Saltar al contenido

Guía

Cómo analizar los resultados de una encuesta

Para analizar bien los resultados de una encuesta, parte de la pregunta que querías responder y deja que guíe lo que miras. Indica siempre la base (el número de personas que respondieron, o n) y trata las bases pequeñas como algo orientativo, no concluyente. Lee las distribuciones completas en lugar de fiarte de las medias, segmenta los datos para ver dónde difieren los grupos y usa las respuestas de texto libre para entender el porqué de los números. Describe lo que muestran los datos como una asociación, no como una prueba de causa, y mantente atento a quién no respondió.

Parte de la pregunta que querías responder

Antes de tocar un solo gráfico, escribe la decisión que la encuesta debía informar. Una encuesta sobre el lanzamiento de un producto responde a una pregunta distinta que otra sobre el clima laboral, y los mismos datos pueden parecer alentadores o preocupantes según lo que intentes averiguar.

Deja que esa pregunta decida qué resultados importan. Así evitas quedarte solo con los números que quedan bien y no te pierdes entre métricas secundarias que no tienen nada que ver con la decisión que tienes delante.

Indica la base (n) antes que cualquier porcentaje

Todo porcentaje descansa sobre una base: el número de personas que realmente respondieron a esa pregunta. Un 80% de acuerdo significa una cosa sobre 500 respuestas y casi nada sobre 5. Muestra siempre la n junto al porcentaje para que quien lo lea pueda juzgar cuánto peso tiene.

Trata las bases pequeñas como algo orientativo. Un puñado de respuestas puede sugerir un patrón que merece la pena explorar, pero no es una prueba sobre la que actuar con confianza. Espera a tener más respuestas o presenta el hallazgo como una señal, no como una conclusión.

No es solo buena costumbre: el código de ética de AAPOR obliga a publicar el tamaño de muestra junto con los resultados y a facilitar, a quien lo pida, la base sin ponderar sobre la que descansa cada estimación de un subgrupo.

Lee la distribución, no solo la media

Una media esconde la forma de las respuestas. Una satisfacción de 3 sobre 5 puede venir de una sala llena de tibios treses o de un empate entre cincos encantados y unos furiosos. Esas dos situaciones piden respuestas opuestas y, sin embargo, comparten la misma media.

Mira todo el reparto: cuántas personas eligieron cada opción, dónde están los picos y cuántas se sitúan en los extremos. La distribución suele contar una historia más clara que cualquier número resumen por sí solo.

Jamieson lo advirtió en Medical Education al criticar el uso rutinario de medias sobre escalas tipo Likert: son categorías ordenadas y no distancias iguales, así que la mediana y el reparto completo describen las respuestas mejor que el promedio.

Segmenta para ver dónde difieren los grupos

Los números globales pueden aplanar diferencias reales. Cruza tus resultados por los grupos que te importan, como región, rol, plan o cuánto hace que alguien se hizo cliente, y a menudo descubrirás que es un solo segmento el que arrastra la cifra general.

Los segmentos solo funcionan si cada uno tiene base suficiente. Cuando divides 200 respuestas en seis grupos, algunos serán demasiado pequeños para fiarte, así que léelos como algo orientativo. Los resultados en vivo ayudan aquí: puedes ver cómo se llena un segmento y esperar a que sea lo bastante grande antes de sacar conclusiones.

Cochran lo dejó establecido en Sampling Techniques al tratar la estimación por dominios: la precisión del dato de un subgrupo depende del número de respuestas que caen dentro de ese subgrupo, no del tamaño total de la muestra.

Encuentra el porqué y sé honesto con la causa

Las preguntas cerradas te dicen qué está pasando; las respuestas de texto libre te dicen por qué. Lee una muestra de los comentarios antes de cerrar cualquier interpretación, porque una queja que se repite puede explicar una caída que los gráficos solo insinúan.

Dos cautelas mantienen honesta tu lectura. Primera: un vínculo entre dos cosas es una asociación, no la prueba de que una causó la otra, porque puede haber un factor oculto que impulse ambas. Segunda: vigila el sesgo de no respuesta, porque quienes ignoraron tu encuesta pueden ser distintos de quienes respondieron, y a menudo faltan justo las voces más contentas o más ocupadas.

Y no basta con perseguir una tasa de respuesta alta: el metaanálisis de Groves y Peytcheva en Public Opinion Quarterly, que reunió 59 estudios metodológicos diseñados para medir el sesgo de no respuesta, concluyó que la tasa de respuesta no predice de forma general ese sesgo.

Preguntas frecuentes

¿Cuántas respuestas necesito para fiarme de los resultados?
Depende de cuánta precisión necesites y de cómo de grande sea tu población. Una convención habitual es un 95% de confianza con un 5% de margen de error, lo que para una población grande equivale a unas 385 respuestas. Menos respuestas pueden seguir siendo útiles, pero trátalas como algo orientativo y amplía tu idea del margen alrededor de cada número.
¿Qué se considera base suficiente para un segmento?
No hay un umbral único, pero cuanto más pequeño es un segmento, mayor es su margen de error y menos deberías apoyarte en él. Como hábito práctico, indica la n de cada segmento y trata cualquier grupo con un puñado de respuestas como una señal para explorar, no como un hecho sobre el que actuar. Si un segmento es importante para tu decisión, sigue recogiendo respuestas hasta que sea lo bastante grande.
Si dos grupos respondieron distinto, ¿demuestra eso que una cosa causó la otra?
No. Una diferencia o una correlación muestran una asociación, no una causa. Un tercer factor que no mediste podría estar impulsando ambos patrones, así que describe lo que muestran los datos y, si necesitas establecer una causa, haz un seguimiento con una prueba controlada en lugar de concluirlo solo a partir de la encuesta.

Fuentes

  1. Jamieson, S. (2004). Likert scales: how to (ab)use them. Medical Education, 38(12), 1217-1218Por qué una media sobre una escala Likert describe peor que la mediana y el reparto.
  2. Groves, R. M. & Peytcheva, E. (2008). The Impact of Nonresponse Rates on Nonresponse Bias: A Meta-Analysis. Public Opinion Quarterly, 72(2), 167-189Sobre por qué perseguir una tasa de respuesta alta no garantiza ausencia de sesgo.
  3. AAPOR, Best Practices for Survey ResearchNorma profesional sobre declarar la base (n), informar de los resultados y no sobreinterpretar bases pequeñas.
  4. Groves, R. M. (2006). Nonresponse Rates and Nonresponse Bias in Household SurveysPor qué importa quién no respondió, y por qué una tasa de respuesta alta no garantiza por sí sola que no haya sesgo.

Crea tu encuesta con Camaleonic Survey

IA para redactar, tu marca en cada pantalla y resultados en vivo mientras llegan las respuestas.

Empieza gratis