Amostra presencial do PD

O PD oferece ajuda para esse tipo de pesquisa para o nível nacional, para qualquer estado e para qualquer município do país. Outros níveis são possíveis, porém requerem uma amostra customizada. A metodologia padrão do PD é denominada de Amostragem Probabilística com Cotas. Ela pode ser descrita como amostragem estratificada probabilistica de conglomerados em 3 estágios (ou 2 estágios no nível municipal), com a seleção dos conglomerados feita com probabilidade proporcional ao tamanho nos estágios iniciais, e por cotas no estágio final. Esta amostra é domiciliar, pois a qualidade desse tipo de pesquisa quase certamente é melhor do que pesquisas feitas em ponto de fluxo. A seguir fazemos uma breve descrição da metodologia.

Estágio 2 (Seleção dos setores)

Uma vez selecionados os municípios (no primeiro estágio), selecionam-se os setores censitários destes municípios. A seleção dos setores é realizada com probabilidades proporcionais ao tamanho (população do setor), controlando principalmente a renda média do responsável pelo domicílio.

Nessa seleção a amostra é estratificada geograficamente. A estratificação se baseia numa segmentação geográfica desenvolvida pelo PD, a qual é individualizada para cada município do país. Essa segmentação leva em conta a latitude, a longitude e a renda média dos setores censitários, além de também considerar se os setores agrupados pertencem ao mesmo Distrito, Subdistrito e Bairro. A grande vantagem desta segmentação é que ela permite controlar a quantidade de estratos desejados em cada cidade, os quais são homogêneos com relação a renda, porém respeitam a geografia da cidade.

Um exemplo dessa segmentação para a cidade de Belo Horizonte/MG é apresentada na figura abaixo. No primeiro sub-gráfico denominado “Distritos”, mostramos os 3 distritos de BH de acordo com o Instituto Brasileiro de Geografia (IBGE). Nos outros sub-gráficos, mostramos as possíveis segmentações geográficas cada uma contendo um número específico de grupos/estratos (descritos no título). A metodologia padrão do PD seleciona então o maior número possível de estratos (até no máximo 10), com a condição de que haja pelo menos uma entrevista no menor estrato (fazendo alocação proporcional).

Estratificação geográfica

Estágio 3 (Seleção dos respondentes)

O próximo passo é a seleção dos moradores de domicílios que se encontram nos setores censitários selecionados no segundo estágio. Na metodologia padrão do PD, a seleção dos moradores não é probabilística, mas é realizada com o uso de cotas. Existe bastante polêmica sobre qual é a melhor forma de selecionar as pessoas nesse terceiro estágio, porém em termos práticos, utilizar cotas (bem pensadas) mantém a eficiência do desenho amostral, com a vantagem de reduzir o custo/tempo da coleta de dados. A alternativa usualmente considerada é a seleção probabilística dos respondentes, porém na prática a eficiência é similar a da seleção por cotas. Para uma discusão bastante profunda e teórica sobre o assunto, veja essa tese de doutorado.

Não cabe discutir aqui a melhor forma de selecionar as variáveis das cotas, porém para o leitor interessado recomendo esse link. Na metodologia padrão do PD, as variáveis geralmente utilizadas nas cotas são Sexo, Idade, Escolaridade e Ocupação. Dependendo do escopo da pesquisa, essas cotas podem ser calculadas usando o perfil específico das pessoas que residem nas áreas de interesse da pesquisa (se a informação exisitir). Caso contrário é utilizado o perfil de áreas das quais existem informações públicas.

Em termos práticos, o produto final entregue a quem adquirir uma amostra padrão do PD será um conjunto de mapas em pdf dos setores selecionados na amostra (como o setor mostrado acima), e as respectivas folhas de cota em Excel, indicando quantas pessoas de cada perfil devem ser entrevistadas em cada setor. Segue abaixo um exemplo de uma folha de cota para o setor de número \(530010805160174\), localizado em Brasília.

Exemplo de uma folha de cota

Ponderação dos resultados

A ponderação padrão do PD para pesquisas pessoais utiliza as mesmas variáveis utilizadas na definição das cotas (Sexo, Idade, Escolaridade e Ocupação) além de Área/Região, porém outras variáveis podem ser utilizadas, tais como tipo de residência, recebimento do Bolsa Família e Religião, se o cliente desejar. No caso de amostras com abrangência geográfica nacional ou estadual, os ajustes são realizados dentro de cada área/região de interesse; nos outros casos, o ajuste é para o total da pesquisa e a área é tratada como mais uma variável de ponderação.

Para que variáveis possam ser utilizadas na ponderação da pesquisa, têm que ser contempladas na formulação do questionário (ou incluídas na base de dados). Além disso, é necessário que a distribuição populacional delas seja conhecida, ou seja, estas informações devem estar presentes em pesquisas públicas (preferencialmente confiáveis).

Amostra telefônica do PD

O PD oferece amostras desse tipo de pesquisa para o nível nacional, para qualquer estado e para qualquer município do país. O PD também oferece a opção de pesquisa RDD ou Listagem, mas a metodologia similar para os dois casos. A metodologia básica é a amostragem de conglomerados em dois estágios, onde no primeiro estágio seleciona-se agrupamentos de prefixos telefônicos, e no segundo selecionam-se os números de telefone em si. Um prefixo são os primeiros 5 dígitos de um telefone celular (além do DDD) e os 4 primeiros do telefone fixo. Por exemplo, o prefixo do telefone (11)98765-4321 é (11)98765. Nesse caso, o agrupamento de telefones desse prefixo seriam todos os telefones sequenciais entre os números (11)98765-0000 e (11)98765-9999. No geral, cada agrupamentos de prefixos tem 10 mil números telefônicos, embora existam algumas exceções.

Existem duas motivações principais para utilizar os agrupamentos de prefixos telefônicos. Em primeiro lugar, a ANATEL disponibiliza os números existentes no Brasil dessa forma. Em segundo lugar, a utilização desses agrupamentos permite combinar informações da ANATEL com informações de listagens compradas de fornecedores. A ideia é que enriquecer a lista de telefones da ANATEL com listagens compradas, faz com que seja possível melhorar a efetividade da coleta de dados sem diminuir significativamente a qualidade da pesquisa. O PD temos quatro opções metodológicas para seleção da amostra, o que permitindo que o cliente escolha a opção que melhor atende a suas necessidades, balanceando o custo da coleta dos dados com a qualidade dos resultados da pesquisa. O custo de adquirir uma amostra de qualquer uma das quatro opções é o mesmo, deixando assim a decisão sobre o gasto com a coleta de dados para o cliente.

O PD enriqueceu a base de telefones da ANATEL com mais de 330 milhões de telefones ativos (ao menos desde 2018), de diversas operadoras de telefonia (Celulares pré e pós pagos da OI/VIVO/CLARO/TIM, NEXTEL, Fixos da VIVO/GVT/CLARO TV/SKY). Por isso é provavél que a perda de cobertura resultante do uso da listagem seja mínima, porém é difícil mensurar o efeito. Para uma discussão um pouco mais aprofundada sobre o potencial viés de se utilizar listagens telefônicas, veja esse link. As quatro variações metodológicas amostrais são descritas abaixo, variando do uso de 100% de telefones da ANATEL até 100% de telefones de listagens, além de incluir duas opções híbridas intermediárias:

• RDD pura de prefixos: Nessa opção, os prefixos telefônicos são selecionados com probabilidades proporcionais ao número de telefones da ANATEL com o prefixo. Dentro de cada prefixo selecionado, selecionam-se telefones com probabilidades uniformes (iguais). Nesse método, usa-se apenas informações da ANATEL para selecionar a amostra, garantindo que todos os telefones existentes no Brasil tenham chance de ser selecionados. Por outro lado, como vários telefones ainda não foram utilizados pelas operadoras, a coleta dos dados pode demorar mais pra terminar a coleta de dados.
• RDD Híbrida de prefixos: Nessa opção, os prefixos telefônicos também são selecionados com probabilidades proporcionais ao número de telefones da ANATEL com o prefixo, porém apenas prefixos que contenham pelo menos 1 telefone listado (padrão que pode ser alterado) podem ser selecionados. Dentro de cada prefixo selecionado, selecionam-se telefones com probabilidades uniformes (iguais). A suposição aqui é que se um telefone do agrupamento do prefixo já está em uso, provavelmente outros telefones também estarão sendo utilizados, dessa forma aumentando a velocidade da coleta de dados.
• Listagem Híbrida de prefixos: Nessa opção, os prefixos telefônicos também são selecionados com probabilidades proporcionais ao número de telefones da ANATEL com o prefixo, porém apenas prefixos que contenham pelo menos 1 telefone listado (padrão que pode ser alterado) podem ser selecionados. A diferença com relação a RDD Híbrida é que dentro de cada prefixo selecionado, selecionam-se apenas telefones listados, com probabilidades uniformes (iguais). Como apenas telefones listados são selecionados, a velocidade da coleta de dados deve ser ainda maior que as opções anteriores.
• Listagem pura de prefixos: Nessa opção, os prefixos telefônicos são selecionados com probabilidades proporcionais ao número de telefones listados. E dentro de cada prefixo selecionado, selecionam-se apenas telefones listados, com probabilidades uniformes (iguais). A diferença entre essa opção e a Listagem Híbrida é que nesse caso serão selecionados telefones de prefixos com mais números listados, e na anterior serão priorizados prefixos de acordo com o número de telefones que existem. Como nesse caso apenas tefefones listados são considerados nas duas etapas da seleção da amostra, a velocidade da coleta de dados deve ser maior.

Apesar de haverem algumas diferenças sutis entre as 4 opções, elas podem ser importantes tanto em aspectos práticos como o custo/tempo da coleta de dados, quanto em aspectos teóricos que aumentam a credibilidade da pesquisa, como a certeza de que todos os telefones do Brasil podem pertencer a pesquisa.

Nas pesquisas telefônicas, a seleção dos moradores também é realizada com o uso de cotas. Na metodologia padrão do PD, as variáveis utilizadas nas cotas são Sexo, Idade, Escolaridade e Ocupação. Também inclui um controle do tipo de telefone usado (fixo ou celular). A contemplação dos dois tipos de telefones é importante para obter uma pesquisa de qualidade porque esses dois tipos podem implicar em perfis demográficos diferentes. Pessoas que têm Somente Celular, Somente Fixo e Celular e Fixo são bem diferentes entre si, e a exclusão de algum desses grupos pode aumentar bastante o viés de cobertura desse modo de pesquisa. O padrão do PD é fazer 80% das entrevistas com telefones celulares e 20% com telefones fixos, porém esse parâmetro é customizável. Apesar da inclusão dos dois tipos de telefone complicar um pouco a logística da coleta de dados e a análise dos resultados, o ganho em cobertura compensa o esforço.

Ponderação dos resultados

A ponderação padrão do PD para pesquisas telefônicas utiliza as mesmas variáveis utilizadas na definição das cotas (Sexo, Idade, Escolaridade e Ocupação) além de Área/Região. No caso de amostras com abrangência geográfica nacional ou estadual, os ajustes são realizados dentro de cada área/região de interesse; nos outros casos o ajuste é para o total da pesquisa e a área é tratada como mais uma variável de ponderação. No caso específico de amostra municípais, é preciso ter cuidado de incluir as informações contidas nas listagens vendidas pelo PD na base de dados da pesquisa, permitindo assim a inclusão de Área/Região no esquema de ponderação.

Em pesquisas telefônicas atenção especial é dada à questão do tipo do telefone, pois são necessários dois cadastros (de fixos e de celulares) para selecionar a amostra. A motivação para considerar essa informação na ponderação é porque pessoas que têm os dois tipos de telefone têm mais chance de pertencer à pesquisa e a sua proporção na amostra pode ser super-estimada. Além disso, existem estudos mostrando que tais pessoas têm perfil de voto mais conservador, aumentando o potencial de algum viés relevante na pesquisa. Em pesquisas realizadas por URA é importante tentar corrigir o viés que pode ocorrer por subgrupos da população não participarem de pesquisas desse tipo, porém quais ajustes devem ser feitos ainda não é tão claro.

No esquema de ponderação, também podem ser incluídas outras variáveis previamente escolhidas, como por exemplo, tipo de residência, recebimento do Bolsa Família e Religião, se o cliente desejar. Para que variáveis possam ser utilizadas na ponderação da pesquisa, elas têm que ser incluídas no questionário (ou na base de dados). Além disso, é necessário que a distribuição populacional delas seja conhecida, ou seja, essas informações devem estar presentes em pesquisas públicas (preferencialmente confiáveis).

Amostra online do PD

Como as informações disponíveis sobre os respondentes dependem muito da forma de recrutamento utilizada, não é possível desenvolver uma metodologia abrangente para a seleção de amostras nesse modo de pesquisa. Assim, geralmente o controle é estritamente baseado em cotas, e é difícil dizer de antemão quais variáveis devem ser utilizadas. Decisões como essas tem que ser tomadas após a definição de como será feita a coleta de dados.

Em termos práticos, o produto final entregue a quem adquirir uma amostra padrão do PD serão macro-cotas dentro de cada estrato geográfico considerado, com o perfil da população online para controlar a auto-seleção dos respondentes na pesquisa. Para mais informações sobre pesquisas online, e os possíveis viéses desse tipo de pesquisa, veja esse post.

Ponderação dos resultados

A ponderação padrão do PD para pesquisas utiliza as mesmas variáveis utilizadas na definição das cotas (Sexo, Idade, Escolaridade e Ocupação) além de Área/Região, porém outras variáveis podem ser utilizadas. No caso de amostras com abrangência geográfica nacional ou estadual, os ajustes são realizados dentro de cada área/região de interesse, nos outros casos o ajuste é para o total da pesquisa e a área é tratada como mais uma variável de ponderação.

No caso específico das pesquisas online, atenção especial é dada a informações como frequência de uso da internet e tipo de uso da internet do respondente, para remover viés conhecidos desse tipo de pesquisa. Para que variáveis como essas possam ser utilizadas na ponderação da pesquisa, elas têm que ser incluídas no questionário (ou na base de dados).