Veíamos en el anterior artículo varios aspectos importantes a tener en cuenta para interpretar las encuestas: metodología cualitativa y cuantitativa, universo y grupo objetivo, y las técnicas probabilística y no probabilística. Aprendimos que la técnica probabilística es la única que puede proveer datos estadísticamente fiables porque selecciona los elementos a encuestar (personas) a través de procedimientos aleatorios;
todos los elementos tienen la misma probabilidad de ser escogidos.
Aprendimos que, por lo tanto, las encuestas que se hacen en la calle a cualquier persona que “vaya pasando” no son fiables estadísticamente porque es probable que esa persona escogida tenga una mayor probabilidad de ser escogida que otra que no trabaja o viva cerca de esa calle. Incluso, así se encueste directamente visitando los hogares, no es representativa la muestra de la población si la escogencia de éstos no se ajusta a un muestreo aleatorio. Conclusión: se debe estar seguro de que todos los
elementos (personas) del universo tengan la misma probabilidad de ser escogidos; así como cuando se lanza un dado, todas las caras tienen la misma probabilidad de “salir”.
La técnica probabilística (la que aplica un muestreo probabilístico) es la que permite escoger entonces una muestra representativa. Esta representatividad no tiene que ver del todo con la muestra, porque como vimos en el artículo anterior, la revista Literary Digest logró recibir información de 2.3 millones de personas y el desfase con respecto al resultado estuvo por encima de 20 puntos porcentuales. Así entonces, no crea que un estudio nacional de 10,000 o 5,000 encuestas es más preciso que uno de 1,500; lo importante es la manera como fueron escogidas las personas que entrevistaron, es decir, la manera como “revolvieron la sopa”.
Entramos entonces al otro tema: el tamaño de la muestra. Es común ver que la gente (sobretodo los que les va mal en las encuestas de intención de
voto) desaprueba los estudios cuando consideran que la muestra es baja (500, 400 o 300 encuestas). Aunque definitivamente a mayor muestra más precisión estadística (menos error muestral) lo más importante es la forma como fueron escogidos los encuestados. Cuando vaya a interpretar una encuesta, lo importante es que se guíe por el porcentaje de error (éste viene dado por el tamaño de la muestra) para así deducir qué tan precisos son los datos. No se guíe por el tamaño de la muestra porque éste puede tender a engañar al sentido común.
•
Tomemos como ejemplo 400 encuestas en una ciudad capital. Éstas generan casi siempre un error del 4.9% cuando se aplica un nivel del confianza del 95% (es casi siempre y no siempre porquedepende de un criterio estadístico que va según las características de cada estudio). Pero detengámonos para que se entienda esto
bien. Tomemos primero el dato de 4.9%. Significa que si un dato registra por decir algo 50% (por ejemplo la intención de voto hacia un candidato es del 50%), quiere decir que el verdadero dato está en algún lugar entre 45.1% (50 – 4.9) y 54.9% (50 + 4.9). Ahora, se espera que el dato “caiga” en algún lugar de ese intervalo, pero con un 95% de probabilidad… ahí es donde entra a jugar el nivel de confianza. Es decir, si se hiciera el estudio 100 veces, se espera que en 95 de ellos el dato real “caiga” dentro del intervalo generado por el error.
•
Esto entonces resuelve una falta en la que caen muchas personas que creen que el error es producto de la diferencia que hay entre el nivel de confianza y 100; es decir, cuando ven que el nivel de confianza es del 95%, suponen que el error es del 5% (100 – 95); ya sabemos que no.•
Sigamos. Es clave que tenga en cuenta que cuando una población tiene más de 50,000 personas siempre el tamaño de la muestra va a generar el mismo error. Es decir, si queremos hacer un estudio en Bogotá que tiene más de 6 millones de habitantes y en Arjona - Bolívar que tiene alrededor de 60 mil, y queremos un error del 4.9%, debemos hacer las mismas 400 encuestas en cada ciudad. Es así de simple. Tumbamos con esto entonces el mito que implanta el sentido común: el tamaño de la muestra debe ser proporcional al tamaño de la población.•
Comienza a ser válido el mito cuando la población es menor a 50,000. Entre más se acerque la población a 0, más debe parecerse el tamaño de la muestra al tamaño de la población.•
A pesar de todo esto los expertos en muestreo saben que la “revoltura de la sopa” debe ser más eficiente a medida que aumenta la población. Esto en pocas palabras quiere decir que a las poblaciones mayores se les debe asignar una muestra un poco mayor cuando está compuesta por segmentos muy diferentes (que geográficamente sean muy dispersos o tengan por ejemplo criterios de votación muy distintos); así mismo, el muestreo debe ser aún más eficiente.Otro factor que influye en la precisión estadística de los datos es la ausencia de respuesta. Esto ocurre cuando se le dice a un encuestador que entreviste a un hogar en particular (decisión que es tomada gracias al muestreo probabilístico) y no es posible hacerlo ya sea porque la persona no quiere contestar, porque no se encuentra nadie o por cualquier otra razón. Esa ausencia de respuesta genera problemas estadísticos porque daña la representatividad de la muestra, y ni siquiera puede ser solucionado aumentando la misma. Por ejemplo, es muy común que la clase alta sea renuente a contestar encuestas, sobretodo los hombres entre 30 y 50 años. Muchas veces este segmento de la población queda sub- representado y esto puede afectar los datos porque seguramente tienen inclinaciones políticas distintas a las de cualquier otro segmento de otro estrato; lo que se debe hacer entonces es generar una cuota mínima de encuestas para ese segmento.
Por último, tocamos el tema del cuestionario. Definitivamente éste puede sesgar los resultados de un estudio al antojo del entrevistador. En una investigación se diseñó una pregunta con opciones de respuesta pre- establecidas y se le aplicó a una muestra, y la misma pregunta, pero sin opciones de respuesta se le aplicó a otra muestra distinta. Resultó que un 25% de las encuestadas escogió la respuesta A cuando le presentaron las opciones de respuesta, mientras que la misma respuesta A sólo fue mencionada por el 9% de la otra muestra a la que se le aplicó la pregunta abierta. Así, en un estudio de intención de voto los resultados serán distintos si en uno muestran los candidatos por los cuales puede votar y en otro se deja como una pregunta abierta.
Así mismo, es fundamental que las preguntas se equilibren y no queden positivas o negativas. Por ejemplo, la pregunta “¿Usted tiene intención de votar en las próximas elecciones?” definitivamente sesga hacia el “sí”. Lo ideal es neutralizarla así: “¿Usted tiene o no tiene intención de votar en las próximas elecciones?”
Después de repasar todos los puntos anotados en ambos artículos, usted está en capacidad de entender e interpretar muy bien las encuestas, y nadie le podrá “echar cuento”. Esperamos ponga en práctica su conocimiento. Si tiene alguna duda adicional no dude en escribirnos y se la resolveremos, incluso si quiere alguna recomendación para emprender algún estudio en particular.