Definição da amostra de pesquisa: Um guia prático

Stela Faiad – stelafaiad@gmail.com

Ensaio desenvolvido na disciplina Delineamentos de Pesquisa em 2019/2 – Prof. Fabio Iglesias

A definição da amostra em uma pesquisa é um fator crítico no campo científico, uma vez que verificar se o tamanho da amostra é representativo é um questionamento difícil de se responder. O presente ensaio traz uma análise do estudo realizado por Robertson e Sibley (2018) intitulado como Research sampling. A pragmatical approach.

Escolher o tamanho da amostra pode se tornar muito complexo e os autores apresentam informações importantes para auxiliar os pesquisadores nesse desafio. Eles discutem informações como: definições conceituais de amostras e seus diferentes tipos, taxas de respostas, margem de erro, peso amostral, ajustes e recomendações práticas.

Conceitos principais

Os autores apresentam os conceitos principais divididos em amostras probabilísticas (ou aleatórias) e amostras não probabilísticas. Como amostra probabilística eles definem como a mesma probabilidade conhecida de que cada pessoa tem de ser selecionado de forma aleatória, ou quando é possível calcular a chance de uma pessoa ser selecionada.

Como não probabilística, eles definem como quando não há formas de se generalizar os resultados obtidos na amostra para o todo da população, uma vez que os elementos da amostra não têm a mesma probabilidade de serem escolhidos e, por isso, não é possível fazer inferências sobre a população.

Os autores discorrem sobre alguns tipos de amostra probabilística e não probabilística.

Amostragem probabilística ou aleatória: amostragem aleatória simples; amostragem estratificada; amostragem estratificada desproporcional; amostragem agrupada.

Amostragem não probabilística: amostragem por cotas; amostragem acidental; amostragem intencional.

A seguir serão apresentadas de forma resumida as definições conceituais que os autores discorrem no artigo.

1 – Amostragem probabilística ou aleatória

1.1 – Amostragem aleatória simples.

É o alicerce de todas as amostras científicas, na qual todos têm uma chance igual de serem incluídos na pesquisa.

Figura 1. Exemplo de amostragem aleatória simples apresentado por Robertson e Sibley (2018)

Como exemplo os autores mostram uma situação hipotética de resposta a um questionário em uma organização em que são selecionados aleatoriamente 300 funcionários em uma organização com uma força de trabalho total de 2.000 pessoas. Nesta situação de amostra hipotética, considere que a taxa de resposta seja 100% porque os 300 funcionários foram “obrigados” pelo CEO a participar. Esta é uma amostra aleatória simples e pura, porque cada um dos 2.000 funcionários tem uma chance conhecida e igual de serem incluídos na amostra.

1.2 – Amostragem estratificada

Segundo os autores, a amostragem de probabilidade estratificada pode ajudar a reduzir o impacto do erro de pesquisa. Se um pesquisador sabe previamente que as taxas de resposta serão mais baixas ou mais altas em alguns grupos, eles podem estratificar sua amostra com características conhecidas previamente e direcionar um número específico de respondentes em cada estrato.

Figura 2. Exemplo de amostragem estratificada apresentado por Robertson e Sibley (2018)

 

 

1.3 – Amostragem estratificada desproporcional

Trata-se de uma possibilidade de aplicar uma probabilidade de seleção diferente para cada estrato, ou seja, selecionar aleatoriamente um número maior de funcionários de departamentos onde você antecipa uma resposta mais baixa e vice versa.

Figura 3. Exemplo de amostragem estratificada desproporcional apresentado por Robertson e Sibley (2018)

1.4 – Amostragem agrupada

Em situações difíceis de conseguir uma amostra aleatória tem-se como opção a amostragem agrupada, que é bem utilizada em situações como por exemplo, pesquisas nacionais em que se torna inviável mandar um entrevistador para cada domicílio selecionado aleatoriamente. Em situações como essa, uma abordagem mais prática seria estratificar a geografia do país de alguma forma (por exemplo, urbano de alta densidade, semi-urbano, provincial e rural), aleatoriamente, selecionar áreas dentro de cada estrato.

2 – Amostragem não probabilística

2.1 – Amostragem por cotas

Desenvolvida pela indústria de pesquisa de mercado, os pesquisadores estabelecem metas ou cotas, com base em certas informações demográficas, tais como características da população, como idade, sexo ou região.

Segundo os autores, em muitos momentos a amostragem probabilística pode ser cara e demandar muito tempo. Nestes casos, a amostragem não probabilística vem como opção. Como possibilidades de coleta de dados de amostras não probabilísticas os autores apresentam alguns tipos mais comuns e discorrem sobre os pontos positivos e negativos. São eles: alunos de graduação, facebook e mídias sociais e mechanical turk.

Guia prático para definição do tamanho da amostra por Robertson e Sibley (2018)

1. Defina a população que você deseja estudar.
2. Defina o seu quadro de amostra e determine as fontes de que não foram contempladas no estudo.
3. Considere o vies de resposta.
4. Decida como você vai medir as suas respostas.
5. Decida se deve avaliar sua pergunta de interesse como uma variável categórica, discreta ou contínua.
6. Decida qual a margem de erro que você está disposto a aceitar.
7. Faça uma estimativa da sua taxa de resposta esperada.
8. Calcule o tamanho da amostra que você precisa.

Referência