Cómo analizar los datos de una encuesta

Ya has recopilado los resultados de tu encuesta y cuentas con un plan de análisis de datos. Ahora, ha llegado el momento de explorar, clasificar y analizar estos datos.

Suscríbete a un plan profesional Suscríbete gratis

Analizar los datos de la encuesta es muy sencillo

Ya tienes resultados de tus encuestas en línea. Ahora que ya recopilaste los resultados de tu encuesta estadística y cuentas con un plan de análisis de datos, es hora de explorar, clasificar y analizar estos datos. En este artículo te mostramos cómo los expertos en investigación de encuestas analizan los datos cuantitativos (en comparación con el análisis de los datos cualitativos), desde la observación de las respuestas y el enfoque en las preguntas de investigación más populares y los objetivos de la encuesta hasta el procesamiento de los números y la elaboración de conclusiones.

Conoce cómo SurveyMonkey facilita el análisis de resultados

En cuatro pasos te mostraremos cómo analizar datos de manera más eficaz:

  1. Analiza tus preguntas principales de investigación
  2. Tabula de forma cruzada y filtra tus resultados.
  3. Analiza los números.
  4. Saca conclusiones.

Analiza tus preguntas principales de investigación

Primero, hablemos acerca de cómo sueles analizar los resultados de tus preguntas principales de investigación. ¿Incluiste en tu encuesta preguntas de investigación empírica? ¿Consideraste emplear el muestreo de probabilidad? Recuerda que deberías haber esbozado las preguntas principales de investigación después de haber establecido un objetivo para tu encuesta.

Por ejemplo, si organizaste un congreso sobre educación y entregaste a los asistentes una encuesta para comentarios después del evento, una de las principales preguntas de investigación podría ser la siguiente: ¿Cómo califican los asistentes el congreso en general? Ahora observa las respuestas que recopilaste para una pregunta específica que se refiere a esa pregunta principal de investigación:

¿Planeas volver a asistir a este congreso el próximo año?
Opciones de respuesta
71 % 852
No 18 % 216
No estoy seguro 11 % 132
Total 1200

Como puedes observar, en las respuestas hay algunos porcentajes (71 %, 18 %) y números brutos (852, 216).

Los porcentajes son solo eso: el porcentaje de personas que dio una respuesta particular. En otras palabras, los porcentajes representan la cantidad de personas que dieron cada respuesta como una proporción del número de personas que respondieron la pregunta. Entonces, el 71 % de los encuestados (852 de los 1200 encuestados) planean volver el siguiente año.

Esta tabla también muestra que el 18 % dice que no tiene planeado regresar y el 11 % dice que no está seguro.

Tabulación cruzada y filtrado de resultados

Recuerda que cuando estableciste un objetivo para tu encuesta y diseñaste el plan de análisis, pensaste qué subgrupos ibas a analizar y comparar. Ahora es el momento en que esa planificación entra en juego. Por ejemplo, digamos que querías ver cómo se comparan las respuestas que dieron los maestros, estudiantes y administradores a la pregunta acerca del congreso del siguiente año. Para poder observar esto, debes examinar a detalle los índices de respuesta por medio de una tabulación cruzada; en esta podrás ver los resultados de la pregunta sobre el congreso separados por subgrupos:

No No estoy seguro Total
Maestros 80 %
320
7 %
28
13 %
52
400
Administradores 46 %
184
40 %
160
14 %
56
400
Estudiantes 86 %
344
8 %
32
6 %
24
400
Total de encuestados 852 216 132 1200

En esta tabla puedes ver que una gran mayoría de los estudiantes (el 86 %) y profesores (el 80 %) planea volver a asistir el año que viene. Sin embargo, los administradores que asistieron a tu congreso piensan diferente, ¡menos de la mitad (el 46 %) de ellos tiene la intención de regresar! Con suerte, algunas de nuestras otras preguntas te ayudarán a descubrir por qué y qué puedes hacer para mejorar el congreso para los administradores, a fin de que más de ellos regresen año tras año.

Utilizar un filtro es otra herramienta útil para realizar un modelo de datos. Filtrar significa dirigir tu enfoque a un subgrupo particular y dejar fuera a los demás. Por lo tanto, en lugar de comparar subgrupos entre sí, aquí solo observamos cómo un subgrupo respondió la pregunta. Por ejemplo, podrías limitar tu enfoque a solo mujeres (o solo hombres) y luego volver a realizar la tabulación cruzada por tipo de asistente para comparar solo a las administradoras, maestras y estudiantes mujeres. Una cosa que debes tener en cuenta a medida que segmentas tus resultados es que cada vez que aplicas un filtro o tabulación cruzada, el tamaño de la muestra se reduce. Para asegurarte de que los resultados sean estadísticamente significativos, podrías utilizar una calculadora del tamaño de la muestra.

Puntos de referencias, tendencias y datos comparativos

Digamos que en tu encuesta para comentarios sobre el congreso, una pregunta clave es, “En general, ¿qué tan satisfecho estuvo con el congreso?” Tus resultados muestran que el 75 % de los asistentes estuvo satisfecho con el congreso. Eso parece muy bueno. No obstante, ¿no te gustaría tener un poco de contexto? ¿Algo con qué compararlo? ¿Ese porcentaje es mejor o peor que el del año anterior? ¿Cómo se compara con otros congresos?

Bien, digamos que formulaste esta pregunta en la encuesta de comentarios sobre el congreso después del congreso del año anterior. A partir de ella, podrías hacer una comparación de tendencias. Los encuestadores profesionales concuerdan que lo más importante de observar en tus resultados son las tendencias.

Si el índice de satisfacción del año anterior fue del 60 %, incrementaste la satisfacción en 15 puntos porcentuales! ¿Qué provocó este incremento de la satisfacción? Con suerte, las respuestas a otras preguntas en la encuesta te darán algunas respuestas.

Si no posees datos de congresos de años anteriores, haz que este año sea el primero en donde recopiles comentarios. Esto se denomina comparación con un punto de referencia. Para ello, estableces un punto de referencia o número inicial y así, de ahora en adelante, podrás ver cómo cambian las tendencias, si es que lo hacen. Puedes comparar con un punto de referencia no solo la satisfacción de los asistentes, sino también las respuestas a otras preguntas. Podrás hacer un seguimiento anual acerca de qué piensan los asistentes del congreso. Esto se denomina análisis longitudinal de datos.

Incluso puedes hacer un seguimiento de los datos de subgrupos diferentes. Por ejemplo, digamos que los índices de satisfacción de estudiantes y maestros incrementan año con año, pero no los de los administradores. En ese caso, te convendría observar las respuestas que los administradores dieron a las diversas preguntas para ver si puedes obtener percepciones de por qué están menos satisfechos que otros asistentes.

Analizar los números

Ya sabes cuántas personas dijeron que regresarían, pero ¿cómo puedes saber si tu encuesta entregó respuestas en las que puedes confiar y respuestas que puedes utilizar con seguridad para tomar futuras decisiones? Es importante prestar atención a la calidad de tus datos y comprender los componentes de la importancia estadística.

En las conversaciones cotidianas, la palabra “significativo” quiere decir importante o valioso. En el campo de la estadística y el análisis de encuestas, “significativo” quiere decir “una evaluación de la exactitud”. Aquí es donde nos enfrentamos de manera inevitable al “más o menos”. En particular, significa que los resultados de la encuesta son exactos dentro de un cierto nivel de confianza y no debido al azar. Sacar conclusiones basadas en resultados que no son exactos (es decir, que no son estadísticamente significativos) es riesgoso. El primer factor que se debe considerar en cualquier evaluación de importancia estadística es la representatividad de tu muestra, es decir, hasta qué punto el grupo de personas que incluiste en la encuesta representa a la población total de personas de quienes deseas sacar conclusiones.

Tienes un problema si el 90 % de los asistentes al congreso que completaron la encuesta eran hombres, pero solo el 15 % de todos los asistentes eran hombres. Cuanto más sepas acerca de la población que te interesa estudiar, más confianza puedes tener cuando tu encuesta refleja esos números. Al menos cuando se trata del sexo de los asistentes, puedes sentirte con algo de confianza si los hombres conforman el 15 % de los encuestados en este ejemplo.

Si la muestra de tu encuesta es una selección aleatoria de una población que ya conoces, la importancia estadística puede calcularse de manera directa. Un factor principal aquí es el tamaño de la muestra. Imagina que 50 de las 1000 personas que asistieron a la conferencia respondieron a la encuesta. Cincuenta (50) es un tamaño de muestra pequeño y genera un amplio margen de error. En resumen, tus resultados no tienen mucho peso.

Supongamos que preguntaste a los encuestados a cuántas de las 10 sesiones disponibles asistieron durante el congreso. Tus resultados fueron los siguientes:

1 2 3 4 5 6 7 8 9 10 Total Valoración promedio
N.° de asistentes 10 %
100
0 %
0
0 %
0
5 %
50
10 %
100
26 %
260
24 %
240
19 %
190
5 %
50
1 %
10
1,000 6.1

Es posible que desees analizar el promedio. Como puedes recordar, existen tres tipos diferentes de promedio: media, mediana y moda.

En la tabla que se muestra arriba, el número promedio de asistencia a las sesiones es 6.1. El promedio que aparece aquí es la media, el tipo de promedio que probablemente conozcas mejor. Para calcular la media, multiplicas el número conferencias a las que fueron los asistentes (fila verde) por la cantidad de asistentes correspondiente, sumas los datos y divides eso entre la cantidad de números que sumaste. En este ejemplo, tienes 100 personas que dicen haber asistido a una sesión, 50 personas a cuatro sesiones, 100 personas a cinco sesiones, etc. Entonces, multiplicas estos pares, los sumas y divides entre el número total de personas.

La mediana es otro tipo de promedio. La mediana es el valor medio que marca el 50 %. En la tabla que se mostró con anterioridad, ubicaríamos el número de sesiones en las que asistieron 500 personas a la izquierda del número y 500 a la derecha. La mediana es, en este caso, 6 sesiones. Esto puede ayudarte a eliminar la influencia de valores atípicos que puedan afectar negativamente tus datos.

El último tipo de promedio es la moda. La moda es la respuesta más frecuente. En este caso la respuesta es seis. 260 participantes de la encuesta asistieron a seis sesiones, más de los que asistieron a cualquier otra cantidad de sesiones.

Las medias (y otros tipos de promedio) también pueden utilizarse si los resultados se basaron en escalas Likert.

Sacar conclusiones

Cuando se trata de informar los resultados de la encuesta, reflexiona sobre qué significan los datos.

Digamos que el congreso en general obtuvo valoraciones mediocres. Y decides profundizar para descubrir el motivo. Los datos muestran que los asistentes dieron valoraciones muy altas a casi todos los aspectos del congreso (las sesiones y clases, los eventos sociales y el hotel), pero realmente no les gustó la ciudad elegida para que se llevara a cabo (¡quizás el congreso se realizó en Chicago, en enero y hacía mucho frío para salir!). En pocas palabras, fue gran conferencia en general, pero con una pésima elección de ubicación. Miami o San Diego podrían ser una mejor elección para una conferencia en invierno.

Un aspecto del análisis e informe de los datos que debes considerar es la causalidad versus la correlación.

Analiza tu siguiente encuesta con SurveyMonkey

Comienza de forma gratuita

Apéndice

¿Qué es la recopilación de datos mediante una encuesta?

La recopilación de datos mediante una encuesta utiliza las encuestas como un modo para reunir información de encuestados específicos. Esta práctica puede sustituir o complementar otros tipos de recopilación de datos, tales como entrevistas, grupos focales, entre otros. Los datos recopilados por medio de encuestas pueden usarse para incrementar el compromiso de los empleados, entender la conducta de los compradores y mejorar la experiencia de los clientes.

Regresar

¿Qué es el análisis longitudinal?

El análisis longitudinal de datos (con frecuencia denominado “análisis de tendencias”) básicamente es el seguimiento de cómo los resultados de preguntas específicas cambian con el tiempo. Una vez que se establece un punto de referencia, puedes determinar cómo los números cambian, si lo hacen. Imagina que el índice de satisfacción para tu congreso fue del 50 % hace tres años, 55 % hace dos años, 65 % el año pasado y 75 % este año. ¡Felicitaciones! El análisis longitudinal de datos muestra una tendencia sólida y ascendente en la satisfacción.

Regresar

¿Cuál es la diferencia entre la correlación y la causalidad?

La causalidad es cuando un factor provoca otro, mientras que la correlación es cuando dos variables se mueven juntas, pero una no influye o provoca la otra. Por ejemplo, beber chocolate caliente y usar guantes son dos variables que están relacionadas, tienden a subir y bajar juntas. Sin embargo, una no provoca la otra. De hecho, ambas son provocadas por un tercer factor, el clima frío. El clima frío influye tanto en el consumo del chocolate caliente como en la probabilidad de usar guantes. El clima frío es la variable independiente y el consumo de chocolate caliente y la probabilidad de usar guantes son las variables dependientes. En el caso de nuestra encuesta para comentarios sobre el congreso, el clima frío probablemente influyó en la insatisfacción de los asistentes acerca de la ciudad elegida para el congreso y el congreso en general. Por último, para realizar un análisis más profundo, la relación entre las variables en tu encuesta podría requerir realizar un análisis de regresión.

Regresar

¿Qué es el análisis de regresión?

El análisis de regresión es un método avanzado de análisis y visualización de datos que te permite observar la relación entre dos o más variables. Existen muchos tipos de análisis de regresión y el que elija un experto en encuestas dependerá de las variables que esté examinando. Lo que todos los tipos de análisis de regresión tienen en común es que observan la influencia de una o más variables independientes en una variable dependiente. Al analizar los datos de nuestra encuesta, podríamos estar interesados en saber qué factores afectaron en mayor medida la satisfacción de los asistentes al congreso. ¿Es una cuestión de la cantidad de sesiones? ¿El orador principal? ¿Los eventos sociales? ¿El sitio? Al utilizar el análisis de regresión, un experto en encuestas puede determinar si y hasta qué punto la satisfacción con estos diferentes atributos de la conferencia contribuye a la satisfacción general.

A su vez, esto ofrece percepciones sobre qué aspectos del congreso podrías modificar la siguiente vez. Digamos, por ejemplo, que pagaste un alto honorario para tener a un prestigioso orador principal en tu sesión de apertura. Los participantes le dieron al orador y al congreso en general un alto puntaje. Con base en estos dos factores, podrías pensar que tener un fabuloso (y costoso) orador principal es la clave para el éxito de tu congreso. El análisis de regresión puede ayudarte a determinar si este es realmente el caso. Podrías descubrir que la popularidad del orador principal fue el mayor impulsor de la satisfacción de los asistentes al congreso. Si es así, el siguiente año te conviene tener otra vez un excelente orador principal. Sin embargo, digamos que la regresión demuestra que, aunque a todos les gustó el orador, esto no contribuyó mucho a la satisfacción de los asistentes. Si este es el caso, esa gran cantidad de dinero gastada en el orador podría gastarse en otra cosa. Si dedicas tiempo a analizar atentamente la solidez de los datos de tu encuesta, estarás encaminado a utilizar las respuestas como una fuente para tomar decisiones informadas.