Erros amostrais e não amostrais (e como minimizá-los)

O que é um erro amostral (ou erro de amostragem) e por que ele é importante?

Para entender o que é um erro amostral (ou erro de amostragem), primeiro, você precisa saber um pouco sobre o papel da amostragem em uma pesquisa e entender, também, como calcular a margem de erro de uma amostra. Se você já tem mais conhecimento na área, pode pular para a próxima seção.

Ao fazer uma pesquisa, normalmente estamos interessados em um grupo grande de pessoas. A solução para isso é pegar uma amostra (o seja, um grupo que represente a população toda).

Para que sua amostra seja uma representação justa, é necessário seguir algumas práticas recomendadas. Para além de definir como calcular a margem de erro de uma amostra e garantir um bom resultado de pesquisa, uma outra prática recomendada é obter o tamanho de amostra certo. Isso é crucial: se a amostra for muito grande, você poderá ter trabalho demais para pouco resultado. Se for muito pequena, ela pode não ser representativa da população.

Mas não basta só definir o tamanho da amostra. Também é extremamente importante entender os erros amostrais e não amostrais para evitar que eles causem problemas na sua pesquisa.

Erros amostrais e não amostrais: o que são?

O termo erro amostral (ou erro de amostragem), apesar do nome, não indica realmente um erro na hora de selecionar ou trabalhar com uma amostra. A coisa é mais ou menos parecida quando o assunto é como calcular a margem de erro de uma amostra: uma margem de erro não significa um erro que vai acontecer, mas sim uma margem que considera a possibilidade de que erros possam acontecer. Problemas como escolher o grupo errado, ter uma amostra enviesada ou não perceber quais participantes vão se voluntariar ou não responder à pesquisa são erros não amostrais, e vamos falar de vários deles mais para frente.

Os erros não amostrais podem acontecer tanto em amostras representativas (como em uma pesquisa nacional) quanto no caso de enumeração total (é o caso, por exemplo, de pesquisas de experiência do colaborador).

Já os erros amostrais dizem respeito às diferenças entre os valores de média da amostra e da população, e por isso só podem ser verificados em amostras representativas.

Normalmente, não é possível quantificar o grau de erro amostral de um estudo, já que, por definição, os dados relevantes para toda a população não são medidos.

Conforme a OCDE explica, uma população nunca será representada perfeitamente por uma amostra, porque ela sempre será maior e mais completa. Nesse sentido, um erro amostral (ou erro de amostragem) não é um erro humano e não pode ser completamente evitado.

No entanto, é possível reduzir os erros amostrais seguindo algumas práticas recomendadas. Veja mais informações abaixo.

Erros amostrais e não amostrais: 5 exemplos

1. Erro de especificação da população (erro não amostral)

Esse erro ocorre quando o pesquisador não entende quem ele precisa pesquisar. Imagine, por exemplo, uma pesquisa sobre o consumo de cereais matinais nas famílias. Quem deverá participar? Pode ser a família toda, só a pessoa que faz compras ou até mesmo só as crianças. A pessoa que faz compras (ou shopper) é a tomadora de decisões, mas as crianças influenciam bastante.

Esse tipo de erro não amostral pode ser evitado se você conseguir um bom entendimento da questão principal da sua pesquisa antes de começar a selecionar participantes e criar o questionário. Vale destacar que, nessas horas, é importante saber como calcular a margem de erro de uma amostra para evitar que os resultados obtidos tenham que ser imediatamente descartados.

2. Frame error (erro não amostral)

Esse erro ocorre quando você usa uma subpopulação errada na hora de selecionar uma amostra. Um erro clássico ocorreu nas eleições presidenciais de 1836 entre Roosevelt e Landon. O frame error enquadrou registros de veículo e diretórios de telefone. Em 1936, muitos cidadãos dos EUA não tinham carros e nem telefones. E, entre os que tinham, a maioria era republicana, por isso os resultados previram erroneamente uma vitória dos republicanos.

O erro aqui está na forma como a amostra foi selecionada, que introduziu um viés inconsciente porque os pesquisadores não perceberam que as pessoas que apareceriam nas listas de participantes teriam características específicas e semelhantes ― e que parte da população que eles queriam pesquisar havia sido excluída. Um equivalente moderno pode ser usar uma amostra com base em números de celular e, no processo, desconsiderar idosos que não usam celular ou pessoas com dificuldades de aprendizado mais severas.

Os frame errors também podem acontecer quando pessoas de fora da população pesquisada são incluídas na pesquisa sem querer. Digamos, por exemplo, que estejamos fazendo uma pesquisa nacional. A lista de participantes pode ser retirada de uma área geográfica que acidentalmente tem um pedaço de um território estrangeiro e, com isso, incluir pessoas que não estão no escopo da pesquisa.

3. Erro de seleção (erro não amostral)

Esse tipo de erro acontece quando os participantes se voluntariam para a pesquisa, ou seja: só responde quem está interessado em participar. Nesses casos, de nada adianta saber como calcular a margem de erro de uma amostra, já que todas as amostras estarão comprometidas. Ele também pode ser introduzido pela pessoa responsável pela pesquisa como um erro amostral não aleatório. Por exemplo, se a pessoa chamar participantes pelas redes sociais, só receberá respostas de pessoas que conhece e, desse grupo, só os mais generosos participarão.

Os erros de seleção podem ser controlados com mais esforço na hora em que você começar a angariar e confirmar a participação de pessoas interessadas. Um processo típico inclui iniciar um contato prévio solicitando a cooperação, depois o questionário em si e, por último, um acompanhamento pós-pesquisa. Se não houver resposta, você pode fazer um novo convite de participação, ou então sugerir entrevistas por meios alternativos, como telefone ou presencial.

4. Não resposta (erro não amostral)

Erros de não resposta ocorrem quando os entrevistados são diferentes daqueles que não respondem. Digamos que você tenha uma empresa que faz pesquisa de mercado antes do lançamento de produtos. Você pode obter um nível desproporcional de participação de clientes já existentes, já que eles conhecem você, e não obter respostas de um conjunto mais amplo de pessoas que ainda não compram de você.

Isso pode acontecer tanto porque alguns participantes não foram contatados ou porque não quiseram participar. A extensão desse erro pode ser verificada com pesquisas de acompanhamento por meios alternativos.

5. Erros amostrais

Conforme já falamos, os erros amostrais (ou erros de amostragem) acontecem por causa de uma variação no número ou na representatividade da amostra que responde. Mas existem algumas formas de controlar os erros amostrais, como: (1) criar um design de amostragem adequado; (2) ter uma amostra grande o suficiente (veja nossa calculadora de tamanho de amostra); e (3) fazer vários contatos para garantir uma resposta representativa.

Fique de olho nos erros amostrais e não amostrais para garantir o sucesso da sua pesquisa — e consulte nossos materiais para descobrir como calcular a margem de erro de uma amostra.