¿Qué tamaño de muestra es representativo?

¿Qué hace que una muestra sea representativa?

Comencemos con una historia que, de hecho, se ha convertido en el mito fundacional de la investigación de mercado. Hace un siglo, la revista estadounidense The Literary Digest comenzó a realizar encuestas de opinión entre sus diez millones de lectores para predecir los resultados de las elecciones presidenciales. En cinco elecciones sucesivas, sus predicciones fueron absolutamente correctas hasta que fallaron estrepitosamente en 1936, a pesar de que realizaron aproximadamente 2,4 millones de entrevistas entre sus lectores. Para su sorpresa, George Gallup pudo predecir correctamente el resultado de esta elección con “solo” 50.000 entrevistas.

Entonces, ¿qué pasó? La muestra de The Literary Digest falló porque sus lectores no eran representativos de la población general. Tenían una estructura de edad diferente, un ingreso promedio diferente y, aparentemente, preferencias políticas diferentes. Por el contrario, Gallup entendió que la representatividad no se trata tanto del tamaño de la muestra, sino de la composición correcta de la misma. Simplemente utilizó cuotas para asegurarse de que cada grupo de personas estuviera correctamente representado en su muestra. Este descubrimiento revolucionario fue el punto de partida para la investigación de mercado y de opinión tal como la conocemos hoy.

Para la representatividad, no es el tamaño lo que importa, sino la composición correcta. Pero, ¿es eso plausible? En la década de 1960, A.C. Nielsen Jr. dio una respuesta interesante a aquellos que creían que un mayor tamaño de muestra aumentaría su representatividad.

“Si no cree en el muestreo aleatorio, la próxima vez que se haga un análisis de sangre, dígale al médico que se la saque toda.” – A.C. Nielsen Jr.

A pesar de su innegable sarcasmo, esta cita nos proporciona una analogía muy comprensible. No importa si se analiza una gota de sangre o si se toma un litro entero: los resultados del análisis siempre serán los mismos. Una gota de sangre representa perfectamente todo el conjunto.

¿Por qué es importante el tamaño de la muestra?

Obviamente, el tamaño de la muestra sigue siendo importante. Pero, ¿por qué exactamente es importante? Siempre que se tiene una muestra representativa de una población, por casualidad algunas de las variables objetivo pueden estar sobrerrepresentadas o infrarrepresentadas en la muestra. Desafortunadamente, “por casualidad” significa que realmente no hay nada que se pueda hacer al respecto al recopilar los datos.

Al menos, los cálculos estadísticos pueden ayudarle a estimar la probabilidad de que su error esté dentro de un cierto margen, por ejemplo, que tales desviaciones del valor real sean inferiores al x% con un nivel de confianza del 95%.

• Para los investigadores de opinión, un nivel de confianza del 95% es la opción más común. Aquí, su riesgo es inferior al 5% de que el valor real esté fuera del margen de error correspondiente. Sin embargo, en otras disciplinas, un nivel de confianza del 99% podría ser el estándar (por ejemplo, en la industria farmacéutica, ya que los errores estadísticos pueden ser una cuestión de vida o muerte).
• Dado el nivel de confianza, puede calcular el margen de error para cada valor de una distribución. Digamos que el resultado de su encuesta le da una cuota de mercado del 50% y su margen de error correspondiente es del 3% (con un nivel del 95%), entonces su riesgo es inferior al 5% de que la cuota de mercado real sea inferior al 47% o superior al 53%.

Si desea reducir el margen de error (dado un cierto nivel de confianza), básicamente solo tiene una opción: debe aumentar el tamaño de la muestra.

¿Cómo decidir el tamaño de su muestra?

Para determinar el tamaño de su muestra, a menudo se requiere empezar por el final y trabajar hacia atrás hasta el principio. Sin embargo, en aras de la claridad, le guiaremos brevemente a través del proceso de entrevista en el orden correcto y explicaremos los estados finales que un encuestado puede obtener.

Todo comienza con el envío de invitaciones a los miembros de nuestro panel. De todos los invitados, solo una parte hará clic en el enlace y comenzará la encuesta. Esto es lo que describimos con la tasa de respuesta (el porcentaje de respuestas en relación con el número total de invitaciones para participar). Además, al comienzo de una encuesta, normalmente tenemos algunas preguntas de filtro para identificar el grupo objetivo deseado. El porcentaje de encuestados elegibles en esta etapa se refleja en la tasa de incidencia (el porcentaje de individuos en una población objetivo que cumplen con un criterio específico requerido para un estudio). Después de asegurarnos de tener el grupo objetivo correcto, evaluaremos las posibles cuotas y finalizaremos la entrevista para aquellos encuestados cuyas cuotas ya se hayan completado. Las cuotas suelen evaluarse después del filtro para asegurarnos de que podemos medir la tasa de incidencia correcta sin la interferencia de las cuotas. Si los encuestados encajan en una cuota abierta, pueden participar en la encuesta principal. No obstante, algunos pueden abandonar durante la entrevista y nunca llegar a la página final. Finalmente, aquellos que llegan al final de la encuesta se contarán como entrevistas completadas.

Abandonos

Como se mencionó anteriormente, el proceso para determinar la viabilidad comienza con el número requerido de entrevistas completadas y luego implica trabajar hacia atrás para calcular el número necesario de invitaciones. Así, supongamos que estamos realizando un estudio que requiere un total de 1.000 entrevistas. El primer paso es estimar la cantidad de abandonos durante la entrevista principal (también conocidos como “deserciones”, “parciales” o “interrupciones”).

Entonces, ¿cuál es una suposición razonable para la tasa de abandono? Depende principalmente de la propia encuesta. Si el cuestionario es largo, repetitivo o trata sobre un tema que no es demasiado relevante para los encuestados, se pueden esperar más abandonos. Pero la tecnología también juega un papel importante. Si la encuesta se basa en tecnología obsoleta (por ejemplo, Flash) o no es compatible con dispositivos móviles (por ejemplo, no es responsiva), los usuarios pueden tener dificultades para completar la encuesta. ¡Nuestros experimentados gerentes de proyecto estarán encantados de ayudarle a optimizar su cuestionario para mantener la cantidad de abandonos lo más baja posible!

Ahora, supongamos una tasa de abandono del 2% en nuestro ejemplo, lo que significa que necesitaremos 1.020 encuestados que comiencen la entrevista principal.

Fallos de cuota

El siguiente paso implica estimar la cantidad de fallos de cuota, lo cual suele ser la tarea más desafiante y requiere un gerente de proyecto experimentado.

Las definiciones de cuota pueden ser bastante complejas. Pueden incluir numerosas variables, pueden ser interconectadas o no interconectadas y, a veces, los encuestados incluso se asignan a ellas por casualidad (piense en las pruebas monádicas). En teoría, las variables disponibles en los perfiles de los miembros de nuestro panel deberían ayudarnos a invitar solo a los participantes correctos y evitar cualquier fallo de cuota. Sin embargo, esto no siempre es posible en la práctica. Es posible que no siempre tengamos acceso a todos los perfiles requeridos, y si el período de campo es demasiado corto, es posible que no tengamos la oportunidad de cumplir gradual y meticulosamente las diferentes cuotas.

En resumen, los fallos de cuota son casi inevitables en la mayoría de los casos. Su magnitud depende mucho de las especificaciones del estudio (es decir, plan de cuotas, período de campo), pero también de la experiencia del gerente de proyecto. Cumplir con éxito todas las cuotas dentro del plazo, manteniendo el panel, puede plantear un desafío significativo y es lo que distingue a los muestreadores experimentados de los inexpertos.

Supongamos un 20% de fallos de cuota en nuestro ejemplo, por lo que necesitaremos 1.276 encuestados filtrados, incluyendo los abandonos.

Descartes

Estimar la cantidad de descartes es relativamente fácil, ya que la tasa de incidencia suele formar parte de la propuesta. Esta tasa de incidencia debería ser idealmente igual a la proporción de encuestados que superan el filtro y suele ser independiente de cualquier otro factor.

Supongamos una tasa de incidencia del 50% para nuestro ejemplo, lo que nos dará una cantidad requerida de 2.552 participantes.

Tasa de respuesta

El último paso en nuestro cálculo es responder a la pregunta de cuántos miembros tendremos que invitar para obtener 2.552 participantes. La tasa de respuesta depende ligeramente de factores externos (como la hora del día, el día de la semana, el clima, la temporada de vacaciones, etc.). Además, la calidad del panel también juega un papel y, por último, pero no menos importante, los parámetros del propio estudio: si la encuesta es adecuada para dispositivos móviles, podemos enviar la invitación a nuestra aplicación del panel y así aumentar las tasas de respuesta.

Si decimos que es del 45% para nuestro ejemplo, necesitaríamos un tamaño de muestra total de 5.669. Esa es la cantidad mínima requerida para cumplir con las especificaciones de este estudio ejemplar. Pero como verá en nuestro libro de paneles, incluso nuestro panel en línea más pequeño es lo suficientemente grande como para llevar a cabo este tipo de estudio.

¿Qué tan bueno es lo suficientemente bueno?

Y esto nos lleva a una pregunta de negocio muy importante: ¿Qué tan bueno es lo suficientemente bueno? Definitivamente no hay una respuesta general, pero nos gustaría discutir tres escenarios para ilustrar posibles formas de pensar al respecto:

• Prueba de concepto: Supongamos que una empresa tiene dos alternativas para una campaña publicitaria. Pero, ¿cuál funciona mejor? ¡Solo necesitaría identificar al ganador y seguir con él! Asumiendo que el resultado no es demasiado ajustado, unas 500 entrevistas pueden ser suficientes (lo que corresponde a un margen del 4,3% con un nivel del 95%, por lo que la mejor opción debería liderar con al menos un 9%).
• Investigación electoral: Al pronosticar la popularidad de los partidos políticos en las elecciones, probablemente le interese algo más que las valoraciones individuales. Se preguntará qué partidos podrían formar una coalición para obtener la mayoría. Si tiene dos partidos con un margen de error del 3% cada uno, será bastante difícil predecirlo, especialmente si se espera un resultado ajustado. En este caso, debería aumentar el tamaño de la muestra para reducir el margen de error.
• Subgrupos: Muy a menudo, además de las estadísticas generales, desea analizar subgrupos de su muestra: ¿Quiénes son exactamente estos usuarios intensivos? ¿En qué se diferencian los hombres de las mujeres? ¿Qué tipo de productos prefieren los lectores de una determinada revista? Si solo utiliza un subconjunto más pequeño de su muestra principal, el número disponible de entrevistas para su análisis posterior también se reducirá. En este caso, también debería trabajar con un tamaño de muestra mayor.

Al final del día, el arte consiste en tener suficientes entrevistas que le permitan sacar conclusiones fiables y seguir siendo razonable con los costes generales del trabajo de campo.

Resumen

Entonces, ¿cuántas entrevistas se recomiendan para obtener resultados representativos? Esta pregunta simplemente no se puede responder. Puede tener muestras pequeñas que son muy representativas y muestras grandes que no son representativas en absoluto (muy a menudo: “Big Data”).

• La representatividad se refiere a la composición correcta de su muestra. Indica si su muestra le da una imagen correcta de la realidad. Si está un poco borrosa, aún le permitirá obtener una visión general correcta.
• El tamaño de una muestra define cuán claramente puede ver. Si su muestra no es representativa, un tamaño grande le permitirá ver muy claramente, pero será una imagen falsa, una tergiversación de la verdad.