nisso, concentrei a maior parte deste capitulo
nos metodos de constru,ao de indices. Aprendendo a 16gica
desta constru~ao, voce estara melhor preparado para rentar
construir escalas. Inclusive, 0 Iodice cui cia dosa mente construiclo
pode acabar se tornando uma escala.

(onstru~ao de indices

flGURA 81
indices versus escalas

Sele~ao

Pode A. l6gico do Consfrucao de indices

Aqui estao varias Ocupa90es que os americanos podem consentir ou nao que
urn comunista declarado exer9a. No geral, as diferentes Ocupa90es provavelmente seriam consideradas como tendo mais ou menos 0 mesmo grau de
~importancia" pelos respondentes.
Para criar um indice de apoio as liberdades civis, podemos atribuir aos respondentes
um ponto para cada ocupa9ao que consentirem a um comunista exercer.

I Advogodo

II

filico

I Bib!iotwhio I Engenheiro

II

Profmor

II

Reporter

Porle B. l6gico do Condrucao de scolos

A seguir mostramos tres ocupa90es que os respondentes provavelmente
veriam como diferindo em grau de importancia com rela9ao ao seu exercicio por
comunistas. 0 tamanho das caixas representa os diferentes percentuais de
aceitar;:ao com rela9ao a um comunista exercendo tal cargo.

Prelidenle

Prof ell or de
emino medio
EHovodor de volo!

de Itens

Um fndic e C0l11pOStO e criado para medir lima varia vel.

o primeiro criterio para selecionar os irens a serem incluidos

no indice

ea

validade aparente (validade 16gica). Se, por

~xemplo, voce quiser medir conservadorismo poiftico, cada

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

cleve representar apenas uma climensao. Assim, itens que

refletem religiosiclacle nao clevem ser incluidos numa medicla cle
conservadorismo polftico, mesmo que as duas variaveis tenham
uma rela~ao empirica. Neste sentido, um fnelice ou escala cleve
ser unidimensional.
AD mesmo tempo, voce cleve estar sempre consciente
das nuan<;as sutis cia climensao que esta tenrando meclir. No
caso cia religiosiclade, os irens mencionados acima represenram
diferenres tipos de religiosiclade. Se voce quiser medir participa<;ao ritual enl religiao, cleve limitar os itens incluidos no
indice aqueles que especificamente inclicam a parricipa<;ao
ritual: frequencia a igreja, comunhao, confissao, e semelhantes.
Mas, se quiser medir religiosiclacle de modo mais geral, cleve
incJu ir um conjunto equiJibracio de itens representando cacla
tipo diferenre de religios idade. Ao final, a natureza dos itens
inclufdos determinara quaD espedfica ou generica e a medida
da sua variave!.
Ao selecionar itens para in cluir no indice, voce cleve
consiclerar tambem a quanticlacle de variancia fornecicla pe10s
itens. Se urn item fornece uma indica~ao de conservadorismo
poHtico, pOl' exemplo, voce cleve anotar quamos conservaclores
sao inclicaclos pelo item. No limite, urn item que inclicar que
ninguem e conservador ou que toclos sao conservaclores nao
sera mui to lltil para erial' um fnclice. Se 56 1% de uma amostra
aprovar um po litico radica l de clirei ta, 0 item que meclir isso
provavelmenre nao sera muito uti! na consrru<;ao cle lim fndice.
Com rela<;ao a va rifmcia, temos d uas opc;oes. Primeiro,
voce pode selecionar varios itens que cliviclam os responclentes
mais ou menos ao n1eia, em tennos da varia vel. Assim, voce
pode selecionar varios itens, cada um indic::mclo cerca de metade
como conselvaciores e merade como liberais. Apcsar de nenhum
clos itens, por si s6, justificar caracterizar lim respondente como
"muito conservador", uma pessoa que parecer conselvadora em
rodos as itens pode ser caracterizada assim. A segunda op<;ao e
selecionar itens que difiram em variancia. Um item pode indicar
que cerca de meta de dos respondentes e conservadora, e outro
pode indicar que poucos 0 sao. (Nola: esta segunda op~ao e
necessaria para 0 escalonamento, mas e tambem lim metoda
razaavel para cons(ruir indices).

Rela,oes Bi variadas entre Itens

A segunda etapa na constrlli;;:ao de indices e exam ina I' as
rela~oes bivariadas entre os itens. Se cada item realmente del'

lima

indica~ao

da varia vel - em termas de validade aparente -,

entaO os itens devem estar empiticamente relacianadas entre si.

Pa r exemplo, se varios itens refletem 0 conservaclorismo ou Jiberalismo de um respondente, quem aparecer como conservadar num
item cleve rambeln aparecer assim nos outros icens. Mas, mis itens
r.uamente, ou nunca, estao pelfeimmente relacionaclos entre si. (E
essa dispariclade que leva it necessiclade cle constnlir medicias compastaS). De todo modo, quem aparecer conselvacior no item A rem
maior probabiliciade de aparecer como conselvador no item B do
que quem figu rar como liberal no item A.
Voce cleve examinar fodas as possfveis rela<;6es bivariadas
entre as va rios itens considerados para inc1usao no fnd ice, para
detenrunar as for<;as relativas das relac;oes entre as varios pares
de itens. Para tal, pode usar tabelas de porcentagem, coeficientes
de co rre l a~ao, ou ambos. 0 criterio pritnario para avaliar essas
reJa~oes e a for~a delas. Contudo, deve-se usar este criterio com
sutileza, ficando alerta com itens nao relacionados empiricamente
entre si. E improvavel que itens nao relacionados entre si me<;am
a mesma va riavel. Um item nao relacionaclo a v{lrios out1'OS
provaveltnente deve ser abandanado. Ao mesmo tempo, outro
sinal de perigo e uma forte corre la~ao entre dois itens. No limite,
se da is itens rem uma COITela<;ao perfeita, s6 precisamos de um
deles no indice, porque um canega toclas as indica,oes fomecicias
pelo outro. (Esta queslao ficam mais clara na pr6xima se\=iio.)
Um exemplo da literatura substantiva sobre pesquisa de
surn:y pocle ajuciar a ilustrar os passos na constru\=iio de indices.'
Um survey com professores de uma escola de medicina es(udou 0
efeilo da "perspectiva cientifica" na qualidade dos cuidaclos que
os medicos dispensam aos pacientes. 0 objetivo primario foi
ciererminar se nledicos com Ina is inclina~ao para a ciencia eram
mais impessoais no trata mento dos pacientes.
o q uestio nario do survey ofereceu varios inclicadores
passiveis das perspectivas cientfficas dos respanclentes. Destes
r
res It~ns pareceranl - em termas de validade aparente - indicar
especlaimente se as medicos eram au nao cientificamente orientados. Os Ires itens foram:
A

'

1. Como professor da escola, em qual c'lpacidadc <leha

que pode dar maior contribuh;ao academica: como medico ciinico ou como medico pesquisaclor?

2. Enquanto continua a aprimorar sells conhccimenros

medicos, voce diria que sellS interesses medicos finais
estao mais no trat~lIncnto completo clo packnlc ou na
comprecnsao dos mecanismos b:isicos?

3. No campo da pesquisa terapclltica, em geral voce?: est{1

mais interessado em arligas rel'llando avalia~6es da efeti.
vidade de varios trat:lmentas, au ern :lrligos explorando
os argumentos basicos subjacentes ao tratamento?

Em cada item, a segunda res posta indica maior orienta~ao

cientffica do que a primeira. Nas repostas a cada item) quem
optar pela segunda alrernariva e mais cientificamente orienta do

As tabeJas da Figura 8-2 pennitem examinar as associa~oes

as respostas aos {reS itens. 2 Tres tabelas bivariadas (duas
entre
.
" s) sa- 0 apresentadas mostran d 0 a cI"b'
Istl'l uu;ao conJunra
vanavel"
.
,...

spostas a cada par de itens. Apesar de cada Item UI1lCO

d .'
.lsre
'r um agrupamento cliferente de responcIentes ".
C1entl"'fiICOS "
proclU Z I ' .
.
,
t

e "nao-cientificos", a Figura 8-2 mostra que as lespostas clae as

a eada item correspondeln, em certo grau, as respostas dadas a

do que quem optar pe!a primeira. Esta conclusao comparaliva

e razoave!, mas nao devemos pensar que quem opta pe!a
segunda alternativa e "cientista" em algum sentido absoluto.
Ele e apenas mais cienlfjico do que quem opta pel a primeira

eacla outro item.

alternativa. Este ponto importante ficara mais claro quando

exanlinamlos a distribui~ao de respostas que cada item produz.

tabela. As escolhas dos professores de seus melhores papeis

academieos e de seus principais interesses medicos nos dao
indica~6es de orienta~ao cientifica. Quem esco!hell "pesquisaclor",

Quanto 30 primeiro item -'--- 0 melhor pape! academico-,

s6 um ter~o dos respondentes pareceu ser cientificamente
orienta do, dizendo que sua melhor contribui~ao acaciemica era

como pesquisador. Mas este resulrado nao significa que s6 um

ten;o da amostra e de "cientistas", porque os ourros dois itens

sugeriram conclusoes bem difercntes. Em res posta ao segundo

item, 0 maior interesse medico, cerca de dois rer~os escolheram
a resposta cientffica, indicando estarem mais interessados em

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

isso nos deixmia com

problema de mes estimativas bem cliferentes

Um exame d.1S mes

rela~6es

bivariaclas cia Figllra 8-2 apOia a

erenc;a de que as tres irens mec1em a mes~la vari~vel: .ori~ nta~ao

cientifica. Comecemos observando a primeua rela~o blvanada cia

no primeiro caso, indica maior incJinar;ao eientifica do que quem

respondeu "c1inico". Quem responcleu "mecanismos basicos"

parece mais inc1inado cientifieamente do que quem respondell
"tratamento completo ao paciente", na pergunta sobre 0 principal
interesse. Se estes itens realmente medirem a mesma coisa) quem

parece cientifico no primeiro item ("pesqllisador") cleve parecer

mais cienrifico no segundo ("mecanismos basicos") do que quem
parece nao cientifico no primeiro ("clinico"). Pelos dados, vemos
que 87% dos "pesquisaclores" parecem cientificos no segundo
item, em oposi~o a 51% dos "c1inicos". (Nola: 0 fato dos "clinicos"
est.:'1rem dividiclos ao meio, em rela~ao aos principais interesses
medicos, e irrelevante. 0 relevanre e que eJes sao menos denti-

ficos do que os "pesqllisadores", em sellS interesses medicos) . A

for~a dessa re la~ao pode ser resllmjda numa cliferen~a cle 36
pontos percentllais.

de quantos cientistas ha na :1mosrra.

Estes tres itens de questionario nos dao tres indicadores

flGURA 8-2
Relo(oes bivoriodos enlre itens sobre oriento(oo cienlrfico

inclepenclentes clas inc1ina~oes re!ativas dos responclentes quanta

a ciencia oa medicina. Cacla item separa os respondentes entre

mais e menos cientificos. Tendo em vista as diferenres c1istribui~oes de respostas produzidas pelos tres itens, e claro que
cad.1 grupo resulrante de respondentes mais ou menos cientificos

tera integranres um pouco cliferenres. Quem parece cientffico

num item nao 0 parece em outro. Mesmo assim, como eacla
item mede a mesma dimensao gerat devemos encontrar alguma

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.

Principol Inlerelle Medico

Melhor Popel Academico

Clinito

Pelquilodor

lrolomenlo complelo
do potienle

49%

13%

Meconilmol bOlitol

51%

87%

100%
(268)

100%
(159)

B.

Preforentic! de Leilura
Argumenla!

rismo politiCO deve iclentifica r responclentes que sao muito

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!

variavel, como eonservadorismo polftico, rcligiosidade ou

orienra~ao cientifica. Par exemplo, um indice de conservado-

(349)

rias). As diferentes gracla,6es em tern10S cia varia vel resultam da

combina,ao clas respostas claclas aos itens clo inclicc. Portanto,
quem parece ser conservaclor em toclos os itens e considerado
muito conservador no total.

Urn indice pocle s6 fomecer gracla,oes significativas se

cada item acrescentar algo it avalia,ao cle cacla responclente.

c.

Preferencia! de Leilura

/!Ielhar Popel Academica

(Iinica
Pe!qui!adar

Efelividade

Argumenla!

85%

64%

15%

36%

100%
(78)

100%
(349)

Pode-se chegar " mesma conclusao geral em rela,ao as

Olltras relat;6es bivariadas. A for~a cia rela~ao entre preferencias
de leitura e principal interesse medico pode ser resumida como
diferen~a de 38 pontos percentuais; a for~a cia l'ela~ao entre

preferencias de leitura e os dois papeis academicos pocle ser

resumicla I1l1ma diferen~a de 21 pontos percentuais.
] nicia lmente, os tn~s itens Foram selecionados com base
oa va lidacle aparente; caela urn pareceu dar alguma indica;ao
das orientac;6es cientificas dos professores. Examinanclo as
reJa;oes bivariadas entre os pares de itens, encon tramos
apo io para a cre n ~a inicia l de que toelos os itens medem
basicamenre a mesma coisa.

Rela,oes Multivariadas entre Itens

Consratar lima rela~ao bivariacla, esperacla, entre pares

Fa lamos na se~ao anterior que nao se cleve incluir no m esmo

inclice clois itens perfeitamente relacionaclos entre si. Se um

deles 0 for, inc1uir 0 outro nao acrescentara nada ~l nossa avalia~ao
dos respondences. Examinar as rela~6es multivariadas entre itens
e um outro modo de eliminar material inutil, aleI11 de cleterminar
a for~a combinada de um eerto conjunto de iten5 quanto medida

cia variavel consicleracla.

Voltemos ao exemplo clos professores cle meclicina, para
compreencler me lhor para que serve 0 exame multivariado. A
Figura 8-3 mostra a rela~ao trivariada entre os tres itens. A tabela,
agora, um poueo diferente da Figura 8-2. Agora, a ar1105(ra foi
dividicla em quatro grupos, cle acorclo com (1) seu melhor papel

acaclemico e (2) sua preferencia cle leitura. Os nC,meros entre

parenteses sao cle respondentes em cacla grupo. (Portanto, 66
professores disseram que poderiam ensinar melhor como clinicos
e tambem disseram que preferiam arrigos sebre a eficacia des
(ratamentos). Para eada urn des quatro grupos, apresentamos a
porcentagem de respondentes que disseram esrar mais interessades nos mecanismes basicos do que no tratamento comple to

do paciente. (Dos 66 professores mencionaclos acima, 27%

es(ao primariamen te interessados nos mecanismos basieos).

FIGURA 8-3
Relaloe! Irivariada! enlre a! itens sabre arienlaloa cienlifica
Porcenlogem inleressodo nos meconismos bosicO!

/!Ielhar Pap,1 Acadirmica

(Iinico Pe!qui!adar

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

arranjo dos quatro grupos se baseia na conc1usao '5.

tirada com rela~ao it orienta~ao cientifica. Respondentes

canto superior esquerdo da tabela sao presumivelmente
menos cientificamente orientados clos quntro grupos, quan~~
a melhor papel academico e preferencias de leitura. Os no

cio

Pareen Iage m

inlerellada nal mecanilmal bOlical

/!Ielhar Popel Acadirmica

canto inferior direito cia rabela sao presumivelmente os mai

S
cientificamente orienracios, quanto aos dais itens.

Lembre-se de que express,, interesse primordial em

"mecanismos basicos" rambem foi tomado como indicador de

Preferincial de leitura

orienta~ao cienti'fica. Como esperamos, os no canto inferior dire ito

tem a maior probabiliclade de dar esta resposta (89%), e os no

canto su perior esquerdo a menor probabilidadc (27%). Os que
deram respostas mistas em rel a~ao a papel acaciemico e prefefencins de leitura estao em posi~ao intermediaria no seu inte-

resse por mecanismos basicos (58% em ambos os casos).

Esta tabela nos diz muitas coisas. Primeiro, vemos que
as rela~oes originais entre pares de itens nao sao afetadas sign ific~t[ivamente pela p resen~a de urn terceiro item. Por exemplo,

a re1a~ao entre papel academico e principal interesse medico

foi resumida como diferen~a de 36 pontos percentuais. Observando a Figura 8-3, vemos que, somente entre os respondentes
mais interessados em altigos sobre a efetiviclade do tratamento,

a rela~ao entre papel acaciemico e principal interesse medico

foi de 31 pontos percentuais (58% menos 27% na pril1leira linha),
e 0 mesmo e verdacleiro para os mais interessados em artigos
sobre argumentos basicos (89% menos 58% da segunda linha).
A rela,ao original entre papel academico e principal interesse
medico

e essencialmente a mesma cia Figura 8-2, mesmo entre

os considerados cientificos ou nao-cientificos quanto as preferencias de leituras.

Pociemos tirar a mesma conclusao do exame das colunas
na Figura 8-3. Lel1lbre que a rela~iio original entre preferencias de
leirura e principal interesse medico foi reslImida como diferen~

de 38 pontos percentuais. Observando apenas os "c1inicos" na

Figura 8-3, vemos que a rela~ao entre os outros dois itens e agora
31 pontos percentuais. A mesma rela~ao e encontrada entre as
"pesquisadores" na segunda coluna.
A importancia destas observa~oes fica mais evidenre

quanclo consideramos 0 que pode ter acontcciclo. A rabela da

Figura 8-4 apresenta dados hipoteticos para ilustrar esre ponto.

Clinica

Pesquiladar

51%

87%

Heli~dade

(66)

(12)

Argumental

51%
(219)

(130)

86%

Estes dados hipoteticos contam uma hist6ria bem diferente

cia que contaram os dados vercladeiros da Figura 8-3. Neste
caso, evidentemente persiste a rela~ao o ri ginal entre pape! academico e principal interesse medico, mesmo quando preferencias

de leitura sao introduzidas no quaclro. Em cada Iinha cia tabela,

os "pesquisadores" tem probabilidacle maior do que os "c1inicos"
de expressar interesse pelos mecanismos basicos. Mas, obseryanda as colunas, vemos que nao ha rela~ao entre preferencia de

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

a nossa ava lia~ao de suas orienta~oes cientificas.

Se algo como a Figura 8-4 resultar de nossos daclos, concluiremos

que preferencias de leitllra nao devem ser inc1ufdas no mesmo
indice de pape! academico, porqlle nao contribuira em nada
para a indice composto.
Neste exempl o, estavam envolvidos apenas rres itens
de questiomlrio. Se considerarmos mais itens, e necessa rio

usar tabelas multivariadas mais complexas. Ate aqui, Iimitamos

a aten~iio it analise trivariada dos tres itens. Lembre que 0

praposiro desta etapa, na constrll~ao de indices, examinar

a interac;ao simulranea dos itens, para dererminar se e!es poclem
ser inclufdos no mesmo indice.

tscore de Indices
o

Ap6s detenninar os melhores itens para inclusao no indice,

~roxlmo passo e atribuir escores a respostas especfficas, assim
~
.
~
Cflando u n ~.
1 limeQ tndl ce composro a pa rtir de varios itens. E
prec
ISO tamar duas decisoes basicas sobre isso.

de [ndA primeira

e decidir a amplitude

desejada dos escores

ICe. Uma das principais va ntagens de um indice sabre

um item unico e a amplitude de gradar;oes oferecida na medir;ao

de uma va ri<1.vel. Como observamos ames, conservadorismo
polftico pode ser medido desde "muito conservador" a "nada
conservador" (ou "muito liberal"). Entao, quae longe, nos
extremos, cleve se estender 0 fndice? Como ames, esta clecisao
envolve a questao da vari5ncia. Quase sempre, quando se
estencle os possiveis extremos de um indice, menos caSas
sao encontrados em cada extrcmidade. Se voce tentar medir
conservadorismo politico no seu maior extremo, pode descobrir
que quase ninguem cai nessa categoria.
Entao, a primeira decisao estfl relacionada aos desejos
conflitantes de (1) a maior amplitude de me(1i~ao posslvel
no Indice e (2) um numero adequado de casos em cada ponto
do Indice. Voce tem que chegar a algum tipo de acordo entre
estes desejos.
A segunda decisao concerne a atribui,ao de escores
para cada res posta especifica. Basicameme, voce deve decidir
se atribui peso igual ou diferentes pesos aos itens no indice.
Como veremos mais ta rde, a constru~ao cle escalas c bastante
diferente nestc aspecto, mas a atribuit;ao de escorcs na constru,ao de Indices e uma questao aberta. Enquanto nao ha regras
fifll1es a seguir, sugiro - e a pratica rende a confirmar que os itens devam ter pesos iguais, a menos que haja fortes
razoes para reccberem pesos distintos. Ou seja, ponclerar
diferen temente deve ser justificado, enquanto pesos iguais
deve ser a norma.
E claro que a decisao sobre a pondera,ao deve estar
relacionada ao eqllilfbrio dos itens escolhidos. Se 0 Indice
representar a mistura de aspectos poueo diferentes de uma
variavcl, entao voce cleve ponclera l' igualmenre cada um cleles.
Mas, em alguns casos, voce pode achar que dois itens reflerem
essencialmente 0 mesmo aspecto, enqua nto lim terceiro reflete
um aspecto diferente. Se quiser respeitar igualmentc os dois
aspectos no indice, voce pode decidir dar ao item diferente
um peso igual 11 combina,ao clos pesos dos dois itens similares.
Nesse caso, voce pode atribuir um escore m:1ximo de 2 para
o item diferente e escares maximos de 1 para cada um dos
dais irens similares.
Embora as razoes para ponderar respostas devom considemr questoes como essas, normalmeme voce experimenta diferentes metodos de pondera~ao, examinanclo os pesos relativOs
atribllidos a diferentes aspectos e, ao mesmo tempo, cons ideranclo a amplitude e a distribuir;ao dos casos. No fim, 0
metodo escolhido representa uma cambinar;aa entre essas

deo1and as. ( "ola' Nesta atividade como oa maioria

diferentes
. ey a decisao pode ser revista, com base
'd des cle SU I U ,
I'
'd
etas
atiV
l
a
'
A
,
postenor. validarao
' ~ de um indice, a ser c Iscutl .a
oum exame
d I a-Io a reciclar os esfor~os e constnllr
.
ouco po e ev
daqlll a p
1'pletamente dife rente).
-ndlce con
'd'
I I uruey na escola de medicina, clecI lu-se
um I
No exemp 0 (0 S 1,1ente porqlle e1es foram escolhiclos,
_ ada Item 19ua I
,
.
a
nclera
chferentes
' c~ or represental-en1 ,aspectos ligeiramente
P
"
_0 cientifica. Em cada Item, os responem parte, p .
. "'vel oflentat;a
" .
cia va na .
o re de 1 quando davam resposta Clencebmm um esc
dentes re
ta "11'10-cientlfica". Assim, cad a respono dar respos
'
tlfica" e 00
b
escore de 0 1 2 ou 3, clepenclenclo
' , ,
d 'a rece er um
dente po I, .
s "cientlficas" dadas. Este metodo de
- 1ero de Iesposta
. d -'1
do nun
,.
que foi consicleraclo uma amphtlI e liB
d rar ao penn Itlu 0
_
pon e ':
ategorias de Indices - e tambem U111
d vana,ao - quatro c
-I'
e
f"
t (Ie casoS em cada categoria para as ana lses.
nttmero su ICle n e
'
1\,1.

Trabalhando com Dodos fait antes

Em qllase todo survey, alguns respondent':s n,~o_ respo,~'
dem algumas perguntas (ou escolhem a op,ao nao ~el ).
s fa ltantes sao U111 problema em todos os estaglos
Esses d a do
- d - 1" . (As
de analise, mas especialmente na construt;ao e Inc Ices ..
escalas sao diferentes tambem neste ponto). Se alguns lespondentes nao responde rem itens de lim fndice compos~o,
voce te ra problemas para atribuir escores a estes entre:lstaclos na constn.1 ~ao do indice. Ha varios metodos para lIdar
C0111 este problema.
Primeiro se relativamente pOll cos respondenres tiverem
dados faltante~, voce pode dec idir exc1 uI-los cia constru,~o
e analise do indice. as principais cuidados neste easo sao
se a quantidade restante para analise ainda e suficiente ~ se
excluir estes respondentes resulta I1uma amostra tencienCiosa
ao usar 0 Indice na analise. A possibilidade de vies pode ser
examinada pela compara~ao, em outfaS variaveis relevantes,
dos respo ndentes que sedam inclu ldos no ,ndice e dos que
se riam excl llldos. (No exemplo da escola de medicina, esta
fo i a decisao tomada em rela,ao aos dados faltantes).
Segundo, pode haver razoes para tral.:"1r os dados faltantes
do mesmo modo que as outfaS respostas dadas. Por exemplo,
::)e 0 qllestionario pedir aos respondentes para indicar sua
pa rti ci pa~ao em varias atividades marcando "sim" au "nf10"
para cada lima muitos entrevistados pod em marcar Hsim" para
algUmas ati vicl'ades e cleixa r as Ol..ltras em branco. Neste caso,

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".

de esquisas, porque voce esU'i. "embaralhando as cartas" contra

. P smo. Se 0 Iodice resultante provar ser uma ferramenta
SI me
,
d'
I .
.' I
oderoS a na analise, voce po era cone Ulr qu~ sena alOe a

Terceiro, uma analise cuidadosa dos dados fal[antes

pode penni[ir uma interpre[a~ao do seu significado. Ao cons-

mal S

truir uma medida de conservaclorismo politico, por exemplo,

voce pode descobrir que quem nao respondeu uma cerra

pergu nta era geralmente tao conservador nos outros itens
quaneo aqueles que demm uma resposra' "conservadora" ~

esta pergunta. amro exemplo: um survey recen[e, que mediu

cren~a re1igiosa, descobriu que os respondentes que escolheram "nao sei" para uma cena crenr;a eram quase identicos
aos "descrenres" nas respostas relativas a outras crencas.
(Nola: Voce nao deve [oma r estes exemplos como guias empiric os para seus estudos, tome-os apenas como sugestoes de

formas para analisar os proprios dados). Sempre que a analise

de dados faltantes permi[ir [a is interpre[a~iies, voce pode
ponderat de acordo com estas solu~iies.
Quarro, voce pode decidir atribu ir um escore intermec1iario aos c1ados falrantes. Por exemplo, se um item for pooderaclo em 0, 1 e 2 para suas tres possfveis respostas, voce
pode atribuir um escore intermed iario (1) ao item para as

responden[es que nao responderatn. (E a mesma logica pela

qual a resposta "indeciso" e muitas vezes registrada como

es[ando entre "concordo" e "d isco rdo").

Quinto, voce pode atribuir escores de indice proporcionalmente, baseado nas respostas dadas por um responden[e.
Por exemplo, suponha que seis i[ens sao combinados num
fodice, com escores de 0 ou 1 pa ra cacla item. 0 escore maximo
que um en[revis[ado pode receber e 6. Se um responden[e
responder apenas cinco itens, mas receber 5 nestes itens,
podera receber um escore proporcional de 5/5 X 6 ~ 6 no

indice. Quem receber 2 nos quatro i[ens respondidos pocler"

receber um escore final de 2/4 X 6 ~ 3. Quando estes dlcu los
resultarem em fra~oes, cleve-se usar algum metodo de arredondamento, para simpli ficar os escores fina is.
Finalmente, voce pode nao querer usar qualquer um

des[es me[odos para lidar com daclos fal[ames, mas a analise

posterior pode exigir que todos os respondentes na amos[ra
sejam ponderados. Nesse caso, voce pode atribuir escores aos
dados fa ltantes de forma aleat6ria. Para um item que mribuir
os escores de 0, 1 e 2, 0 primeiro que nao responde-Io pocler5
receber um esco re de I, a segundo 0 e 0 terceiro 2 etc. Este
e 0 metodo mais conservador, do ponto de vista de analise

oderosO se wdos houvessem responchclo wdas as

P (Claro que se sua meta f
-es
or mos[rar '
qlle 0 In d'Ice
que[o
s
,
.,.
A'
p.
_

nao es

[a' relacionado a oueras vanavelS, voce tera embaralhado

as cartas a seu favor).

A escolha de urn determinado metodo para tratar dados
falmmes depende tanto cia si[Ua~ao da pesquisa que e impossivel
"11'

um unico me1hor metodo Oll hierarqlliza-Ios. Geral-

suge 1
mente, sugiro uma analise dos que nao responderam, tanto
uanto a possiveis vieses oa sua exclusao quanto as respostas

~eles

a o u[ros i[ens do indice. a obje[ivo fi nal da analise

compreender seus dados.

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

de lim indice U[i! , conrudo, ainda nao foi provaclo; a VCllidaf ao

do indice ajuda a alcan~ar es[e obje[ivo. A base logica cia
valida ~ao e : sllpomos que um inclice compos to mep lima
variavel, ou seja, que os escores slicessivos de lim indice

ordenem os respondentes quanto aquela varia vel. Um inclice

de conservadori smo politico ordena os grupos quanta ao

sell conservadorismo relativo. Se um indice for bem sucedido

nissa, entao pessoas c1assificadas como relativamente conservadoras pelo indice clevem aparecer como relativamenre conservadoras em todos os itens clo questiomirio (ou outros inclicadores) qu e tambem reflitam orienta~ao po}ftica.
muitos

Ha

me[odos para validar um indice compos[o.

Analise de llem. a primeiro passo na
indice

valicia~ao

de lim

uma validacao interna chamacla clIuiiise de "em.

Examina-se 0 quanto 0 indice composw es[a relacionado (Oll

prediz as respos[as) aos i[ens do ques[ionario inc1l1idos no
prOprio indice. Se 0 indice river sido cons[rllido cuidadosamente, examinando as reJac6es bivuriacias e multivariadas
entre varios itens, este passo confirmara a validade cia fndice.
Para um indice complexo com muitos itens, este passo prove
um teste mais parcimonioso cia contribuir;ao independente

d~ cada item para

indice. Se descobrirmos que um item

nao esta muito relacionado ao Indice, podemos supor que

OUtros itens do indice estiio eliminando a contribuir;ao daquele

AO mesmo eempo, cada icem da uma descri,ao diferente

. nradiO cientifica como urn todo. Por exemplo, 0 ultimo

item. Assim, 0 item em quesUio nao contribuira para

patencia do fnclice e clever;] ser exclufclo dele.
a

~ oM'.

. A ana lis: cI~ item e um importante primeiro teste para

a vahclade clo 1l1dlCe, mas nao e suficiente. Se 0 fndice medir
adequa?ar~lente uma variavel, devera preyer COlll sucesso
Ol:t[OS lI:c"cacl~re~ dela. Para testa I' isso, precisamos lan\,ar

da~ n iCO indicador de orientat;;ao cientifica, concluirfamos que

oU
todos os professores sao cientificamente orientados.
e
quas
f
.I d
. . 'f
Mes
assim, os pro essores consJC era os mms Clentl ICOS

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.

Em nosso exemplo do indice de

orienta~ao

cientifica,

vanas pergunras do questionllrio ofereceram a possibilidade

de valida~ao adicional. A Tabela 8-1 apresenta alguns desses

ieens. Os ieens lisrados permieem varias li~6es sobre valida~ao

de indices. Primeiro, notamos que

ind ice prediz fortemente
as respostas aos itens de valicia\,ao, no sentielo em que 0
~rdenamemo

das resposeas cientfficas entre os quaere grupos

mesmo do ordenameneo fornecida pelo pr6prio indice.

lABHA 8-1
Va lidatea do ind ice de arientateo cientifica
indice do Orientoceo Cientifico
Aleo

Baixo

Porcentagem interessada em frequentar

palescras cientificas na escola de medicina

Porcemagem que diz que os professores

34

42

46

65

atividades dos professores fossem restricas

apenas a pesquisa
Porcenragem envolvida em pesquisa no
ano academico anterior

ana antenO!'. Se esse Fosse

e10 indice rem maior probabilidade de rerem pesquisado

~o que os c1assificados como re1aeivameme men os ciemfficos.

re rceiro ieem de valida~ao desenha um quadro descrieivo

diferenre. Somenee u ma minoda dos prefessores disse que
preferi a encargos exclusivamente de ~esquisa. Ainda assim,
as po rcentagens desra resposca cambem correspondem aos

escores atribuidos no indice.

["dices R1Iins Versus VClliclCld01-es RlIilZS. Um dilema que

e nfre neam quase codos construeores de indices e 0 fracasso
dos itens extern os em valida rem 0 indice. Se a analise interna
de item mostrar re1a~6es inconsistentes entre os itens incluiclos
no indice e 0 pr6prio indice, ha alguma coisa errada com 0
indice. Entretanro, se 0 indice fracassar em predizer cons istentemente os irens cle va li cla~ao externa, a conclusao a tirar

e mais ambigua. Voce tem que opear entre duas possibilidades:

0 ) 0 indice nao mede adequadamenee a varia vel em queseao,
ou (2) os ieens de valida~ao nao medem adequadamenee a
variavel e, portanto, nao sao tim teste suficiente do iodice.
Se voce trabalhou longa e conscienciosamente oa construr;ao do indice, achara a segunda conclusao bastante atraente.

Geralmente, voce sente que inc1uiu os melhores indicadores

da vari'vel no indice e que os itens de valida~ao, porIa nco,
sao indicadores de segunda c1asse. Mas, voce deve reconhecer
que 0 indice e, propositadamenee, uma medida muico poderosa
da vari avel j como tal, ele cleve estar de alguma maneira rela-

cionado a qualquer item que, mesmo de longe, se relacione

com a variavel.
Quando a valida\,ao externa fracassa, voce deve rccxa-

mina r 0 indice anees de decidir que os ieens de

insuficientes. Uma maneira de fazer isso

valida~ao

sao

e examinar as rela~oes

e ntre os itens de valida~ao e os ieens individuais do indice.

cia faculdacle devem ter expeIiencia como

medicos pesquisadores
Porcentagem que preferiria que as

faculdade pesquisou durante

l110

mao de leens nao Inc1uidos no indice.

,.

. .
.rem de valida~ao indIca que a grande malona dos professores

43

60

65

89

Descobrir que alguns itens do indice se relacionam aos vali-

dado res mas outros nao melhora nossa compreensao do Indice

construido iniciaimente.

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

pela utilidade dele nas suas amllises posteriores. Talvez vOCe

decida que 0 indice bom e os validadores c1efeituosos e, mais

tarde, descubra que a variavel em quesrao (como mediela pelo

fndice) nao esra relacionada a outras variaveis elas maneiras esperadas. Neste ponto, VOce poclera retornar a composis;:ao do indice.

Neste texto, demos considedvel importancia constru\"ao

de indices simples, por duas razoes. Primeiro, uma revisao dos
temas cia literatura sobre pesqu isa emplrica mostra a popula-

ridade desras medicL~s entre os pesquisadores de sUlwy. Segundo,

porque remos muiro pouca, se e que alguma, discussao na lireratura au em manuais metodol6gicos sabre as tecnicas para a
consrru~ao de indices. A consrru~ao de indices "Simples" ralvez
tenha sido vista como simples demais para merecer tal discussao,
e as tecnicas permaneceram parte da tracli~ao oral cia pesquisa

de slilvey.

., el cada um desses itens pode ser ponderado de

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
-

duto final da consr ru ~ao de IndIces; na verc a e, sao

o pro s pa ra se fazer uma analise d
e 'liens IevaneI0 a' esco Ih a
usa d 0
.
. I"d
I'
dos melho res itens. Essencialmenre, cada

Item

me IVI ua e

"Escalanamento " likerf

correlacio nado a grand e medida composta. Presume-se que

os irens q ue me lho r se correlacionam com a medlda composta forn ecem os melhores in?iC~dores cia vlar,iavel, e somente

Definimos uma escala como uma medida composta

construida com base numa estru tu ra de intensidade entre as

para as an{tlises cia va riavel.

Nare que a atribu i~ao uniforme de escores nas categorias

irens da medida. Na cons rru~ao de escalas, os pad roes de

res posta entre varios itens sao ponderados, enquanto na
consrru~ao de indices as respostas individuais sao ponderadas
e os escores indepcndenres somados. POl' esta defini~ao, 0
metodo de medi~ao desenvolvido pOl' Rensis Likert, chamado
escalonamento Likert, representa uma maneira mais sistematica

de resposra d e ite m-Like rt p resume que cada irem ren,ha

aproximadame nte a mesma intensidade dos ourros. Esta e 0
aspecto chave no qual 0 metodo Likert difere do escalona-

e refinacla de constru ir indices; po rtanto, este metodo sera

tipos de itens na construs;:ao de indices simples; igua lmente,

discutido aqui e nao nas

se~oes

estes itens seriam incluidos no mcilce que sera fmalmente usado

sobre escalonamento.

o tenno escale, Likel1 e associado a um fonnato de pergunra

freqiien temente usado nos questionarios de survey. Basicameme, mostra-se aos respondentes uma declarayl0 e se pergunta
se eles "concordam forremente", "concordam", "discordam"

mento , como 11 sa1110S 0 te rmo neste liv r~. Os itens tipO-Likert

podem ser usados de varias mane iras e nao estamos presos

ao metodo descri ro. Eles podem ser combinados com outros

podem ser usados na consrru~ao de escalas. Mas, se rod os
os itens cuja inc1usao for considerada para uma medida composta fore m do Fo rmato Likert, deve-se conside rar 0 metodo
descriro antes .
Volten10s agora a atens;:ao para as tecnicas de esca lo-

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

namento. Hii muiros metodos a disposi~ao do pesquisador

de survey; consideraremos apenas as escalas Boga rdus,
Thursto ne e Guttman.

respondentes inventar au escolher respostas como "concordo

ate cerro ponto", uconcordo mesmo", "concordo em quase

(onstru~ao de Eseolos

rudo", e assim por dianre, seria impossivel julgar a for~a relariva

da concordancia dos varios respondenres. 0 Formato Likert
resolve faci lme nre este di lema.

Bons indices fazem uma c1assifica~ao ordinal dos respondentes numa varia vel. Todos os indices se baseiam na supo-

escalonamenw Likert rambcm se presta a um merodo

bastanre direro de construs;:ao de fndices. ]5 que se usa caregorias identicas de rcsposc3 para as vados itens que meciem

Si,ao de que uma pessoa com duas

indica~Oes

de tel'

inclina~ao

Cientffica, por exemplo, cleve ser mais cientifica do que uma

pessoa com apenas uma i nd i ca~ao. No entanto, LIm indice

pode falhar em considerar que nem toclas as indica~oes de

uma varia vel sao igualmente importantes. (E claro que se

pode tentar resolver este problema pesando os indicadores

diferentemente).
As escalas dao mais seguran", com rela~o ordinalidade ,
detectanclo eslruturas entre as indicadores. AS itens de uma
medida composta podem ter diferentes illtellsiciades em termos
da varia vel. As tres descri,6es seguintes de procedimentos de
escalonamento ilustram a varieclacle de tecnicas disponfveis.

,t

do que com os cliffceis. Com algumas exce~6es

os 1'tens faceis
'
'''a
'
,'el
'
s
a
1
6gica
exige que, quando os respondentes recusam
ineVlu
, '
,
ociadio
apresenrada
oa escala, tambem recusam todas
uma ,ass
')"
as mais dificeis que se seguem.
A Es<;ala de Dismncia Social de Bogardus illiStra a economia
de escalonamento como um dispositivo de redll,ao de dados.
Se soubermos quantas associa,6es com albaneses um responCOm

denre aceiraria, saberemos quaisassocia~oes aceitaria. Um (mico

numero pode resum ir precisamente cinco ou seis resposras de
s/ITvey sem

tleolo de Diltancio Sociol de Bogorduf

Um bom exemplo de escala e a EscafCl de Distc1llcia
Social de Bogardus. Suponha que voce queira saber 0 quanto os

respondentes estao dispostos a se relacionar com albaneses.

Pode fazer as segu intes perguntas a eles.
1. VOCL: dcixaria alb:lnesc.s morarem no .sell pab?
2. Voce deixaria albanc.sc.s mora rem na .sua comunkbde?

3. Voce deixaria alb:me.sc.s morarem na .sU:l vizinhanp?

perda de informa,ao.

tlcolol {huff fane

Mu itas vezes, a estrutura inerenre da Escala de Distancia
Social de Boga rdus nao e aprop riacla para a varia vel seodo

medida . Na verdade, esta estrutura logica entre varios indica-

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,

arribuindo escores de, por exemplo, 1 a 13. Se a varia vel for

4. Voce deixari3

UIll

albanc.s moral' ao lado de .sua casa?

5. Voce deixaria .sell filho (.sua mha) .sc ca.sar com um albanes?

As pergunms estao em ordem crescente de proximidade do

contato que os respondentes podem querer ou nao com albancses.

Come,ando com a inten,ao original de medir a disposi,ao de

se relacionar com albaneses, dcsenvolvemos v~lrias questoes
inclicanclo diferentes graus de intensidade nesta varia vel.

preconceito, pede-se aos jufzes para marcar 1 para os indicadores

mais fra cos de preconceito, 13 para os mais fortes e nllIneros
imenneciiarios para os que estiverem entre eles.
D epois de as jufzes terminarem a tarefa, examinam-se os
escores que atribu fram a cada item, para cieterminar quais itens
produziram mais acordo en tre eles. as irens sobre os quais
eles mais discordaram sao rejeitados como ambfguos. Selecio~a-se, entre os itens que proc!uziram acordo gerai, um ou
rnals para representar cada escore cia escala de 1 a ] 3.

As c1aras diferen,as de intensidade sugerem uma estlutura

O s itens assim selecionaclos sao inclufdos no questionario.

entre as itens. Presumivelmente, respondences dispostos a aceitar

uma especie de associa\,ao estariam dispostos a aceitar todas
as associa\,oes precedentes na lista, isto e, as com menores inte~

Esper-l-Se que q uem parecer preconceituoso em itens com for,a

5 ~parece preconceituoso nos itens com menor for~a; tambem

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.

Empiricamenre, esperamos enconrrar que a maioria dos

.
.
asarespondentes aceira a co-cidadania c a minona acelta 0 c .
mento. Faiamos, nesse senticlo, de "itc ns f5ceis" (co-cidaclaOl a)
e "jrens dificeis" (casamento). Mais responciemes concorciaJ11

nao se espera que quem nao parecer preconceituoso nos itens

com for~a 6 nao 0 parece em itens com maiores intensiclades.

Se os itens da Escala Thurstone forem adequadamente

~senvol~idos e poncierados, aparecera a economia e a eficacia

Be redu~ao dos clados inerentes a Escala de Distancia Social de
( gardus. Um unico escore pode ser atribuido a cada respondente
~celta a for~a cio item mais diffcil), e esre escore representaria
a equadamente as respostas a v:1rios irens clo questiomhio.

Como acontece com a escala de Bogardus, um respondente com

IABELA8-2

escore 6 pode ser considerado mais preconceituoso do que um

que recebeu escore 5 ou menos.

Esca lanamenla do arienlatea cienlifica

escalonamento de Thurstone e raramente uS:lclo em

pesquisas de 511 rvey hoie, principalmente devido ao enom1e gasto

de energia requerido no "iulgamento" dos itens. Varios (talvez
dez ou quinze) iuizes tem que gastar um tempo consideravel
atribuindo escores aos muiros itens iniciais. ]a que a qualidade
do iulgamento depende da experiencia com e do conhecimento
da variavel considerada, a tarefa pode requerer pcsquisadores

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

8-2 , todos os pad roes possiveis sao apresentados de forma

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)

podemos dizer que os itens formam um Escala de Guttman. Um

exemplo deve ser suficiente.
No exemplo anterior descrevendo a mecli~ao da orienta~ao
cientiftca entre professores de uma escola de medicina, foi construldo um Indice Si111ples. Como veremos, os tres itens clo Indice
formam essencialmente Ulna Escala de Guttman. Esta possibilidade aparece quando procuramos inclicadores rclativamente
"cliffceis" e "faceis" cia orienta~ao cientffica.

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

principal interesse medico (lratamenlo complero ao paciente

versus mecanismos basicos) Fosse usado como unico indicaclor,

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.

esquematica. Para cada um clos tres itens, sinais positivos e

negativos foram usados para indicar respostas cientfficas e naocientfficas) respecti vamente. ("Mais" indica resposta cientifica,
"menos" resposta nao-cientlfica.)

a s pri meiros q ualro pad roes de resposta da tabela

form am 0 q ue chamamos tipos de e5cala - os paclroes que
form am uma estru tura escalar. Seguinclo os respondentes que
seleci o nara m codas as tres respostas cientificas (li nha 1),
vemos que os com apenas duas resposlas cientfficas (\inha 2)
optaram pelas duas ma is faceis; aqueles com ape nas uma
res posta cientifica (Iinha 3) optaram pela mais fiicil das tres.
Finalmente, os entrevistados que nao op taram por respos tas

cientificas estao na Iinha 4.

segunda pa rte da labela apresenta os padroes de
respostas que violam a estrutura esca lar dos itens. as dois
ultimos pad roes de res posta sao os que saem mais da estruA

tu~a. esca lar: os que 56 aceita ram

re)e ltaram apenas

item mais dificil e os que

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:

profissionais. Alem do mais, as significados dos varios itens

que indicam uma celta variavel tendem a mudar com a tempo.
Portanto, um item que recebe um certo peso num momenta

Preferencie
de Leilure

_ Neste ponto, precisamos lembrar que uma das principais

n~oes do escalonamento e a redu~ao eficientc dos clados. As

escalas provem uma tecn ica de apresenr3\=ao sin6ptica dos

48
18
14
5
7

dados e, ao mesmo tempo, mantem a mflximo posslvel cia

informa~ao origina l.
Quando as itens de orienta~ao cientffica forma ram um
fndice, em nossa disclIssao anterior, os responclentes rece-

beram um ponto no fndice para cad a res posta cientffica que

forneciam. Se os mesmos tres itens forem ponderados como
Esca la de Guttman, alguns respondentes receberiam escores
diferentes dos recebidos no fndice. Eles receberiam escores
de esca la que permitiri am uma reprodll~ao mais exata das
resposras originais a todos os tres itens.
Quem se encaixar nos tipos de escala recebe as mesmos

escores q ue recebe na

const ru ~ao

do fndi ce. Por exemplo,

as pessoas que dao todas as tres respostas cientfficas recebem

escore 3. Note que, se soubermos q ue aigucm neste grupo

recebe u um escore 3, podemos precisamente predizer que
ele esco lheu todas as tres respostas cie ntlficas. Para as

pessoas na segunda fileira da tabela, a atr i bui~ao do escore

de escala 2 nos leva ria a predizer exatamente respostas
cien tfficas aos dois itens mais faceis e res posta nao-cientifica
ao mais clificil. Em cada lim dos q uatro tipos de escala,

podemos predizer exaramente as resposras reais dadas por

rados os respondentes.

Entretanro, as tipos mistos na tabela sao lim problema.

primeiro tipo misto (- + -) recebeu escore 1 no fndice para

indica r apenas uma res posta cientffi ca. Se Ih e for atribufdo

escore de esca la 1, porem, predirfamos que todo mundo neste

grupo escolh eu apenas 0 itemma is facil (+ - -), fazendo em

conseqOencia do is enos por respondente. Os escores de
esca la sao atribuidos, portanto, para reclu zir os erros na
reconstruc;ao das respostas originai s. A Tabela 8-3 ilustra os
escores de fndi ce e de escala que se ri am atribufdos a cada
padrao de res posta no nosso exemplo.
Como mencionei antes, a ponderac;ao original do Iodice
para os quatro tipos de escala seria manticla nn constrUC;ao
cia Escala de Guttman e nao seriam comcricios erros na reprodu~ao.

das respostas dadas aos tres itens. Os ripos misras

seriam ponderados diferentemente, na tentativa de reduzir

as erros. Mas note que um erro e cometiclo para cada respondente nos tipos mistos. No primeiro tipo misto, prediriamo s
erroneamente uma resposta cientlfica ao item mais fad! para
cada um dos dezoito entrevistados deste grupo, com um total
de dezoito erros.

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

forma uma Escala de Guttman

e determinado

pela exaridao

com que as resposras originais podem ser reconsrrufdas a

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

caso de reprodu cibilidade perfeira (100%),

nao temos como afirmar, de forma absolura, se lim grupo de

itens forma ou nao uma Escala de Gu nman. Virtualmenre,

rod os os conjuntos de irens desse tipo aproximam-se de uma

escala. Como regra geral, coeficientes de 90% ou 95% sao os
paclroes comumente usaclos para determinar se ha ou nao
uma Escala de Guttman. Se a rep roducibilidade observada
exceder 0 n[vel que voce estabe leceu, provave lmenre voce
decicliri ponclerar e usar os itens como uma esca!a:\

Um comenrario final sobre a Escala de Guttman. Ela

baseacla na estrutura observada entre os dados reais que eSfiio

sob exame. Este pomo importanre e freqOentemente mal com-

preenclido pelos pesquisadores. Nao faz sentido dizer que

um conjunro de irens de quesrionario (ta lvez clesenvolviclo e
usaclo anteriormen[e por outro pesqu isador) constitua uma

Escala de Gurrman. Podemos apenas dizer que os irens formam

luna escala dentro do corpo de dados que esta sendo ana lisado.

Porranto, a escalabilidade e uma questao empirica, dependente

da amostra. Se urn grupo de itens formar uma Escala de Guttman

numa amostra, nao h5 garantia de que formarao tal escala entre
os respondentes de outra amostra. Entao, itens de questionario
em si, e por si s6s, nunca formam uma escala, mas sim urn

conjunto de

obselva~oes

empiricas.

. .
enre - que as polfticas externa e domestica tinham
emplflcam
,n :1ntidas separadas.

de ser Voce deve esear consciente cia dificulclade inerente it ana.

for_
usada como a varilise Upo 16gica,. Sempre que a tipologia
_
_ I 111
d e,he1ldenle' provavelmente nao havera problemas. No
(lve
r
exemp I0,a CI"1a" voce pode computar e apresentar as porcenra-

esso'as em cacb' celula que dizem que normalmente

gens cIe p
do Democrata. Assim , voce
pode facilmente
voram n O Partl
,
_..
,.
,
examlnar
, os efeitos das atitudes em relapo as poirtJcas clomes-

Tipologias

tica e externa no comporramenro eleitoral.

Conc1uimos este capitulo com uma breve discussao da

analise e constru~ao de (ipologias. Lembre que indices e esca!as
sao construidos para fo rnecer meclidas orclina is de variaveis.
Tentamos atribuir escores de fndice ou escala aos respondentes, de modo a indicar um grau crescente de preconceito,
religiosidade, conservadorismo, e assim pOl' diante. Nestes
casos, estamos liclando com climensoes unicas. Em comraste,

ti pologias sao mltltidimensiol1ais.

den Ie. Se q uiser descobrir por que os entrevisraclos caem

nas d ifere ntes celu las cia eipologia, voce tera p roblemas. Isto
fica aparence ao considerarmos as ma neiras pebs quais se

pode conseruir e ler as eabelas. Por exemp lo, suponha qu:

voce q ueira examinar os efeitos do sexo sobre a[(tucles poir(iea s. Com uma dimensao (m ica, voce poderia facilmente deter-

minar as porcentagens de homens e mul heres classificaclos

Muiras vezes voce quer resurnir as interset;oes entre

clu as ou rna is dirnens6es. POI' exemplo, examinanclo ori ema~6es
poifricas separaclameme, em termos cle temas clomesticos e de

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

e compara r as cluas diseribui~oes. Suponha que 80% clas

mulhe res sejam classificaclas como eipo A (conservacloras
nas dua s d ime nsoes), compa raclos a 30% clos homens. Alem
clisso, suponha que apenas 5% clas mulheres sejam classifi-

Umo tipol og io pol itico

Atitudes poro tOm 0 Politico
Domesiico

Mas e clificil analisar a tipologia como vClricivel depen-

Politieo h te rno
libero l

(onservodor

lib" ol

A ap resenca~ao 2 x 2 cia Tabela 8-4 clescreve esta tipologia.

As pessoas na celu la A cia tabela sao conservacloras em polfrica
externa e polirica domestica; as na celula D sao liberais em

ambas. Os respondences nas celulas Bee sao conservaclores

nUlna questao e Iiberais na outra.
Freqi..ienremente , ao tentar construir um indice ou uma
escala , voce chega a uma tipoiogia. Os itens que voce achou
que represenravam uma unica va riavel pa recem represent~r
duas. Nesse exemp lo, voce podia estar renmncio consrrUir
li m Inclice un ico das atitudes poifticas, mas descobriu -

cacl as como tipo B (conservadoras apenas ern re1a~ao ~I S ques-

toes do mest icas), comparados a 40% c10s homens. Seria

incorreto coneIuir, de um exame do (ipo B, que os homens
sao rnais conservadores em assuntos domesticos do que as

mulheres, ja que 85% c1as mulheres, comparaclos a 70% clos

ho mens, tern essa caracte rfstica. A escassez relat i va de
mulheres c1assificadas como ripo B se deve sua concentra~ao
no ti po A. Ve-se que e mu ito c1ificil uma incerpreca~ao de tais
dados em areas nao descritivas. Voce provavelmente acabara
examina ndo as duas dimensoes politicas separadamente
especia lmente se as variaveis riverem mais caregorias de

respostas clo que no nosso exemplo.

TABHA 85

.d

rornand o posslvel, POf exemplo, usaf mala direta,

A beira cia pobreza; freqUememente encontrado

de VI a, do apenas noS CEPs com maior probabilidade de

anunclan
.
ra um determlnado procluto.
ven d as Pa ,
Apesar das tipologias apresentarem problemas espe. .
a analise de survey, 0 modelo VAEV demonstra
csass para '
.
-a
devem ser total mente abandonadas. E claro que,
que e Ias n,a
,
.
.'
'\ .
I'nscancia , voce deve proJetar
e conscru" medldas
em u tiffin
..
.,

nas favelas urbanas.

compos CaS -

Estilo de vida pertencente

Estilo de vida emulador

Cia sse media tradicional

necessidades da sua pesqUlsa ,

Estilo de vida conquistador

Bem-sucedido na profissao enos neg6cios; a

imagem do suceSSQ americana.

Estilo de vida

Filhos de conquistadores, renuncianclo ao sucesso

tradicional em busea de lim novo estiio de vida.

Nove esfilas de vida americanas

Descricoa lipica

Nome

Muito pobrej baixa ecllJca~aoj muitos iclosos;

doentes.

Estilo de vida sobrevivente

IllU itos

Estilo de vida sustentador

Luranclo para creseer financeiramente; ambicioso;

geralmente jovem.

ell-SOLl-ell

Estilo de vida experimen tal

]ovem. educado, bem-sliceciido, pessoas mais ou

Estilo de vida sociaimeme Consciente

Estilo de vida integrado

indices escalas ou upologms - , apropnadas as

,
.

menos mlsricas que ciao grande import.:incia a

questoes inrel11ClS.
Pessoas bem-sucecliclas, maciura s, influentes,
preocupaclas e ativas nas areas de consciemiz3\=ao

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

e responsab ilidade social.

tendenciosa da vari{lvel ern questao, uma medida com-

Pessoas psicologicameme maciuras que possuem

posta a panir de varios inelicadores diferemes pode climi-

preocllpa~6es internas e externas imegr.:ldas.

nar

fONIE - Adoptodo de MI1CHHl, Arnold. The NiM American liieliyh New York: Worner Baakl, 1983. p.424.

deito de vies.

2. Medidas compastas permilem maior amplitude de V~l ri

as;ao da varia vel. Enquanta um (jnico item dicot6mico
fomece apenas dois niveis de intensidade (por exemplo,

Uma tipologia mais comp lexa, desenvolvida por Arnold

Mitchell e colegas do Instituto de Pesquisas de Stanford, a
/ip%gia Va/ores e Esllws de Vida (VAEV), tem atraido bastante

alto e baixo), a combinas;ao de cinco itens result;1 na cri-

aten~ao, especialmente nos circulos de marketil1g~ Se os ameri-

truida

as;ao de um indice ou escala variando ell' um baixo 0 ate

um alto 5. Uma medida composta adcquadamcntc cons-

canas podem ser agrupados ou separndos em termos de muitas

variaveis (sexo, ida de, ra,a, ed uca,iio ecc.), a pesquisa de
Micchell sabre varias variaveis demograficas e acicudes sugeriu
a possibilidade de identificar a maioria deles com um dos
nove esc ilos de vida apresentados na Tabela 8-5.

cia

maior poder explicativo

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

cificadas com os nove principais esti los de vida tem padroes

frequentemente sao eficazes como variflveis independences,

d e consumo bem cliferentes, sugerinclo que lim cleterminado

mas problem5ticas enquanto variaveis dependen\l~s.

produto pode ser anunciado de maneira efetiva entre alguns

escilos de vida e nao entre os outros. Vendas de Cadillacs
provavelmente nao serao altas entre os sobrevivenres, oem
as venclas de rifl es entre os sociaimentc conscientes. Aiel11
elisso, os pesquisaclores que usaram 0 modelo VAEV pucleram
ic!entificar areas geograficas oncle se concentram cenos esrilos

Nolas
0 exemplo, inclusive as tabelas, foi tirado de BABBlE, Earl. Science
arId Morality in Medicine. Berkeley: University of California Press, 1970.

Se voce tiver dificuldadc para entender as tabcbs aprescnt:l{bs neste

capitulo, eonsuite 0 Capitulo 14, que trata da constrlli;:ao c intcrpr<. !ta~J.o
de tabelas.

A decisao sobre os criterios a usar a este respcito ~, claro, arbitraria. Urn

alLO grnu de reproducibilidade nao assegura que a escala constnlkb de fato
rn~a
coneeito em questao, embora aumente a eonrian~a de que todos
os itens mec.lem a meSilla eoisa. Urn :lito coeficiente de reproducibilithlde
C mais prov5vd quando menos ilens eSliverem Cilvolvidos.
3

Coleta de Dodos

~ MITCIIELL, Arnold. TIJe Nine American Lifes~)'les. Ncw York: Warner

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

OPPENHEIM , A. N. Q1Iestionnaire Design and Attilude

Measurement. New York: Basic Books, 1966.

milULO 12
PRf-lfllfl f fSIUDOI-PIL010

SELLTI2, Claire et a!. Research Methods in Social Relations. New

York: Holt, Rinehart & Winston, 1959. ca p.10.

Os quatro capitulos cia Parte 3 aborclam os varios aspectos cia coleta de c1ados de

Sl-lfVey.

Examinaremos as ativi-

clacles que resultam num corpo de dados para anali se e

consideraremos as deeisoes que voce precisa tomar em

rela,ao as op,oes clisponiveis.

Os Capitulos 9 e 10 focalizam as tecnicas cle coleta de
dados usadas em questiomlrios auto-administrados e SI{1Veys
por entrevisras, respectivamente. 0 Capitulo 10 considera
as entrevistas cara a cara e as feitas por telefo ne.

o Capitulo 11 trata dos diferentes me tod os usados na

conversao clos questionarios completos em dados quantitalivos manipuhl.veis. Tambem estudaremos alguns metodos
novos, computadorizados, que eriam arquivos de clados a

medicla que vaG sendo coletados.

o Capitulo 12 considera um componente cia pesquisa
de Slllvey profissional freqlienremente esquecido: estudos-piloto
e pre-testes . Discutiremos as diferentes tecn icas que voce pode
usar para testar os va ri os aspectos do desenho de pesquisa,
antes de comprometer muitos recursos, e investigaremos como
voce pode ava liar os resultados desses testes.

Capitulo 9

Questi on6ri as Auto-Adm inishado!

Os Capitulos 9 e 10 discutem como pesquisadores de
survey realmente coletam dados para analise. Depois de construir um questionario apropriado aos objetivos de pesquisa,
voce precisara distribuir c6pias clo quesriom'irio

a sua

amostra

de respondentes. Este capitulo considera as tecnicas para

distribuir questionarios auto-administrados; 0 Capitulo 10
abo rda os surveys por entrevis[as.
Apesar do survey pelo correia ser a forma tipica de pesquisa auco-administrada, hft va ri os metoclos aciicionais. Em
alguns casas, convenience administrar 0 questionario a um

grupo de respondentes reunidos num unico local ao mesmo

tempo. Por exemplo, um survey de estudantes cu rsando I!modu,ao it Psicologia pode ser feito durante a aula. Estudantes do
ensino med ia pad em ser questionados durante 0 intervalo

das aulas.
Recentemente tern sido feitas experiencins com a entrega

domiCiliar de questionarios. Os pesquisadores entregam os

questionarios nas resiciencias dos respondentes e explicam
a pesquisa; 0 guestionario

e deixado

para ser respondido e

depois recolhido pel a equipe da pesquisa.

A entrega domiciliar e 0 correio podem ser lIsados juntos.
Em muitas partes do pais, 0 censo dos Estados Unidos e feito
assim. Os questiomhios sao enviaclos pelo correia as famfliasj
depois urn enumerador clo censo visita a resiciencia para

recolher

questionario e verificar se foi respondido comple-

tamente. Usanda 0 metoda oposto, os pesqu isadores entregam

as questi onarios em maos pedindo que 0 entrevistado 0 envie
pelo Correic, quando respondido, para 0 escrit6rio t1a pesquisn.

No geral, a visita clo pesquisaclor, na entrega do

questionario, Oll na colera, ou ambos, parece prodllzir uma taxa
luaior de questiona rios respondiclos do que quando se usa
apenas 0 correio. t-.lais experimenta~ao com este metodo
provavelmente levara a tecnicas aciicionais para aumentar 0

niimero de questionarios respondidos a custo reduzido.

o resto deste capitulo dedica-se aos slIIveys pelo correio
a forma mais comum de survey auto-aclministrado.
'

e questionario rem 0 atrarivo aclicional do "valor de

form a d
.
edo"
bnnqu
. Ate certo ponto , os respondentes podem querer
ar
0 questionario para brincarem com a contracapa.
let
comp

Se nao fo r possivel proc!uzir uma capa com dobra tripla,

" pode afixar fitas aclesivas ao Iivreto. Em vez de uma
~~~~a envolvendo 0 questionario, voce pode usar uma fita

me nor para sela-Io.

Enfim, voce pode pedir aos respondentes para fecharem

Distribui~ao e Retorno de (o rrespondencia

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

nno ter nada com que seIar

Metodo Bas ico

o metodo basico para a coleta de dados pelo correio e
enviar 0 questionario acompanhado de uma carta de explica~iio
e do envelope de retorno. 0 entrevistado completa 0 questionario
eo devolve ao escrit6rio da pesquisa pelo correia, usanclo 0

envelope fornecido para isto.

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

e enviado pelo correio, a dobra a mais e posta na parte de tr;ls.

Apos responder 0 questionario, 0 respondenre pode desdobrar
a comracapa, umeclecer 0 ac!esivo e envolver 0 livrero com ela.

Se

endere~o

envelope, deixar para depois

e eventu al mente , esquecer de remerer 0 questionario. Alem

d 'iSSO, a variedade de metodos de selagem que os enrrevistados podem inventar provavelmente atrasa 0 processamento dos

questionarios retornados. (Ja recebi queslionarios selados com

co la , selos, d ipes de papel e barbante.) Tambem, muitos responcIe ntes nilo selam os envelopes e voce pode ter cI ificuldades para recebe-Ios pelo correio.
Defini tivamente, questioI1Cirios autopostaveis tern muitas
vantagens em tennos de facilidade, economia e taxa de resposta

obtida, mas devem ser planejados e pre-testacIos com cuidado.

Alem disso, e vital que todos as modelos experimentais sejam
esclarecidos com os correios.

Op~6es Padais e (udas Relativos

Ao faze r uma pesquisa pelo correio, voce tem varias
opr;oes pa ra remerer e receber os questionarios. As tarifas
postais mudam constantemente, por is so voce deve checa-Ias
durante 0 planejamento da pesquisa e reservar fundos extras
para esre fim , se houver atraso para chegar ao campo.

o Correio deve ser procurado, antes de come~r a pesquisa,

para in forma~6es sobre custos e modalidades de postagem.
Fa cilidad es e dificuldades de cada modalidade de postagem, dependendo do tamanho da amostra, da sua abrangencia
territori al e das restri~oes de tempo devem ser pesaclas e

balanceadas, em rela~ao aos fundos de que voce disp6e.

do escritorio c13 pesquisa e a postagem ja

esriverem impressas na dobra extra, 0 questiol1<lrio pode ser

colocado di retamente no correia para retorno.
Este metodo simplifica a devolu~ao, pois nao c necessario
incluir envelope de retorno. 0 respondente nao podera perder
o envelope de retorno sem (ambem perder 0 quesrionario. Esra

Selos e Cartas Resposta Comerciais

Hi duas op~6es basicas com rela~ao a posta gem de
. etorno para os quesriomlrios. Voce pode ftxar selos no envelope
a u no questiomlrio auropostavel, ou imprinlir lima autorizar;ao

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

vez do selo de postagem . (Contate os correios para saber

sobre maio res exigencias de forma to.)

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-

sa mente na cadeira metodol6gicos.

fa~a

altas do que os que responderem mais tarde, voce pode concluir

que qu em nao respondeu teve notas mais baixas ainda.

Apesa r de nao ser aconselhivel fazer estimativas estatfsticas de

vieses desta maneira, voce pode aproveitar estas estimativas
aproximadas.

Se os respondentes tiverem sido identificados para corres-

um registro cuidadoso dos dados

Uma ferrame nta inestimavel e um gdfico de taxa de

retorno. Marcamos como D ia 1, no gn'i.fico, 0 dia em que os
questi onarios sao enviados; cada dia ciepois, marcamos no
grafico 0 numero de queslioml.rios retornados. Como esta e uma

atividade menor, gera lmente

Ale111 de outros testes mais diretos de vies, voce pode supar

que os respon~entes que nao responcieram 0 questionario
sao 111ai5 pareclcios com Os que demoraram a responder do
que com as que responderam prontamente. Uma analise de
questiOnarios recebidos em diferentes momentos da coleta
de c1ados pode ser usada para estimar vieses na amostra.
por exemplo, se as medias das notas informadas por alunos
redu zirem-se constantemente durante a coleta de clados, com
os qu e re5ponderem rapidamen te mostrando medias mais

pondencias de acompanhamento, as preparac;oes para elas

devem ser fe itas it medida que os questionarios retornam. 0
estu do de caso que ap resentamos mais tarde oeste capitulo

discutira este p rocesso com mais detalhes.

e melhor fazer dois gl'aficos. Um

cl eve 1110strar 0 nu mero de ques ti omiTios retornados a cada

di a, s ubindo e depo is descendo it medi d a que muda 0
nll mero de retornos. 0 outro deve informar 0 numero ou a porcentagem cumulCltiva de retornos. Em pane, e uma atividade

gratificante que Ihe da uma imagem da coleta de dados bem

sucedida. 0 mais impol'tante c que eles sel'vem como guia de
como esta indo a coleta de dados. Se voce planejal' fazer
correspondencia de acompanhamento, 0 grafico da dicas de
qua ndo tais correspondencias devem ser enviadas. (As datas
de correspondencias sllbseqi.ientes devcm ser anotadas no

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

outros numel'os de identifica~ao (10) ja rivel'em sido atribufdos.

Este procedimento tem muitas vantagens, como ilustram esses

dois exemp los.

Suponha que voce esteja estudando as opinioes sobre
um politico. E tambem que, no meio da coleta de dados, ele
seja preso traficando drogas. Conhecendo a data deSla informac;flo e quando os questiona rios foram recebidos, voce
poderia determinar os efeitos desra informac;ao.
Outra vantagem dos nluneros seriados de ID e seu valor
em ajudar na estimativa de vieses de nao-respostas no survey.

(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.

Os efeitos das correspondencias de acompanhamento sao

VIStos nas curvas de taxas de respostas registradas durante a

colew de dados. As correspondencias iniciais sao acompanhadas

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

momento de envio destas correspon-

~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
.

~?de ser acrescido de a lguns dias se

encla -

pa ra e de -

tempo de correspon-

for ma is do que dois ou tres dias .)

Fazervarios surveys em sequencia numa mesma popula~o

ajuda a clesenvolver diretrizes mais especfficas em rela~ao
correspondencias de acompanhamento. Uma vez, 0 Escrit6rio
cle Pesquisas cle Survey cia Universiclacle clo Havai fez varios
surveys com estudantes. e puclemos aprimorar consicleravelmen_
te nosso proceclimenta de envio e reenvio de corresponciencia.
Na verdade, encomramos lim puelma consisrence de retornos

as

que nos pareceu rranscencler a cliferenp cle conreudo dos

slllveys, da qualidacle do insrrumenro erc. Duas semanas depois
cia primeira postagem, aproximadamente 400/0 dos questionarios
retornaram; duns semanas clepois do primeiro acompanhamento, mais 20% chegaram; e duns semanas up6s 0 (ilrimo
acompanhamento, chegaram mais 100/0. Nao podemos Supar

um pacldo similar em surveys cle popula,6es diferenres, mas

esre exemplo mosrra 0 valor cle se rabelar cuidadosamente
as taxas de retorno para cada survey feite.
As correspondencias de acompanhamenro podem ser

administradas de varias maneiras. A mais simples

enviar
aos que nao responderam lima carta de encorajamenro a
participar. Um metoda ainda melhor mandaI' nova copia do
questionario junto com a carta de acompanhamento. Se os
respondentes em potencia l nao tiverem retornado os questionarios ar6s duns all tres semanas,
uma grande probabili-

ha

dade de os quesrionarios nao terem chegado ou rcrem side

perdidos. Receber uma carra de acompanhamenro pode
encorajar as respondentes a proclirarem 0 questionario original,
mas se ele nao for enconrrado facilmente, a carta pode if para 0

lixo, (As raxas de resposra relaradas antes foram obridas

quando se enviou questionarios aciicionais.)

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-

do os ourros a faze-lo. (0 caso de pesquisa narrado mais rarde

nesre capirulo c!escreve ourro merodo que pode ser usaclo num
Sll Jvey

anonimo pela correia.)

Demos muita aten~aa as maneiras de au mental' as taxas

de resposras nos surveys pelo correio, Numa pesquisa recenre,

por exemplo, Richard J. Fox e colegas l fizeram uma revisiio de
oirenta e dois surveys cujos desenhos inclufam resres de diferenres tecnicas para allmentar a taxa de respost3, e fizeram al,. de
gumas descobertas consistenres. Por exemp I0, parroctnlO
universidade parece aumentar taxas de resposra. Tambem
importante 0 numero de contatos com as respondentes. Ajuda

' n l enviar uma carta previa avisando a envio de um

ram b e
.
UOnario e urn cartao de acompanhamento. Usar postagem

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).

Taxas bceit6veis de Resposta

Uma pe rgunra que novos pesqu isac!ores de survey fazem frequenremenre se refere a porcenragem da raxa de rero rno que cleve ser alcanpda num survey pelo correio. Vale
a pena repetir que a estatfstica inferencial usada na analise
do survey presume que rocios os membros cia amostra inicial
irao completar e retornar seus questionarios: Como isto quase
nun ca acontece, 0 vies de res posta se torna uma preocupa,ao; voce deve resra r (e rorcer para) a possibilidade de os
resp ondentes serenl essencialmente uma amostra aleat6ria cia
amostra inicia l e, portanto, uma amostra aleat6ria um POllCO

menor da popula,ao rora!.'

Mesmo assim, a taxa geml de resposra e um guia cla represenratividade dos responclenres na amosrra. Alcan,ar uma alra
raxa de resposras resulta em chance menor cle vies de resposra
significativo clo que uma baixa taxa de respostas. Mas 0 que C
uma alta taxa de res posta?
Uma rapida revisao cia literarura cle survey mostra uma
ampla va ri a~ao de taxas de resposta. Cada taxa pode vir acompanhada de uma afirma~ao como "Esta e considerada lima
ta xa de resposta l'elativamente alta para um surveydeste tipo".

(Um senaclor americano fez esra declara,ao sobre uma pesquisa

de consriruinres cuja raxa de rerorno foi de 4%.) Apesar da
grande variedade nas taxas de retorno e das rea~6es a elas,

podemos rer algumas regras basicas.

Uma raxa de resposra de pelo menos 50% e gera~nenre
considerada adeql/ada para am\lise e relar6rio. Uma raxa de
res posta cle pelo menos 60% e considerada boCl} e lima taxa

de 700A> ou mais J1111iIO boa. Mas estas sao regras rudimentares,

sem base estatfstica, e uma falta de vies de res posta clemonstracl a muito mais importante do que uma alta taxa de resposta.

Os arrigos nos volumes de 1988 da America" Sociological

Reviewe cia Public OjJinion Qllarlerly cornu nicaram vinte e scis
taxas de resposras de surveys com lima media de 69%.3

Ao computar taxas de res posta, a pratica aceita e omitir

os questionarios que nao puderam ser entregues. No relat6rio
tamanho cia amostra
metoclol6gico, voce cleve informar
iniciai e subtrair 0 numero dos que nao pucleram ser entregues
devido a enclerec;os erraclos, mortes e coisas assim. 0 numero

de questionarios completos e enrao dividido pelo lamanho

Irquido da amoslra para calcular a laxa de resposla. 0 resulrado

e que

a taxa de resposta sera real mente uma medida do sell

sucesso em persuadir os membros cia amostra a participarem;
voce nao deve contar contra si mesmo os melnbros cia amostra

que nao conseguiu conralar.

Embora este procedimento seja a pratica aceita, voce

deve conhecer a suposi,ao logica sobre a qual ele se baseia

- os quesriomirios nao entregues representam uma amostrn
aleat6ria da amostra inicial. Claro, este pode nao ser 0 caso. As

pessoas cujos questionarios nao puderem ser enrregues sao, pelo

men os, prova velmen te mais m6veis do que as olltras, e mobiliclade pode estar relacionada a muitas outms variaveis. as me-

Ihores guias ainda sao os testes de vies para a falta de respostas.

Urn (oso de Pesquiso

Os mu itos passos a dar n a adm inistrac;;ao de um

stionario s foram mais altos do que 0 esperado. Por isso,

que
.
- . d'
I d .
foi feita uma amostra SistematIca as euquetas c e 015 ter~os

da amostra, produz indo uma sub-amostra com 770 estudantes.

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.

D ese nvolvemos um metodo especial de cartao postal

para alcan~ar ambos os objetivos . Cacla estudante recebeu unl
questionario sem identificac;;ao e um cartao postal enclerec;ado

ao escritorio da pesquisa, com uma clas etiquetas de poslagem

do esrudante fixadas no verso. A carta de apresenra,ao pedia
aos estuda ntes que completassem e remetessem 0 queslionario - assegllranclo 0 anonimato - e, simultaneamente,
remetessem 0 carrao. 0 recebimento dos cart6es indica ria que
eles haviam retornado os questionarios, sem identificar qual
questionario era de quem. Este procedimento facilitaria entao
o en vio das corresponch~ncias de acompanhamento.

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

muito bem para nosso proposito agora.

Questionario
o

questionano cle trinta e duas pagi nas foi impressa

no fo rmato de livreto (jato-offset e grampeado). Uma capa de

tres dobras, descrita antes, permitia 0 retorno da questianaria

sem necessidade de envelope adicional.

desenho e a sele,ao da amostra para esta pesquisa

foram apresenlados como um estudo de caso no Capitulo 6.
Lembre que cerca de 1.100 estudanres foram selecionados a
partir do cadastro da universidade, atraves de um procedimento de amostragem estratificado e sistematico. Para cada
estuclante selecionado,
computador imprimiu seis etiquetas adesivas para co rrespondencia.

Quando a equipe da pesquisa estava pronra para dis~ri

buir 0 questiom'irio, percebeu que 0 on;amento cia pesqUlsa
era insuficiente para as correspondencias para toda a amo stra de 1.100 estudantes, porque os custos de impressao dos

U ma carra apresentando a pesquisa e seu prop6sito

fo i imp ressa na capa do livreto. Ela explicava por que a

pesqu isa estava sendo feita (saber como os eSludantes se
Sentiam Com rela~ao a varios assumos), como e1es tinham sido
~Iecionados, a importancia de cada um responder e a medi-

nlca de relorno do questionario.

Assegurou-se aos estudantes de que a estuclo seria
anonimo, e foi explicada a 16gica do metodo do canao postal.
Seguia uma declara~ao com rela~ao ao patrodnio da pesquisa e

lim mlmero de telefone para quem quisesse mais informa~oes

(Cerca de cinco estudantes ligaram.)

.Impriminc!o a carta de apresenta~ao no questionario

a eqlllpe cia pesquisa eliminou a necessidade de anexar

, II rna'
~

carta separada no envelope, simplificando a tarefa de mantar

as correspondencias.
(

Montogem dos Co rrespondencios

A. momagem do material para a posragem inicial seguiu
os segUintes passos: (1) lima etiqlleta de endere~amento para

cada esrudante foi colada no carrao postal; (2) outra etiqueta

fOI colada num envelope comerc ial para a remessa; (3) em
ca~a. envelope foram colocados um cartao postal e um questi-

sso , as etiqlletas de postagem foram impressas nesta

1
le m (por estrato de classe). Mas os niimeros clo Seguro
ore
.
.
.
~
al
nao foram Impressos nas etlqlletas, porque 1550 nao
De
l,
'
5

po r

" relevante para a pesquisa.

er"
T endo um cartao postal com um nome e um ende rec;o,

foi muito dificil localizar as eliquetas correspondentes entre

as restantes nas vadas folhas impressas peIo computaclor.
~SSi!11, foi preciso retirar codas as etiquetas das folhas

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.

anana, checando se 0 nome no cartao postal era 0 mesmo do

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-

gem tivesse sido feito antes.

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 .

Rmp,ao dos Questionarios Rdornodos

Logo apos a postagem inicia l, questionarios e canoes

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

aco mpanhamento. Foram repeticlos os procedimentos de

montagem descritos, com uma excec;ao. Foi incluida oa corresponciencia uma ca n a de apelo preparada especialtnente. A
nova ca n a dizia que I11uitos estucianres ja tinham retornado
seus questionarios e que era I11uito importante que todos 0
fizcssem . A cal1a tamben1 c1izia que os cadastros do escritorio de
pesquisa poclian1 estar errados e, se os estudantes ja tivessem
reto road o os questionarios, deviam ignorar aqllela correspondencia e aceitar os agradecimentos pela ajucla, Se nao
tivessem ainda participaclo J eram encorajados a faze-Io.

Essa correspondencia de acompanhamento eSlimuloli

as retorn os, como esperado J e os mesmos procedimentos

de registro fo ram seguidos. Os carroes foram lIsados para

destruir as etiqueras aclicionais de posta gem. Infelizmente, as
pressoes financeiras e de tempo tornaram impossivel a remessa
de uma terceira correspondencia, como tinha sido planejado
originalmente, mas as duas corresponclencias enviadas reslilta-

ram nu ma laxa de res posta cle 62%.

Mas 0 processamento dos canoes posta is mostrou um

deslize no desenho da amostra. Voce deve lembrar, da discussao an terior sobre 0 desenho cia amostra (Capitulo 6),
que a distribui~ao final dos cstudantes na moldura da amoStragem foi feita atraves do numero do Segura Social, assim
fornecendo lima quase estnH ific3\=ao, por regiao de origem.

Resumo
_

Este capitulo aborclou as bases da coleta de dados atra-

ves de questionarios auto-administrados. Preci5amos fazer

du as observa~oes.

Primeira, acredito que tais questOes eorriqlleiras sao vitais

Capitulo 10

para a pesquisa cientffica de alta qualidade. 0 pesquisador

que acredita que a qualidade de um projeto de pesquisa e
func;ao unieamente de capacidades analitieas e te6rieas esta

muito enganado. Um desenho de pesquisa brilhante executado

impropriamente resultara em fracasso. Nenhum detalhe e
pequeno ou earriqueiro demais para ser ignorado.

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

Alguns artigos inform3m mais dc uma amostra (e l~lX:t de resposta), e

um par delcs se refere a {(~cnicas de tCMc visando melhorar taxa:; de
resposta.

o Capfrulo 9 focalizou

os questionanos auro-administrados;

este capitulo apresenta metodos alternativos para a coleta dos

dados. Nos sUiveys por enrrevisras, em vez de pedir aos respondentes para lerem a questionario e escreverem as respostas, as
entrevistadores perguntam oralmente e anotam as respostas. A
entrevista e feita em encontros eara a ea ra ou pOl' telefone. Este

capftulo discute os dois metodos de entrevisras.

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.

H a varias vantagens enl tef um questionario aplicado por

entrevistado res, em lugar de respondiclo pelos pr6prios
resp ondentes. Surveys POl' entrevistas rem em geral taxas mais
altas de respostas do que os pelo correio.' Um s/l.rvey por entrevisra adequadamente desenhado e execuraclo deve conseguir
uma raxa de respostas de pelo menos 80 a 85%. Parece que os
respondentes reiutam mais em clespachar lim emrevistador na
POrta de suas casas, au mesmo ao telefone, do que em jogar
fora lll11 questionario que veio pelo correia.
.
A presen~a de um enrrevistacior geralmente recluz a quantldade de "nao sei" e "sem resposta". Se a minimiza~ao de tais
respostas e importante para a pesquisa, 0 entrevistador pode

~er insrrufdo a buscar resposras. ("Se tivesse que escolher lImCl

as respostas, qual voce aeha que se ap,uximaria mais dos
seus Senti mentos?")

fntre vistas

Os entrevistadores tambem poclem evitar confusoes com

os itens do questionario. Se 0 entrevistado nao entender a
intens;ao cia pergunta ou indicar que na~ a entende, 0 entrevistador pode clarear 0 assunto e assim obler respostas relevantes.
(Entretanro, rais explica,oes devem ser est rita mente controladas
atraves das especifica,oes formais que discutiremos depois
neste capitulo.l
Finalmente, 0 entrevistador pode obselvar enquanro faz
as pergunras. Por exemplo, um entrevistador cam a cam pode
anotar a rar;a do entrevistado se esta pergunta for considerada
muito delicada. Observa,oes simitares pod em ser feitas em
rela,ao " qualidade da reside/lCia do respondente, a posse de
cer{os bens e ourms info rma~6es. Mesmo pOl' telefone, os entrevistadores podem perceber 0 dominio da lingua pelo
responclente, rear;oes gera is a pesquisa etc.
Num survey por entrevista de eSllldantes, eles receberam
lim pequeno questionario auto-administrado, relativo a atiludes
e compoltamentos sexuais, para completar durante a entrevisra.
Enquanro 0 estudanre completava 0 questionario, 0 entrevistador
faz ia a nora,oes detalhadas com rela,ao aos cuidados pessoais
e roupas do entrevistado.

Papel Neuha da fnhevistador

A pesquisa de sltlveye, por necessidade, baseada numa
reoria irrea lista de cognir;ao e comportamcnto de eslfmll/oresposla. Deve-se presumir que cada pergunra e cada resposra
significam exatamente a mesma coisa para [oclos os respondentes. Apesar de 0 objetivo ser impossiveJ, as perguntas sao
preparaclas para se aproximarem 0 maximo desse ideal.

entrevistaclor rambem precisa se ajustar a essa situar;ao

ideal. Sua presenp nao deve aferar a percep,ao que 0 responclenre tem da quesrao, au da resposta. Pottanto, 0 entrevistador
devera ser lim meio neillro, atraves clo qual perguntas e respostaS
sao transmitidas.
Se isso for feiro, dife renres enrrevistado res obrerao
exatamente as mesmas respostas do mesmo entrevisrado. A
neurralidade do emrevistador rem imporrancia especial nos
surveys cara a cara, no domicilio do entrevistado. Para economizar tempo e dinheiro, um entrevistador e designado para
roclas as enrrevistas numa derenninacla :1rea geografica - um
quarteirao ou lim baino. Sc ele fizer quaJquer coisa para afecar

res pastas obticias, 0 vies clecorrente pocled ser interpretacJo

m3 caractedsrica cia area estuclada.
como l l
Suponha que um survey earn a cara esteja sendo feito
med iI' aritudes com rela~ao a 1l10raciias de baixo Clisto,
para
para 'aJudar a escolher 0 local de um novo programa habitacional do governo. Um enrrevistador designado para um certo
bairro pode, por gestos ou palavras, comunicar seu desgosro
com fi nanciamenros a moradias de baixo custa. Os enrrevis!ados podem, entao, tender a dar resposras concordando com
a pos i~ao do enrrevistador. Os resultados do slIrvey indicariam
que os residentes clesta vizinhan~a resistem forte mente a constru ~30 das moradias em sua area.

3,S

Em algu ns surveys, a con1patibilidacle racial - [entar

compatibilizar a ra~a/etnia de enrrevistados e enrrevistadores
_ pode ser recomendave l. Numa analise secunda ria dos
Estudos sobre as Elei,oes Nacionais de 1964 a 1984, Anderson,
Silver e Abramson' descobriram que os enrrevistados negros
rinham maior p robabilidade de express", senrimenros de calor
e proximidade em rela~ao a brancos, quando eram entrevistados
por brancos, do que quando eran1 entrevistados pOl' negras.
Os auto res ate sugeri ram que uma aparente mudanr;a na host ilidade de negros contra brancos, entre 1976 e 1984, podia ser
atribufcla a um aumento no nlll11erO de entrevistadores negros.
Reese e colegas3 relata ram que a etnia tem um impacto similar
no caso de encrevistaciores e enrrevistados hispanicos.
Estes exemplos real,am a imporrancia da neurralidadc
do enrrevisrador no processo de colera de dados e a dificuldade
de aican, a-la campletamente.

Regras Gerais para fntrevistar

A maneira de conduzir as enrrevistas depencle, de celto
modo, da popula,ao e do contelido do survey. Mesmo assim, e
possivel sugerir diretrizes gerais que se aplicam a maioria c1as,
se nao a rodas, situa~oes de entrevistas.

Aparencia e (ompo rtamen to

Como regra geral, as emreviscadores devem se vestir
C?mo as pessoas que vao entrevistar. Um entrevisraclor vesticlo
f1camente provavelmeme ter~l dific uldacle em obter coopera~ao

e boas resposras de entrevistados mais pobres, e unl mal vestido

tera dificu ldades semelhantes com e ntrevistaclos mais ricos.
Havendo diferen~a entre a trato e as roupas do entrevis_
tador e do entrevisrado, ela cleve ser na dire\,ao cia limpeza ,
simplicidade e modestia. Mesmo nao sendo aceitas pOI' toclas
as camadas socia is, a linlpeza e a simpliciclacle cia c1asse media
continuam sendo as normas b5sicas com maior probabilidade
de sercm aceitas peb maioria dos entrevistados.
Roupas e traro sao sinais tipicos das atirudes e orienta~Oes
de uma pessoa. Uma jovem usando jaqueta de couro preta,
botas de engenbeiro e tatuagem de cave ira na testa certamente comunicara - correta OU incorretamente - que e
antia utorita ria politicamente, sexualmente permissiva, fisicamente
agress iva, a favor das drogas, e assim pOl' clianre. Possivelmente,
nao obtern respostas francas em re l a~ao aos J-Jel/'s AI/gels ou a
roqueiros PUIlk.
Apesar de tema da aparencia ser 0 ma is 6bvio no caso
clas entrevistas cara a cara, lembre tambem que comunicamos
identidade at raves cia fa la. Os entrevistadores pOl' telefone nao
estiio isentos dessas preocu pa~Oes. Considere estas introdu~6es
(nao recomendadas) a entrevistas relefiinicas:
Oi, esclita 56 essas pergliOlas e responda. Deu pd entcnder?
Ei, t6 fabodo com voce.
Olha ai, tenho que te fazcr algumas perguntas, tii legal, c eu
preciso cle, olha ai, mais ou menos, pegar suas respostas, tii
legal? ISIO nao e dema is, cara?
Dorn, estou fazcndo uma pesquisa de survey, e iSlO at. E
preciso de SlI<lS resposl3S pd. ganhar uma grana.

Quanto a compoI1amento, entrevistadores c1evem ser pelo

menos agradaveis. Ja que vao xeretar a vida pessoal e as atitudes
dos entrevistados) c1evem comunicar um interesse genulno em
conhed~-Ias sem parecerem espioes. Entrevistadores devem ser
relaxados e amigaveis sem serem casuais demais ou impoltunos.
Uma clas capacidades naturais mais importantes para entrevisradores e a de encontrar logo 0 ripo de pessoa com quem a
enrrevistado se semira mais a vontadej em olltras palavras, 0
ripo de pessoa com q uem 0 entrev istado gostara mais de
conversar. IIa do is aspectos com rela~ao a importancia de um
comportamento agradavel. A entrevista tefft mais sucesso se 0
entrevistador conseguir ser 0 tipo de pessoa com quem 0

istado se senre mais a vontacle. Ao mesmo tempo, como

entrev
ecle aos enrrevistados para gastar sell tempo dando inforsep
. so b
' mesmos) e Ies merecem a expenencla
..
a Des pessoa1s
re SI
m
~
d
"
mais agradavel que 0 autor a pesqUlsa e 0 enrrevlsta d or
puderem Ihes proporcionar.

Familiaridade cam 0 Quedionorio

Se os entrevistadores nao estiverem falniliarizados com
a questiona rio, a pesquisa sofrera e sera posto um peso injusto
sabre 0 entrevistacio. A entrevista provaveimente tomara mais
tempo do q ue a necessa rio e, em geral, sera incomoda. 0
entrevisracio r nao conseguirii. familiaridade passanclo os olhos
no questionario duas ou tres vezes. Ele cleve ser estudado
cuidadosa menre, pergllnta por pergunta, e 0 entrevistador
precisa praticar sua le itura e m voz alta. (0 treinamento do
entrevistador sera d iscutido com ma is detalhes ma is tarcle
neste capitulo.)

o enrrevistaclo r deve poder ler os itens do questionario

sem errar nem gaguejar nas frases e palavras. Um bom guia
para e ntrevistadores e 0 estilo de li m ator lenclo as fa las nllm
filme. Elas c1evem ser Iidas natu ralmente, como se fizessem
parte cle uma conversa natural, mas a conversa tem que acompanhar exatamente 0 fraseado do q uestioml rio. 0 entrevistaclor
nao cleve {enta r memorizar 0 q uestiona rio.
Do mesrno modo, 0 entrevistador cleve estar fami liarizado
com as instru ~6es que acompanham 0 questionario. lnevitavelmente, alg uns itens nao se ajustarao exatamente a situa~ao
de alg um e ntrevistado, sllrg indo a duvida de como tais
perguntas devem Ser interpreadas numa deternlinada situa~ao.
As insrru ~6es fornecidas ao entrevistador devem orienta-Io
adequadamente em casos como este, mas 0 entrevistador cleve
estar suficie nte men te fam ili arizaclo com a organiza~ao e 0
Conteudo das i nstru~6es para usa-las eficientemente. E melhor
deixar uma perguma sem res posta do que gastar cinco minutos
~rocurand o esciarecimentos e/ ou tentando interprerar as
InStru ~oes re levantes.

Seguindo Exatamente a Reda,eo da Questeo

de ' 0 Capi[ulo 7, q ue discute a conceitua~ao e a consrru~ao
1l1stru menros, mostrou 0 efeito da reda~ao cia pergunra
Sob re a~ resposta obtida. Portanto, uma pequena muclanpl de

recla~ao pode levar 0 entrevistado a responder sim ao inves de

nao. Voce pode redigir as perguntas cuidadosamente, visando
obter a infonna~ao que precisa, assegurando-se de que os emrevistados imerprerarao os itens de forma apropriada, e depois
ver sell trabalho jogado fora se os entrevistadores fizerem as
pergunras com suas propdas palavras. f

Regishando as Respostas de Maneira fxata

Sempre que os quesrionarios tiverem perguntas abertas, ou seja, pergunras pedindo a propria res posta do entrevista do, e muito importanre que 0 entrevisraclor anote as
respostas exatamenre como foram faladas. Nao se cleve rentar
resumir, parafrasear ou corrigi r erros cle gramarica. A resposta cleve ser escrita exatamente como fo i dacla.
Registrar as respostas de maneira cxma e especial mente
importante porque 0 entrevistador nao sa be como as resposras
serao coclificaclas antes cle serenl processac!as; voce pode nao
perceber isto ate ter a oportuniclacle cle ler cem ou mais respostas. Par exemplo, 0 questiona rio pode perguntar como os
entrevisrados se sentem com rela ~ao a si tll a~ao do transito em
suas comunidades. Um enrrevistado pode responder que h5
Inuiros carros nas ruas e que cJeveria se fazer algo para Iimirar
essa quantidacle. Outro pode dizer que ha necessiclacle cle mais
fua s. Se 0 entrevistador resumi-las C01110 "trafego congestionado",
voce nao poderia aproveitar as importantes diferen~as entre as
resposras originais.
Algumas vezes um enrrevistado e tao desarticulaclo que
a res posta fica ambigua demais para permitir interpreta~ao, mas
o entrevistador e capaz de e ntende r a inten~ao da res posta atrayes dos gestos ou tonl de voz do respondente. Neste casa, a
res posta exata deve ser anotada, e 0 entrevistac!or deve acrescenrar comentarios a margem, ciancio sua interpreta<;ao e as razoes para cla.
De modo geral, e lltil tel' comenrarios marginais explicando os aspectos cia res posta nao transmitidos verbalmenre,
como a aparente incelteza, raiva, embara~o etc. do entrevistado
ao dar a resposta. Em caela caso, a res posta verbal exata cleve
ser registracla.

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

o que esta envolvido neste trabalho.

Mesmo tendo uma equipe de entrevistadores inteligentes
e experientes,

e essencial

Mes mo se todos os entrevistadores forem experientes, as

I treinamento devem cobrir as diretrizes e regras
seSSoes ce
- _.
.
d
. d e entrevistar. E uul preparar um con Junto e norm as
eraIS
e
s
.
.
d
O'
g .
distribuir e c1iscuur com os entrevista ores. s mats

..
geraIS . para freqiientemente podem especlflcar
algumas clas
..

expenentes

um curso de treinamento dos entre-

vistadores.' Todos os sLllveys e questionarios diferem uns dos

Dutras, e os entrevistadores devem ser retreinacios para cada

novo slirvey. 0 tempo gasto nisso depende do escopo e da

natureza do sioveye da experiencia relativa dos entrevistadores.
Uma pesquisa domiciliar grande usando uma combina~ao de
entrevistadores experientes e inexperientes pode normal mente
exigir duas semanas de treinamenw: uma semana de instrw;ao
em au las e Dutra de pratiea no campo. Para ul11a pesquisa curra

por telefone, os entrevistadores podem algumas vezes ser

treinados em uma ou duas sessoes longas a noite.

Estudando 0 QUestianario e as Especifica,6es

Os entrevistadores, 0 supervisor e/ou 0 diretor do projedevem percorrer todo 0 questionario passo a passo. Deve
to
ser explicado 0 prop6sit? de cada item e d'ISCUtt'd as. toeIas as
possiveis ambigGidades. E crucial que est~ parte do ~reU1aJ~ento
seja conduzida de maneira informal, malS como dlscussao cia
ue como aula. Os cntrevistaelores que nao compreenderem
qum determinado ponto devcm ser encoraja d os a pc d"Ir U11ed'13tamente explica~oes mais detalhadas. Sua resposta nunca cleve
demonstrar insatisfa~ao, senao os entrevistaelores poderao

sentar-se em silencio, sem entender bem

que se espera deles.

o exame do questionario deve incluir 0

Instru,6es Gerais
treinamento cleve comec;ar com comentarios gerais

sabre a natureza do

yeS de exemplos de expenencIas passadas, e os

ao 'assim uma ideia melhor do que os espera numa
novatOS ter
vcrdadeira entrevista.

regras atra

surveye sell proposito. Voce nunca cleve

estudo das espe-

cifica~Oes. Voce cleve ler a pergunta e as ca tegorias de repostas,

explicar a intenc;ao cia pergunta, descrever algumas situac;oes

ou como tecnicos que podem ser instruidos para executar tarefas

simples e a ac;ao correta do entrevistador e, a seguir, descrever

algumas questoes mais complicadas, passar para a se~ao
correspondente das especifica~6es e mostrar como elas resol-

mecanicamente. Eni. geral, se os enlrevistadores compreenderem

veriam cada situac;ao.

considerar os entrevistadores como automatos que nao pensam

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-

cesso, provavelmente se sentirao mais integrados

a equipe cia

A maior parte da discussao durante esta fase tomara a

forma de "0 que eu fa~o se 0 entrevistado disser. .. ?" Onde for
apropriado, voce cleve usa r as espec ifi ca~oes para mostrar como
a situa~ao pode ser resolvida. Enfim, deve-se descrever a fom1a
mais desejavel de lidar com a situa~ao. Os entrevistadores
devem saber exatamente como voce lidaria com a situa~ao.
Mas esse assunto tem outro lado. FreqUentemente, surge

uma situa~ao que voce nao pode resolver facilmente, cuja

ocorrencia pode nao ter passado por sua cabe~a, e as especifi-

no inicio. Quanto tempo durara a fase de emrevisras? Quantas

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

horas por semana deverao trabaU1ar os entrevisradores? Quando

cia pergunta , e prepare-se para explicar sua 16gica. A solu~ao

serao pagos? 0 entrevistador preocupado com estes detalhes

nao conseguira se concemrar nas minucias clo questiomlrio.

deve ser explicada aos emrevistadores na reuniao seguinte, e

pesquisa e responderao de acordo com esse sentimenro.

Os detalhes administrativos devem ser explicados logo

as especifica~6es atllalizadas para leva-Ia em canta. 0 pi~r a

fazer e dar respostas arbitrarias, nftidas, sem 0 cllidado de

integra-las a 16gica geral da pergllnta e das

especifica~6es .

Tais

respostas VaG se somando ate as entrevistadores rerem muitas

instru~6es especfficas para aprender, nao mais tendo lima

compreensao logica geral para guia-Ios nas proprias interpreta~6es.

tnsaie as tntrevistas em Sala de Aula

Depois de estudar 0 questionario e as especifica~oes,
deve-se (reinar a pratica de entrevistas. Para come~ar, deve-se

fazer duas ou tres entrevislas na frente da tllrma. 0 melhor

come~o

e voce entrevisrar lim supervisor Oll

vice-versa. Como
estas entrevistas servirao como modelos pa ra as entrevistaclores,
clevem ser feitas precisamente de acordo com as instrw;6es ge-

rais e especificas dadas antes. Se esriver sendo entrevistado,

informe Sllas proprias condic;6es e atitlldes, au asslima lima
identidade fictfcia, mas consistente. Quando estiver entrevistando, cleve agi r exmamente como em lima en trevista verdadeira.
Durante 0 ensaio da entrevista, as vezes algum faro espedfico precisara de explicaC;ao para a [lirma, mas isto nao cleve

quebrar 0 clima de estar fazendo lima entrevista vcrdadeira. Ao

as entrevistadores devem receber exatamente

mesmo

. I do survey real. Farao contato com os entrevistados e

matena
enrrevistarao. (Os entrevisrados nao devem saber que estao
OS
I uma entrevista de treino, isso impediria todo 0 realismo
fu ~ M O
'
.
do exe rc 'lcio)
. Neste momento, os entrevistadores devem
rar todos os procedimentos administrativo: preencher as
exerCi ,
borarios os registros etc. 0 ensaio da entrevista de
ta be IaS de
'
campo fomece um estudo-piloro de tocla a opera~o de enuevistas.
Nonl1almente, basta os entrevistadores ensaiarem cerca
de cinco entrevistas de campo, apesa r de este numero poder
variar de acordo com a natureza clo survey. Um aspecto da opera~1i o

de entrevistar pode ser modificado no ensaio. No survey

real , os entrevistadores podem ter que fazer um nU111ero mfnimo

especificado de visitas ao entrevistado, antes de decidir que

ele nao esta "disponivel". Para faciHta r os ensaios, voce pode

omitir este aspecto. Pa ra compensar, cada entrevistaclor deve
receber niimero suficiente de endere~os para assegurar que serno
fe itas entrevistas suficientes.

A medicla

que os entrevistadores terminam as entrevistas

de exerdcio, devem rever seu tra balho com 0 su pervisor de

entrevistas . 0 supervisor cleve percorrer todo 0 questionario

fim de cada entrevista, a tllrma cleve ser encorajada a discuti-Ia,

fazer pergllntas, C assim por diante.

com cada entrevistaclor para localizar e discutir quaisqller pro-

Depois das entrevistas de exercfcio em frente a turma, os

entrevistaciores e!evenll ser emparelhados para ensaiar, entrevistanclo um ao outro. Estas entrevisras nao precisanl ser feitas
na frente cia tu rma, devendo oconer sil11ultuneamente. Ande
pe la sala, parando e escutando as entrevistas, mas na maioria

caso clos surveys por entrevisra cara a cara, pode ser lima boa

das vezes

e melhor

tomar nota e depo is discuti r as qllest6es

com a tu rma ao finl da sessao de exercfcio. Os entrevistadores

devem ser reemparelhados e fazer mais exercicios. Esta pane
do trei namento cleve alternar a pratica e a disclissao.

hercitando as fntrevistas de Campo

Depois das instru~oes em sala de aula, os entrevisradores
devem ensaiar entrevistas no campo, indo as casas das pesso as

ou telefonando para elas, dependendo do desenho da pesquisa.

Esta parte do treinamento deve ser exatamente como a siruac;ao

real. A designa~ao dos enrrevistados e/ ou endcre~os deve ser

feita como no slirvey real. Normalmente, 0 responsavel peln
sele~ao da amostra fornece uma lista dos respondentes nao
sc1ecionaclos para a amoslra principal.

blemas e responde r novas pergllntas qlle possam surgir. No

ideia fazer os e ntrevistadores voltarem para relatar as duas ou
tres primeiras entrevistas e clepois retornarem ao campo para

completar

resto.

Apesa r de normalmente ser uma boa ic1eia estabelecer

lim numero espedfi co de entrevistas de exerdcio para cada

entrevi stado r, a regra geral e q ue todos os entrevistadores

devem fa zer tamas entrevistas de exercfcio qual1las necessarias
para clemonstrar que compreenderam completamente a tarefa
ou qu e provavelmente nao serao capazes de compreende-la.
Assim , al gun s ent rev istadores podedio ter que fazer mais
entrev istas de exercicio do que outros . Esta situa~ao e bem
a.ceitavel, mesmo se as entrevistas de exerdcio subseqUentes
t!Verem que se superpor ao infcio das entrevistas verdadeiras.
E melhor alguns entrevistadores comec;arem mais tarde do
que co me terem en os du rante as cnlrevistas cia amostra
final. Erros podem implicar rer que rerirar os responclentes
~nlreV i sta d os erroneamente, reentrevista-Ios, ou ajusmr 0
esenho cia amosrra.

h Opera~aa de Entrevi star

A opera\ao de entrevistar cleve sel" o rganizada e controlada tao cuidadosamente como a sessao de treinamento. Apesar
cle os cletalhes cia opera~ao varia rem cle SII rvey para SII rvey,
podemos comentar alguns pontos gerais.

Eq uipe
o

n(lInero cle entrevistaclores requericlos e cleterminaclo

com base no (1) nlllnero cle entrevistas a serem feitas, (2) tempo
meclio necessario para cacla entrevista, (3) tempo programaclo
para tocb a opera~jo cle emreviSL1S e (4) numero cle entrevistaclores qualificaclos clisponiveis.
Uma boa regra bas ica e determi nar 0 numero requericio
com base nos pontos 1, 2 e 3 e entao recrutar e treinar duas
vezes este numero de pessoas. Durante 0 treinamento, l11uitos
candidaros desistirao voluntariamente; outros serao convidados
a ciesisrirem. Geralmente, e melhar comec;;ar a entrevistar com
pOll cos bons entrevisraciores do q ue com mllitos ruins; estes
clisram ma i s dinheiro, lI$aITI mais tempo do supervisor e

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.

h Enhevista Verdade ira

Num survey domiciliar eara a cara, os entrevisradores
recebem os questionarios e lima lista dos endere~os onde devem

l trevistas. Eles sao respons::1veis par encontrar 0

.
bater oa porta e se apresentarem. Se a entrevlsta for
endere~o,
.
d' .
ode ser melhor conduzl-la na porta cia rest enCIa,
bem curta, P
..
.
.
mlnutos
mas qua Iq uer entrevista q ue
_ eXIJ3 mats do
. que alguns
_
n-feita no domicllio do entrevistado. Alem de tornar
e m ~llS.. be Imais
. . ,
faceis
para
a
entrevistaclor,
entrevlstar na reslas cOlsas ~
,
. '
. .
_ . d respondente tambem proporCiona mals pnvaCidacie.
dencla 0
Entrevistas por telefone sao bem diferentes e variam
de aco rdo com os s istemas dispo nfveis para cada survey. Uma
entrevista p o r telefone pode ser bem semelhante a uma
entre vista domiciliar, com a diferenc;a que 0 enrrevistador
telefo na para 0 entrevistado em vez de if a sua casa. Esta era
mais ou menos a situa,ao em 1973, quando este livro fo i
escrito pela primeira vez.
Na atualidade, as entrevistas por te1efone evoluiram muito,
principa lme nte devido as possibilidacles ofe recidas pe los
computado res . ConseqUentemente, 0 q ue era visto como
eonveniente, mas rui m em termos de qualidacle, se tornou uma
tecnica muito usada e bem aceita. Porta nto, falemos um poueo
sobre 0 sistema ETAC - Entrevista por Telefone Assistida pOI'
Complltado r.
fu~ru e ,

Imagine-se usando um fone de o uvido cle telefonista,

sentado em frente a lim terminal de computador. Um complltador
central seleciona a leatoriame nte um nllmero de telefone e 0
disca auto maticamente. (Sele,ao aleat6ria evita 0 problema de
Iigar para numeros q ue nao constam no catalogo.) A medicla
que 0 nu mero esta sendo discado, sua apresenrac;ao aparece
na te la do video a sua frente ("Ala, meu nome e... "). Quando 0
respo ndente atende, voce cliz alo, apresenra a pesquis3, e faz a
primeira pergunta q ue apa rece na tela: "Voce pode me dizer
quantas pessoas moram neste enderec;o?"
Sempre q ue 0 entrevistaclo responde, voce digita a
res posta no teclado clo terminal, seja a resposta literal a lima
pergunta aberta ou a categoria de c6digo correspondente a lima
res pOsta a uma pergunta feehada. A resposta e imediatamente
armazenada no computador central. A pergunta seguinte
aparece na teIa, voce a faz e a resposta entra no computac1or e
a emrevista continua.
Esta tecnologia naD e ficc;ao cienrifica c est;l senclo cada
vez mais usada par pesquisadores de survey, acaclemicos,
governamentais ou come rciais. Boa parte do desenvolvimenro
deSt-1
te cnlca
. para surveysocorrcu no Departamento de Pesquisas
~

de 5wvey da Universidade da Calif6rnia, em Berkeley, algumas

vezes em colabora~ao com 0 Departamento de Agricultura dos
EUA e Qu[ros argaDS governamentais.
] . Merrill Shanks e Robert Torrora 0985, p.4) clescre_
veram algumas das maneiras como eles integra ram as compu_
tadores aD processo de survey. Aiem do sell lisa no cenario
descrito acima, 0 compuracior e lima ferramenta valiosa nos
diferentes estagios do desenvolvimento cle questionarios:
esbo~o, teste, revisao e forma(a~ao. Ah~m elisso, a iogistica
do processo de entrevistas (por exemplo, treinamento, cronograma e supervisao dos entrevistaclores) tambi'm pode ser
gerenciada por computador.
Shanks c Tortora vao alem do ETAC para falar mais
geralmente sobre metodos cle survey assistidos por computador.
Muiras clas tecnicas discutidas com rela~ao as entrevistas
telef6nicas podem ser aplicadas as entrevistas domiciliares
eara a eara. 0 desenvolvimento dos computadores portateis
per mite aos en trevi staclores montarem um escrit6rio na resi-

dencia do entrevistado, lendo perguntas da tela e digitando

as respostas como desc rito aeima. Aiem el isso, algumas
vezes e adequaclo usaI' computacior para qllestionarios autoadm inistrados. Em algumas situa~iies, pode-se pedir aos
entrev istados que se assentem em frente a lim terminal e
digitem suas respostas as perguntas que aparecem na tela.

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

entrevistador nao compreendeu a tarefa ou parte deb.

que
0 deve sel" mostrado e discuticlo. 0 entrevistac!or cleve
Cada err
.
.
_
.
. d euniao sabendo preclsamente como a sltua~ao devla
s:ur a r
.
_
_.
'd 'esolvida para 0 mesmo elro nao oconel novamente.
ter s l O I
E bem razoavel que 0 supervisor altere as designa~iies e
.
s para certos entrevistaclores, baseado em sells clesemrevlSOe
penhos iniciais. Um entrevistador que estiver fazendo lim. bo~n
trabalho pode receber mais entrevIstas para fazer e ~~ce nao
tem que ser taO cuidadoso no controle do questlonaflo comlew, na p resen~a dele. Ao mesmo tempo, nao permita a
p
f ' del1a
l"
- aos
dese
nvolvimento d e um "
e elIO
0
em re 1
a~ao
entrevistado res. Mesmo se um entrevistador fizer um trabalho
perfeito no inicio, continue a monitorar 0 trabalho dele .

Todos os questionarios completos deven1 ser inteiramente

revistos. Em algu ns casos, esta tarefa pode ser atribuida a editores especiais, mas normal mente os supervisores devem fazer
a maio r parte cia revisao, se nao toda.

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

Sempre que alguem nao estiver ciancio ce rto como

sra clor lembre-se de que enrrevistar ex ige ha bilidades
en treV '
)
" A falra desras habilidades inrerpessoais nao significa
'a,'s
espeel, .
..
essoa seja desquahf,cada para ourras larefas. ('ode ser
que a P
que Ulna pessoa seja um desastre total como e ntrevisradora e
re em ourra fun<;ao no slI/vey. 0 enrrevisrador e 0 projero
exee len
odem lucrar mais com uma transferencta cle seror cia que com
P
demlssao.
' ;l simples

Toelns Oll parte das enrrevisras devem ser verificaclas pelo

supervisor. Esra verifica~ao pode assumir varias farmas. Como

checagem minima, voce deve telefonar para 0 respondente

iclentificar-se e verificar se a entrevista foi realmente feita. Un~
procedimento mais rigoroso de verifica<;ao c rerazer algumas
perguntas-chave e camparar as resposras com as relataclas no
questiomlrio. Mas essa reentrevista nao cleve ser l11uiro extensa
porque gasta seu rem po, 0 do entrevisrado (e le ja deu rempo ~
infonna<;ao voluntariamente), e pode deixar esre preocupado
com 0 sigilo do S/I rvey.

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

dificil demilir entrevisradores.

Ninguem quer faze-Io, especialmente ap6s rmbalhar rao perro
deles durante 0 treinamento ever que eles parecem estar [entando fazer a melhor passfve!. Mesmo assim, algu ns entrevisradares acabam se mostranclo incapazes de clesempenhar a rarefn.
Mantee-los no trabalho compromete as fina n~as, 0 cronog ram3
e a qualidade da pesquisa.

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
.

s enos pe a correia dccresceram em tempos rcc~nres

(! qu~ as diferenr a< a l
.
..
run\-"ao de urn
a
)' ~ n enores eram pnmanamcme
companhame (
.
'"'
G
<
n
a
mals
exten
so
no
caso
dos
suruc"s
IJor
cntrevistas
\ 'J' OYDER
.
J

naires: ihe N ,J~ hn. Fac~-Io-Face InterViews and Mailed Qucslion\49

et Difference 10 Response Rate. Public Opiniol1 Quarterly
I

. , P.234-252, verao 1985 .

'

, 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

y, v.52, p.289-324, oUlono 1988.

, REESE

., Slephen D D J
J" CHANG,
Tsan_ ' "
AN ELSC?~,

Wayne ,A:, S I-I OEMA~E R , Pamela

A.mong M".
kuo, HSU , I-Iucl-Img. EthnlcHy-of-lntervlewer Effects
\,.50, r.56;_xlcan~Americans and Anglos. Public Opinion Qllarterly,
572, InVerno 1986.

 Anos awls, me pediram P3.r3 falar de lim survey sobre qualidade de

vida que eu desenhei panl os idosos do I laval. Perguntado C01110
lidariamos com 0 problem<l dos entrevistados que nao fabvam ingles,
<-lei a 'rcsposta de manua l", cxplic3ndo que teriamos uma pesSoa
p3W traduzir 0 questionario para a scgunda lIngua c ai pedir a Outra
pessoa que 0 Iraduzisse de volta para 0 inglf:s. Assim, podcriamos
comparar as duas versoes em Ingles, fazer as corre~6es necessarias
na tradu~ao e le-Io adminislrado par um emrevistador que falasse a
segunda lingua.
Estava no audit6rio uma mulhcr que tinha feito mllitas das entrevistas iniciais para n65, que ofercccu outra soILI(;Jo. "Se eu achar que
o entreviswdo nao entcndc 0 ingles muito bem, eu apenas refa~o a
pergunta de maneira que cle possa entendl:r." Enqu3mo eu afundava
cada vez mais na cadeir3, cIa illistrou: "Como esta questao que diz
'Em geral como voce caracterizaria scu estado alllai de saudc:
Excelente, bom, medio ou ruim?' eu apcnas digo, 'Ei, voce doente?'~.
~ 0 impaclO do lreinamcnto do cntrcvistador na qualidade dos cJados
colctados roi demonstrado par BILLlET, Jacques, LOOSVELDT, Geert.
Improvement of the Quality of Responses to Factual Survey Questions
by Interviewers. Public Opinioll Quarterly, v.52, p.190-211, verao 1988.

6 Meu colcg;l Ga ry Marx provavc!mente eswbeleceu 0 recorde nesta

C<lIegoria. um survey naciona l sobre atituclcs dos negros durante a
c1ecada de 1960, ele reparoll numa serie de aproximadamente vinre
questionarios - todos do mesmo entrevistador - que relatou as
alitudes antibrancos mais violen tam ente hostis de toda a equipe de
entrevistaclores. Antes de Gary in vestigar a questao, (kamos sabendo
que 0 cn trevistador e alguns amigos linham sido presos numa
conspira~ao para expioclir 0 MonumCllto a George Washington e a
Estatu;l da Liberdade.

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.

OKSENBEHG, Lois, COLEMAN, Lerita, CANNELL, Charles F.

Interviewers Voices and Hefusal Hates in Telephone Surveys. Public Opinion Quarterly, v.50, p.97-1l1, primavera
1986.
RICHARDSON, Stephen A. et al. lilterviewillg: Its Forms and
Functions. New York: Basic Books, 1965.
sHANKS,]. Merrill, TORTORA, Robert D. Beyond CAll: Generalized and Distributed Systems for Computer-Assisted
Surveys, preparado para a Bureau of the Census, First
Annual Research Conference, Heston, VA, mar. 20-23,
1985.
WEEKS, Michael F., KULKA, Richard A., PIERSON, Stepha nie A.
Optimal Call Schedulling for a Telephone Snrvey. Public
Opinion Quarterly, v.51, p.540-549, in verno 1987.

1
Capitulo 11

,
Processomento dos Dodos

que

microsc6pio foi para a biologia e

telesc6pio

para a asrronomia, 0 computador rem sido para a moderna

ciencia social. Ainda hoje esta se clescobrindo a comribui~ao

dos computado res para a pesquisa de survey. Este capitulo 0
im[odu z a esta

contribui~ao.

o prop6sito e descrever metodos de conversao de dados

de pesquisa de survey numa forma /egfve/-pe/a-mciquiIlCl, uma
forma qu e possa ser lida e manipu lada por computadores e
maqu inas semelhantes llsadas na analise de clados quantitativos. Se voce estiver conduz indo u m projeto de pesquisa
para lelam ente

a lei tura deste livra,

seus c1ados, ate agora,

estiio n a fo rma d e questionarios completos, folhas de

transferencia codificadas, au coisas assim. Ao complemr

estagio descrito neste capitulo, os dados estariio gravaclos

em disquetes, casseres, cartOes perfurados Oll ourros dispositivQS
legiveis e analistlveis por uma maquina.

Dada a velocidade do desenvolvimento e clissemina,ao

dos computadores, e impossivel preyer 0 tipo de equipamemo
d,sponivel para seu uso. Este capitulo clara uma visao geral
~os varios estagios na evolu,ao dos computaclores na pesquisa
e SU l1Jey, para clizer algo sobre 0 equipamemo com que voce
trabalha, qualquer que e le seja. Alem disso, os primeiros equi-

~~entos

e tecnicas algumas vezes revelam mais claramcnre a

glca ci a analise de dados do q ue as equipamentos e tecnicas
~van~ados de hoje, cia mesma forma que voce pode aprener fllais fa cilmente os fundalnentos do funcionamento de um

autom6vel a partir de um Fusca do que do modele mais recente

e sofisticado de um Maserari.

(omputodores no Pesqu iso de Survey

o sistema de Hollerid1 foi testado num concurso com Olltras

ropostas e verificou-se que era

~ureau do Censo alugou

!TIais nipicio. Assim,

por US$750.000,00 0 equipamento da

no\'a Companhia de Maquinas de Tabula,ao de Hollerith e 0
IOral da popula~ao de 1890 foi conhecido em seis semanas, em
contraste com os nove anos gastos para informar 0 censo de

A his[oria da computa\ao na pesquisa social come~ou

em 1801, quase na mesma epoca em que germinavam as
semen{es da moderna pesquisa social. Nesse ana, 0 frances

Joseph-Marie Jacquard fez uma revolu,ao na indu stria t<'xtil que

1880. A Companhia de Hollerith continuou a desenvolver novos

equipamenros, fundiu com Olltras empresas pioneiras e, eventu-

almente, mudou 0 nome para International Business Machines

Corporation - IBM.

teve um efeito nos mais improvaveis recantos cia vida.

Armazenando Dodos em Cadoes

Para facilitar 0 tran,ado de padroes intrincados, Jacquard

invenrol!

UI11

tear 3utomatico que recebia instrlli;oes de cartoes

perfurados. A medida que uma serie de cartoes passava pelo

"Ieitor" do tear, toquinhos de madeira passavam pelos buracos
dos cart6es e 0 tear tracluzia aquela informa~ao em padroes de

tran,ado. Para criar novos pad roes, Jacquard so precisava furar

orificios apropriados em novos calloes e 0 tear respondia de
acordo.

ponto a observar e que illjormar;ao (neste caso, um

padrao desejado de tran,ado) podia ser codificada e annazellClda sob a forma de buracos num ca rta o e subseqijenremenre
recilperadct por uma maquina que Jia as buracos e agia baseada
no significado arribuido a eles. Esta e a logicn fundamental que
veremos ser repetidn de diferentes formas on discussao abaixo.

o evento seguinte (L1 nossa histo.ia seletiva do computador

ocorreu nos Estados Unidos, durante 0 censo de 1890. A
Constitui,ao americana exige um censo completo da popub,ao
da na,ao a cada 10 anos, come,ando com a contagem de 1790
de quase 4 milhoes de americanos. A medida que a popula,ao
cresceu, tambem cresceu a tarefa de conta-la. 0 censo de 1880
contou mais de 62 milh6es de pessoas, mas 0 Bureau do Censo
levol! nove aoos para terminar as tabula\oes. Era preciso uma
ruptura tecnologica antes do censo de 1890. 0 Bureau procurou
sugestoes.
Um ex-funcionario do Bureau, Herman Hollerith, que
tinha trabalhado no censo de 1880, teve uma ideia. Como
jovem professor de engenharia no M.LT., propos adaptar oS
cartoes de Jacquard a tarefa de contar a popula,ao. A medida
que as contagens locais eram feitas, eram transformadas em
oriffcios em cartoes, Entao, uma maquina cle rablila(ao, criada

por Hollerith, lia os cartoes e fazia a contagem da popula,iio

do pais.

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.

Um cartao perfurado, como 0 que se ve na Figura 11-1,

dividido em oitenra coiunas verticais, geralmenre numeradas cia

esquerda para a direita. Cada colllna vertical e dividida em dez

numerados 0, 1, 2, 3, 4,5,6,7,8,9 de cima para baixo.

espa~os,

Voce armazena c1ados nos cartoes fazendo buracos nas colunas.

Mais tarde, os complltadores e outros eqllipamentos de processamento de dados recuperaram os dados, localizando e lendo
eolunas especificaclas no cartao.

Uma l11aquina de perfura\,30 faz buracos nos espa,os das

co!unas dos cartoes. Usando um teel.do semelhante ao de uma
maq
Uma d e escrever, 0 operador cia perfuradora faz os buracos
especificados (0, 1,2) nas colunas especificadas do ca.130.
Os dados sao postos em forma to legivel-pela-maqllina
pela_ .tribllirI
.
-.
~ao c e uma ou mats colunas especlflcas de um
~nao de dados (um campo) a uma variavel, e pela atribui,iio de
p uracos dentro daquela coiuna as varias categorias cia varia vel.
5Or
d exemplo ' osexo d e uma pessoa pode ser posto na colllna
h 0 cartao. Se for mlllher, perfura-se 0 1 desra coluna se for
lJ,

On1em
perfllra-se
,_'

2 . Repare que colunas corresponciem

'
a

c
<lrtaueis, e os CrlJerentes
oriffcios numa coluna corresponciem
aos a/ribl /
.

Pod.

{ as que cOnstltuem a vari5vel. A idade de lima pessoa

e ser designacla nas colun.s 6 e 7 (um c6digo de duas colunas);

se ela tive.r trima e cinco aoos de idade, seriam perfurados 3 e

S, respec[lvamente, nestas eolunas. As iclades padem rambem
ser regisrracias em categorias e armazenaclas numa u' nlea

coluna, por exemplo, 0 orificio 1 para os menores de 20

anos, 0 2 para os entre 20 e 29 etc.
Porranto, um cartao representa os c1ados relevantes a uma
unidade de analise. Se as unidades de analise forem editoriais
de jornais, numa analise de conrelkio, caela cartao represemaria
lim editorial. As coiunas de cada cartao seriam designaclas a
varh'iveis espedficas clescrevendo aquele editorial. Por exemplo
duas colunas podem ser designadas para armazenar os dOi~
ultimos dfgitos do ano no qual 0 editorial foi publicado.

Na pesquisa de

SU1Vey,

um cartao de dados pode repre-

seoWr lim quesrioOilrio, com as eoluoas represenrando as

varios itens do questionario. A col una 34 pode ser usada para

armazenar respostas a pergunta ''Voce ja fumoli maconha alguma
vez?" 0 buraeo 1 pode representar "sim" e 0 2 0 "nao". As principais ideias a reree sao: cada carrao representa uma (mica
unidacle de analise cia pesquisa, e cada coluna (ou conjunto cle
colunas) e usada para a mesma variavel em cada cartao.
Portanto, lodas as respostas dos entrevistados a pergunta da
maconha seriam armazenadas na coluna 34.

F I GUR~

11-1

Corloo perfurodo podroo para regislror dodos

00000000000000000000000000000000000000000000000000000000000000000000000000000000

\ I , . 5 II I "OIl11Il"\511I1,f1n0I11UIJIZIIDilillInJlIlI01II.'lIl1."CI""'UU' lIt1I1IHUIi.IIII I1l1a . . . . CI Jtn 1In1H'1l1nll".

11111111111111111111111111111111111111111111111111111111111111111111111111111111

22222222222222222222222222222222222222222222222222222222222222222222222222222222
33333333333333333333333333333333333333333333333333333333333333333333333333333333
44444444444444444444444444444444444444444444444444444444444444444444444444444444
5555555555555555555555555555555555555555555555555555555555555555555555555555555 5

66666666666666666666666666666666666666666666666666666666666666666666666666666666
77777777777777777777777117777777771777711711171111111117111711777117711777717117
88888886888888888888888888888888888888688888888888886888888888888888888888888888

~ ~ ~? ~ l ~~ Y1%~~~~,,~~~~~~~~~~i~~H~~ ~~ 2~! ~!!~H~!!~~!!~~ ~~~~~ ~n~~n;!U~~ ~~ g~~~2~~U

"'-Ca ~1

""QUO '01111 10011

Recuperando os dad os a padir dos cadoes

Varios equipamentos podem ler os cartoes perfurados. A
maquina mais simples entre estes e 0 conlador-classificador
(coullter-sorter]. Embora seja improvavel que voce venha a usar

ado r-c1assificador, deve compreencler sua 16gica de

<
. "menta paiS isto esclarece 0 que fazeol as maquinas
n
functO
.
mplexas. 0 contador-c1assificador e preparado para ler
g~ ro_
tenn inada coluna, Quando os cm toes passam por ele,
ug de
.
., .ogados em caixas correspondentes aos c6dlgos perfurados
s.1O
J
d
d . d
.
d
nu coluna especifica aj lim co~ta or In lca 0 n~mero e ~altoes
-'a- caixa Se 0 sexo for reg~rrado na coluna ) e 0 c1assificador
em Cllli
.
tiver sido preparado para aquela coluna, mulheres e homens
scroo ciassificados nas caixas 1 e 2, respectivamente, e 0 contaclor
regisrra n'i 0 total geral de cartoes em cada caixa .
o contador-c1assificador pode ser usa do tambem para
examinar as re l a~oes entre variaveis. Suponhamos que voce
queira detenninar se a probabilidade dos homens fumarem
maconha e maior do q ue a das mu lheres. Tendo separado os
respondentes por sexo, voce prepararia 0 contador-c1assificador
para ler a coiuna q ue tern as respostas sobre fumar maconha por exemplo, coluna 34. Todos os cartoes "homens" passariam
novamente pe lo conraclor-c1assificador para determinar se os
respondentes ja fumaram maconha, como indica do na coluna
34. 0 mesmo procedimento seria repetido para as mulheres, e
as disrribui~oes clas resposras seriam comparadas.

um can t

Durante an os, 0 conrador-c1assificador foi a principal

rnaquina llsada para a analise dos dados de survey, mas ele
tinha tres limita~oes bas icas. Primeiro, era limitado a apenas
contar e cla ss ificar os cartoes. Embora se pudesse usar os
resultados para ana lises extrema mente sofisticadas, a pr6pria
maqu ina na o fa zia ma ni pu l a~oes sofis licadas dos dados .
Segundo, 0 contador-c1assificador era muito lento, quando
comparado as maquinas inventadas depois. Terceiro, estava
Iimitado a exam ina r u m cartao por unidade de analise, ao
observar as re l a~6es entre variaveis, Na verdade estava
limitado a o itenta colunas de dados por unidade de' analise.

AEntrada dos (ompu tado res

A maior i:1 das analises de clados, hoje, e feita em
..computad
.
o res,. .111 d 0 desde grandes computadores centrais
mal77frame'
s. .
a pequenos computadores pessoais. E desnecesano dizer
rna . .
que os computadores estao revolucionando a
d
algulo na das a
~ reas a VIda social moderna, Ao mesmo tempo,
mas
pessoas
esta
se preocupam com 0 fato de os computadores
rem "t
d
deixe l o man 0 conta". Espero que a disCllssao a seguir
c aro que os computadores sao apenas jerramel1tas,

assim como maquinas de escrever e calculadoras de bolsa

-

mas ferramentas mllito poderosas.

Atraves de programas de manipula0io, 0 computador evi~1

as lilnita~oes do contador-classificador. Primeiro, ele vai aiem

o computador fXXle ser prograrnado para exarninar varias variaveis

Seu departamento pode ter este equlpamento,

emlite que pedidos e resultados possam ser enviados de
que p
-, db' .
o centro de computa~ao atraves e ca os coaX!alS.
e para
o compartilhamellto de tempo e outro progresso no usa
de compuradores para am\lises. Com?utadores, sempre opera-

simultaneamente e computar uma grande variedade de estatis_

ram com pa rt ilhando tempo, com vanos usuarIOS usando

ticas. Segundo, c1ados annazenados em discos ou fitas magneticas

mesmo computador. Mas, no inicio, as instala~Oes de computa~o

eram partilhadas de maneira seriada; 0 compu tador executava 0
seu rrabalho, depois 0 meu, depois 0 de outra pessoa. Hoje, os
computaciores podem executar varias carefas simul taneamente.
rodem ler meu pedido, analisar 0 seu e in1primir 0 de outra
pessoa ao m esmo tempo. Sua enorme velocidade permite

da simples conragem e c1assifica~ao, para executar complicadas

computa,Des e fomecer apresenta,Des sofisticadas de result.1dos.

podem ser lidos muito mais rapidamente do que era possivel

com os cart6es e 0 contaclor-c1assificaclor. Computadores tambem
podem calcular estarfsticas complexas muito mais rapida e
exatamente do que seres humanos. E finalInente, 0 compuraclor
nao esta limitaclo as oirenta colunas de un1 cartao perfurado.
Hoje, a maioria das analises dos clados socia is cientfficos
quantitativos usam programas que instruem 0 computador a
simular 0 processo de contagem-classifica~ao descrito acimae muito mais.
varios programas para a analise de clados da

Ha

ciencia social. Alguns destes programas: ABtab, AIDA, A.STAT,

BMDP, CRlSP, DAISY, DATA-X, Dynacomp, INTERSTAT, MASS,
MicroCase, Microquest, Microstat, MicroSURVEY, Minitab,
POINT FIVE, P-STAT, SAM, SAS, SNAP, SPSSX, Statgraf, Statpac,
StatPro, STATS PLUS, Statview, Survey Mate, SYSTAT, STAT80,
STATA, SURVfAB, TECPACS. Em qualquer programa, a logica
basica do annazenamento e analise de clados sera a mesma.
Ate

0 rim c10s anos 70, todas as analises compucacionais

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

usar tais instala~6es, voce precisa fornecer os clados e

as instru~6es para a analise clesejada. Voce leva os c1ados ao

centro de computadores na forma de cart6es ou em fita magne-

tica, ou usa 0 banco de daclos da biblioteca do centro.

riio
decom puta~.,.~.

de centenas de usuarios simultaneamente, as vezes danclo a

impressao q ue cada usuario tem toda a aten,ao deles. Tais

intera ~6 es geralmente ocorrem nos ferminais de compulador
- dispositivos tipo maqui nas de escrever que imprimem em
papel ou most ra m as opera,iies em monitores de video TRC
(tubos de raios catodicos).

de edi~ao de texta permitem aos usuarios escrever, editar e

imp rimir relat6ri os. Se 0 sell centro de computac;ao tem um
sistema de compartilh amen to de tempo, voce encontrara,
provavelm ente, va ri os video games gravados em algum lugar clo si stem a.

Discutiremos aqui somente 0 compartilhamento de tempo

na analise cle dados cia ciencia social. Vejamos um padrao

frequente. Seus dados sao mantidos pelo centro de computa,ao,

em disco ou em fita. Em vez de perfurar cartOes para a analise,

esperar. Algum tempo depois -

resultad

Recentemente, dois desenvolvimentos melhoraram este

processo. Sistemas poem le itores de cartao e impresSo ras

u sa d e term inais de computador em regime de

compartilhamento de tempo pellllite varias opera,Des. Programas

de

minutos (raramente), horas

ensanduicha r peque nas opera,iies (que poclem demorar

apenas milesimos de segundo) no meio de rrabalhos maiores.
Esta capacidade permitiu aos computadores lidar com pedidos

No centro de computadores, voce submete seus dados e

instru,iies a analise do operador da maquina, que entra com a
tarefa no computador (a lguns centros sao montados para 0
proprio pesquisador fazer 0 trabalho). Sua tarefa seguinte e
ou dias, dependendo da carga de trabalho clo centro - 0 operaclor Ihe entrega 0 trabalho finalizado, em geral na forma cle
urn impresso clos resultados cia analise.

84

. os aos pesqu isadores, que podem, entao, submeter seus

Pr6 xlm s e receber os resultados em locais distantes do centro

traba II10
.

voce digita instrul'6es num tennina!. Depois de preparar 0 conjunto

mstru~6es,

voce digita uma

instru~ao

final (que varia de

c~mputador para computador), pedindo a execu\'iio do rrabalho.

AI , 0 computador come,a a executar produzindo depois

' .
as para serem apanhados no centro ou llnpressos
em seu termin al.
<

. 0 C01l1partil hamento de tempo de computador em pesqUIsas

de Sun"",
. d
.
, .
.
de
. ~"".r filCOU am
a malS pratlca com 0 desenvolvunento
tenninais po , . I
rna'
natels c e computac!or, nao maiores que pequenas
qUlOas de escrever. Estes terminais se comunicam com 0

computacior por linhas telef6nicas convencionais. Portanto, voce

pode levar um terminal portatil para casa ou numa viagem. Para
usa-Io. disca urn numero especial no seu telefone comUffi. 0
computador atende, geralrnente com urn fuido eletronico. Voce
enca ixa 0 fone em dais bocais de borracha, chamados acop/a_
dares aCllslicos, localizados no terminal. (Cada vez mais terminais portateis tem equipamentos de comunica~ao - chamaclos modems- embutidos, de maneira que 0 terminal pode

ser direramente conectado a uma tomada de telefone padrao.)

Ulna vez conectado, 0 que voce digitar no terminal

e transmi-

:tdor usavam fitas cassete convencionais para

. QCOmpLlt,
fl ' ."
d dos elas foram sllbstituldas por "discos eXlvelS
azenar a
,
I' .

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'

as microcomputadores ja se provaram e (cazes no

0 mesmo microcomputador usado

rarefas
desempe nI10 d e varias
"",
,.
~
.
ver este livro e usado para toda a correspondencIaj

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

especial e conectar-se a Lim computador que Ihe pennite procurar

de alienfgenas invasores.

tido por linha telefOnica ao computador, que faz 0 que voce

pede e envia a resposta ao seu terminal.

Os sistemas de comparrilhame nto de tempo tambem

rapidamente , em edif;6es passadas de um jomal, artigos sabre

Em 1986, escrevi: "Os microcomputadores estao apenas

algum r6pico de seu interesse. Se qLliser, voce pode ter os

arrigos impressos em sell rerminal, ou pode deixar mensa gens

come~ando a florescer na arena da pesquisa em ciencias

sociais. A maior limita~ao e sua pequena mem6ria , mas os micros

na rede para ser interceptadas por ou tros usuarios.

Mais relevante a nossa cliscussao e que as redes de computadores permitem a urn pesquisador sentado em sua casa

consegLlir uma c6pia de Lim conjunto de dados num compurador

em outra cidade e analisar estes dados usando urn programa
de um computador em uma rerceira cidacle. Os resultados desta
analise podem ser enviaclos a voce e tambem ser armazenados

para exame por um colega numa ollrra cidade. Esse procedi-

tnento ainda nao comum, mas provavel que venha a se-Io

en1 sua carreira de pesquisadori antes do fim deia, voce se
len1brara disso como sendo primitivo.

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

exibidas num tubo de raios car6dicos (TRC), que parece ulll

aparelho de televisao, ou algum outro tipo de tela de vfdeo j

36

(Em alguns sistemas, voce pode usar uma televisao convenClona

para se rvir como tela de video.) Os primciros sistemas de

milhoes de bytes (cinco megabytes) de mem6ria (mais de 200

vezes a mem6ria d o velho IBM 1620), e seu disco rfgido interno
annazena 80 megabytes.

A medida

que a capacidade de memoria dos microcom-

putadores explodill, programas de analise de dados foram

desenvolvidos para analisar os dados da ciencia social de acordo
com a capaCidade dos micros. A evoluc;:ao tecnol6gica esra
alOda longe de um fi111. Apresentando uma edic;:ao especial da
SOCiological Methods & Research sobre "Microcomputadores e a
Pesquisa Social", David R. Heise diz:

Microcomputadorcs sao baratos, confiaveis, ponaleis

computacionalmente podcrosos e fficeis de usar. Este pern;
os torna significativamente difcrentes dos computaclores
maiu!rame c garantc sua ampia difusao. Ate 0 fim cia
decacla, os microcomputadores mudarao a maneira
dos cienlistas socia is fazercm pesquisa, a maneira pela qual
lecionam c a maneira como fazem trabalho aplicado. Os
microcomputadores tambcm cri,mlo novos t6picos para
analise social ~l medida que a rcvoluc;ao dos micro~
computadores a1can~ar diversos setorcs da sociedade. I

medeo separada para eada

o resto deste capitulo discute as eta pas (e op~6es)

envolviclas na conversao d os clados em formas aptas para
analise por computador. Discuti remos 0 processo de codificaC;fLo e enumeraremos os varios metodos para transformar as
dados para forma legivel-pela-maquina.

(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

n~ocedimento nao facilitaria a analise, que tipicamente

~ep ende de varies slljeitos rerem 0 mesmo atributo.

A varia vel ocupa,ao tem varios esquemas de c6digo

reestabelecidos (nenhum muito bom, porem). Um clestes
~squemas distingue entre acupa~oes prafissionais e gerenciais,
ocupa<;6es de escrit6rio, ocupa,6es semi-especializadas etc.
Outro clistingue diferentes setores cia economia: manufatura,
saucle, ecluca~ao , comercio, e assim par diante. Outros combinam as dois esquemas.
o esqu ema de c6c1igo ocupacional escolhido deve ser
adequaclo aos conceitos te6ricos que estao senclo estuclados
na pcsquisa. Para algumas pesquisas, pode ser s ufi ciente
codificar toclas as ocupa~6es como de colarinho branco ou
colarinho azul. Para ou rros, basta autonomo ou empregaclo.
Um pesquisador da paz pode querer saber apenas se a ocupa,ao depende do establishment militar.
Apesar do esquema cle coclifica,ao clever ser ajustado para
satisfazer requisiros particulares cia am1.lise, cieve-se prestar aren<;ao a uma regra geraJ. Se os daclos forem coclificados com alto
grau cle cletalhamento, as categorias clo c6c1igo podem ser combinadas em qualquer analise que nao necessitar deste grau de
detalhe. Mas, se eles forem coclificados em poucas categorias mais
abrangentes, nao sera possIvel recriar as cleralhes originais
durante a analise. Assim , e aconselhavel eod ificar os clados de
modo mais detalhaclo clo que voce planeja usar na analise.

Desenvolvendo Categorias de C6digos

. Ha duas abordagens basicas clo processo cle codifica~ao.
Pnmeiro
v
. ,oce
po cIe camec;ar com um esquema de codificaC;ao
relatlvamente bem-desenvolviclo, baseaclo no seu objetivo cle
pesqUisa.
Portanto ' 0 pesqUisa
. d or d a paz poc
I' .
_
e cod,f,car
as ocupO<;oes
em
termos
de
I
"
.
o
suas re a~oes com 0 eslabflsbmen/l11111(ar.
u, suponha que VOce esta fazendo abserva~aa participanre de
uma nova rei .. b
Iglao emergente e tenha anota,6es c uicladosas
SO re as razOes illa fil'
- I
Talvez Ihe pare,a
q ue os novos me bI lal'"o cos novos membras.
.
sub .
m ras parecem canslcierar a religiao como um
St,tUto cia fam'!' E cucI cI
11a. nrao, voce pode rever as anotac;6es
I a osamente
cI'f'
I
OJ
b
' co 1 lCane 0 os comentarios de cada novo
em ro quanta
.
fica
~
a ISto rer sIda, o u nao, mencionac!o. Ou codi~ r esses com
,. . cI
ou entanos e acardo com 0 fata de eles terem
A,

=,u=b~~.

'

290

Se voce tiver ajuda durante a coc!ificac;ao, sua tarefa

seria refinar Sllas definic;6es de categorias de c6c1igo e rreinar
os cod ifi cadores para estarem aptos a atribuir as categorias

apropriadas as respostas dadas. Voce cleve explicar 0 significado

das c3regorias de codigo que desenvolveu e ciaI' varios exemplos
de cad a uma . Para assegurar que os coclificadores compre_
endem compierameore 0 que voce pensa, codifique varios

casos. Depois, pec;a aos codificadores para codificar as

mesmos casos, sem dizer-Ihes como voce os coc!ificou, comparanclo 0 trabalho deles ao seu. As disc repancias inciiC3dio
cOl11unicac;ao imperfeira do seu esquema de codificac;ao aos
coclificaclores. Mesmo se esse exercfcio mostrar perfeita acordo

entre voce e e les, cheque os c6digos de pelo menos uma parte

dos casos durante a codifica~ao.
Se nao river ajuda na coclifica~ao, consiga alguma verifica\'iio
de Slla pr6pria confiabilidade como codificador. Ninguem e
perfeiro, especialn1ente um pesquisaclor quente na pista de LIma
descobena. Na pesquisa sabre a nova religiao emergente,
su ponha que voce tenha a impressao que as pessoas sem
familia convenci.onal tern Inaiar probabilidade de considerar a
nova religiao como um substituto da familia. 0 perigo e que,
sempre que descobrir uma pessoa que diz nao ter familia, voce

cada res posta listada se encaixa Oll1na clas categorias de

de~.que Assim, voce estara, pronto para come~ar
- a codf
1 Icar as
codlgo. . re spostas. Se tlver
..
d
df
.
aJu a para a co 1 Ica;ao, aqui se
dem:us
, ..
_.
,
os comentanos antenores com rela~ao a tremamento
aphcam
..
, .
e cIleca ge m', se nao tlver, aplicam-se as comentanos sabre
pedir a alguem para checar seu trabalho.
Tal como 0 conjunto de atributos que cOlnpoem uma

. 'vel e (as categorias de respostas a uma pergunta fechacla

varia
num questionario, as categorias de c6digo devem ser exaustivas
e mutua mente excludentes. Cada peda~o de informa~ao
codificado deve se encaixar nU11'la e so mente nU112a categoria.
as problemas surgem quando uma resposta parece se encaixar

igualmente em mais de uma categoria de c6digo e quando

nao se encaixa em nenhun1a.

(onstru~ao

do livro de (6digos

o produto final do processo de codifica,ao e a conversao

dos itens de dados em c6digos numericos. Estes c6c1igos
representam os arrib utos que cOInpoem U111a variavel, os
quais, por sua vez, sao localiza~oes de cartoes e colunas

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-

designadas num arquivo de dados. Um !ivra de codigos e um

~oes que

voce. (Veja como esta situa~ao se relaciona com a

caracteristica da intersubjetividade na ciencia.)

essenciais. Primeira, ser 0 guia principal no processo de

A segunda abordagem a codifica~ao deve ser usada sempre

e interpretar os c6digos no arquivo de dad os, durante a

documenro qu e clescreve as 10caliza ~oes das variaveis e !ista

os vinculos en tre os c6digos e os atributos que compoen1 as

variaveis. Um livro de c6digos serve para duas

fun~6es

codifica~ao. Segunda, ser 0 seu guia para localizar variaveis

analise. Se voce decidir correlacionar duas variaveis na

que nao river celteza de como seus c1ados devem ser coclificados,
porque voce nao sabe quais variaveis os clados representam

analise dos dados,

entre os sujeitos da pesquisa. Par exemplo, suponha a pergunta

encontrar as variaveis e 0 que os c6digos 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

A Figura 11-2 ilustra partes clo livro de c6digos criado

em 1987 para um survey dos professores e do pessoal

a gama de varia~oes de respostas. Nesses casos, prepare uma

c6d
Igos reflete um programa,

lista de 50 ou 100 respostas reais para a pergunta aberra e,

depois, fa~a uma revisao na lista, notando as diferentes dimenso es
refletidas pelas respostas. Talvez voce descubra que varias
das respostas positivas contem referencias ao custo da corrid~
armamentista ou que varias respostas negativas se refira111 a
amea~a do comunismo em escala mundial.

Depois de desenvolver tun esquema de codifica~~iO

baseado na Usta clas 50 ou 100 respostas, voce cleve certifica r-se

livro de c6digos Ihe mostrara on de

admini strativo cle uma universidacle. 0 formato do livro de

MicroCase, usado para

processar e analisar os clados do survey. Ou[ros programas
0

usam fonnatos similares.

Estes formatos se aproxilnam das colunas de cartoes

perf urados desc ntos antes e sao

- usa d os para Ioca Ilzar as Itens
.
d e claclos P I
. oc emos, por exemp!o, determinar 0 sexo clo
respondent
c d .
e re,enn 0 a VAR. 5. 0 MicroCase, como outros progra-

mas sllnilare
~

. ,
.
s, perm lte tambem dar um nome abrevIado a cada

item de dado; assim, podemos usar pas ACAD, em vez de VAR. 2

ao acessar as clados das posh;6es academicas dos respondentes:
Esta possibilidade e particubrmente litil por pennitir dar nomes
que voce lembrarJ mais tarde, ao analisar os clados.

FIGURA 11-2
Exernplo partial de urn livro de codigol

VhR. 1: fun hfu

Qual

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

Qual a sua posi<;ao academica?

1. Professor Assistente

2. Prolessor Associado
3. Professo r
4. Professo r Adj unto
5. Outro
6. Nao aplicavel

A unive rsidade nao tem rumo.

1. Concordo fortemente
2. Concordo
3. Discordo
4. Discordo fortemenle
5. Nao sei

VAR. 7: Paro/ Pesq

Qua l e 0 seu campo academico?

A universidade esta se alas tan do do

ensino e se movendo na dire<;ao da

2. Educa<;ao
3. Humanidades

pesq uisa.
1. Concordo fortemente

4. Ciencias do Movimento e Exercicios

2. Concordo

5. Ciencias Naturals
6. Ciencias Sociais

3. Discordo
4. Discordo fortemente

7. Misto au outros

5. Nao sei

8. Nao aplicavel

VAR. 6: Noo/ Rumo

VAR. 3: (amp Acad

1. Neg6cios

2. Mestre

2. Masculino

VAR. 2:

To do Iivro de c6digos deve concer a reda~ao compleca

tas feitas' como notamos, a redae;ao das pergunda s pe rg u n ,
'
.
~
m forte impac[o nas respostas dadas. Fmalmenre, 0
telllU
cas
.
.
' I.
~digos cleve .
mdlcar
os atnbutos
de ea d
a vanave
rvro d e c O
I
.
na VAl'. 7, vemos que foi pedido aos professores que
ASSlm , ~ ass
""C oncor d assem ""0ISCO[em forremenre
Co nco rd
" "Oiscordassem forcememe" ou dissessem que nao
dassem 1
Mu iros programas 1 inclusive 0 MicroCase, permitem
.
sa b lal11
ue voce de nomes abreviados aos acribucos (por exemplo,
q
" C para "C oncor d 0 .. e cc. ) , que
CF para "Concordo f
orcemence,
- usados para mostrar os resultados da analise, (ornando
serna
mais facil a le itLIra das tabelas entre outras vantagens.

Optoes de (odificateo e Inserteo de Dodos

Ha

nao muito tempo, q uase {ada entrada de dados era

feita por perfura~ao manual, com canoes perfurados analisados
pDr equipamentos de u nidade de grava~ao ou transl11itidos para
computado res para analises mais complexas. Nos anos recentes,
houve grandes avan~os na entrada de dados. Usando rerm.inais
de compuracio res ou microcomputac!ores, os dados sao, em
geral, dig icad os direcamence nos arquivos de dados armazenados nos d iscos dos computaciores . Mas, como antes, esra
entrada d e clados esta inrimamente relacionada a codifica~ao
e varios mecod os podem ser usados para efecivar esca Iiga~ao.
Vejamos a lgum as delas.

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.

cleve leI" inteiramente cada documento para

.
. .

. Of

flGURh 11-3

Um revis

Uma !alha parcial de Iranl!eren(ia de (odigal

con fIrma

, r que lOcias as perguntas foram respondlClas (cllglte 99

c6c1igo paclrao para os dados fa llantes) e esclarecer

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

-elllplo perguntas fechaclas apresentaclas de forma

(por e x ,
.
.
.
voce pode tambi'm codlficar alguns ltens abertos e amcla
)
c Iara
. cntrar com os daclos cliretamentc. Neste caso, marque 0
ass 1n1
'
c6digo cle uma cletenninada pergunta ntlm local especifico,
pr6ximo a pergunta, para facilitar a tarefa cle entrada dos clados.
I

Codifica~ao nos Margens

A coclifica\,ao nas margens elimina a necessidade de folhas
de c6digo. A margem externa de cada pagina do questioniirio
ou outro documemo-fonte de dados e deixada em branco ou e

formato do documento

e IUuiro

importante para uma

efeliva entrada direta cle claclos. Se a maioria das perguntas e

catego rias de respostas forem apresentadas no lado direito cia
pagina, mas um conjunto apresentado no laclo esquerclo, quem
estiver entrando as clados ira, frequentemente, pular 0 conjunto
desviante. (lVo/a: muitos respondentes cometerao 0 meSIlla erro,

marcada com espa~os correspondentes a names Oll numeros

porranro, urn questiom'irio cuidadosamente desenhaclo para a

de variaveis. Em vez de os c6digos serem transferidos para uma

folha separada, etes sao escritos nos espa\,os apropriados nas

entracla cle clados sera tambi'm mais cficaz na coleta cle dados.)

margens. Entao, os documentos-fonte codificados nas margens

sao usados para a entrada dos clados.

Inser~ao Direta de Dodos

Se os questionarios tiverem sido desenhados adequadamente, voce pode emrar com os dados diretamente no compuwdor sem usar folhas de c6digo separadas ou codifica\,ao nas
margens. 0 questiom1.rio pre-coclificaclo indica as colunas e os
valores clas perguntas e respostas, e a e ntrada de dados pode
ser direta. Este procedimento foi muito aprimorado por alguns
dos novos programas de computador, como ilustrado na Figura
11-4. Este exemplo foi tirado do programa MicroCase, mas
o ut ros programas seguem procedimento similar. (Os n(llneros
em negrito sao aqueles que voce teria que digitar; 0 resto e
feito pelo computador.)
Repare que, na Figura 11-4, 0 computador pede a entrada
cle clados repetindo a pergunta completa, lembranclo-o cle tocios
os possiveis numeros cle c6c1igo digit<\veis como respostas aquela
pergunra. Na pratica, voce pode entra r um conjunto de c1ados
mais rapiciamenre sc referindo a informa~ao nn tela, de vez em
quanclo, para assegurar-se de que noo se perdeu no processo
cle entracla cle clados. Quando se usa 0 metodo cle entracla clireta
de c1ados, os documentos precisam sec revis/os antes cia entrada.

Para a analise de conteudo e situa~oes semelhantes em

que a codifica\,ao ocorre durante a coleta de clados, faz senticlo
registrar os clados cle forma compativel com a entracla clirela.
Uma forma pn~-coclificada pocle ser melhor, ou, em alguns
casos, os clados podem ser registrados diretamente em folhas
de transferencia.

FIGURA 11-4
lIullrocoo do inlercoo de dodol (omputadorizodo

(aso 1

Qual Ii suo funceo oluol no Chapman?

Qual Ii sua posiceo academica?

1. Admin

1. Prof. Assist.

2. Permanente

2. Prof. Assoc.

3. Contr via Perm

3. Professor

4. Tempor

4. Prof. Adj.

5. Diretoria
6. Mista

5. Outro
6. Nao ApI.

7. Outros

Var. 1. Fun Atu

Var. 2. PosAcad

Uso Direto das folhas de Scanner Optico

fntrada de Dodos pelos fntrevistadores

A mane ira mais facil cle entrar cbclos cle survey- entre_
vista por telefone assisticla por computaclor, ou ETAC - foi
cliscuticla no Capftulo 10: entrevistaclores com fones cle ouviclo
sentam em frente a terminais de compuradof, que mostram as
perguntas a fazer, e entram as respostas assim que

sao dadas.

Assim, os c1ados entram diretamente nos arquivos assim que

sao geraclos. as claclos de perguntas fechaclas estao prontos

para analise imediata. Pode-se entrar tambem os c1ados de
questoes abertas, clepois de uma etapa extra .
Suponha que 0 questionario pergunte "Qual e 0 maior
problema clo pafs hoje'" a computaclor pecle ao entrevistador
para fazer a pergunta. Em vez cle esperar a inser~ao de um c6digo
numericQ, 0 compuracior permite ao enrrevisracior digitar 0

AS vezes, e possivel usar folhas de scanner 6ptico de

O1a um pouco cliferente, evitanclo talvez as clificulclacles que
forres
.
. os respon1 lca cI ores. I' 0 cI e-se lOstrulr
para os co cI'f'

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

esquisa. As perguntas pocIem ser apresentaclas com as categorias

respostas e os entrevistaclos orientados para colorir cle preto
os espa~os ao lade clas respostas escolhiclas. Se as folhas forem apresentadas adequadamente, 0 scanner6prico poeled ler

~e

e entrar as respostas diretamenre . Este metodo pode ser ainda

mais viavei no registro das observa~6es experimentais ou na
compila~ao

cle daclos numa analise cle conteuclo.

que 0 entrevistado disser, por exemplo "crime nas ruas, espe-

cialmente os crimes cometiclos pOL." Depois, os codificaclores

recuperam as respostas abertas uma a uma, atribuinclo-lhes
c6digos numericos como discutimos antes.

Pre-(odifi(a~ao para a Inser~ao de Dodos

Ao preparar 0 Formato de um questionario, e essencial
prestar muita a ten ~ao ao metodo usaclo para processar os

(odificacoo para folhas de Scanner Optico

claclos , principalmente se voce planejar entrar os claclos clire-

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.

Apesar cle 0 scc/luzer6ptico proporcionar grancle exatidao

e velocidade

a entrada manual de c1ados,

tem tambenl desvan-

tagens. Primeiro, alguns codificadores acham cliffcil transferir

daclos para as folhas especiais. Pode ser cliffcillocalizar a coluna
certa e, clepois cle encontracla, 0 coclificaclor precisa procurar 0
espa~o certo para preencher.
Segundo, 0 scallller6ptico tem toJerancias relativamente
rigidas. A menos que as marcas pretas sejam suficientemente
pretas, ele pode cometer enos. (Voce nao tera como saber se
isso aconteceu antes de iniciar a analise.) Alem elisso, se as

folhas 6ptico-sensfveis forem clobraclas Oll estragaclas,

pode recusar-se a le-Jas.

scall ller

tamente a partir do questionario. As seguintes suges toes torna tarefa mais facil.

a questio nario cleve ser pre-coclificaclo para facilitar a

entracla dos daclos (ou coclificaclo par" esta fun~ao). as itens
devem ser atribuidos a campos de clados, nomeados ou numeraclas previam ente, e anota~6es no questionario devem indicar
essas atribui ~oes.

Alem clas anota~oes sobre os campos cle claclos, voce pocle

querer indicar as atribui~6es numericas para as varias respostas
num campo cleterminaclo, por exemplo, 1 ~ Concorclo forte~ente, 2 = Concordo, e assim por diante. Sempre que um campo
hve.r. tres
. . au m enos categorias de resposta s, pode-se em geral
~mnu a pre-cadifica~ao. Quando houver mais de tres categorias,
e n?rmalmeme mais segura exibir as marcas de c6cligo. A Figura
11-) aprese nta exemp los cle pre-coclifjca~ao apropriaclos it
marca ~ao direta.

. Ha

varias coisas a comentar na Figura 11-5. Primeiro as

atnbui~
cI e campo estao
'
~
oes
entre.
parenteses; Var14 a Varl7

eo ram atribufdas it aprova~ao/desaprova~iio cle figuras polfticas,

a Var18, it iclentifica~ao clO particlo polftico. As atribui~oes cle

~espostas

para a quesl:.:1.o 9 estao apresentadas acin13 clas colunas

e categoria s de respostas. Na questao 10, que tem um 56

conjunto de re sposta s, as atriblli~oes esrao apresenradas nos

espa~os ao lado para marcar as respostas.

Fimlmente, veja que todas as respostas as duas perguntas

estao do mesmo lado da pigina. Isto e importante para facilitar a
entrada dos dados. Voce pode entrar os clados das duas perguntas
sem precisar mover os olhos para frente e para tris na pagina.
Quando se muda a posiio das respostas na pigina, voce traball"
mais lentamente e hi mais probabilidade de perder itens.
Sempre que usar

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

apenas para ajudar no processamento das suas respostas.") Em

qualqu e r caso, a pre-codifica~ao deve ser discreta, para
nao confundir 0 respondente. Se 0 questionirio for tipografad o, a pre-codifica~ao deve ser feita em letras pequenas.

Mesmo se 0 questionario nao for marcado c1iretamente,

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.

limpezo dos Dodos

Independentemente do metodo de processamento de dados
usado, agora voce tem l11ll conjunto de dados legiveis-pelamaquina que pretende representar a info rma ~ao coleta cia na
pesquisa. 0 passo seguinte e eliminar os erros - "lim par" as
dados. Nao impolta como, ou quao cuidadosamente, os dados
foram entrados, erros sao inevitaveis. Dependendo do metodo
de processamento d os dados, os erros podem resultar de

FIGURA 11-5

codifica~ao incorreta, leitura incorreta de c6digos escritos,

lIuslrotao do pre-codifitotao de urn queslionario

leitura incorreta das marcas pelo sca n1'l.er etc. Devem ser

9. Ao lado de cad a figura politica listada abaixo , indique se voce

Aprova Fortemente (AF), Aprova (A), Desaprova (D), Desaprova Fortemente (DF) a filosofia politica da pessoa em questao, au marque
(NS) se voce Nao Sauber.
(Yar14-Yar17)
a. George Bush
b. Michael Dukakis
c. Jesse Jackson
d. George Wallace

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

10. Qual Ii seu partido politico , se voce tiver?

(Var18)
Partido Democrata

1[1

Partido Republicano

2(

Partido da Paz e Liberdade

3(

Partido Verde

41

Partido Independente Americana

51

Outro

51

Nenhum

71

I
I
I
I
I
I

feitos dais tipos de Iimpeza: limpezCl de poss(veis-c6digos e

limpeza de contingencias.

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

par: entrada de dados podem procurar e rros it medida que

estao sendo entrados. Por exemplo, se voce digitar um 7 para
seXQ no MicroCase, 0 computador soa um bip e recusa 0 c6digo

errado. Outros programas de computador testam c6digos ilegilimos nos arqUlvos

.
d e dados que nao foram checados durante
a entrada.
Segundo, se nao tiver esses tipos de programas, voce
pade lunpar p ossivels-c
, . 6dIg05 exammando
.
a distribui~ao c1as
respOstas a c I .
co .
ac a aem no conjunto de clados. Assim se sell
nJUnto de dad
.
'
(mulh
os liver 350 pessoas codificadas 1 para sexo
sus eres), 400 codificadas 2 (homens) e uma codificada 7 voce
pel tara que 0 7 e' urn erro.
'

Sempre que descobrir erros, localize 0 questionario

pertinente, determine 0 c6c1igo cerro e fa~a a corre~ao.

processados. 0 metodo de processamento dos dados deve ser

escol hido antes de desenhar

questiooc'irio.

Os pesquisadores costumam suspirar de alfvio quando

as questionarios sao completaclos e guarclados en1 seguran~a

Limpeze de Contingencies
A limpeza de contingencias

e mais complicada. A estru_

tura 16gica dos dados pode determinar restri~6es especiais as

respostas de certos respondentes. Por exemplo, um questionario pode perguntar 0 nl,mero de filhos que uma mulher deu
a luz. Todas as respondentes mulheres devem ter uma resposta
codificada (ou um c6digo especial se nao responderem), e
nenhum entrevistado homem cleve ter res posta registracla para
esta pergunta (ou um c6digo especial indicando que a pergunta
nao se aplica). Se um respondente homem for codificado como
te ndo dado a luz tres crian~as, ou se cometeu um erro que
deve ser corrigido, ou sua pesquisa ficara muito mais famosa
do que voce jamais sonhou.

Geralmente, a limpeza de contingencias e feita mraves de

programas de computador que requerem um conjunto bastante
complicado de declara~6es se-enrao. Em alguns casos, os programas que permitem entrada direta de c1ados poclem ser
instmklos a checar automaticameme as contingencias necessalias,

ta l como checam c6digos legftimos.

Apesar da limpeza dos dados ser um passo essencial
no processamento dos dados, ela pode se r evitada em certos
casos. Voce pode ac h ar p laus fve l excl ui r sem perigo os
pouquissimos erros que ocorrem em algum item se a exclusao
destes casos nao afetar significativamente os resultados, ou
algumas respostas co n ti ngentes inadequadas podem ser
ignoradas. Se alguns homens receberem 0 status cia maternidade, voce pode limitar sua analise desta variavel as mulheres.
Mas nao use esses comentarios como racionaliza~oes para uma
pesquisa malfeita. Dados "sujos" quase sempre produzem
resultados enganosos na pesquisa.

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

no escrit6rio da pesquisa. 0 perigo de nao conseguir os dados

foi evitado; agora tudo 0 que

e preciso e po-los em ordem para

a analise. Esra sensa~ao de bem-esr.~r pode ser infundacla. Mesmo

que os dados ten ham sido coletados no Formato correto, pode
ser impossivel po-los numa ordem que fa~a sentido. Voce s6
pode fi car aliviado se pensou 0 processamento dos dados com
cuidado e antecipa~ao e se desenhou uma tecnica de coleta de
dados adequada.

Nolo
I HEISE, David (E(I.). Microcomputers and Social Researeb. Beverly Hills,
CAo 50ge, 1981. v.9, n.4, p.395.

Leituras Ad ici onais

COZBY, Paul C. Using Computers in the Behavioral Sciences.
Palo Alto, CA: Mayfield, 1984.
EDWARDS, Perry, BROADWELL, Bruce. Data Processing 2.ed.
Belmont, CA: Wadsworth, 1982.
HEISE, David (Ed.). Microcomputers in Social Research. Beverl y
Hills, CA: Sage, 1981.

Capitulo 12
Pre-Testes e studos-Piloto
'.
)1

Todo manua l de pesquisa aconselha faze r algum tipo de

teste do desenho da pesquisa antes da pesquisa maior. Os argu-

i:

mentos a favor do pre-teste sao convincentes. Ninguem quer

I'

investir grancles quantias de dinheiro e muira trabalho num grande

projeto e nao

alca n~ar

os objetivos da pesquisa devido a algum

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,

desenho cia amostra, urn programa de computaclor para

a an alise etc. E'silidos-piloto se referem a exames em miniatura

de todo

desenho da pesquisa.

fozendo

OS

Pre-Testes

Os pre-testes sao os testes iniciais de lim au mais aspectos

do desenh o da pesquisa. Geralmente, isso significa a administra,ao do esbo~o do questionario a um grupo de sujeitos, mas
o Conceito do pre-teste e mais amplamente aplidivel.

fozendo 0 Pre-Ieste do Dmnho do hmosho

Frequentemente, lim desenho de 3mostra pa rece razoavel
no papel, mas revela-se desastroso na pratic3. Se a desenho pede

a cria e;ao
- c1e

uma moldura de amosrragem, pode-se erial' lima

part e cl esta molclura no pre-teste. Par exemplo. num clesenho

.1

:i

.1

..

cle amosrra por conglomera do de ;ireas, voce pode ten tar

arualizar as estimativas clos ramanhos dos quarteiroes baseado
em um au mais resultados de censo antes de enviar sua equipe
para arllalizar [Odos as tamanhos dos qualteiroes. Se 0 desenho
pedir a Iistagem das residencias, voce pode enviar enume_
radores ao campo para selecionar quarteiroes e revelar dificul_
dades inesperadas.
Se for selecionar sua amostra a paltir de uma Iista, esrude-a

cuiclaclosamente, procuranclo problemas. Se a inten,ao for

estratificar, voce cleve testar 0 procedimento de estra[ifica~ao.
A estratifica~ao pode ser feita manualmenre? Tente faze-lao
Precisa remos cle um programa cle computaclor? Teste.
Os mesmos passos devem ser seglliclos na sele,ao cia
amostra. Se for usa r um programa cle compuraclor, ele deve sel'
testaclo com claclos parciais ou mesmo claclos hipateticos. Se for
faze r se l e~ao manual, um pre-teste com daclos parciais ou
mesmo hipoteticos apontar{, os problemas e talvez sugira que
a ta refa e impossIvel Oll exrremamente cl iffcil; a sele~ao por
computador pocle ser mais via vel.
Portanto, 0 pre-teste do desenho de uma amostra pode
ind icar se este desenho e passlvel, permitir avaliar as dificuldades e estimar 0 tempo e custa necessarios. Os pre-testes tem
ou tra fun~ao. Voce nunca sabera antccipaclamente rodas as
c1ecisoes que precisara tomar durante a slf1'vey, Apesar de ter
siclo explicito na clefini,ao cia popllla,ao clo survey, a arte da
amostragem clesvenclara problemas escondiclos cle clefini,ao.
POI' exemp lo, nllffia amost ra d e area, voce entrevistan'i as
tra nseuntes (pOI' exemplo, turistas) assim como os resiclentes'
Filhos aclativos serno consiclemclos membros cia familia? Ao fazer
uma pesq uisa numa univers idacle, voce descob re logo que
"estudantes" e/ou "professores" sao criaruras muito diffceis de
clefinir. Um pre-teste certamente apontar" rais problemas (pelo
menos alguns deles), e voce poded tomar clecisoes com reb,ao
a clefini,ao logo no come,o. Com um pre-teste, suas clecisoes
padem ser consideradas mais cuicladosamente, e voce po~de
assegurar-se de que elas serao seguidas consistentemente ate a
final do estuclo.

1. Todo

instrumento ou s6 lima parte dele pode ser pre-

restado. Talvez a

preocupa~ao

basici scja a aplicabilidade

de lim conjunto de perguntas. Se for assim, voce pode

concentrar a

aten~iio

em varios pre-testes desta parte do

modifica~oes

questionario e em

dela. Embora isto sej:!

legitimo, lembre que 0 contexlO no qual as pcrgunras

aparecem afeta sua

rcccp~ao.

Portanto, se vale a pena

fazer testcs iniciais de partes do qucstion5rio,

acrescentar um

Oll

melhor

rna is pre-testes de todo 0 instrumenro.

2. Preferencialmcnte, 0 instrumento deve scr

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

lim rascllnho inicial de lim

questionario auto-adminbtmdo atraves de entrevistas. Isto

permite identificar problemas, se, durante a cntrevista, urn
cntrevistador detcctar confusao c sondar a natureza desta.
Entreta nto, 0 instrumento deve scr pre-tesrado. em ultima
inslanc ia, tal como sera usado.

3. Um fo rma to de perguntas abertas pode ser usa do de

forma proveilosa durante 0 pre-teste, para delerminar
cmegorias de respostas aprop riaclas para 0 que mais tarde
se tom ara uma pergunta fechada. Pede-se aos responclentes
da rem suas pr6prias respostas a uma pergunta, que, em
seguida,

SCraG

adicionadas pelo pesquisador para eriar

categorias de respostas. Mas e importante testar as respostas

fechadas tambem. Ponamo, deve-se fazer urn novo preteste para descobrir possiveis problemas n:1S c3legori:ls
padroniZt"ldas.
4. A sele~ao de sujeitos para os pre-testes dos instrumemos
pode ser feita de modo flexivel e variado. Amostragem
Controlada nao e necess:iria neste ponto. (Estudos nipidos

Pri?-Testondo 0 Inshumento do Pesquiso

A finaliclacle de pre-testar 0 instrumento cia pesquisa e
. mas as op~oes
- metoeI0 Ioglcas
- .
- ser taO c1aras.
o-b Via,
poeIem nao
Os segui ntes pomos explicam melhor.

sao uma questao completamcllIe diferente.) Digo isso

porq ue os pesqu isaclorcs, freqlJcntcmcnte, omitem os pretestes devido as dificuldacles n:l amostragem. A liniC<1
cl iretriz que recomendo p:lr:1 sele~ii.o dos sujeitos e que
estes devem ser pessoas razoavclmcntc adequadas para

Pre-Ide do Coleta de Dodos

as pcrguntas consideradas. Idc~dmenre, eaua item in(li~

vidual devt:! scr prc~tcst:.tdo nos membras d",, eqlllpe
.
de
pcsqu~sad~res, embora tal teste nao scja suficicme. Se a
pcsqll1sa liver como alvo lima popuJa~ao em particular
qU:J.isquer membras dest;!

popubc;ao au pessoas semclham~

a cia podem scrvir como :illjcitos paf3. 0 pre-teste . ['.01 pre_

testes mais rigorosos do inSlfUmCIl!O cle IJCsquI'"a ,I>

". cve-se

dar poued :ncnc;ao it represent<ttivic.hdc

cstrit"l"
- .

" "10 co n t fano

deve-se tentar alcanpr a mab ampla varia\ao nos tipo~

de rcsponcicntcs -

incluindo as que podcm representar

lima pcquena minoria cia popui:.Jr,o

Num",. pI"
.
~,.
,-~qllisa
cle :uitudcs polilicas, deve-sc pre-Iestar 0 instrumento
em sujcitos tirados de todo 0 espectro cia popula~ao.
bto signifiea quc as extremos -

direit::l e esquerda _

scrao sobrercpresentados no teste, para assegurar que

o instrumcnto fad sentido e scra util na eompreensao
dc todos as tipos dc respondcJlIcs na POPUb(30.

(E

claro que a in:slrumento tambclll deved ser tcstado

cmrc os "Illoderac!os".) 0

objetivo do prc(l'stc

Illelhorar 0 instrumenlo cia pesquisa c nao fomceer

descri~6es

cia popula~iio.

5. Prctestar permite com para!" diferentcs mcLOclos para

abler os dados dcscjados. Difcrenres r:lsclinhos do
question(l r io podclll scr testaclos silllult:tncalllentc, e
revisal's c ret estes suce$..')ivos devem IeI' 0 mcsmo cfeito.

Muito ja foi escrito sobre as tecnicas cle coleta cle claclos,

esquisadores experienres provavelmenre ja estabeleceram
e~euS
P pr6prios meta
'cI as b"aSlCOS. M esmo aSSU11,
.
caeIa pesquisa
as particulariclacles com rela~iio a coleta de claclos.
(em su<
Se fo r usaf q uestionario enviaclo pelo COffeio, teste,
esso :1lme nte, os proceclimentos de montagem e remessa dos
~uesriOm1. riOs. Somente assim podem ser devidamenre organi7..:1ck1s as viitt.'15 empas do processo. Carimb:1r selos, colar eriqlletas,
dobrar canas, per nos envelopes pocIe ser mais clificil na pratica clo
qUe:! na teo ria .
Um pesquisador experiente provavelmente pocle organizar 0 tra balho, prepa rar a area de trabalho e designar tarefas
a cquipe num ensaio mental. Mesmo assim, s6 lim teste Fisico
pode clemo nsrrar que efetivamente questionarios nao cabem
em envelo pes, O ll que envelopes de retorno nao eabem nos
envelopes cle remessa etc. Se 0 numero cle iclentifica,ao clo
questionario cleve emparelhar com 0 nltmero na etiqueta cle
cndere ~ am e n{ o, 56 um ensaio f\sico apontadi os riscos ee,
espera-se, a preven~ao) de 1111sturar estes numeros.
Continuar esta Iista de exemplos nao faz senticlo, porque a
natureza dos problemas a serem deseobertos varia muiw com a
nantreza do clesenho cia pesquisa. Basta clizer que 0 pesquisador que nao pre-testar a remessa dos questionarios corre lim
risco consicleravel.
A necessiclacle cle pre-testar os metodos cle coleta cle claclos

6. Pode ser bom usar os mesmos sujeitos nuis de uma

vez no pre teste do instrumcnto. A raz:1o disLO

e que

perfil geral clo ::Illjcito assim derivado fomeee uma base

~ :inda maior nll m sUl~uey par entrevi5tas. Como iS50 pertence

a .area de treinamento) reste e sllpervisao do entrevistador, a
chscussao cleste pre-teste ja foi apresentacla no Capitulo 10.

geral para avaliar as reSpOSltlS a itens espedficos. Par outro

!ado,

Pre-Idando a Process omenta de Dodos

a rascunha final dc\e SCI' prctestado em novOS

sujeitos para leva!" em eOnla 0 inevitfivel proeesso de

aprcndizagem que acorn;! entre as sujeitos anterion:s.

Estas sao algumas clas op~oes e diretrizes relevantes "

realiza~ao cle pre-testes. Enfatizo que 0 pre-teste cleve ser ull1
processo cumulativo em multiplos estagios; voce nao cleve
pensar em term os do pre-reste. Mais a frenre, consideraremos
a avalia~ao dos pre-reStes clo questionario.

Os pesqu isadores tendem a fiear muiro tensos na fase

e coleta cle claclos clo survey (os clados chegarao?) e relativa-

- . 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

que a natureza do pre-teste cia processamento

finalmente, pre-testes does) estagio(s) do processamento

de c1ados depende da natureza do proprio proeessamento dos

daclo. Voce deve pre-testar as opera~6es de eociifica,,10 e entracL,
de clados. Os resultados deste pre-teste tem importantes impli_

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

cac;6es no f0n113to do instrumento cia pesquisa. FreqUentemente

um3S pOllcas pequenas modifica<;oes no layoll! clo questioo(lri~
melhoram muiro a cficiencia cia codificac;ao c cia entrada des
dades. Pre-testar mostra as necessidades especfficas cia

devem mosrrar 0 caminho para uma inter-rela~ao

pre-codificaC;:1o, exigindo mais, au indicanclo que menos

pode bastar. A liniea maneira de saber e fazer os eodificadores

praticarem a codifica~ao, com dados hipoteticos ou com questionarios completos pre-testados. Mas todo 0 processo do treino da

para

ou ~,
momento etc.

Pre-Teste do hnal ise

codificaC;:1o sera ern vao se este rreinamento for atrasaclo ate a

hora que os questionarios [inais estiverem chegando.
Estes comentarios se aplicam se os questiomlrios forem

desenhados para entrada direta de dados. Alem disso , um

pre-teste apontara as necessidades relacionadas " revisao dos
questionarios antes da entrada dos dados. Se a entrada for
feita a partir de folhas cle transferencia codificadas, 0 teste
J110strara requisitos especiais de codificac;ao.

E preciso enfatizar a necessidade de pre-teste se os dados

forem entraclos por escaneamento 6ptico. Um pre-teste mostrarii

as toleriincias da maquina com rela~ao a folhas danificadas e

espa~os mal marcados. Um grande slIrvey transferiu os dados
do questiona rio para folhas optico-sensive is scm perceber, ate

Voce pode achar esquisito falar de pre-teste da analise,

especi almente consiclerando minha insistencia na am'ilise como

atividade aberta e frequenremente heuristica. Mas sugiro esta

etapa seriamente. Embora inevitavelmente voce fac;a coisas com
os d'lcios que inicialmente nao pretendia fazer, precisa assegurar-se
de que sera capaz de fazer as coisas que pre/enclfa fazer.

Apesar de dar mais espac;o

analise relacionada aos
estudos-piloto, c1evo mcncionar dois tipos de pre-testes anaIr-

ticos. Primeiro, voce deve dar todos os passoS, desde os clados

brutos ate 0 produto final, cle constru~o de tabelas, cle indices,

o fim da codificac;ao, que os coclificadores usaram lapis com 0

de escaias, regressoes, amllise fa[Oriai etc., que tenha em mente;

verificar cada etapa, dos registros clos dados it ap resenta~~o
escrita . A razao dessa verificac;:ao exaustiva assegurar que voce

grau errado de sombreamenro. A equipe do projeto perdeu dlJas

podechegar la a partir daqui. Frequentemente, a forma da coleta

semanas, em tempo integral, escurecendo as marcas iniciais.

da info rmar;ao nao se presta

Se houver quest6es abellaS, deve-se clar aten~o antecipada

aorganiza<;ao da cociifica<;<:10. Urn pre-teste sugerira a ordem mais

eficaz para a

codifica~o

clas questoes abenas c fechadas.

Tambem deve-se pre-testar 0 processamenro pos entrada

de claclos, tais como limpeza e transferencia cle clados para fira.

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

Embora possa haver programas de computador de uso geml

cada residencia. Mesmo senclo possivel con tar 0 numero cle

para estas tarefas, somel1(e um teste verclacleiro assegurara que

registres de pessoas para cada uma, pode ser impossive! usaI'

esta in fo rma~ao como variavel analitica. (So/IIr,;t7o: pe~a aoS

os dados estao organizados adequadamcnre para 0 uso clestes

programas. Se a pesquisa exigir a constru~ao de arquivOs de

daclos em multiplos niveis (por exemplo, arquivos clo domicilio,

arquivos cia famn ia e arquivos pessoais), pode ser necessaria
li ma manipulac;3.o mais complexa dos clados; esta manipub~ao
precisa ser pre-testada.

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

Em outro exemplo, suponha que no pre-teste cia analise

voce descubra que quer apresentar idade como uma nu?di
..
~
para permit!!"
compara~oes com Olltros c1ados se
.
.
'
,
Voce'

perguntou a ,dade em Intervalos, em vez de a idade exata, pode

ter problemas.

Se a sobreposi~ao nao for considerada um problema,

a clo estudO-pilolo cleve ser selecionada da mesma

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 .

studo-Pi loto do Instrume nto de Pesquiso

o segundo tip~ de pre-teste analitico tem " ver com 0

uso de bardwaree soJtwarede manipularao
de dados - testar
-so
o computador
e
os
programas
que
voce
pretende
usar na ana'l'
. . .
' lse.
Voce pode descobnr que 0 formato do questionario precisa se
modificado para se aciequar a sellS proposiros analfticos~
descobrir isso durante 0 pre-teste e melhor do que depois d~
ter coletado todos os dados.

Ins

fa zendo fstudos -Piloto

questOes planejadas, com a redac;ao,

Como tentei mostrar,

e importame

pre-testar os vanos

lim aspccto para com outros aspectos e proclirar inter-relacio-

nar todos eles. 0 melhor meio para assegurar

e fazer urn estudo-piloto -

inter-rela~oes

urn exame miniaturizacio de

toda a pesquisa, cia amostragem ao relat6rio. que cleve diferir

clo survey final apenas quanta ao tamanho, estudando menos

casos (e usando menos tempo).

esrueJo-pilo[o cleve envolver a administra~ao de um

. tru nlento de pesquisa 0 mais identico possivel ao planejado

.
ara 0 slIrvey final. Mas, se for usado um procedunento de
p ostagem muito elaborado, pode nao ser viavel produzir 0
~(imero necessario para 0 estudo-piloto e de po is um lote
revisado para 0 survey final.
o questionario cIo estudo-piloto deve conter todas as
que

aspectos do desenho e da analise da pesquisa. Idealmente,

devemos fazer extensos pre-testes de cada aspecto. Alem disso,
estarmos sempre atentos para as implica~oes do pre-teste de

va lidas

formato e a sequencia

pre-teste indicou serem os melhores. 0 estudo-piloto

nao cleve ser um veiculo para testar novos itens ainda nao

pre-tes tados.
D ito isso, vejamos uma excec;ao.

E razoavel

qlle

instrume nto cIo estudo-piloto contenha mais questoes do que

o planejado para 0 survey fina l. Freqlientemente, pre-testes nao
controlados sao insuficientes para determinar qual, de varios
metodos pa ra obter os dados, sera mais ulii. Portanto, em
alguns casos, pode-se incluir mais de um metodo no mesmo
questiomlrio ese e1es nao se 1110strarem lima repetic;ao grosse ira),

com a

inten~ao

de avalia-los atraves do estudo-piloto.

studo-Pi Iota do hmostrogem

Uma maneira melhor, apesar de mais complexa, para

Hdar com esta situa~ao e usar diferentes versoes do questionario

Diferentemente do pre-teste, 0 estudo'piloto deve fazer

uma amostra representativa cia popllla~ao alva. Partanco, a

em subamostras do estudo-piloto. Assim, os respondentes do

estudo-piloto estarno reagindo ao que pode se tornar 0 instrumento do sUlvey fina l, fornecendo um teste melhor.

amostra clo estudo-piloto cleve ser selecianada exaramente

da mesma maneira programada para 0 survey final. Mas com
uma exce~ao.
Como se pode querer evitar estuclar as mesmos respon-

dentes no estudo-piloto e no slIrvey final, pode-se evitar isto

selecionando as duas amostras ao mesmo tempo, 0 que pode
ser feito de duas maneiras. Primeira, selecionando a amostra
final - au, pelo menos, as unidades primarias de amosrragem

(por exemplo, quarteiroes de censo) - e, depois, do restante

da popula~ao, selecionando a amostra do estudo-piloto.
Segunda, selecionando uma amostra inicial com elemen(Os
suficientes para ambas as amostras e subamostrando clesta

list" para

estudo-piloto.

Se um (mico instrumento do survey-piloto for usado para

avaliar metodos alternativos de obten~ao dos dad os, e preciso
tamar cllidado para nao criar lim instrllmento grande demais.
As Iic;oes aprendidas com a administra~ao de um instrumento

dc. estudo-piloto longo e repetitivo podem ser inadequadas para

o Instrumento final rna is curto.

Coleta e Pro(essomento de Dodos do studo-Pi loto

Como em outras fases do estudo-piloto, a coleta e 0 processamen(o clos clados devem ser urn exame miniaturizado do

desenho do survey final. Se os instrumentos de pesquisa forem

comparaveis, devem ser aclministrados exatamente como vOce
planeja fazel' no survey final. Oode eles diferirem, e preciso
estar especialmente consciente das implicar;oes destas diferen~s,
tentando aprender a partir cia inferencia em vez cia experiencin.
Os questionarios completos devem ser codificados, e os dados
entraclos, transfericlos, limpos e analisados exatamente como
planejado para a pesquisa final.

Analise do studo-Piloto

ados vercladeiros para renda. Determine como cada resul."

.
res u Ir"
do possivel se na expltcado equalS outros dados devenam
ta
- Se esta a b oreIagem sugenr
.
nside rados na exp Ilea~ao.
ser co
.
s ana' lises fara-as com os dados do estudo-plloto; se nemal . '
,~
aproximar;oes ou erie novas tabelas hipoteticas e
cess,a'rio , fara
~
tente explica-Ias.
E mu ito fad] perceber um problema e suas implica,oes
imediatas e deixar para corrigir 0 problema no sUivey final. Este
proceclimenro e perigoso. Para tirar proveir.0 cle um estudopila to, voce cleve cons lderar as Ilnpllcar;oes de segunda,
terceira e quam o rdem do problema e suas possiveis solu,oes.

Pode parecer estranho, mas a pesquisa orgclllizada deve

come~ar

com um rascunho clo relat6rio escrito. Elc cleve conter

os argumentos J6gicos cia pesquisa, tabelas em branco eu

hipoteticas e a ama n-a,ao verbal que une tudo isso. 0 pesquisader organizaclo assegura assim familiaridade com qual informas;ao e necessaria, de quem e la e necessaria, e a forma na
qual e necessaria. A analise do estudo-piloto, assim como a
analise final, cleve consistir em preencher os espar;os vazios
empiricos, anotar as acontecimentos incsperados e elaborar
estes clesenvolvimenros. A ana lise do estudo-piloto deve ser
feita com toclo a vigor e a imaginac;ao que serao usados na
ana lise fina l. Como a amostra do estudo-piloto e extrai~ia com
a inten,ao cle representar a popula,ao alvo, os resultados cia
analise do estucio-pilo[Q devem sel' essencialmente as mesillos
do survey final. Este deve ser uma replica,ao mais substancial
do primeiro .
Entretanto, os desenhos de pesquisas nunca sao perfeitos,
nem 0 raciocfnio 16gico que os embasa. POI'tanto, a analise clo
estudo-piloto nunca realmente resu lta exatamente no que e
esperado. Mais freqlientemente, aponta erros no raciocinio e/
ou no c1esenho. Os metoclos para cletel'minar estes erros sao
discutidos a seguir. Agora, q uero enfatizar a imponancia de levar
o survey pilato 0 111ais longe posslvel, para revelar 0 maior
numero possivel c1e erros, antes de comprometer os principais
recursos no survey final.
Se faltarem dados necess<irios ao estudo-piloro, devem-se
fazer as aproximac;oes posslveis para pennitir a maior eiabora~ao
possivel na analise pretenclida. Se, par exemplo, a analise sugerir
que se cleve levar em conta niveis de renda, e voce nao river eoietado dados sobre renda, voce deve usa r escolaridade ou ocupal'ii 0
para fazer estimativas aproximadas. Se nao tiver d'1c1os aproximaclos,
consrrua tabelas hipoterieas, apresentando todos os posslveis

Avaliando Pre-Testes e studos -Piloto

Esta se~~lO oferece algumas diretrizes e criterios para
avaliar pre-testes e estudos-piloto. Apesar de nao oferecer leis
para resolver este assunto, tentarei ligar os objetivos da pesquisa aos crirerios de avalia~ao. Limitarei a ci iscLissao aos usos
cia analise na ava li a~ao do insrfu mento da pesquisa.

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

Mlilt iplCls Respostas. Mesmo quando se pede aos respon-

,
narntes para s e IeClo
nar so uma res posta de uma lista de alter-

IVas, alguns peIS IS

. tIrao
- em se IeClona

. 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

excluclentes, ou a pergunta esta sendo mal compreendicla. A

solu~ao deste problema varia com 0 tipo de mllhiplas respOStas.
Se as mesmas duas categorias foren1 escolhidas juntas
frequentemente, talvez elas possam ser melhor distinguidas
ou, alternativamente, combinadas. Se varias combina~oes
de respostas estiverem sendo selecionadas, cleve haver algum
erro mais basico, e toda a pergunta cleve ser reexaminada.

Respostas qualificadas como estas apontam uma fa lta

lareza naS perguntas e/ou nas respostas fornecidas. Uma
de C
" uma reVlsao
..
omo essa pod e ser su f"
IClente para eXlglr
reSpos t a C
ta se a fa lm de clareza puder resultar em com predaperg un "
,.
_ erronea cia pergunta. Vanas respostas como essas
ensao
exigem uma revisao.

Comenlcirios Dire/os. Freqlientemente, os respondentes

respondente a ~tlternativa de dar sua pr6pria res posta em

ooram direramente problemas de reda~ao ou Formato da

ap
E 'e U111a pessU11a
,.
")
pergunta (por exemp I0, ".sta
pergu~t~ .
Embora voce possa desconslderar alguns desses comentanos,

perguntas fechadas. Seja oferecida ou nao esta op,"o, ter urn grande

deve desconfiar das perguntas que os produzam em quantidade

nll1nerO de respostas escritas (ou oferecidas pelo entrevistaclo)

superior

Respostas" Outras'. Frequentemente,

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

ou mais categorias 16gicas, sem sobreporem-se as existentes,

Todos os sinais de perigo cliscuticlos anteriormente podem

talvez devam ser acrescentadas a lista de alternativas.

E claro

que nao se deve acrescentar respostas a !ista, se

isto erial' eonflitos com os objetivos do estudo ou desta pergunta.

Por exemplo, os pesquisadores em comunica~ao nos Estados
Unidos algumas vezes peclem aos respondentes para indicar sua
Fonte primaria de informac;ao politica, oferecendo opc;oes de uma
lis[a que inc1ui jornais, amigos, ddio, revistas e peri6dicos poli-

e propositadamente omitida da lista,

apontar erros no Formato assin1 como erros oa recla~ao. Par

exemplo, respostas faltantes podem indicar que 0 "f] uxo" do

questionario e inadequado. Isto e especialmente verdade para
perguntas contingentes, que freqlientemente sao (e deuem selJ
postas no lado da pagina do questionario. Melhores instru~6es,
caixas, setas e clispos itivos similares deven1 resolver estes

problemas.

~upondo

Algumas vezes, os respondentes respondem uma serie

que a ma ioria a escolheria caso Fosse inclllfda. Mesmo se respon-

de perguntas sim/nao simplesmente marcanclo alguns sins.

dentes voluntariamente responderem televisao, voce pode nao

Podemos pe rguntar a que tipos de organiza~6es pertencem os

respondentes e providenciar uma Iista de diferentes tipos com

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

ano . Solicitados a informar a idacle do pai, podem observar

que estao relatando a idade clo padras/o Oll a idade do pai

q uando faleceu. Perguntados sobre suas filia~6es a partidO s
polIticos, podem assinalar que eles marcaram 0 partidO aO
qual sao filiados, mas que, em geral, votam independenar
teme nte clesta filiaC;ao; par outro lado, podem assina.l
exatamente 0 contrario: que nao estao filiados a um partIdo
mas geraimente vot3m no partido indicado.

"sim/ nao" ao lado de cada uma. Se os respondentes marcarem

somenre sim em alguns casos, 0 problema consiste em nao
sabermos se as orga n iza~6es ao !ado das quais eles nao marcaram nada sao aquelas as quais eles nao perrencem, ou se
simplesmente eles as pularam inadvenidamente ao percorrer a

Iista. Instru~ao mais explicita (por exemplo, "por favor, responda

a cada u ma") pode aliviar este problema. Se voce estiver parti-

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.

Va ri6nc ia nas Respo stas

.
Uma preocupa~ao primaria na
tl
Ins UI11ento de pesquisa deve ser a

avalia~ao dos testes de um

distribui~ao

clas respostas

provocadas por cada pergunla. As respostas estao distribuidas

mais au menos iguaLnente entre as varias categorias de respOstas
fornecidas au a maioria selecionou as mesmas respostas? A consi_

dera,ao deste aspecto dos resultados dos pre-testes e estudos_

piloto, apesar de essencial, depende dos objetivos do eSludo e
clas questoes especificas.
Se a pergunta for feita para medir a informa,ao fatual
que permita uma avalia,ao independente (per exemplo, pedir
a estudantes que informem suus medias escolares, quando voce
conhece a distribui,ao da popula,ao), entao as resposlas aos
testes-piloto dao uma dica da clareza da pergunta e/ou da honesticlade dos respondentes (e claro, supondo que os dados do
teste sejam ti rados de uma amostra represent3riva).

. s novos pesquisadores gastam muito tempo tentando

1tO
I11U . Ir precisamenre conceltos
.como
"re I
IglOSId acIe " , para
f
de 111
. ."
I""

. definirem 0 que constltUI a pessoa re IglOS3 .

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
'
.

per01i tindo fa lar aproximadamente de pessoas mats ou mellDS

religiosas. (0 mesmo

e v:rdade

sobre conceitos como sta:us

social, Iiberalismo, aliena~ao, conhecllnento etc.) Conceltua~oes

sao "(Ireis" na medida em que nos ajuciam a

en tender os clados

e01piricos e facilitam a constru~ao de teorias coerentes.

Para explicar pOl' que algumas pessoas sao mais religiosas

Se uma pergunta for, tal como recligida, intrinsecamente

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,

Enrreranro, em pesquisa social, estamos mais interessados

nas relap5es entre as variiiveis. Queremos saber por que
algumas pessoas sao favornveis a urn produto e outras nao.

que outras,

e p reciso definir e mediI' religiosiclac~e de. 1:1odo a

pennitir classifica r alguns respondentes como mals religlosos e

outros com o menos religiosos, mesmo se este metodo de
cla ss ifi ca~ao nao coinciclir compietamente com sua cren~a

pessoal sobre 0 que e, definitivamenrc, ulna "pessoa religiosa".

Se voce quisel' explicar a variancia, cleve tentar maxirniL1.-la
entre os respondentes. Numa pergunta com respostas dicotami cas, rente obter uma distribui~ao meio a meio das
resp osms. N uma pergunta com mais alternarivas de respostas,

Queremos saber por que algumas pessoas sao conservadoras e

procure uma distribui,iio igual. lsso Ihe dani maior potencial

Olltras nao. Se nao hOllver varia~ao nas resposras dadas a uma

para a a nalise posterior. Entao, ao avaliar os resultados clo

pergunta, nao seremos capazcs cle explicar as respostas. Nao

podemos cxplicar as diferen,as que nao aparecem na coleta de
dados.

varianci a prod u zicla par certas perguntas. Vejamos algumas

pre-teste ou do estudo-pi loto, voce pode querer manipular a

sugestoes para obter a variancia clesejacla.

Procuranclo rela~6es entre variaveis, a pane mais interessante cia pesquisa social,

c preciso obter variflncia

nas resposras.

1. A varifinc ia pode scr manipulada muclando

<l

f:nrase cia

Lembre-se das discussoes anteriores deste livro, onde decla-

pergunta. Por cxemplo, suponha que qucremos eX::Iminar

ramo~ que os dados socia is sao criados, em vez cle coletados

a dedica~ao dos ~l1l1nos ao aspecto de trcino vocacional

de uma educa~ao superior nas artes liberais. Podemos

neutramenre, assim como as discuss6es onde dec1aramos que

conceitos socia is e variiiveis nao existem num scntido absoluto.

pedirlhes que concordem ou discordem cia seguintc

E neste

declara~ao:

sentido que voce precisa eriar vari5.ncia nas respostaS

.: Aprender uma habilidade vocacional

da minha

cduca~ao

e uma

fornecidas pelo instrumento de pesquisa. Se suas questoes

abordando religiosidade sugerem que todo munclo e religioso, e

parte importame

preciso ser mais rigoroso no criteria de religiosiclade, reescre-

posslvel analisarmos as respostas, devido ~l ralr;I de

venda as pergllntas de maneira a empurrar mais respondenres

apostasia. Dizemos isto sem sutilezas, porqlle C um ponto algumaS

vezes dificilmente aceito. Infelizrnente, a literatura tradicional
sabre 0 metoda cientffica criau a cren'Y3 infundacla que os
pesquisaclores devem conceituar as vari:.l.veis e as pasi~oes
nessas variaveis que reflitam mais de pelto a rea/iclade. pOl1anto,

superior." Se quase

todos os alunos num estudopilOlO concordarem, n:1O seria

variancia. A variflncia pode sel' manipulatb "cndurecendo"

declara~ao: "Aprcnder uma habilidade vocacional

parte mais importante da minha

educa~ao

:;uperior."

Devemos esperar que meno:; eSludantcs concordem com

a segunda declara~ao do que com a primcira.

Igualmentc, se a cleclarar;;ao moclificada for perguntatla

num estuclo-piloto

l!

pouquissimos estudantes Con COr-

darem com cIa, podemos considerar muda-Ia para a forma

mais facil.

A v:lriancia nas respostas e um criterio muito importante

liar 0 valor das perguntas. Entretanto, 0 modo de
para ava
riancia depende do proposito da pesquisa ou da
valiar a va
(
.
a
_ S 0 proposito for descrever, pode ser mteressante e
tao
f
q ues . e
. o rtante a~ pou ca( variancia quando a forma da pergunta or
unp , [e adequada
c1aramen
~
( , ou voce pode tomar a, falta de variancia
indicarao de que a pergunta esta mal trabalhada e
col110 uma
'Y

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

2. Alterar a enfase das categorias de rcspostas pode ter 0

mesmo efeito. Suponha que se perguntc, num swveysobrc
saude publica, "Com qual freqUencia voce lava as ffi.1.0S
antes de comer?" e se dessem as seguintes respostas:
"Scmpre, de vez em quando, nunca." Se poucos eu
nenhulll respondente num estudo-piloto disser "semprc",
esta resposta pode ser trocada por "quase semprc".

3. Expandir a lista de caregori::Is de rcspostas quase sempre

aumenla ::I variancia nas

rcspo~Has.

Aumentar as

possibilidades de resposta de "concordo/discordo" para

"concordo fonemente, concordo, discordo, discordo
foftcmentc" quase sempre espalha as res post as. (No
entanto, podemos acabar tendo que cxplic3r a diferenp
entre "concordo fonemente" c "concordo", por I.lm lado,
e "discordo fortemente", par outro.)
De maneira Similar, os respondentes algumas vezes relutam
em escolher lIIna resposla extrema, espcciatmente em itens
atitudinais

Oll

de orientar;;ao. Solicitados a caracterizar suas

orientar;;6es polilicas como "muito liberal", "moderadamente

liberal", "moderadamente conservador" ou "rnuito
conscrvador", rclativ<lmenre poucos cscolhem um dos
extremos. Se os termos "esquerda radical" c "direita radical"

..

forcm acrcscentados aos extremes da lista, espcramos que

mais pessoas selecionarao "muito liberal" e "muito
conservador"; peto menos, mais respondentes selecionarao
"esquerda radical" ou "muito liberal" do que escolheriam
"mui{o liberal" na prime ira lista.

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.

Valida,ao Interne de Itens

Ate agora, discutimos apenas a avaliar;ao independente
de itens individ uais. Os itens [ambem podem ser avaliados
examinado Sllas re lac;:oes com outros itens. Suponha que voce
induiu no estudo-piloto do questionario varios itens que
acredira qu e mer;am "alienac;:ao". Uma fu nc;:ao da avaliar;ao do
estudo-piloto e determinar se cada item serve a esse proposito.
Se [odos os ite ns de fato medirem a mesma disposi~ao nos
respondentes, as respostas a um item devem se correlacionar
com as respostas a outl"OS.
Tipicame nte, todos ou a maioria dos itens concebidos
para medir uma varia vel se relacionam empiricamente uns aos
outros, mas a forr;a das relar;oes varia entre as pares de itens.
Se um item fo r muito fracamente relacionado aos outros, voce
pode conduir que ele nao mede de fato a varia vel e tira-Io do
questionario. (A possibilidade de ele ser 0 unico item que mede
a variavel e um dos problemas com os quais os pesquisadores
precisam ap render a viver.) No entanto, voce nao deve abandonar auto maticamente todos os itens desse tipo. E posslvel
deciclir substantivamente que 0 item em questao representa uma
dimensao um pouco diferente da variavei, nao relacionado
empiricamente mas conceitualmente imporrante, ou decidir que
a falta de relar;ao e descritivamente interessante e desejar replicar
as descobertas no SlI rvey final.
.
No extremo oposto, uma correlac;:ao muito alta entre dois
Itens pode sugerir que e ciesnecessario incJuir os dois no

queStionario fi nal. Elitninar um ou mais itens reclundantes economiZe'l esp

._
aCo q ue pode ser usado para Hens que nao foram
Considerad
os no estudo-piloto do questionario.

Avolio,ao do Analise e do Relot6rio

Resumo

A avaliatio do estudo-piloto se baseia, em (Iltima inst.:~ncia

nos mesmos crirerios de

avalia~ao

de um projero de

pesqUi;~

encerrado - sua capaciclacle de contar uma hist6ria (Itil e

interessante. Embora os comenrarios anteriores apontem alguns

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.

criterios avaliarivQs espedficos, a criu!rio c1estes

Os problemas de redar;ao de perguntas, formato, vari-

o fadio.
A boa pesquisa de survey e, quase sempre, muito onerosa

e gasta mllito tempo; pre-testes e estudos-piloto mente bans estuclos-piloto -

especial-

parecem acrescentar mais tempo e

ancia, validade e relac;ao emre itens sao, em ultima instancia,

custo. Como a pesqllisa de survey (especialmente surveys por

avaliados em termos das disfun,oes que trazem para 0 fio da

historia. So uma analise e um relatorio completos podem determinar isso. Voce cleve executar codas as era pas programaclas cia

entrevistas)

ana lise, constrw;ao de rabelas, indices, escaias, fatores, corre-

manter seus entrevistadores, cod ificadores, digitadores e outros

esperando varios meses au anos enquanto voce faz extensas

la,oes, regressoes etc., e explicar suas descobertas. Repito: este

e0

unico metoda adequado para avaliar os resultados do

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-

ram na analise do survey fin al. 5e sua hipotese basica de

pesquisa nao for apoiada pelos dados do estudo-piloto, voce
cleve analisar estes c1aclos da maneira mais minuciosa passivel,

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

todas essas perguntas, a analise do estudo-piloto deve dar-Ihe

pistas sobre 0 que sera examinado no survey final. Pelo menos,
as descobertas do esrudo-piloto devem dar-Ihe tempo para moderar suas declara~oes sobre a hipotese durante 0 almo,o nO
restaurante lIniversitario. (Voce pode talnbem retirar sua oferta

de apresentar um trabalho na reuniao profissional anual.)

Terminemos 0 capitulo de modo realista . Embora os

_
s e estudOs-piloto descritos aqui 0 levem certamente a
.
..
..
P re-testea pesquisa de slIrvey matS
proftsstonal e matS vahosa,
fazer um,
OS se e que algum, surveys passados podem ser dad os
pouc e'xemplos das regras e diretrizes discutidas. Voce deve
como
.
_
hecer as razoes de pesqUisadores no passado nao terem
;on en1 geral, uso adequado dos pre-testes e esrudos-piloto e
I~~
por que os pesquisadores futllros provavelmente tambem nao

muito trabalho-intensiva,

pesquisador de

swvrydeve sempre Iidar com 0 problema do gerenciamento de

pessoal. Pode ser impossivel fazer um bom estudo-piloto e

analises de estudos-piloto. E bem provavel que

or,amento e

a tempo nao pem1iram muiros pre-testes e um born estudo-piloto.

Tambem , questoes, atitucles, molduras de amostragem etc .

podem mudar bastante entre 0 estlldo-piloto e 0 survey final

atrasado. Estas sao apenas algumas das razoes por que pretestes e estudos-piloto nao sao usados atualmente de forma
adequada e provavelmente nao 0 serao em todo seu potencial
no futuro.
Ao mesmo tempo, estas restri~oes aincla permitem urn

usa melhor destes me todos do que e feito norma lmente, e as

seguintes sugestoes devem ser consideradas. Primeiro, 0 preteste cleve ser um processo continuo, em multiplos estagios,

durante 0 desen ho da pesquisa, como foi dito . Nao pense em

termos de fazer 0 pre-teste como urn ritual de pesquisa, mas,
em vez disso , use cada oportunidade para pre-testar cada

aspecto do desenho do estudo sob quaisquer condi,oes de

teste diSponfveis.
d

Segundo, se 0 tempo for insuficiente para uma analise

. etalhada dos resultados do esrudo-piloto antes da revisao e

:~ressao do questionario final, consiclere os seguintes passos.

d SSlm que os questionarios do estudo-piloto come91rem a chegar,
r evem ser codificados e entrados. Nao espere ate que todos
etornem. Come~ar imediatamente pode apontar dificulclacles

no processamento que podem ser modificadas promamente.

ASSin1 que um lore substancial de questionarios, digamos lIns

cem ou mais, tiver sido processado, comece \.Ima analise iniCial.

As distribui,:<'jes marginais devem ser feitas imediatamente para

permitir lima avaliat;ao iniciai dos itens inclivicluais. Estas cooclus6es tenrativas podem ser verificadas mais sllbsranciaimeme

Analise da Pesquisa de Survey

a medida

que novos lotes de question{lrios do estudo-piloto

fiquem disponiveis.

CAPiTULO13
lOGICA OA MOI(Ao OA ASSOCIA(AO

Assim que Uln n(lmero suficiente de questionarios for

processado, cleve-se iniciar uma analise explicativa mais cletaIhadaj tambem se cleve fazer isro com arquivos de dados parciais.
Se nao for possivel fazer uma analise exaustiva antes c10s prazos
finais para revisar e imprimir 0 quesrionario definitivo, a amllise
do estudo-piloto nao cleve terminar quando 0 questionario
revisto for manclaclo para a impressao. Se 0 desenho cia amostra

CAPilUlO 14
CONSIRUINOO COMPRHNONOO IAWAS
m ilUlO 15
o MOOHO O HABO RA(AO

metodo de coleta de dados liver sido organizado com antece-

den cia suficiente, a impressao do questiom'irio final em gerallhe

daffl um dos poucos "pontos mottos" no cronograma do projeto.

Esre tempo pode ser lIsacio provei[Qsamenre para uma analise

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

Tendo notado que os procedimentos ideais delineados

milUlO 18
o RHAlORIO OA PSQUISA O SURVEY

neste capitulo nao podem ser seguic10s religiosamente, c1evemos

enfatizar 0 valor de se aclerir a eles 0 maximo possive!.
Tentei sugerir cliretrizes e procec1 imentos para fazer e avaliar

pre-testes e estudos-pilota na pesquisa de survey. Como este

topieo recebeu pOllca ou nenhuma aten~ao na literarura previa

sobre pesquisa,

presente trabalho deve ser vista

com~

fragmentario e tentativo. Este esfor~o inicial sed (Hil are

fu turos escritores melhorarem esse quadro com reiarorioS
de suas proprias experiencias.

A Parte 4 trata de varios topicos da analise dos dados

de Sl/Ivey . Nos proximos capitu los, pegaremos a pcsquisa
no POnto onde voce ja tem sells arquivos de dados computaclorizados, para discutir as passos a clar ate a publicat;ao das
suas descobertas.

o Ca pit ulo 13, que discute a logica da medi~ao e da

assOci a~ao, d a continuidade aos Capitulos 7 e 8. Nos
~~ncentr~m~s~

de novo, no Significado das respostas a itens

qu es tl onan o de su.rvey, com respeito ao uso clesras respastas como indi cadores de variaveis como religiosiclade,
~reconCe ito, alienat;ao etc. Mas, desta vez, examinamos este
ema
a
. cia pon to de vista empirico, enquanto a discussao
ntenor se I
. . .as maOlpu
. I at;oes
"
lffittou
conCeItu3
1S.

mata anaifrico, mas Ihe damos atene;ao especial, como base

para compreender a 16gica clas analises de slIlvey. A discussiio

com a analise univariada. depois passa para a analise
bivariacla e para analises I11uitivariacias mais elaboraclas. Neste
processo, passamos da 16gica da descri~ao para a 16gica da
explica~ao. A leilura clesle capitulo deve Ihe permitir Construir tabelas cle contingencia a partir dos seus pr6prios dados
de slIrveye compreencler as tabelas construidas e publicadas
por outros pesquisadores.
come~a

A chave da Pane 4 e 0 Capitulo 15, que discute 0 mOdelo

de elabora(:clo, aode examinamos a 16gica basica cia explicae;ao
cientifica no contexto do su ruey. ilasicamente, buscamos com-

preender as relae;oes empfricas entre duns variaveis atraves cia

introdu~o controlada de variaveis adicionais. Por exemplo, venda

que as mulheres de c1asse baixa sao mais religiosas que as de

classe alta, examinamos como a manipulae;ao de variaveis ad i-

cionais pode esclarecer melhor

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

uma visao gera l das estatisticas mais comuns,

nao para oferecer uma explica~ao completa das compll{a~oes

destas esta tisticas (va ri os excelentes textos de estatfstica
fazem isso), mas para sjtua-las na logica cia am1.lise, tal como
c1iscuticla em toclo 0 livr~. A este respeito, e clada aten~ao
especial a testes de signifidincia estatfstica que parecem
ara lhos ~envenientes para a compreensao.
Como c1isse, examinamos primariamente a amI lise de

survey atraves cle tabelas de contingenc ia, porque acredito

que assim se ve mais claramente a 16gica cia analise. Ao mesmo
tempo, outros modos cle analise, mais complexos, tern mais
potencial explicativo e sao mais apropriados em muitaS situ a-

~6es. Varios desses metodos sao discuticlos de maneira geral

no Capftulo 17. Nao tentei escrever lim Iivro de receitas, mas
espero ter conseguiclo situar esses metoclos dentro cia mesm a

16gica que informa a discussao das tabelas de contingencia.

Espero que voce termine essa leitura com uma compreensaO
geral (las restri~6es e potendais destes metoclos e possa aproveiwr
Oller-OS

o Ca PilUlo 18 desenvolve um t6pico que recebe rela-

Capitulo 14 aborda a 16gica das labelas de Conlin_

gencia. Alguns pesquisadores consideram fuclimentar este fOr_

textos relevantes para emprega-los de modo apropriado.

ouca alen\,aO -

relat6rio das descobertas do

. '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

instrum ento, convem reto rnarmos

imagem tradicional do
metoda cientffico. ] a criticamos essa imagem, usanda lim exemplo

de survey; exa mi ne m os agora, esquematicamente, a imagem

tradicional e , cie pois, uma in1agen1 alternativa, mais correta, cia
ciencia na pratica. A seguir, consicleraremos a noc;ao de Paul
Lazarsfeld sobre a "ime rpermutabilidade de ind ices".

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

1. Constru~ao cia teoria

2. Deriva~ao de hip6teses te6ricns

3. Operacionalizac;ao de concciLOs
4. Coleta de c1ados ernpiricos
5. Teste empfrico de hip6tes~s

Antes de refutar esta perspectiva traclicional, vamos

examina-Ia mel ha l'.

Elementos do Modelo Trodicionol

Construr,;iio da Teoria. Face a um aspecto interessante clo
munclo natural ou social, 0 cientista suposrameme deduz uma

teo ria abstrata para clescreve-Io. Supoe-se que este exercicio

Teste Emp frico de Hipoteses. Ap6s coletar os dados, 0

l eo teste estatfstico da hip6tese. Voce determina
aS SD f lna
_
p .. camente se os jovens com adultos que nao trabalham em
tnplfl
. .
e
em meno r probabilidade de serem presos por atos cnmlcasal clo que oS que nao
.,
cli
A

ten1 esses autos.

con f
Irma~ao au
nosos
"
. ,

d
.
~ nad io da hipotese empmca e entao usa a para aceltar
descOOilrI

c~,

Ou rejeitar a hip6tese te6nca.

puramente 16gico. Suponha que voce esteja interessado em

comportamento clesviante. Voce constroi, baseado na teoria
socioi6gica existente, uma [eo ria do comportamento desviante.
Entre ourras coisas, essa teoria inclui lima variedade de conceitos
relevantes as causns do comporramenro desviante.

Deriuar,;cio das Hlpoteses Teoricas. Com base na sua tcoria

geral do comportamento desviante, voce, supostamente, deriva
hipoteses relacionanclo os varios co nceitos que formam a
teoria. Este e, tambem, um procedimcnto puramente 16gico.
No exemplo acima, suponha que voce cierive, !ogicamenre, a
hip6tese cle que a clelinqliencia juvenil uma fun~ao cia supervisao. Especificamente: a medida que aumenta a supervisao,
diminu i a cielinqi..iencia juvenil.

Operaciona/izar,;cio de COl1ceitos. 0 pr6ximo passo na

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-

Iizar 0 conceito "juven il " como pessoas com menos de dezoito

anos cle iclacle, "delinqliencia" como ter sido preso por um ato

Umo hprmnto,ao Esquematico

e mostracla

A in1agem tradicional cia ciencia

de modo

esquematico na Figura 13-1. Voce come~a com um interesse

articular sobre 0 mu ndo, cria uma teo ria gera l sobre ele e usa a

~eoria dedutiva para gerar uma hip6tese sobre a associa~ao entre

cluos variave is. Esta hip6tese e representada na forma Y ~ j(X).

Esta expressao e Iicla "Y e uma flln~ao de X", significando que os
valores de Y sao cleterminados ou causaclos por valores de X.
No nosSO exemplo, delinqliencia (Y) e uma fun~ao de sllpervisao
(X). A seguir, voce o peracionaliza as duas variaveis especificanclo
medidas empiricas para representa-I as no mundo real, coleta

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

criminoso, e "supervisao" como a presen):a de um adulto em

casa, nao trabalhando.

efeito da operacionaliza~ao

e converter a

hip6tese

teorica em empirica . No caso, a hip6tese empirica seria a

segu inte: entre as pessoas com menos cle dezoito anos de
idade, as que moram em casa com um adulto que nao rrabalha
tem menor probabilidade de serem presas por aros criminoSoS

Hip6tese

clo que as scm um adulto nao trabalhando em casa.

Co/eta de Dados E111piricos. Baseado na operacionaliza~o

dos conceitos te6ricos, voce coleta dados reiacionados aos

inclicadores empiricos. No nosso exempio, voce pocle fazer um
Sll 'v~y com pessoas com menos de dezoito anos de idacle. Entre
outras coisas, 0 qllestionario pergunraria a cada uma se ela mora
em casa com um aclllito que nao trabalha e se ja foi presa por
cometer lim aro criminoso.

fiX)

,1-,-"-

((x)

. . . . . - . . {Teste de hlp6lese]

Dois Problemas Bosieos

Esta descri~ao da visao tradicional do metodo ciemifico
pode convence-Io de que pesquisa cientifica e uma atividade
rotineira. Tudo a que e preciso fazer e seguir religiosamente as
passos 1 a 5 e se tera descoberto a verdade.
Infelizmente, a pesquisa cientifica e 0 munclo empfrico
que estudamos nao sao tao nitidos. A visao tradicional do
metoda nao representa 0 que realmente acontece na pesquisa
cientffica - social ou outra. Dois problemas basicos impedem
que 0 sonho se tome realidade.
Primeiro, conceitos te6ricos raramente pennitem operacionalizar;aes nao-ambfgu3s. Conceitos sao abscrntos e genericos,
enquanto a especifjca~ao de indicadores empiricos se faz por
aproximar;ao. No exemplo dado, e improvaveJ que a vari<lvel
"supervisao" seja representada adequadameme pela presen~
de um adulto que nao trabalha em casa. A simples presenp
deste adulto nao garante a supervisao de um jovem e, em algumas
casas sem tal adulto, pode haver outros modos de faze-Ia.
Igualmente, ser presQ

pOl'

um ato criminoso

nao e 0

mesmo

que 0 conceito abstrato de "delinqliencia". Alguns jovens

podem ter comportamento delinquente sem serem presos.
Outros poclem ser presos erradamente. Alem disso, a especifica~o
de "juven il " como uma pessoa abaixo de dezoito anos de
idade e arbitr'ria. Outras especifjca~6es podem ser feitas e
provavelmente nenhuma seria nao-ambiguamente correra.
Aiem elissa, na~ basta clizer que deviamos ter especificado
"melhores" indicadores dos conceitos. Conceitos te6ricos quase
nunca tem indicadores perfeitos. Todo indicador empirico tem
defsilos; todos podem ser melhorados e a busca de melhores
inclicaclores e infinit::l.
Segundo, as associa):oes empiricas entre as variaveis
quase nunca sao perfeitas. Se todos os jovens com adultos nao
trabalhando em casa nunca tivessem sido presos e todos os
sem tal aclulto tivessem sido presos, podfamos concluir que a
hip6tese foi confinnada. Se os dois grupos tivessem exatamente
mesmo numero de presos, a rejeitariamos. Contuc!o, nenhUIll3
c1as alternativas e provavel, na pratica. Quase toclas as variaveis sao empiricamente relacionadas entre si "em algum grau".
Especificar 0 "gra u" que represcnta a aceita ~ao cia hip6tese e 0
"grau" que representa sua rejei):ao e arbilrario. (Veja no CapItulo
16 a discussao de testes de significa~ao eS(atfstica.)

Na realiclacie, usamos inclicadores aproximaclos clos

nceitoS te6ricos para descobrir associa~oes parciais. Estes
c~obleJ11as conspiram entre si contra voce. Suponha que voce
~specifjque um grau de associa~ao para a aceita~ao cia hip6tese
e a analise empirica nao 0 atinge. Naruralmente, voce se perguntara se indicadores diferentes dos conceitos podiam ter resultado
no grau especificado de associa~ao.
fiz estes comentarios para indicar que a visao tradicionaI
do metodo cientffico nao e apropriacla a pesquisa na pratica.
Niio se faz pesquisa seguindo obstinadamente 0 caminho entre
os passos 1 e 5. Isto nao deve desanima-Io, contudo, e sim
desafia-Io. Nao deve ser considerado como nega~ao da possibilidade cia pesquisa cientffica, mas como base para a pesquisa
esclarecicla, realmente cientffica.
Mecli~ao e associa~ao sao conceitos inter-relacionados
que devem ser trabalhados 16gica e simu ltaneamente. Em vez
de dar ordenadamente uma serie de passos fix~s, voce deve
dar estes passos para frente e para tras, incessantemente. Suas
constru ~6es te6ricas sao, muitas vezes, feitas em torno de associa~oes previamente observadas entre indicaclores elnpfricos,
constru~6es te6ricas parciais podem sugerir 0 exame de novos
dados empiricos, e assim par c1iante. Espera-se que ap6s cada
atividade voce entenda um pouco melhor 0 tema do seu interesse. E raro 0 "experimento crftico" que determina cle uma vez
por todas 0 destino de toda uma teoria.

Portanto, a pesquisa cientifica e uma empreirada sem

fim, visando 0 entenciimenro de algum fen6meno. Para isso,
voce mede e examina associa~oes, sempre consciente da natureza das suas inter-rela ~oes. As se~6es seguintes explicam
melhor a natureza dessas inter-rela~oes .

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

razoes para acreditar que alguns possfveis inclicadores sao

Inelhores do que outcas, eles sao essencialmente interc30l_
biaveis. Porranro enfrentamos 0 dilema de quais inclicado res
usar no teste da hip6tesc Y = 10<).
l

A solu~ao para 0 clilema e lISlf todos as inclicadores

Assim, testamos as hip6teses empiricas: y = I(Y), y = 1(>:), y ~
j(x) etc. Em vez de ref um teste para a hip6tese, remos varias
como indicaclo esquematicamente na Figura 13-2.

FIGURh 13-2
intercombiol idode
de indices
Y =

f(X)

'

Surge um novo dilema. Se 0 cientista que segue a visao

tradicional do metodo enfrenta 0 problema da unica associa~ao
empfrica raivez na~ ser perfeira, 0 cientista que usa este metoda
esta diante de varias associa~6es empfricas, nenhuma das quais
perfeira, algumas delas podenclo emrar em conflito com oU[ras.
Ponanto, mesmo havenclo especificaclo lim grau de associ-

I
I
I
I
I

?
?
?
?
?

UxJ
Ux,)
Ux}
Ux';
f (x,)

a~ao como suficiente para confirmar a hip6tese, talvez voce

descubra que os testes usanda x" X3 e ').'5 satisfazem 0 criteria
especificado, mas os testes usando x] e x 4 nao. Como resolve r
este clilema'

Nos termos cia no~ao da "intercambiabiliclacle cle indices" ,

a hip6tese te6rica e aceir(l como uma proposi~ao gerai se for
confirmada por todos os testes empfricos especificos. Se , pOl'
exemplo, a clelinqliencia juvcnil for uma fun~ao cia sllpervisao,
no senrido geral deste conceito, e la cleve esra r relacionacla
empiricamente a todo indicador empirico de supervisao.
Se, no entanto, 0 cientista descobrir que somente certos
inclicaclores cia supervisao se relacionam ~l delinqijencia juvenil,
entao os tipos de supervisao aos quais a proposi~ao se aplica
foram especificados. Na pratica, isro pode ajudar a reconceituar
"superVtsflO" em rermos mais gerais. Ta!vez, pOl' exemplo, a
d elinquencia juvenil seja uma fun ~ao de restrip)es estruturais, e
alguns tipos de supervisao sejam inclicadores destas restri~6es e
o utros nao.

E imporrante entender

que se alcan<;a atraves deste

processo. Em vez de testa I' rorineiramente uma hip6tese fixa,
relacionando supervisao a delinqi.it~ncia, voce ganha uma
compreensao mais abrangente cia natureza da associa~ao. Mas
este feiro s6 e significativo se virmos 0 objerivo cia ciencia Colll O
compreensao crescente, em vez de somcnte constl'uir teorias e
restar hip6teses.
0

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,

As cliscussoes deste capitulo sugerem lima rea~ao um

POll co diferente as
- (Iesco b ertas cia pesquisa. Perguntanclo como
Ortodoxia e
.preconcelto estao associ ados entre si em vez de
perguntar se ele
-.
;'
x'
s estao assoclaclos, conclu uTIos que a onodola medicla pel os me
. I'IcaeIores de Glock e Stark (cren~a em Deus
Jesus m'lI agres, e coisas assim) est5 positivamente associada

ao preconceito, enquanto a ortodoxia meclicla como compromisso

com as nomlas de amor fratemo e igualclade est5. negativamente
associada a preconcei[Q. Ambas conclusoes estao empiricamente

corretas, apesar de nenhuma cleJas responcler

'I pergunta geral,

se religifro e precanceito estao relacionaclos entre si.

E claro

que 0 passo final e avaliar a utiliclacle relativa

clas conclusoes. 0 achaclo de que ortocloxia e preconceito
estaa negativamente associaclos provavelmente seria descar_

taclo como tautol6gico ou trivial. (E claro que a meclicla da

ortocloxia em termos cle amor fraterno e cle igualdacle pode
ser muito uti! em algum outro contexto.)

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.

Tentei proporcionar-lhe, a este respeita, melhor coo1-

preensao da empresa cientifica. 0 capitulo come,ou revenclo

o ciiscurso trad icional de manual sobre 0 metoda cientifico,
indicando que esta visao nao reflete com exaticlao a pesquisa
cientffica na pratica. No l ugar cia perspectiva tradicional,
tentei oferecer um modele alternativo, que acrecliro ser mais
uti l nas atividades de pesquisa reais.
Minha motiva~ao para aborc!ar essa questao vem cia

observa,iio clas dificulclacles cle pesquisaclores inexperientes,

que aceitam a perspectiva tradicional como um quadro
verdadeiro de como cientistas "reais" trabalham, resulrando
em profu.ndo desapontamento com a pr6pria pesquisa. Nao
quero dizer que a pesquisa cienrifica e clescuidada au "naocientifica", apenas que ela nao e rotineira. 0 cientista

e bem

diferente clo tecnico.

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.

Le itu ras ~di(ionais

bserving Ourselves. Essays in Social Research.
BBIE Ear I. O
BA BeIrna,
' nt CA-. Wadsworth, 1986.

paul problems in Methoclology. In, MERTON,

ELD, ' .
.
k
Robert 1<. (Eel.). Sociology Today. New York BasIC Boo 'S,

, 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-

dades da ana lise multiyariada. 0 termo se refere ao exame

simultft neo de diversas variaveis. A analise das associa~6es
simultflneas entre ida de, escolaridacle e preconceito
exemplo de a nal ise mu ltiyariada.

A anali se multivariacfa nao

e lima

um

forma espedfica de

analise; tecnicas espedficas para fazer analise mulrivariada

inclu em analise fa rorial, analise do menor espa~o, correlacao

multi pia, reg ressao m(iltipla e a nalise de trajet6ria [path

analysis], entre outras. A 16gica basica cia analise multivariada pode ser mais bem-estudada aUa yeS de tabelas simp les,
chamadas tabelas de cOI1tingencia au tabula~oes cruzacfas.
Ponamo, este capitulo debrup-se sobre a constru,ao e a
compreensao dessas tabelas. Alem elisso, a amllise multivariada
nno pode ser tota lmente compreendida sem a compreensao
fmne de do is modos analfticos ainda mais fundamentais, analise

u~ivariada

e analise bivariada. Portanto, 0 grosso c1este capitulo

d,scute estes modos analfticos.

Analise Univa ri ada

d

lSC lI Ssa

dad

AncHise ttniuariada 0 exame da

varia vel de cada vez,

d ~ apenas li ma

distribui~ao de casos

Come~aremos

nossa

o. com a 16gica e os formatas para a analise dos

as llnlvariados.

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

de :ada caso estudado na variavel em questiio. Suponha que

voce esteJa snteressado nas idades de executivos pesquisados

Umo ilusfro(oo de onal ise univoriodo

~od" de fxerulivo s de Empresos (Hipol,lito.)

9%

~b"iXO de 35

num estuclo sabre praticas empresariais. A mane'lr"

.
,
,,111a1S

21

direta de relatar "' idades dos executivos seria lista-las: 63

57,49, 62, 80, 72, 55 etc. Apesar desta lista dar ao leitor o~

46-55

c1ados 111ais detalhados, ela seria complicada ciemais para

a maioria dos prop6sitos. Poderfamos distribuir os c1ados

56-65

45
19

de maneira mais administ ravel sem perder qualquer detalhe

re latando que cinco exec utivos tem 38 anos de idadc, set~
tem 39, dezoilO tem 40, e assim por diante. Tal Formato
impediria a duplica,iio de dados nesta varia vel.

660ll mais

Um formato ainda mais administravel, com alguma perela

Sem dados

6
100 % = (433)
(18)

de c1etalhe, seria relatar as iclades dos executivos como margi-

"ais, que sao dislriblli,oes dejreqiiencias de dados agrupados:

246 executivos com menos de 45 anos, 517 entre 45 e 50 anos,
e assim por diante. Neste caso) 0 feitor teria menos clados pa ra

examinar e interpretar mas nao seria capaz de reproduzir com-

pI eta mente as idades originais dos executivos. Por exemplo, a

leitor nao teria como saber quantos deles tinham 41 anos.

o exen1plo anterior apresentou os marginais na forma

de nllmeros brutos. Uma forma alternativa seria

LIsa de

porcenlagellS. Por exemplo, voce pode relatar que x% dos

executivos tem menos de 45 anos, y% estao entre 45 e 50 etc.
(veja a Tabela 14-0. Freqlientemente, voce precisa decidi r
qual sera a base a partir cia qual compu tar a porcentagem,
ou seja, 0 numero que rep resenta 100%. Nos exemplos mais
diretos, a base e 0 ntimero total de casos esrudados. Entretanto, temos problemas sempre que faltarem dados para
alguns casos. Por exemplo, su ponha um survey no qual os
respondentes devem informar a idade. Se alguns nao responderem essa pergunta, h5 duas alternativas. Primeira, basear
as porcentagens sobre 0 nllmero ro(al de respondenres,

relatando os que nao respondem como porcentagcns do towl.

Segunda, usar 0 numero de pessoas que responderaOl a
pergunca como a base sobre a qual compurar as porcentag ens .
Oeve-se relatar 0 nlilnero clos que nao responcieram, mas
es tes nao figuram nas porcenragcns.

A escolha da base depende inte iramente do proposito

cia analise. Se es te for comparar a clistribui ~ao eta ria cia amos tra
com dad os comparaveis da popula,ao da qual foi rimda a
amastra, provavelmente deve-se omi rir cia computa~ao os

"sem resposta ". A melhor estimariva da distribui,ao eta ria de

todos os respondentes e a distribui,ao dos que responcleram a pergunra . Como "sem resposta" nao

e lima categoria

eta ria significativa, sua presen~a entre as caregori as cle base

co~funde a compara,ao dos numeros da amostra e da popula,ao. (Veja 0 exemplo da Tabela 14-1.)

TendencioCentral
Aiem de infonnar os marginais, voce pode apresentar os

cia dos na fonna d

e me,'d'leIS resumidas ou mecliclas de tendencia
cen./ral. Suas
~
, op~oes sao a mocla (0 atributo mais freqliente
agrupado o u '
nao agrupaclo), a m.edia aritmetica e a mediana
'b
(
o atrj uto d
.
'"
_
vad)
. 0 melo na clistnbul\,,'O ordenacla dos atributos obseros . VCJamos como as ues meclidas sao calculaclas.

ent Suponha que voce estii fazendo um esrudo-piloto que

reVlste ad 1
. .
13 a 19
0 escentes, cups tdacles, na sua amostra, variam de
anos.

Idad.

Numero

13

14

15

FIGUR6 14-1
Ire, "Media,"
Idade
13

~H

14

HH

16

17

15

18

16

19

17

18
19

Tendo Iistado as idades dos 31 respondentes, qual VOce

diria e a idade cleles em gent!, au '" na media"? Hit tres cliferentes
maneiras de responder esta pergunta.
A meclida mais filcil de calcular e a moda, 0 valor mais
freqiiente. Como se ve na Iista, h;\ mais pessoas com 16 anos

(oito) do que com qualquer Olltra idade, de forma que a idade

modal I' 16, como indicado na Figu ra 14-1.
A Figu ra 14-1 tambem mostra a calculo da media, que
envolve tres passos: (1) Multiplique cada iclade pelo numero
de entrevistados com esta idade, (2) some os resultados destas
multiplica~6es e (3) divida 0 total pelo nllmero de entrev istados. Como se ve, a idade media neste exemplo e 15,87.

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

rlamos por 0$ 31 entrevistaclos em ordem de idade, e a medi-

goria "13 anos de idade", par exemplo.

~HH~
~~~~H~~
~H~

16

Idade

dos agrupados", no senti elo em que (reS pessoas que nao

[em precisamente a mesma idade foram agrupadas na cate-

Mais frequente

HHH

acima dele e metacle abaixo. Se tivessemos a exafa idacle de

cada e ntre;istado (par exemp lo, 17 anos e 124 dias), pode-

Mas nao sabemos as idacles exatas; nossos dados sao "da -

Modo; 16

15

A mediana represenru 0 valor "c1o meio"; metacle esta

ana para rodo 0 grupo seria a idade do enrrevistado do meio.

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

A Figura 14-1 exemplifica a 16gica do calculo da mediana

para dados agrupados. Como ha 31 entrevistados, 0 entrevistado
"clo meio" seria 0 numero 16 se eles forem ordenados por
idadej quinze seriam mais jovens e quinze mais velhos. Na pane
de baixo cia Figura 14-1, voce ve que a pessoa clo meio e lima

e que sua taxa de mO/taliclacle infantil foi quase quatro

do f atO d
_
"a
ior que ados Estaclos Uniclos em 1988. 0 alto
PIB
vez e~ I ,~
.
'/a
dos
Emirados
Ambes
reflete
a
enorme
petro-nqueza
per cap , I
de pouco s .

clas oito com 16 anos de iclade. Na amplia~ao clo grupo, vemos

que 0 nllInero 16 e 0 terceiro cia esquerda para a direita.
Nao sa be mas as idacles exatas dos entrevistados deste
grupo; a conven~ao est3rfsrica em tais caSas

e presumir

que

eles estejam clistribuidos igualmente ao longo cia extensao clo

grupe. Neste caso, as

pass[veis idacles dos entrevistaclos

variam

cle 16 anos e zero dias a 16 anos e 364 clias. Falando de maneira

mais rigorosa, a amplitude e de 364/365 anos. Na pratica, basta
chamar isso de lim ana.

Se os oito entrevistaclos deste grupo estivessem igualmente c1istribufdos de lim extrema ao olltro, estariam com um

oitavo cle ana de

diferen~a

um intervalo cle 0,125-ano. 0

Disperse o
As medidas de rendencia central oferecem a vanragem de
'r
reeIUZ1 os clados brutos a uma fonlla mais manejflvel. Um linico

, ero (ou atributo) pode representar todos os claclos deta-

nll ll1

Ihades coletadoS sabre uma varia vel. Esta vanta gem rem um custo,
orque 0 leitor nao poded reconsrruir os clados originais a

~artir cia media, Oll

mediana .. Esta

cles~anragem pO.de se~ mais

OLI menos compensada pela 1l1forma~ao sobre a dlspersao clas

respostas. A medici a ma is simples da dispersao e a amplitude
_ a distflncia que separa 0 valor mais alto do mais baixo. Assim,
ah~m de informar que nossos entrevistados rem uma idade media

havera caso no meio, e claro. Nesta si{ua~ao, voce calcula a

media dos dois valores que 0 cercam. Suponha, por exemple,

de 15,87 anos, tambi'm podemos infomlar que suas idades variam

de 13 a 19. Uma meclida LIm POLICO mais sofisticacla de clispersao
e 0 desvio padrao. A 16gica clessa medicla foi cliscuticla no
Capirulo 5, ao descrever 0 elTO paclma cia distriblli~o amostral.
Ha varias outms meclidas cia clispersao, como por exemplo
o desvio quar1t1ico (ou amplitude semi-ill/erqum1l7ica). Um qualtil
representa um quarto clos casos estudaclos. Por exemplo, se
estivermos estuclanclo QI, 0 primeiro quartil seria composto
pelos individuos com os QIs mais altos, 0 quarto quartil com
aqueles com os QIs mais baoms. 0 desvio qualtilico e a metacle cia
distancia e ntre 0 fim clo primeiro qua rtil e 0 come,o do quarto
quartil. Se 0 quartil ma is alto tiver QIs varianclo de 120 a 150, e
o mais baixo tiver valores inclo cle 60 a 90, 0 clesvio quarrflico
sera (1 20-90)/2 ~ 15.

quellOuvesse mais um adolescente de 19 anos. 0 ponto do

Veja que, ja que os quatro quartis sao de mesmo tama-

rneio entao cairia entre os nlimeros 16 e 17. A media, neste

nho, 0 primeiro e segundo quartis tem metade das pessoas com

os valores mais altos, e 0 terceiro e quarto, a merade das pessoas
com as valores mais baixos. Assim, 0 ponto media entre 0

exemplo mostra que, se colocarmos 0 primeiro emrevistado oa

meta de do intervalo a paltir clo limite inferior e acrescentarmos

lim intervalo completo idade de cada entrevistaclo seguime, 0

llitimo entrevistado estara 'metade de um intervalo de distancia

do limite superior.
POltanto, 0 que fizemos foi calcular hipoteticamenre as

iclacles exatas clos oito entrevistaclos, supondo que suas iclacles

estejam distribuidas igualmente. Feito isso, anoramos a idade

do entrevistado do meio (16,31) e a usamos como a idade

mecliana para 0 grupo.
Sempre que 0 nlimero total de entrevistados for par, nao

caso, seria calculacla como 06,31 + 16,44)/2 ~ 16,38.

Na Iiteratura de pesquisas, se mostram as me'd'taS e 'as
medianas. Sempre que as medias forem mostmdas, lembre que
elas sao susceprfveis ao efeito de valores extremos - POLICOS
nllmeros muiro gran des ou muito pequenos. Par exemplo, 0

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.

Voriavei s Con ti nuose Di scretas

Os cfticu los descritos acima nao sao apropriados para
t o d as as v . ~
.
doi '
anavelS. Para emender pOl' que, precisamos ciisringuir
v I S tlpo d e variaveis: contfnuas e ciiscrelas. Idade uma varia:onrinu3, de razaoj ela aumenta firmemenre em fra~6es
me.IOUscula
' .
s enl vez de pular de categona para categona como

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

caso intermed iario cia

descri~ao

de subgrupos.

FreqUentemente, voce quer c1escrever subconjuntos cia

sua amostra. Numa analise univariacla clireta, voce pode querer

apresentar a distribui1o ck1.S respostas a li ma questao relacionada
a cli re itos iguais pa ra homens C I11ulheres. Na explorac;ao
c1eta lhacla das resposras, faz sent iclo examinar separadamenre
as respostas de hOlnens e mulheres cia amoSlra. Ao examinar as
atitucles com relac;ao a Ku Klux Klan, faz sentido clescrever separaclamente as respondentes brancos e negros, assim como os
respondentes de diferentes regioes clo pais,

Ar; computar e akresentar descric;6es estratificadas, siga

os mesmos passos descfitos na se~ao sabre ami lise univariaciaj
a d i feren~a e que os passos sao dados indepcnclentemenre para
cada subgrupo relevame. Por exemplo, todos as homens na
amostra sao (ratados como uma amostt'a total, representando
100%, e as distribui~oes cle respostas OU as medidas de rendencia central sao compu tacias para eles. 0 mesmo e feito para
as mulheres. Assim, voce pocleria informar, par exemplo, que
75% das l11ulheres aprovam a igualdade entre as sex~s e
que 63% clos homens rambem ap rovam, Cada grupo e submetido a uma ana lise univariacla simples. Distribui~oes de
freqUencia para subgrupos sao gcralmente referic.las como
marginais eSlraliji"cados.

n algumaS si t ua~oes, voce apresenta as ma rginais

'f'El d os oU o u tfaS ana' I'lses d e su b grupo apenas por
rr 3t1 lea
". d e da dos do censo gera Imenre
~s:
d scririvas. 0 relatono
aes
r3Z
e ro p6sito, 0 valor medio de uniclades cle moradia
lell1 esse p
.r
res qua rtei roes po d e ser apresenta d
a por razoes
elll dlleren
.
I
'
d
.. ,
Assim voce pode anotar 0 va or me '10 ( Ie uma
descnf1\ as.
,
. ~
a qualque r quartelrao,
caS:l par,
. ~
~
Mas a razao mais frequenre da descn~ao de subgrupos e
r No caso cia iguaJciade sexual, voce estaria inreressacio
compa ra .
.... .
.
dererminar se as lllulheres tem probClbllidClde 111CllOrque os
em
hOO1ens de a pravar a p r~pasta .. AI'd"
em 1550, ~a. malon,a. d as
comparac;6es nao sao motIvadas par cU floslciade OClosa.
casas,
Tipicamenre, a compa ra~ao se baseia na expectat iva de que a
variave1 de estratifi cac;ao te ra alguma fo rma de efeito causal
sobre a variavel de descri ~ao, Ser homem ou mul her afeta", a
atirude com re1ac;ao a ig ualdade entre os sexos. Igualmente, ser
branco ou negro aferara atitudes com rela~ao 11 Ku Klux Klan,
Sempre que a analise for motivada par tais expectativas, entramas no do minio da explica~ao em vez da clescri ~ao,
Anres d e e ntra rmos na 16gica da analise causal, bivariacia, vamos considera r o ur ro exemplo de compara~6es de
subgrupos qu e nos pe rmirira aborclar alguns assuntos de
formara ~ao cle ra be las,

fund indo Categorias de Respostas

"Exemplos d e manual" de tabelas sao freqiientemente
mais simples do que as q ue em geral e ncomramos publicadas
em relat6rios d e pesq u isas au em nossas proprias analises
de dados; e sta se~ao e a p r6x ima abo rclam clo is problemas comuns e suge rem soluc;oes.
Come~amos volrando 11 Tabela 14-2, que mostra os dados
coleracios numa pesquisa mulrinacional de opiniao publica feira
pelo New York Times, CBS News e 0 Hemld Tribune em 1985,
sobre atitudes com rela~ao as Na~oes Uniclas, A pergunra da
~abela 14-2 trata d e atirudes gerais sobre como as Na~oes
nlelas davam coma de seu trabalho,

T b Co mp aremos como as pessoas c1as cinco n;:u;6es na

a ela 14-2 ap6iam 0 trabalho feiro pela ONU, Ao inspecionarmos a tabela, clescobri mos que hft numeros ciemais para
perm' ,
Itlr ve r q ualquer padriio sign ificativo,
do problelna e a relativamente pequena porcen'
entrevlsrados
q ue selecionaram as duas categorias de

'\
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!

a segunda l~nha, conclu1l"lam~s que a Alemanha OCidental e os

Estados Unlclos foram os malS positivos (46%) sobre 0 des enJpenho clas Na~6es Unidas, seguiclos de perto pela Fran,a (45%)
com a Inglaterra menos positiva (39%) clo que os outros tres e ~
Japao (11%) 0 menos positivo de todos.

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!

T balho born ou melhor

48%

46%

47 %

12 %

51 %

Trd ba1ho ruim ou pior

27

37

25

48

40

26

17

28

41

10

r;,1

N~ O

<

sei

trabalho". Numa situa~o como essa, devemos combinar, au fundir

os clois extremos da amplitude de varia,ao. Isto e, COnJbinar ~
"mui[Q born" com

"bom" e

"muira ruim" com 0 "ruim", Se

voce fizer isso na am\lise clos seus pr6prios daclos, e aconselhavel

somar as frequencias bruws e recomputar as porcentagens para
as categorias combinadas; ao analisar lima tabela publicacla como
a Tabela 14-2, voce pode simplesmente somal' as porcentagens,
como mostraclo na Tabela ]4-3.

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

As cacegorias fundiclas na Tabela 14-3 nos pennicem IeI'

fJcilmente as porcenragens nacionais, mostrando os que dizen1
que a ONU estii fazendo um crabalho pe10 menos bom. Os
Escados Uniclos agora sao os mais posicivos; Alemanha, Inglaterra e Fra n~a sao pOllce menos positivas e sao quase indistinglliveis uma cia Dutra; 0 ]apao fica sozinho em sua avalias:ao
bastante negativa. Apesar das conclusoes a serem tiraclas agora
nao cliferirem radicalmente das que poderiamos tel' tirado a
partir da leitura cia segunda Hnha da Tabela 14-2, vemos que a
Inglaterra ago ra parece relativamente mais positiva.
Quero poupii-Io de um erro comum. Suponha que voce
tenha liclo apressadamente a segunda coluna cia Tabe!a 14-2 e
notado que a Inglaterra rem lima avalia~ao um poueo pior clo
trabalho clas ONU clo que os Estaclos Uniclos, a Alemanha e a
Fran,a. Voce pode se sentir obrigado a elaborar uma explica~ao
para isse, talvez criando uma engenhosa teo ria psico-hist6rica
sobre 0 doloroso clecJfnio da outrora cligna e poclerosa Inglaterra. Entao, te ndo alardeado sua "teor ia", a lguem pode
l11ostrar-Ihe q ue uma leitura apropriada dos clados mostra que
a lnglaterra nao e menos positiva em sua avalia~ao do que as
Outras na~oes europeias. Este nito Ii urn risco hipote:tico. Ele
OCorre Com fre qOencia, mas e posslvel evita-lo fu ndindo categorias de respostas onde for 0 caso.

fONIE: SNalian Survey findl Hap. far U.N. New Yo,k lim .., p.6, 26 June 1985.

Lidondo (am as "Noo Sei"

As Tabelas 14-2 e 14-3 ilustram ouCro problema comum
na Ise dos dados de survey_ Geralmente, e born cia I' as pessoas a op~ao de d izer "nao sei" au "sem opiniao" quando se
pecle Suas
'.. so b re certos assuncos, mas 0 que
' f azer com
~
OplOloes
estas res postas ao anahsar
.
os dados?
n -1'

Repare a gra nde amplirude de va ria~ao nas porcentagens

nacionais dizendo "nao sei" na Tabela 14-3 - de apenas 10%

nos Estados Unidos a 41% no Japao. Porcentagens substanciais
respondendo "nilo sei" podem confundir os resultados de uma
tabe la. POl' exemplo, sera que os japoneses tem uma probabi_
lidade tao menor de dizer que a ONU esta fazendo lim bom
trabalho somente porqlle um grande numero de japoneses nao

De qualquer moclo , a vel'dClcie contida nos clados

cerra porcentagem disse que nao sabia e que os

ue uma
. d'videm suas opinioes na propor~ao re latacla. FreqliendeOl[US I
certo informar seus dados em ambas as formas rem enre ,
. .
e m os u nao sei" - , para que as leltores possam tlrar as

com e s
p

r6pdas conclusoes.
.
"
d 0 nosso exame
Agora vamos ajusrar I'1geu-amente
a IOglCCl

das COl11para~Oes cle subgrupos e viral' nossa cliscussao na clire~o

expressou sua opinEio?

Ha um modo facil de calclilar as porcentagens exclllindo

das analises bivariadas,

os "nao sci". Observe a primeira coluna de porcenragens na

Tabela 14-3 - as respostas dos alemaes ocidentais. Note que

26% clos respondentes disseram qlle nao sabiam. Isso significa

IhBELA 14-4
Omilindo os "noo sei"

que os que cIisseram "trabalho bom" ou "ruim ", juntos, repre-

sentam 74% (100 menos 26) clo total. Se dividinl10S os 48%

qlle disseram "trabalho bom ou melhor" pOl' 0,74 (a propor~ao
qlle expressoll uma opiniao), podemos di zer que 63% "dos

Alemonho
Inglot",o
Ocidentol

fron(o

Jopoo

tstodos
Unidos

com opiniao" ciisseram que as Na~oes Unidas estavam fazendo

Trabalho bom ou mel hoI'

63 %

55 %

65 %

20 %

57 %

lim trabalho bom Oll mllito bom (48%/0,74 = 63%). A Tabela

14-4 aprese nta toda a tabela , excl uldos os "nao se i".

Trabalho ruim au pior

36

45

35

81

44

Repa re que estes novos dados oferecem uma interpreta~a o

lim POLICO diferente da das tabelas anteriores.

Analise Bivariada

Especificamente, agora parece que a Fran ~a e a Alemanha

Ocidenral sao os mais positivos nas avalia~6es cIas Na~6 es

Unida s, com os Estados Unidos e a lnglaterra lim pouco

abaixo. Apesar de

Japa o con tinuar

mais negativo, ele

A am1.lise bivariada explicativa e, basicamente, a mesma

coisa que clescri ~ao de subgrupos, com certas restri~oes espe-

passoll de 12% positivos para 20%.

ciais. Nas cle sc ri ~oes cle subgrupos, voce tem total Iiberdaclc

Neste ponto, tenclo visto tres versoes dos dados, voce

pod e estar se perguntando qual e a versao cerlCi. A res posta
d e pend e'lto se ll proposito na ana lise e interpreta~ao dos
c1ados. Por cxemplo, Se-11aO for essen cia I para voce distinguir

cada subgrupo nos termos de qualquer outra varia vel. No

exemplo cia igualclacle sexua l, voce pocle descreve r homens

entre j' muito bom" e Hbom", faz sent ido combina- los porque
assim sed mais faciller a tabela.

E mais dificil

dec idir, no abstraro, se vamos exclu ir

all

incluir as "nao sei". 0 fato de uma grande porcentagem de

japoneses nao reI' op ini3.o pode ser uma descoberta muira
importanre, sc voce quiser descobrir se as pessoas conhe~em

o trabalho das Na~oes Un idas. POI' outro lacl o, se voce qU lser

saber como elas votariam numa questao, C melhor exclu ir 05
HnaO sei", baseaclo no SUPOS[O de que elas nao votarial11 all
divicliri am seus votos entre os dois lados cia questao.

pa ra escolher a variavel de estratifica~ao que guiser e descrever

e mulheres separadamente nos term os cla s porcentagens de

homens e mulheres que ap rova m ou desaprovam (veja

Tabela 14-5), ou pode clescrever separaclamenre os que aprovam
e os que clesaprovam e m termos clas porcentagens cle homens e mulheres (veja Tabela 14-6).
Qualquer uma das tabelas e uma representa~ao legitima
dedesc"
cI
n~oes e subgrupos. Entretanto, os clados apresentaclos
nas duas tab
I'd
'f
' e Ias sao
I os ell erentemente. Na Tabela 14-5 , ve-

~osl que 63% clos homens cia amostra aprovam a igualclacle se-

Ua ' com para d os a 75% das mulheres Na Tabela 14-6 vemos

qUe, dos
.'
,

que concordam, 46% sao homens, enquanto, dos que

d lScorda
6
nl,

00/0 sao homens. au poclemos notar que 37% dos

400 homens discol'dam, comparados a 250/0 de 400 Inllil1eres

(Tabela 14-5), e, dos que concordam, 540/0 sao mulheres
enquanto, dos que discordam, 400/0 sao mulheres (Tabela 14-6).'

3. Se as respondentes homens e mulheres [orem dcscritos

sepa rad~lmenre em rermos de suas respostas. uma
porcentagem maior de mulheres do que de homen::;
aprovaria.

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

analise bivariada explicativa, 56 a Tabela 14-5

[aria sentido. As razoes sao:

1. Geralmcnte, mulhcrcs tern status inferior na sociedade

americana; portanlo, clas apoiariam ITIais a propoSla de

igualdadc entre os sexeS.
2. 0 sexo do rcspondente afeta SU:I respOSI<l ao item do
r
question:irio; mulheres 1em maior probabilidaclc ele apro,'a
do que os homens.

seguindo esta 16gica, a Tabela 14-5 divide a amostra em

os homens e mulheres, depois descreve as atitudes
dos
I g rup ,
dois grupOS separadamente. As porcentagens expresd~
. grupos sao
- compara d as, e vemos
ndo aprova~ao noS d DIS
~e mulheres realmente tem maior probabilidade de aprovar
do que home ns.
Se a Tabela 14-6 fosse apresentada como analise bival'iada
explicativa, a 16gica da tabela seria a seguince, As atitudes relacionadas a igualdacle sexual afetam 0 sexo da pessoa que tern
estas aticudes. Aproval' a igualdade sexual tende a tornar a
pessoa mais mulher do que homem. t claro que este raciocinio
e absurdo. 0 sexo dos respondentes e predeterminado bem
antes se forma rem atitudes sabre igualdade sexual. Diferentes
atirudes sobre igualdade sexual nao poclem ter efeito no fato
de a pessoa com esta atitude ser homem ou mulher.
Mas a Tabela 14-6 seria legitima clo ponto de vista cia
descri~ao de subg rupos e mesmo para fins de predir,;iiO. Se soubermos a atitude de um responclente sobre igualclade sexual e
quisermos preclizer se e le e homem ou mulher, a Tabela 14-6
seria uma boa base sobre a q ual fundamentar tal predi~ao. Se
soubermos que ele aprova a igualclade sexual, prediremos que
o respondente e mulher. (Nota: Se fizermos varias predi~6es
independentes como esta, erraremos 460/0 das vezes .) Se
so~~erm os que 0 respondente desaprova a igualdacle sexual,
adlvmharemos que ele e homem (e erraremos 400/0 clas vezes
em testes repetidos).

Ie " Porem, para p:op6sita de explica~ao, s6 a Tabela 14-5 e

gltlma. Para ISSO, e preciso con hecer a J6gica das variaveis
tnfefJelldelltes e ciepencienles. Basicamente, voce tenta explicar
Yal~res cia variavel depenclente baseado nos valores da variave
.
. . que a vanavel
.,
ind mdependence. Neste sentldo,
voceraClocma
ependente
caus
.,
I
d
fi
a a vanave ependente (tipicamenre de
orma probab' I' . )
,
19uald d ' I Istlca . No exemplo anterior, as atitudes sobre
d
a e sexual formam a varia vel dependenre e os sexos
".
'
os respo nde
atitudes
n~es, a vanavel mdependente. Logo, sexo causa
sobre Igualdade sexual.
Yariav ~Ig_umas vezes, e diffcil e ate arbitriirio determinar qual
e
diretr. e dependence equal e independence, mas algumas
lzes ajuclam. Para come~ar, sempre que hOllver uma clara

ordem temporal relacionando as duas variaveis, a variavel

cujos valores sao determinados antes e sempre a variavel inde.
pendente; aqllela cujos valores sao determinados depois e sem.

pre a varia vel dependente. A no~ao de causa~ao retroativa no

tempo e i16gica. Como os sexos dos respondentes sao detenni_
nados antes de suas atitudes sobre igualdade, sexo deve ser a
varhivel independente.
Uma implica~ao c1isso e que duas variaveis Ocorrendo
simultaneamente nao podem ser ligaclas eallsalmente. 0 sexo
e a ra~a de uma pessoa nao podem ser analisados, per se, de

forma explicativa. E claro que a ra~a dos pais e

. como for, toda tabela bivariada explicativa implicir3Sep

goa uma varia vel independente e uma depenclente.
ente d eSl <
.,
.
111
' I ar que nenhuma ordem temporal coneeta as va navelS,
-e voce aC l
~
. d gnar arbitrariamente uma ordem quase-temporal ao
reclsa eSl
P
. tabela A seguinte discussao presume que se tenha
conS(fUtr a
. duma varia vel como dependentc, desconslderando
._
deslgna 0
mentoS desta deslgna,ao.
da
as fun '

(onstru~ao
estes passoS :

acreditar, por exemplo, que pais negros tem maior probabili_

dade de ter filhos homens do que pais brancos. Neste caso

1. A amostra

2. Cada subgrupo

especula~ao.)

pode ser que 0 preconceito afete a quantidade de educa,ao

que uma pessoa procura ou recebe. Voce pode dizer que a
educas;ao seria anatema para uma pesson muito preconceituosa

em teflnos dos valores ou

3. Finalmente, a tabela elida comparandose os subgrupos

da varia vel independente em tennos de um valor da
vari{lvel dependente.

do que no exemplo do sexo e atitudes. Voce pode dizer

que, aumentando a escolaridade, tornamos a pessoa menos
preconeeituosa; entao, escolaridade seria a variave1 independente, e preconceito, a varia vel dependente. Por outro lado,

e descrito

categorias das variiiveis dependentes.

Em muitos casos, nenhuma orclem temporal clara parece

relacionar as duas variaveis. POl' exemplo, se voce quiser
examinar a rela~ao causal entre escolaridacle e preeonceito, a
orclem temporal das duas variaveis e urn poueo mais ambfgua

Lembre nossa analise anterior sobre sexo e atitudes com

rela,ao a igualdade sexual. Seguindo os passos acima, sexo
sendo design ado como varia vel independente e atitudes
sobre igualdade sexual, como variavel dependente, procedemos assim:

e/ou uma pessoa muito preconceituosa teria maior probabi-

1. A amostra

Iidade c:le. ser expulsa da escola. Portanto, pode-se jllstifjcar 0

argumento que faz do preconceito a variavcl independente e
cia escolaridade a varia vel dependente.
Em situas;oes onde a ordem temporal das val'iaveis nao

c dividida em valores Oll categorias da vari,l.vel

dependente.

poclerfamos determinar uma orclem temporal das variaveis:

(Contuclo, parece nao haver eviclencia 16giea ou empfrica

apoiando esta

de lobelos

A constru~ao de tabelas bivariadas explicativas segue

sexo da crianp

poderiam ser iogieamente analisados desta maneira, se voce

c diviclicla

em homens e mulheres.

2. Cada subgrupo sexual

aprova~ao

clescrito em termos de

ou desaprovar;ao cia igualdacle sexual.

clara, a designa,ao de variaveis independentes e dependentes

precisa ser feita e apresentada em bases 16gicas. FreqClentemente,

3. Homens e mulheres sao comparados em termos (las

porcentagens que aprovam a igualclade sexual.

o argumento nao bastante forre para satisfazer wdos os leitores. Em outras situas;oes, podemos achar que as duas variciveis

preconceito, enquanto para outrOS

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.

pode haver uma dinamica ainda

sem preeonceito pode ser levada a
reduzir ainda mais seu preeoneei(o.

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

>

Um problema que costuma confundir pesquisadores

totalizar 100% ou

deve a linba de porcentagens' A res POsta _

completamente arbitraria. Neste livro, tendi a padronizar

B. Separar homens e mulheres (a varitlvel independente)

procedimento calculando a porcentagem para baixo, de modo

que as colunas de porcentagens totalizassem 100010, mas esta
conven,ao e s6 uma questao de gosto e babito pessoais.

Homens

Mulheres

Entretanto, podemos derivar dessa questao geml uma

diretriz uti!. Se uma tabela for percentuada para baixo, deve
ser lida borizontalmente. Se e percentuada atraves, deve ser
lida verticalmente. Usando a Tabela 14-5 COmo exemplo,
vemos que foi percenruacia para baixo, de modo que as

porcentagens em cada coluna somem 100%. A tabela e interpretada lendo atraves: 630/0 dos homens aprovam, comparaclo

a 75% das mulheres.

A obediencia completa a esta regra de constru~ao e interprera~ao de tabelas ajucla a evitar lim erro comum. Muitos

pesquisadores inexperientes leem a Tabela 14-5 assim: "63%

dos homens concordam com igualdade sexual enquanto 37%
discordam. Portanto, os homens tem maior probabilidade de
concordarem." Essa interpreta~ao

e incorreta. Embora seja ver-

dade que as homens tem maior probabilidade de aprovar a

igualdade sexual do que desaprovar, esse achado s6 tem significado como descri,ao das atitudes dos homens. A observa,ao
mais impoltante e que os homens

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

rem lima probabilidade menor

de aprovar do que as Inu/heres. Como a tabela e percentuada

na vertical, cleve ser Hda horizontal mente.

"

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

D. Conte os numeros em cada celula da tabela

Mulheres

Homens

= = = = = = = =

= = = = = =

"~"~ii"~ WWWWWW
7'

;0

"

""

;0

;0

7'

WWWW

E. Qual a porcentagem das mulheres

a favor da igualdade?

60% =

F. Qual a porcentagem dos homens

e a favor da igualdade?

respostas clepencle muito cia constru~ao da frase usada

nO itenl de question(lrio.
3. Os valores ou catcgorias de cada vari3vel devem ser
~lneme indicaclos. Categorias complexas de res posta
cIa.<,
devem ser abreviadas, mas 0 significado cleve estar claro
nn abela, e a resposta complera deve ser relmacia no texto.

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 %

5. Se alguJ1s respondentes forem omitidos da tabela, c1evido

a dados faltantes (por exemplo, -sem resposta"), seus
numeros devem ser indicados na tabcla.

TIIBH1I14-7
"VOCe aprovo ou deloprovo a propolicoo gerol de que homenl e
mulhml dmm ler tratodol igua lm ente em todo 01 alpeclol)"

formatos de Tabelas Bivariadas

Nao ha formaco de apresema,iio padronizado para 0 ripo
de rabelas de porcenragens que esramos examinando (freqlienremenre chamadas rabelas de conringencia ou rabula,iies
cruzadas), Par isso, enconrramos uma gra nde variedade de
fonnaros na Iirerarura de pesquisa, Se as tabelas puderem ser
licla s: ~e inrerpretadas facilmenre, provavelmente nao htl razao
para for~ar a padroniza~ao. Contucio, certas diretrizes devem
ser seguidas na apresenra~ao cia maioria dos clados tabulares.
(Veja a Tabela 14-7 como exemplo de lima boa rabela.)

Homenl

lsIulhml

Aprovam

63%

75%

Desaprovam

37

?'
- )

100%

100%

(400)

(400)

(12)

(5)

Sem resposra ~

1. Tabelas devem ler cabe~alhos ou tftulos descrevendo

sell conteudo.

2. 0 contcuclo original das vari1veis cleve sel' apresentado

cJaramente - na pr6pri:t labela, se for passlvel, all no
Lexto com uma parMra!ie n:1 tabela. 15so e especial!1l cntC
s
crl[ico quando uma vari:ivcl e descriw a partir de resposra
s
.
.
. fcado
da
porque 0 sign
I I
a llma pergunu :l1IlUdJl1ai,

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

vas .~1111tivariadas, ista

anaveis.

e,

tabelas constfuidas a partir de varias

5. Igualmente, as dllas variaveis independente.s rem lim

Tabelas 11111 ltivariadas poclem ser constrllici as com base

ll11ma ?escri~ao mais compJicada de subgrupo, seguindo
e~se~clalment~ os mesmos passos descritos para as tabelas
blvanadas. Porem, em vez de uma varia vel independente e lIOla
dependente, teremos mais de uma varhlvel independente. EIll

vez de explicar a varia vel dependente com base numa uniea

variavel independente, buscaremos uma explica~ao baseada

em mais de uma variavel independente.

Vol rando ao exemp lo clas a rir udes sobre igualdade
sexua l, suponha que voce ac red ire que ida de rambem afera
ra is a ri rud es, com os jove ns rendo m aior probab il idade de
aprova r a igualdade sexual do que os mais velhos. 0 primeiro
passo na const rw;ao de tabelas e di vidir a amos tra to tal em
subgrup os baseados nos va ri os va lo res das duas va ri aveis
in depe ncl en tes simultan eame nre : homem jovem, home m

efeito clI l11ui<llivo sob re atitude. Mulheres jovens sao as

que mais ap6 iam, e homens velhos os que ap6iam menos.

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

ve lh o, mulh e r jovem, mu lh e r vel h a. Depois, os varios

s ubg rupos sao descri ros nos rerm os da variavel depende nte,
e se faze m as com para~oes. A Ta be la 14-8 exemplifica uma
rabela hipotetica multivariada.

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)

Seguindo a conven\'iio, a rabela roi percenruacb para baixo

e, par isso, cleve ser !ida na hori zontal. A i nterpre (a~ao leva a
v.lrias concJ usoes.
1. Entre homens e mulheres, os mais jovens daD mais
apo io :1 iguaJdade sexual do que as mais ve lhos. Entre as

Capitu lo 15 sobre

mo de lo de

e la bo ra ~ao

examina

mulheres, 90% cias com menos cle 30 e 60% clas com 30 a ll

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.

aprese ntar dados.

2. Dentm de cada grupo de ida dc, as mulheres ap6iam a

Cada rabela apresentacla nesre capirulo e inefi cie nre d e

algum modo . Como a varia vel de pencle nre - arirude sobre igualdade sexual - I' dicoro mica (rem clo is valores), conhecer um

iguaklade sexual mais que os homens. Entre as respondentes abaixo de 30 allOS, 90% das mulheres ap6 iam,

valor permite reconstruir 0 outro facilmente. Assim, se sabemos

comparadas a 78% dos homens. Entre o.s de 30 ou mais,

que 900Al clas mulhe res com me nos cle 30 anos aprovam a igualdade sexual, sabemos automaticamen(e que 100/0 clesaprovam

60% das Illu lhcrc!) ap6iam, contra 48% dos homens.

(sUpondo que removemos os "nao sei" e outras respostas desse

3. Como medido na tabela, idacle parece ter maior efeito
sabre atirudes do que sexo. Para homens e mulheres, a
efeito cia idade pode ser resumido como lima diferen~a de
30 pontos percentlJ<lis. Dentro de cada grupo de idade, a
diferen~a em pontos pe rcenluai.s entre homens e l11uJheres

e de

12.

4. Idade e sexo t~m efcito.s indcpendentes .sabre as <Itilude.s.

Dentro de cacla valor de lIm:1 vari:1vel independente,
diferentes v:t1ores d:1 .segunda afetariio as atiludes.

lipo). Ponanto, I' d esnecessario relatar a porcenragem clos que

desaprovam. Por isso, a Tabe la 14-8 pocle ria ser a p resenrada
no formaro alrernarivo da Tabe la 14-9.
Nesta, as porcentagens aprova ndo a igualdade sexual sao

relaradas nas celulas re p resenra nclo as

inrerse~oes clas d uas

variaveis independentes. as n(l meros entre parenteses aba ixo

de cada porcentagem representam os n(lmeros de casos sobre
Os qua
~ IS as porcentagens sao baseadas. POl' exemplo, sabemos
que havia 200 mullle res abaixo de 30 anos na amosrra e que 90%

delas aprovavam a igualdade sexual. Ah"m disso, que 180 das

200 mulheres aprovavam e que as outras 2000%) desaprova_
Yam. E mais faciller a Tabela 14-9 do que a 14-8, sem sacrificar
qualquer detalhe.

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)"

3. Compare os subgrupos da varia vel independente em

relaeao ao valor da varia vel dependente.

fin al mente, memorize esta regra basica: percentue para

.
e
Ie,a atraves
ou percentue atraves e ieia para baixo.
b3LXO
'
,

Nolo
l

Oados ex trafdos de HAUB, Carl, KENT, Mary Mederios. 1988 \Vorld

po;ulatioll Da ta Sheet (a poster). Washington, DC: Population Reference

13ure au.

Porcentagem que Concord a

Mulherel

Abaixo de 30

Homen!

78

90

(200)
60

30 e acima

Leituras ~dicionais

(200)
48

(200)

(200)

COLE, Stephen. The Sociological Method. Chicago: Markham,

1972DAVIS, James . Elementary Suroey Analysis. Englewood Cliffs,
NJ: Prentice-Hall , 1971.
LABOVITZ, Sanford, I-lAGEDORN, Robert. Introdllction to Social
Research. New York: McGraw-Hili , 1971.

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,

sao freqDentemenre malconstrufclas

e mal-interpretadas.
Ten tei apresentar a 16gica cia construc;ao e interpretac;ao
de rabelas, comec;ando com a analise univariacia, passando para

a dHcri~ao de subgrupos e c1epois discutindo a analise

explicativa biva ri ada e a analise mult ivariacla.

as capfruios

segu intes dependem muito da compreensiio das tabelas de

contingencia, partanto

e essenciai que voce as entenda bem.

Va le a pena repetir os passos essenciais

interpreta~iio

cia constru~ao e

das tabelas explicativas.

1. Diviua a amOSlra em subgrupos base3UOS nos v:dores

da(s) variavel(eis) inuependente(s).
2. Dcscrcva c:t(Ia grupo com b ase nos va Iorcs d'.J vlri1.vel
<
depcndenle.

Capitulo 15

Modelo de

Este capitulo estuda aquilo que, em amilise de survey, e

chamado de "modelo de elabora,ao", "metodo de interpreta,ao",
"a escola de Columbia" ou "metodo de Lazarsfeld". Essa nomenclatura variada deriva do fato de que este metodo tem por fim a
elaboraf iio de uma rela~ao empirica entre variaveis J para inter-

pretar essa rela,,"o da maneira desenvolvida por Paul Lazarsfeld na

Universidade de Columbia.

o modelo de elabora,ao e usado para tornar inteligivel a

rela,ao entre duas variaveis atraves da introdu,ao simultanea de
variaveis adicionais. Foi desenvolvido primeiramente atraves de

tabelas de contingencia, mas em capitulos posteriores veremos

como po de ser usa do com outras tecnicas estatisticas.
Acredito firmemente que 0 modelo de elabora,ao oferece
uma visao mais nitida da 16gica da analise de survey do que
qualquer outro metodo disponivel. Especialmente quando usa do
com tabelas de contingencia, este metodo reproduz os processos
16gicos da analise cientffica. Ademais, compreendendo com pleta"mente 0 uso do modelo de elabora,ao com tabelas de conting:n~ia J aumentamos nossa capacidade de usaf e compreender
tecnlcas estatisticas mais sofisticadas.

Historio do Modelo de floboro~ao

p

. Rever as origens hist6ricas do modelo de elabora,ao e

anlcularmente
'
.
. "
I'
I
.
' .
mstrU[IVO para a aprec!a~ao rea Ism c a pesqUlsa

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

guerra, esse grupo fez urn grande nlunero e variedade de surveys

entre as militares ameriC'1nos. Embora as objetivos ck'1s pesquisas
variassem, a foco estava, em geral, nos fmores que afetavam a
efetividade dos soldados em combate.
Diversas pesquisas examinavam a questao do moral enrre
os militares. Como se acreditava que 0 moral afetava a efetivi_
dade em combare, sua melhora presumivelmente aumentaria a
efetividade do esfor~o de guerra. Stouffer e seu grupo de pesquisa, portamo, procuraram desvendar algumas clas variaveis
que afetavam 0 mora!' Em parte, 0 grupo buscou confirmar
empiricamente algumas proposit;;6es comumente aceitas ,
inclusive as seguintes:
1. Promo~oes certamcnte afetavam 0 moral dos soldaclos,
e as que serviam em unidacles com baixas taxas de
promo~6es teriam moral relativamemc baixo.

2. Daclas a discrimina~ao e a segrega~ao social no Sui do

pars, solclados negros em treinamento nas bases do Norte
leriam um moral mais ~{lto clo que os que treinavam no SuI.
3. Sold ados corn mais escolaridade provavelmente se
ressemiriam mais de screm recfluados como soldados
rasos do que os com menos escolaridade.

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.

Ele encontrou a resposta nos conceitos de "grupo de

_ cia" e de "priva~ao relativa". Stouffer sugeriu que os
n '
. - na VI'da nao
- d e acord 0 com
refe redos
avaliavaJTI suas pOSlt;;OeS
~~
.
3droes ::tbso1utoS e 0 b'JetIvos,
mas com b ase em sua pOSt\,ao
p'.
ente aos outros em seu reelor. As pessoas com quem
e1anvam
"
r
aravam eram seu grupo de referencia, e sentiam priva~ao
se comp "
.
. se nao se comparassem favoravelmente com elas.
'
relatlva
Com esses conceiros de grupo de referencia e priva~ao
. 'a Stouffer encontrou uma resposta para as anomalias
re Iat,I \ , ,
em sellS dados. Com rela<'io a promO\'iio, sugeliu qlle os soldados
3valia vam a justit;;a do sistema de promo~oes com base nas
pr6prias experiencias relativas a o~tros em torno cleles. Na
poJicia do Exercito, onde as promot;;oes eram poucas e !entas,
O1enos soldados conheciam lim colega menos qualificado que
rivesse sido promovido antes deles. Na Avia~ao clo Exercito, a
riipida taxa cle promo~6es significava que muitos soldados
sabiam de colegas menos qualificaclos que tinham siclo promovidos mais rapidamente do que seria justo. Assim, ironicamente,
os policiais do exercito diziam que 0 sisten1a de promo~ao era
geralmente justo, e as e1a Avia~ao diziam que nao era.
Uma explica~ao semelhante parece adequada no caso
dos soldaclos negros. Em vez cle comparar as condi~6es
gerais do Norte com as do Sul, eles comparavam seu proprio
status, como soldados negros, com 0 status de civis negros
em seu redor. No Sul, onele a discrimina~ao estava na pior
fase, ser soldado protegia um pouco os negros clas normas
Cu lturais adversas nas comunidades ao redor. Enquanto
civis negros eram fortemente discriminados e negados it aLltoestima, bons empregos etc., soldados negros tinham um
status Iigeiramente melhor. No Norte, todavia, muitos civis
negros que os solclaclos encontravam tinham empregos bem
pagoSj com menor discriminar;ao, ser soldado naD melhorava
o status de urn negro na comunidade.
. Finalmente, grupo de referencia e priva,ao relativa
pareclam explicar a anomalia de recrutas mais escolarizados
aceitando se u recrutamento com rna is boa vontacle do que os
menos escolarizados. Stouffer raciocinou assim: I
1. Os amigos de lim soldado terao, em geral,
nfvel educacional que cle.

mesmo

2. Sold ados com menor escolaridade tcrao maior

probabilidade de estar em ocupa~6es semiqualificadas

de produ~ao em serie au de agricultura do que os ffialS

.
bemeducaclos.

TABHA 152
Relat eo hipolelita enlre elcolaridade e dilpenlo de amigol

3. DUI"Jnle a guerra, muita!:i industrias de proclu\,3o

. .
'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.

4. Soldaclos com pouca escol:tridade tinhalTI m alOr

.
probabilidade de lef amigos iscntos de servi~o militar do

Alto fit.

Baixa fit.

Sim

19%

79"10

Niio

81

21

100%

100%

(1761)

(1876)

AmigoS
diSpensados?

que solclados com maior escolaridade.

5. Rec rutas corn baixa escolaridade tinham maio r

probabilidade de se sentircm discriminacios do que as
com maior escolaridade, ao se compararem com as amigos.

Essas foram as explica~oes que Stouffer sugeriu para

desvendar a misterio dos {reS achados anomalos. Mas como
isso nao fazia parte de um projeto. de estudo pre-planejado, ele

o desenvolvimento formal do modelo de elabora~ao foi

exposi~ao

feito por Paul Lazarsfeld e seus associados na Universidade

de Columbia. Na revisiio metodol6gica dos estudos de Stouffer
sabre 0 Exercito, Lazarsfeld e Patricia Kendall apresentaram
labelas hipoteticas que teriam provado a argumenta~ao de
Stouffer sobre a rela~ao entre nivel educacional e aceita~ao do

de outras vari<iveis.

recrutamemo, caso os dados empiricos estivessem c1isponfveis. 2

careceu de dados empiricos para testa-las. Ainda assim, a

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

com os dados de Stouffer

que mostravam a associa~ao negativa entre escolaridade e

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.

Nao deveriam ser dispensados

18%

70%

Deveriam ser dispensados

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.

, ' das Tabe Ias 15-2 e 15-3 confirmam

as Iig Os_ dados h'Ipotetlcos
a~Oe
s
es
'f'
Prim .
peci Icadas por Stouffer em sua explicarao
~m
Id
.
I

So

ados Com baixa escolaridade tinham maior

probabilidade de terem amigos dispensados do que os com

mais escolaridade. Segundo, ter amigos dispensados faz qUe
um soldado tenda a pensar que ele tambem devia ter sido
dispensado. Stouffer tinha sugerido que essas duas reia,<'>es
esclareceriam a rela~ao original entre escolaridade e aceita\,ao

do recrutmnento. Kendall e Lazarsfeld criaram a tabela hipotetica

que confirmaria essa ("tima explica,ao (ver Tabela 15-4).
Lembre que 0 achado original foi que recrutas com
maior escolaridade tinham mais probabilidade de aceitar COmo
justo seu recrutamento do que os de escolaridade mais baixa.
Na Tabela 15-4, entretanto, notamos que escolaridade nao

TABHA 154

od
a a!

hipotelieo! reloeionondo e!eoloridode 6 oeeitaeao do recrutomento,

pel a fator de ter amigo! di!penrodos

Amigo! di!penrada!
AIt1&

Nenhum amigo di!penrado

Bai:a &.

1'80 de\'eri::l111 rer side dispeIlSldos

63%

63%

De'..eri:ull tersido dispensados

37

Air;l Fs::.

I3aixa

~.

94%

95%

37

100%

1000/0

100%

100%

<3(5)

(1484)

(1426)

(392)

rem efeito na aceitac;ao do recrutamento nos que relatam

terem tid o amigos dispensados. Nos dois grupos de escolari_

dade, 63% dizem que nao deviam ter sido dispensados. De
modo semelhante, escolaridade nao rem efeito significativo
na aceirac;ao de recrutamenro nos que re lataram nao terem

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

Por Dutro lado, entre aS de alta escolaridacle, a aceitac;ao

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

tido amigos dispensados. Recrutas de alta escolaridade tinham

menor probabiliclade de terem amigos dispensados e, em viItude
disso, tinham maior probabilidade de aceitarem seu recruta
mento como justo. Recfutas com m enor escolaric!ade tinham

Nao
94%

Nao develiam ter sido dispensados

63%

Deveriam ter sido dispensados

37

100%

100%

(1819)

(1818)

maio r probabilidade de terem amigos dispensados e, por isso,

men or probabilidade de ace ita rem sell pr6prio recrutamento.
E importante reconhecer que nem a explica,ao de Stouffer
?em os clados hipoteticos negaram a realidade cia rela,ao original.
A medida que a escolaridacle aumentava, aumentava lambem a
aceitacao do pr6prio reCfutamento. A natureza dessa rela;ao
empfrica, entretanto, foi interpretada pela introclL1~ao ele lima

terceira variavel. Essa variavei, a clispensa ele amigos, nao

negava a

rela~ao

original; ela apenas esclareceu 0 mecanisme

pelo qual Ocorreu a rela,ao original. E este, pois, 0

modelo de elabora~ao e da analise multivariacla.

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 .'

contrale cia nosso exemplo; a amostra diviclida entre as

"
-".
d.
que
rem e as que nao rem aI11lgos lspensados. A rela~ao entre
duas variaveis originais

e recomputacla separaclameme para ca~:

sub-amostra. As tabelas produzidas assim sao chamadas de tabe_

las parciais, e as rela~oes encomradas nas tabelas parciais sao
chamadas de rela~6es parciais . As rela~6es parciais sao a se .
" . . .

glUr
comparacbs com a rela~ao JnlClai c1escoberta na amostra total.

oParadigma de flabora~ao

. naOl empiricamen te, mas nao h5 nenhuma conexao

relact~ entre elas. Sua rela~ao empirica

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

Esta se~ao cia diretrizes para entender uma analise de

elaboras;ao. Para comec;ar, c1eve-se saber se a varia vel de teste

e antecedenre (a nterior no tempo) flS

Replicatca

outras c1uas variaveis o u

se intervem entre e1as; essas cliferenc;as slIgerem diferentes re -

Quando as relar;oes parciais sao essencialmente as mesmas

que a relar;ao orig inal l chamamos 0 resultado de replicafcio,

la~6es 16gicas no modele multivariaclo. Se a vari5vel cle teste

intervenienre, como

e0

caso cia escolariclade, dispensa de amigos

e aceita~o clo recrutamento, entaD as relar;6es cia Figura 15-1 sao

e a seguinte: a

e antecedente ou intervee essencialmente 0 mesmo que ditaria 0

nao imporranc!o se a varia vel de teste

niente. 0 significado

varia vel inclepenclente (escolariclacle) afeta a variavel cle teste

senso comum. A rela~ao original foi replicacla sob concli~6es

de teste. Se , em nosso exemplo, escolariclacle afetasse aceita~ao

interveniente (amigos clispensacios ou naO)1 que l par sua vez,

do recrutamento tanto entre os que tiveram amigos d ispensados

afe ta a varia vel de pendente (aceitar a recrutamento),

e as que naD tiveram, d iriamos que a relar;ao original tinha sido

pertinentes. A 16gica clesra re lac;ao mu lrivariacla

replicada. Co ntudo, este achado nao confinnaria a explica~ao

dada por Stouffer a re l a~ao original. Ter amigos clispensaclos OU

FIGURA 15-1
Vanavel

Variavel

indepe ndente

de teste

nao constituiria 0 mecanismo pelo qua l a escolaridadc afetava a

Variavel

aceita~ao do recrutamento.

depe nde nte

lABHh 15-5

oporodigmo do el oboro(oo

FIGURA 152
Variavel
Vanavel
de tester

<

Se a variavei de teste

penclente quanto

independente

Mesma rela o
Variavel
dependente

c amecedente ramo a variftvel inde-

a depenclente,

Rela~6es Pa rcia is
Comparaclas c/ O rigina l

uma rclao mulrivariada muitO

d iferente se aplica (vel' Figura 15-2). Nessa segunda situa~aol a

varia vel de teste afeta tanto a variflvel independente quanw a
depenciente .3 Por causa de suas rela~oes individuais com a
variavel de tes te, as varhlveis independentc c dependenre se

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.

Os pesquisadores US3m rotineiramente 0 model

el abora~ao na esperal1\:l. de replica!" sells achados entre 0 de

.
I
sub
cOI1Juntos ( a amOSlra. Se se clescobre, por exemplo
- entre esco Iand ad e e preconCelto,
.
' urna
re I a~ao
pocle-se intrad
.
.
.
d
d
I
d
UZ"
vanavelS e teste cO,mo 1 3C e, regiao a pais, ra\a, religHio etc

para testar a estabIiidacie da rela~iio origina!. Se a rela _ .

I
,ao

se rep I lear
para veI
lOS e Jovens para pessoas de eliv
~

, .

ersas

partes do pais etc., pode-se concil"r que a rela~ao origin I _

- e gera!.
a e
genuma

fup/icar;iio C 0 tenno usado para descrever uma relar;cl0

espl,7ria, isto e, lima rela~ao original que e "anulacla" peia intra_
c.lw;ao de lima varia vel de teste. Duas condi\oe.s sao necessarias
para que isto ocarra. A varicivel de teste cleve ser antececlente
tanto a varHivel ind ependente quanto a dependente, e as
rela\oes parciais c1evem ser zero ou significativamenre menores

do que a enconu-ada no original. Tres exemplos devem esclarecer

o ponto.
Prin1eiro, h5 uma . re la ~ao empirica entre 0 numero de
cegonhas em diferentes :1reas e as taxas de nascimento naquelas
areas. Quanto mais cegon has numa area, mais nascimentos. A

rela~ao empirica pode levar a supor que 0 nlllllero de cegonhas

escolas de medicina do Leste,

f . quentaram
"
-90' cI
S qU e I e
ofes 50re
var 0 Medicare comparados com) 1'0 os
pI
m
apro
c
'
I
d f
"'R" J diss era
scolas sulistas de medicina. Este ac 1a 0 az
l
.'
ntaraD1 e
.
ll~ freque . d de 0 Sui em geral, ser tnais resistente a talS
q
" n V lf(U e ,
d 1 I .
entitlo el
L te e de 0 treinamento na escola e ~ ec Icma
,
que 0 eS
,. .
_

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

Leste 840/0 aprova ram 0 Mee Icare, compal3 os

,

om 490/0 dos criaclos no SuI.

A Tabela 15-6 apresenta

rela~ao de tres variaveis e~trc

que os professores foram criados, a regiao do tremaa regtao en

~
I' 0
-dco
e as
atitudes com rela~ao ao Mee lcale.
s
menw me 1
,
professores de medicina criados no_ Leste tem grande proba.-

bilitlade de aprovar 0 Medicare, nao Imporra onde tenham

esrudado. Do mesmo modo, os eriados no Sui tinham menor

probabiliclade de aprovar

Medicare, mas, de novo,. a regino

em que foram treinados {inha poueo ou nenhum efelto. E~ses

clados indicam que a rela r;ao original entre regiao do trema-

afeta a taxa de nascimentos. Uma varia vel de teste antecedente

explica essa rela~ao. Areas rurai s tem mais cegonhas e mais
nascimentos que areas urbanas. Dentro elas [1Ieas rurais, nao
nenhuma rela~ao entre 0 nllll1ero de cegonhas e a taxa de nasci-

menta medico e atitudes com rela~a o ao Medicare era espul"ia.

memos, e essa rela~ao tambem n3.o cxiste nas areas urbanas.

Como na Tabela

ha

Segundo, ha uma rela~?to positiva entre 0 nllmero de

caminhoes de bombeiros que conem para atender a lim in ""Cenciio e as dimensoes dos c1anos c3usados. Se mais cam inhoes respondem , ha mais c1anos callsacios. Pode-se supor,

Deveu-se apenas ao efeito coincidente da regiao de origem tanto

na regiao do treinamento n1ec1ico quanta nas atituc1es para com

o Medicare. Quando a regino de o rigem

15-6,

e 112antida cons/Clllle,

a rela~ao original desaparece nas rela-

~6es parciais .

IABHA 156
Regina de origem, reg ioo de Ireinamen!o e a!i!udel para com a Medicare

com isso, que os pr6prios caminh6es de bombeiros causam

os clanos. Uma varia vel de teste antececiente, conwdo - 0
tamanho do ind~ndio - , explica a rela~ao original. Incendio s
maiores causam Inais danos que as menores, e mais caJ11inhoes respondem aos maiores do que aos menores. Consiclera r

apenas incendios grandes faria desaparecer (ou talvez reverter)

a re1a~ao original; 0 mesmo ocorreria se sc considerasse apenas
os in cend ios menores.

I1a- lima re Ia~ao

- empmca
- . entre a reglao
.- do pais
P or flin,
em que os professores de escolas de meclicina fizeram sellS
> '
cursos de medicina e suas atitudes com rela~ao ao Medicare.
Para simplificar, examinemos apenas 0 Leste e 0 Sui. DOS

Percen!ual dOl que apravam Medicare

Regioa de (ria(oa
Lde

Sui

Leste

84

50

Sui

80

47

RegEiO do Treinamento Medico

~~~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
.-

A lute/pretarclo e semelhante a explica,ao, exceco I

Id
' Id
pea
a van3ve e teste e das implica~oes que Se

posl~ao tempora,

seguem
dessa dlferen,a.
0 exemplo cle escolaridacle
al'.
.
.
_
',<11g0$
chspensaclos e acenuc;ao clo reCfuramenro

e lima

excelente

i1usrra,ao cia inrerprera,ao. Nos cenTIOS clo moclelo cle elabora

. I envoivi menlo medio com 0 igrejo enlre mulhere. episcopoi.

(Iass e .OCIO e

Nivei. de Ciosse \ocial

o efeito cia escolariclade nn aceitac;ao do recrutamento na~ ~

anulaclo: continua a ser lima relac;ao genufna. Realmenre, as

cliferen,as de escolaridade cal/sam uma aceica,ao diferenCial

do recru{al~lento. ~ variavel interveniente, dispensa dos amigos,
somente aJucla a Interpretar 0 mecanismo pelo qual ocorre

Alco

Baixo

-0

Eoroh.imenco Medio

0,63

1
0,58

2
0,49

3
0,48

4
0,45

CKCh I v ,I 01 fa (omlorl and 10 (hal/Mg . Berkel.y: Univerlily 01 Califamia P'OII,

fONIE ,GIO , or '".
.
1967. p.85.

a rela,ao.

TABHA 15-8

Um ponto importante cleve ser norado. Podia-se ter

comec;ado a analise observando que ter amigos dispensados
tornava os recrutas menos disposros a aceitar como justa 0

[Iasse ocia i. e 0 OCUPO (OO de corgo. em organi10(oe eculores

Nivei. de (Iosse \ocial

pr6prio recrucamento. Tenrando enrender melhor esce achado

original, podia-se cer introduziclo escolaridade como variavel de
teste antecedenre. Se isso tivesse sido feiro, todavia, ter-se-ia achado
que a rela~ao entre ter amigos dispensados e aceitar recruta-

me nco foi replicada encre os solcladbs de maior escolaridacle e

os menos escola rizaclos (ver Tabela 15-4). Teria cambem sido
nocado que os sold ados de maior escolaridade cinham menor
probabilidade de cer amigos dispensados, mas a reb,ao original

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.

nao teria sido nnulacla.

Como exemplo fina l de incerpreca,iio, pesquisaclores

Num es cud o clas fo nces do envolvimenro religioso,

observaram, no passado, que crian~as cujas maes trabalham fora

Glock c seu s associa dos c1escobriram que, e ntre mcmb ros

cem maior probabilidade de se cornarem delinquences que

da 19reja Episcopal, 0 envolvimenro climinu ia com 0 aumento

de c1asse socia l. ' A Tabe la 15-7 examina niveis meclios

crian~as clljas maes nao tmbalham fora. Esta rela~ao pode ser
interpretada introcluzinclo "supervisao" como variiivel de teste.

Entre as crian~as sllpervisionaclas, as taxas de delinquencia nao

de envolvimento na igreja encontrados entre paroquianas

de niveis socia is diversos. Glock incerprecou esce achado

sao afecadas peb mae crabalhar fora ou nao. 0 mesmo vale para

no Contexto cl e outros na analise, e concluiu que 0 envoi vi-

as crian~as nao supervisionadas. E a rela~ao entre maes que

trabalham e falta de supervisao que procluzill a rela~ao original.

menta nas atividades cia igreja p rove uma forma aiternariva

de gratificat;:ao para pessoas que nao a encontram na socie-

dade secular. Esta incerprera,iio explica por que mulheres eram

mais reli giosas que homens, pOl' que idosos eram mais

Algumas vezes,

modele de elabora,ao produz rela,6es

parciais que diferem significativamente entre si. Por exemplo,

uma rela~ao parcial pode parecer l11uito com a relat;:ao original
entre duas variaveis, enquanto a segunda rela~ao parcial se apro-

xima de zero. Chama-se isco cle especificafclo no paradigm" de

elaborac;ao. Especificaram-se as concli~6es nas quaiS ocorre a
relaS;ao original.

religiOSos que jovens, e assim por diance. Glock raciocinou

que pessoas de c1asse social mais baixa (medida por renda e
escolaridade) rinham 111enos oportunidade de obrer

auto~estima

na Sociedacle sec ular do que pessoas de classc social mais

alca p

. 3ra exemp li ficar, e l e notou que classc SOCial se

rela Cio
II
nava fortemente com 0 fato de a l11U 1er ter algum

cargo nUllla organiza,ao secular (ver Tabela 15-8).

Refinam entos do Pa radigma

Glock raciocinou entao que, se classe social se relne'

.
..
!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_

nn SOClec a e seclI ar, a rela~ao original nao devena

. Se

~na~ter para mulhe~es que recebiam gratifica~ao social. CoolQ

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

Niveit de Clotte Social

Baixo

Principal envolvimento da Igreja

Com cargos
Sem cargos

0,46
0,62

U[l ag

I"

- comenmrios poc1em ser encontrados no hvro de Rosenberg;

outrOS fo ram sugcridos por ele.
Primeiro, 0 paradigma basico supee uma rela,ao original

(es
I seS

entre duns variaveis. Um modelo mais abrangence, contudo,

IABHA 159
Envo lvimento no igrejo par clam lo(iol e

AS se~6es anteriores apresentam a 16gica prima ria do

a eiabora,ao tal como desenvolvido por Lazarsfeld e
d
.n a d e IO'
Morris Rosenberg fez uma excelente apresenta,ao desse
colegas. .n13 indo alem
'I
. outras vana~oes.
. - , Em
de e para sugenr
d
P'lra
"
. d Ig resenh
a r os comentiirios de Rosenberg, pode ser
vez e
. - I .
. AI guns
'1
0 ....... considerar as vana~oes ogicamente posslvels.

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

sindicaro ha menos de quatIo anos estavam tao dispostos a

aceitar judeus na d iretoria quanto os que Iii estavam ha mais de
quatro anos. A idade dos membras, entretanto, suprimiCl a
rela, ao entre tempo de filia,ao e atitudes sobre judeus. Em
geral, os membros mais jovens eram 1ll.:'1is favoraveis aos jude us
do que os mais velhos. Ao mesmo tempo, C claro, os mais
jovens eram menos passfveis de pertencer ao sinclicato por

tanto tempo quanto os mais velhos. Dentra de grupos de idacle

espedficos, contu do, os filiados ao sindicato ha mais tempo

A Tabela 15-9 cia um exemplo de especifica,ao. Entre as

mulheres que tinham cargos em organiza~6es seculares, nao
hft essencialmenre qualquer re la~ao entre classe social c envol-

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.

tenno especijicar;;c";o e usaclo no paradigma da elabo-

ra~ao inclepenclencemente cia variavel de teste ser intervenience

ou an.t~cedente. 0 Sirnificado e 0 mesmo em qualquer C~l:O:

especlflcam-se as comli,ees particulares nas quais a rela,ao

original se mantem.

cram os que mais apoiavam a presen,a de judeus. Idade, neste

caso , era uma varicivel supreSS01"Cl, escondendo a relaC;ao entre
tempo de filia,ao ao sindicato e atitudes sobre judeus.
Segundo,

paradigma basico considera os casos de as

pa rciais se rem tao fortes ou mais fracas que a rela~ao original,

":as nao oferece dire[rizes para decidir 0 qLIe constiwi LIma
dlferenca
. entre a re Ia~ao
-ongmal
"
.. Toclo
~ sign'f'
1 icatlva
e as parClais.

pesquisador que lisa 0 moclelo de elabora,ao tem freqCrenremente

que de Cl'd'ir ar b'ltranamente
.
..
.
sobre se LIma parcial e'
slgnlfi cat iva
' m e nte ma lS
. ff aca que a original. Este ditema,
POrtanto , su gere uma outra dimensao do paradigma.

~erceiro, a limita~ao clo paradigma biisico a parciais iguais

POSS i~l~ ira cas que a rela,ao original negligencia duas outms
Orig' I l( ades. Uma rela~ao parcial pode ser mais forte que a
Inal ' .ou uma re Iac;ao
-parcial
. pode ser 0 1I1verso
.
..
_ nc
cia ongmal
au m

gativa, enquamo a original era positiva.

Rosenberg da lim exemplo hipotetico desta situ '

. .
a~o
sllgenndo qlle 0 pesqllIsador pode descobrir responde ntes
cia classe trabalhadora que ap6iam mais 0 movimento d
D
I c Iasse media. ' Sugere ainda que ra os
lreltos C
lVIS que as (e
pode ser lima variavel de dislon;ao neste caso, distorcencl:=
verdacleira reJa~ao entre c1asse e atitllcles . Presllmivelln ente'
respondentes negros apoiariam mais 0 movimento do que'
brancos, mas tambem negros estariam sobre-represemados entre
os trabalhaclores e sllb-representaclos na c1asse meclia. Toclavia
negros de cJasse media poderiam apainr mais 0 movimem~
clo que trabalhaclores negros, e a mesma rel a~ao pocleria Scr
encontrada entre brancos. Mantendo constante a rac;a, entao
conclu irtamos que 0 apoio ao movimento clos Direitos

Civi~

seria maior na classe media do que na c1asse operaria.

Essas novas ciimensoes complicam mais ainda a noc;ao
de especifica~ao. Se uma parcial e igllal 'I original, enquanto a
Dutra parcial c ainda mais forte que a original, qual seria a
reac;ao? Houve a especificac;ao de uma condi~ao na qual a
re la ~ao o riginal se mantem. mas tambem se especificou uma
o utra cond i~ao na qual a rela~ao se mantem ainda mais.
Por fim, 0 pa radigma bas ico enfoca principalmente
as va riaveis de teste dicotomicas. 0 modele de eJabora~ao
nao e tao limitado, oem na teoria nem no usc, mas 0
paradigma basico fica ma is comp li caclo quando a variavel
de teste divide a amostra em (reS ou quaero subamostras e
se com plica ainda mais quando se usa mais de uma variavel
de teste ao mesmo tempo.
Esses comentarios nao sao feitos para apontar defeiros
no paracligma de elaborat;ao. Ao contra rio, a inten~~l0 e
ressalta,r que 0 modele de eJabora~ao nao C lim algoritl110
simples, ou um conjunto de procedimentos arraves dos quais
a analise se faz. 0 modelo de elabora~ao e um dispositivo
16gico usado para assisti-Io na compreensiio dos daclos. Uma
boa compreensao clo modele de elabo ra~jo faciJitara uma
analise de sU1'vey sofisticada. No entanto, ele nao sugere quais
variaveis devem ser introduzidas como conrroles, nem sLigere
conclusoes clefinitivas sobre a natureza dos resultados da elabora~ao. Para isso, cleve-se confiar na pr6pria engenhosidade, a
qual s6 aparece depois de extensa experiencia. Ao apontar as
supersimplificat;oes no paradigma de elabora~ao basieD,
tenlei mostra r que 0 modele fornece apenas um quadro d.~
referencias 16gico. A a nalise sofist icada sera muito O1::I.IS

xa do que os exemplos usac10s para ilusrrar 0 paracomP I e '

J11a bas ico .
dIg Ao ll1esmo tempo, 0 para cIIgma d e e Ia b orae;;:ao
- -e lim
de refere ncias 16gico mllito poc/eluso. Se voce entencler
Io
qllacr
, para enten cI er
110de1o basicD,
tera- me Ih ores can cIu;;oes
bemo5 I recnicas, como corre I a~oes,
'
regressoes,
ana-IIses
Dutra
.
I
.
-.
rinis erc. 0 proximo capltu 0 proclifa SHuar tecnlcas
fuw
. .
. .
rreia roes parclals e regressoes parcta ls no contexto
co010 co
"r
do moclelo de e lab ora~ao.

Elabora~ao e Hipotese

Ex Posl facia

Oevemos fazer uma observa,ao sobre 0 poder clo mocJelo

de e1aborae;;:ao em conexao com lima infeliz "vaca sagracla" das
normas traclicionais cia pesquisa cientrfica. 0 leitor cle textos
merodol6gicos encontrara inumeras referencias a fahkia cia hipoteliza,ao ex post facto. As inten~6es clesses avisos sao boas, mas 0
pesquisador inexperiente pocle se cleixar enganar.
Observar uma re la ~ao empfrica entre d uas variaveis
e depois sugerir lima razao para ela e, ~lS vezes, chamaclo
bipoleliza,ao ex pOSI facIo - gerar uma hip6tese Jigando cluas
variaveis depois cle sua rela~ao ja ser conhecida. Lembre-se
cia ciiscllssao anterior de que todas as hip6teses devem ser
desconfirmiiveis. A menos que se possa especifica r achaclos
emprricos que clesprovem sua hip6tese, ela e essencialmente
inutil. Raciocina-se, partanto, que lima vez tendo obseruado
uma rela ~ao entre c1uas variaveis, qualquer hip6tese relativa
a essa rela~ao nao pocle ser falseacla.
Essa e lima avalia~ao justa apenas em casos em que se
rev..estem observa~oes empiricas com hi p6teses enganosas
a~os 0 fato. Tendo observado que I11l1lheres sao mnis religlosas que home ns, naG se cleve simples mente afi rm ar que
mulheres sao

,
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.

Cerra mente, poueos pesquisaclores gostarial11

qUe
San1 Stouffer ocultasse sellS achados an6malos a resp .
eIto
do moral dos soldados no Exercito. Stouffer viu observaco
.
. 6 teses sabre as razo
> es
emp ,lrlcas
peel! Ilares e procurou Ilip
es
dos sells achados. Seu racioclnio provou ser valios o p
ara
fu tu ros pesq u isadores.
Mas devemos assinalar que, embora qualquer pessoa PGSSa

gerar hip6reses para explicar re1a~oes empiricas observadas

num conjunto de dados, 0 modelo de elabora<;:iio fornece as
ferramentas 16gicas para testal' essas hip6reses dentro do
mesmo conjunto de dados. Um bom exemplo e a discussiio
anterior sobre c1asse social e envolvimento na igreja. Glock

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

a observa~ao de uma rela~flo emplrica

entre duas variaveis, digamos, X c Y.

explicou a rela~ao original em termos cia teo ria cia priva~ao SOCial.

2. i3uscamos entender a natureza dessa rclat;ao "traves do

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.

processo de manter cons(3ntes outras variaveis. Isso permite

compara\" a rela~ao origin3l entre X eYe as retafoes pm'ciais

Esses comenhirios devem mostrar que a analise de dados

processo contfnuo, que exige toda a engenhosidade e
perseveran<;:a que se puder reunir. 0 cenario de um pesquisador
cuidadosamente expondo as hip6teses e testando,as de modo
ritualfstico resulta apenas em pesquisa ritualfstica.

e um

Se voce estiver preocupado com a menor for~a das provas

ex post facIo em compara\ao com as tradicionais, deixe-me
repefir que "prova cientifica" e uma contracli),ao em termos. Nada
e provaclo cienlijicamenle. Hip6teses, explica,6es, teorias oU
palpites podem escapar de tentativas de desconfirma,iio, mas
nenhuma pode ser provada de modo absoluto. A aceita,ao de
urna hip6tese, portanto, e um;) fun\ao clo grau em que e1a f~1
testada e nao desconfirmada. Nenhuma hip6tese pode ser con51derada solicia com base num Linico teste, nao importa se gerod3
antes ou clepois cia observa,ao de dad os empiricos. Com isso
em mente, voce nao cleve se negar alguns dos C3minhos mrus
proveitosos cia analise cle clados. Tenre sempre conseguir U~la
.
gn,ficompreensao honesta dos clados, desenvolva {eonas Sl
cativas para 0 enrenciimenro mais geral, e nao se preocupe com 3maneira como 3tingiu esta compreensao.

encontradas entre subconjuntos baseados na vari,\vel de

contrale.

3. Se as

rela~ocs

parciais forem essencialmentc as mcsmas

que a original, dizemos que a relat;ao original roi replicacia,

e conciufmos que a rcla~ao entre X eYe gcnufna c

generalizavel.

4. Se apenas uma das rela~oes parciais c essencialmentc a

mesma (ou mais forte) que a original, cnquanlO a outra
rela~ao parcial c essencialmente zero, chamamos 0 resultado
de especi/icClfao: especificaram-se as condit;oes nas quais
X causa Y.
5. Se a rclat;ao original desaparece nas parciais e sc a
variavd de comrole e antecedente (anterior) a X e Y, 0
rcsulrado e chamado de e;..plicafcfo, tiignificando que
anulamoti uma

rela~ao

espuria (nao-genufna).

6. Se a rela~ao original desaparece nas parciais. e sc a

varia vel de contrale intcrvem cronologicamcnte entre X e
V, este resuhado e chamado de j,lletpreIClfcfo. significando
que descobrimos os mcios pelos quais X causa Y.

Nolo!
STOUFFER, Samuel A. et al. nJeAmericallSoldier. Princeton

Unlversny Press, 1949. v.l. p.122 et seq., esp. p.127.

' NJ'I'rl'nc
'"
elon

Capitulo 16

KENDALL, Patricia L, IAZARSF~LD, Paul F.. Problems of Social Analy~is.

In: MERTON, Robert K., LAZARSI'ELD, Paull', (Eel.), COWllltlilies iI/ 50Citl!

ResearciJ: Studies in the Scope and Method of "The American Soidie r.

..

New York, Free Press, 1950. p.133-196 .

3Nme, claro, que os lermos "varia vel independemc" e ~variavel depen~

deote sao, a rigor, usados incorrctamente no diagrama. De fato, (cmos
lima variiivel independente (a vari:1vel de teste) c dU<ls varhiveis depen.
dentes. A terminologia incorreta roi usada apenas para dar cominuidade

fstotistico

aD exemplo anterior.
~ N.T. Medicare: sistema de seguro-saudc. 13ABI3IE, Earl R. Scieflce and

Morality ill Medicine. Berkeley: University of California Press, 1970. Ver

especialmcntc p.181.

Charles Y., RINGER, 13cnjamin B., 13A13BJE, Earl R. To ComJort

alld to Challenge. Ocrkeley: University of California Press, 1967. p.92.

5 GLOCK,

ROSENOERG, Morris. 77Je Logic of Swvey AlIa(ysis. New York: Basic

Books, 1968.

Muit.s pessoas se deixam intimidar pela pesquisa

empirica por nao fica rem confortaveis com a matematica
e a estatistica. Muitos relat6rios de pesquisa sao cheios de
calculos nao especificados. 0 papel da estatisrica em pesquisa
de survey

e muito

importante, mas

e igualmente

imporrante

'Ibidem. 1'.88-89.

ver esse papel na perspectiva adequada. A pesquisa empirica

'Ibidem. p.94-95.

C, antes de mais nada, uma opera~ao l6gica, c nao uma

opera~a o matematica. A matematica
apenas uma linguagem
conveniente e eficaz para descrever as opera~oes 16gicas
inerentes a boa analise de dados. A estatistica, lim ramo cia
matemarica aplica c1a , e especialmente adequacla para varias

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.

analises de pesq u isa.

Neste capitulo, examinaremos dois tipos de estatistica:
a descritiva e a inferencial. A estatlslica descriliva um meio
~e descrever clados em formas manejaveis. A eSlatfstica
m/erellcial, por seu lado, ajuda a tirar conclusoes de obser-

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.

LAZARSFELD, Paul F., PASANELLA, Ann K., ROSENBERG, Morris

(Ed.). Continllities in ""/7Je Lallgllage 0/ Social Researc/J".
New York: Free Press, 1972. se~ao II.

Estatistica Descritiva

ROSENBERG, Morris. Tbe Logic

Basic Books, 1968.

0/ SlIrvey Analysis.

New York:

w York:
STOUFFER, Samuel A. Social Research to Test Ideas. Ne
Free Press, 1962.

. ~ estaristica descritiva e um metodo de apresentar

SCncoes qu . .
,
am,tatlvas de modo manejavel. As vezes, deseja-se
-rever va . ~ "
ass'
( navels lsolaclamemc, outraS vezes quer-se c1escrever as
OClaCOes
I'
-.
dos
que 19am lima vanavel a outra. VeJamos alguns
OJodos d e fazer essas clescri.;oes.
de

d_~

Soc i 0 I

Redu~ao de Dodos

o Capieulo 14 discutiu algumas formas de resumir clados

A pesquisa cientlfica frequentemente envolve coleta

r grande,;
massas d e dados. Suponha que pesquisamos 2.000
f azen d 0 100 perguntas a cada lima - lim estudo de pessoas.,
.
grandeza
comum. Com ISSO, tenamos 200.000 respostas. Ningueln d.
I
I
11
I
POena
el toc as e extra'f c e as a guma conciusao significativa. Po
.
-I
.
-fi .
flanto
mUlta ana lse clentl lCa ImpJica a redufclo de clados de d I '

.ImaneJavels
.-. para resumos mais faceis de trabalhar.,

. I . medidas de tenciencia central, como a modal

- como amp I1urllvanaC
' . os.
e a media, e medtd as d e dlspersao,
ledlana
_ I
.
. .
n
a d " padrao. Tambem passive reSUlnlf a assocla~ao
[U

de e

eS\ 10

~.

entre varia ve1s .

Medidas de hsso(ia~ao

=~

Para come~ar, vejamos a matriz de clados brutos

. 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

lIm~.. pessoa (ou ?utra uniclade de analise), caela colllna tuna

vanavel e cada celula na matriz a atributo ou valor codificado
que LIma pessoa rem numa varia vel. A primeira coluna cia

A associa ~ao entre cluas variaveis quaisquer pode ser

a por uma matriz de dados produzida pelas distrirepresen tad

..
._ .
.
'
de
frequencJa conJuntas. das duas_ vanavels.
~~5
. A Tabela
_
16-2 arresenta uma matriz aSSlm. Ela da toda ': 1l1fonna~~0
necessaria para clererminar a natureza e a extensao cia rela~ao

entre escolaridade e preconceito.

Tabela 16-1 representa sexo. Suponha que "1" represente

homem e "2", mulher. 1sso significa que as pessoas 1 e 2 sao
homens, a pessoa 3 e mulher, e assim por diante.
No caso de ida de, 0 "3" da pessoa 1 pode significar de 30
a 39 anos de idade, e 0 "4" da pessoa 2, 40-49. Nao impolta
como a ida de tenha sido codificacla (ver CapItulo 11), os numeros
de c6digo mostrados na coluna 2 da Tabela 16-1 descreveriam
cada pessoa hi representada.

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

Ori,ntoeoo filioeoo Impar/antio

Politito R,ligiOio do religioa
4
0
3
2
1
1
4
2
3
4
2
2
1
1
5
1
1
5

Nore que os dados ja foram reduzidos quando criamos

uma matriz de dados como a da Tabela 16-1. Se a ida de fOI
codificada Como acima, a resposta espedfica "33 anos de idade" ja
foi reduzida a categoria 30-39. As pessoas entrevistadas podem
ter clado 60 ou 70 idades diferentes, agora reduzidas a seis OU
sete categorias.

Nore, por exemplo, que 23 pessoas (a) nao tem nenhuma

escolaridade e (b) tiveram um escore alto de preconceito; 77
pessoas (a) tin ham curso de p6s-gradua~ao e (b) tive ram baixo
eSCore de preconceito. Como a matriz de clados b rutos na
Tabela 16-1, esta matriz di mais infonna~ao do que 0 necessario

acompreensao. Ao examiml-1a com cuidado, ve-se que, amedida

que a escolaridade aumenta de "nenhUlTI" para "p6s-graduado",

ha uma tendencia geral de diminui~ao do

n~a. e passlvel ter nada mais aiem des sa

preconceiro, mas
impressao geral.

Vanas estatlsticas descritivas pennitem resumir esta matriz

~e dados. A seleo da medida adequada depende,

inicialmente,

a natureza das duas variaveis.

Vejamos algumas alcernativas para resumir a

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'"

,ao Proporcional de erro (RPE). Para ver como esse modelo

funciona, suponha que eu Ihe pe~a para adivinhar atributos d

respondentes em alguma variavei, por exemplo, se responciera e
sim all nao a algum item do questionario.

In

Primeiro, suponha que voce conhece a distribui~ao geral

de respostas na amostra total, digamos, 60% sim e 40% no

o.

Voce cometeria 0 menor numero de erros se sempre usasse a

resposta modal Ca rna is frequente):

sim.

Segundo, suponha que voce tambem conhece a

rela~iio

empfrica entre a primeira variavel e alguma Dutra, digalTIQS

sexo. TocIa vez que eu perguntar se algum respondente responde~

sim ou nao, Ihe direi tambem se e homem ou mulher. Se as
duas variaveis saO reiacionacias, voce cleve comerer menos erros

Sup
.SSe

e OU\fl

variaveis: quanta maior a rela~ao, maior

a redu,ao de eno.

o modele basico de RPE e modificado ligeiramente para

levar em conta tlfveis diferentes de meclida: nominal, ordinal
ou intervale . As se~6es segu intes consideram cada nivel de
medi~ao e apresentam lima meclida de associar;ao adequada a
caela uma. As medidas ciisclIticlas sao apenas [res de muitas

medidas apropriadas.
Varidueis NOl1zinais, Se as duas variaveis consistem em

claclos nominais Cpor exemplo, sexo, filia,iio religiosa, rap), 0

lambda (I) seria uma medida adequada. 0 lambda se baseia na
capacidade de preyer valores de uma das varhlveis, isto

e,

RPE obtido do conhecimento dos valores de oulra varhive!.

Vejamos um exemplo hipotetico simples da 16gica e metodo do
lambda. A Tabela 16-3 apresenta daclos rupoteticos relacionando
sexo a situa~ao empregatfcia. No geral, vemos que 1.100 pessoas
estop empregadas e 900 desempregadas. Se voce fosse predize r
se as pessoas estao empregadas sabendo apenas a distribui,ao
gera l dessa variavel, preclizer sempre "empregado" levari a a
menos erros do que sempre preclizer "clesempregado". Mas isso
resullaria em 900 enos em 2.000 previs6es.

~ l'a mudaria, Para cada homem a pre l(;ao

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.
,

da segunda vez. E possivel, portanto, calcular 0 RPE sabendo a

rela~ao entre as duas

voce teve acesso aos dados da Tabela 16-3

onha que
..
_ I
d pesso a anteS de predlzer a Sltua,ao (e
0 sexO a
d -

statis tiCa entre sexo e emprego.

Se sexo e emprego fossem estatistieamente independentes,

, 10S a mesma distribui,iio de situa,ao de emprego
enconuanan
enS e mulheres Neste caso, saber 0 sexo dos responI m
~rnm

dentes nao afetaria 0 numero de enos cometido~ ao se pre lzer

silua,ao cle emprego, e 0 lambda resultante sena zero. Se, por

outro lado tados os homens estivessem empregados e tadas as
mulheres desempregadas, saber 0 sexo cia pessoa evitaria enoS

na predi,ao de situa,ao de emprego. Especificamente, vo~e

eomeleria 900 erroS a menos Cem 900), de fonna que lambda sena
1,0, representando uma associaC;ao estatistica perfeita.
Lambda

e apenas

uma de varias medidas de associaC;ao

para a amllise de duas variaveis nomina is.

Varidveis Orclinais. Se as vadaveis relacionadas sao ordinais
(por exemplo, classe social, religiosidade, aliena~ao), gamma Cy)
e uma medida de associa~o adequada. Como lambda, ganuna se
baseia na capacidade de adivinhar valores de uma varia vel
sabendo valores de outra. Em vez de valores exatos, rodavia,

gamma se baseia no arranjo ordinal de valores. Para qualquer

par de casos, voce aclivinha que a ordena,ao de uma varia vel
vai corresponder, positiva ou negativamente,

a ordenac;ao

cia

Outra. Por exemplo, se voce suspeita que religiosidade se

relaCiona positivamente com conservadorismo politico e se a

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

~essoa A e mais religiosa que a Pessoa B, voce adivinha que ela

e ~mbem mais conservadora que B. Gamma se baseia no
numero de comparac;oes emparelhadas que se ajusram a este
padrao versus as que 0 contradlzem.
.

. I e preconceito neste exemplo hipotetico,

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

A Tabela 16-4 apresenta dad os hipoteticos relacionancto

c1asse social e preconceico. A natureza geral cia relar;ao entre
essas duas variaveis e que, a medida que allmenta a c1asse sociai
l

diminui 0 preconceito.

Ha uma associar;ao negativa entre cJasse

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 va