Pesquisa por Survey Transversal — Desenho de Survey de Ocasionalidade Única
- Proposto por
- Established through the social survey tradition (Bowley, Gallup, and others in the early-to-mid 20th century)
- Ano
- 1930s–1950s (formalized with large-scale opinion and health surveys)
- Tipo
- Quantitative non-experimental design
- Família
- Survey / observational design
Este texto é uma tradução automática e ainda não foi revisado. Ler o original em inglês
O que ele faz?
A pesquisa por survey transversal administra um questionário estruturado ou entrevista a uma amostra representativa de uma população em um único ponto no tempo.
É o desenho de trabalho para estimar prevalência, descrever características de grupo e mapear associações entre variáveis em uma ampla gama de disciplinas — de saúde pública e educação a marketing e ciência política.
A intuição por trás do método
Pense na pesquisa por survey transversal como tirar uma fotografia de uma população em um único momento. Você pergunta a um conjunto cuidadosamente escolhido de respondentes sobre suas atitudes, comportamentos ou características no momento presente, e então agrega essas respostas para pintar um quadro de toda a população. Como todos são pesquisados ao mesmo tempo, você pode comparar subgrupos — homens versus mulheres, urbano versus rural — e procurar padrões e associações. O que você não pode fazer a partir de uma única fotografia é dizer como as coisas mudaram ao longo do tempo ou provar que uma variável causou outra.
História
A tradição de pesquisa social emergiu no final do século XIX na Grã-Bretanha com estudos sobre pobreza de Charles Booth e Seebohm Rowntree. A teoria de amostragem probabilística, formalizada por Neyman (1934) e Mahalanobis (década de 1940), transformou a pesquisa por survey em um método científico rigoroso. As pesquisas de opinião transversal de George Gallup na década de 1930 demonstraram o poder do desenho para inferência populacional representativa. Em meados do século, grandes pesquisas governamentais de saúde, como a National Health Interview Survey dos EUA (estabelecida em 1957), institucionalizaram os surveys transversais como um pilar da vigilância em saúde pública.
Quando usar
Use pesquisa por survey transversal quando precisar de um instantâneo de custo-efetivo das características, opiniões ou comportamentos de uma população e quando uma única ocasião de medição for suficiente para sua questão de pesquisa. É ideal para estimar prevalência, descrever diferenças de grupo ou gerar hipóteses sobre associações. NÃO a use quando sua questão exigir o estabelecimento de ordenação temporal (A precedeu B) ou direção causal — um desenho longitudinal ou experimental é necessário. Evite-a quando o fenômeno de interesse muda rapidamente dentro da janela do survey, tornando a medição de onda única enganosa.
Limitações e considerações
- Não pode estabelecer precedência temporal ou direção causal; as associações encontradas podem refletir causalidade reversa ou confusão.
- Suscetível a viés de resposta, efeitos de desejabilidade social e viés de não-resposta, cada um dos quais pode distorcer as estimativas.
- Não fornece informações sobre mudanças ao longo do tempo; um único instantâneo pode representar mal fenômenos que flutuam sazonalmente ou desenvolvimentalmente.
- Estimativas de prevalência dependem fortemente da representatividade da amostra; amostras de conveniência ou voluntárias limitam severamente a generalização.
As condições da fonte não substituem a revisão científica independente nem a validação por um motor de análise.
Pontos fortes
- Custo- e tempo-efetivo: a coleta de dados é concluída em uma única onda, evitando os problemas de custo e atrito dos desenhos longitudinais.
- Capaz de cobrir amostras grandes e geograficamente dispersas, apoiando ampla generalização quando a amostragem probabilística é usada.
- Flexível em escopo — pode medir muitas variáveis simultaneamente, permitindo a exploração multivariada de associações.
- Padrões metodológicos bem compreendidos para desenho de questionários, amostragem e análise tornam a avaliação de qualidade direta.
- Adequado para tópicos sensíveis onde o contato repetido seria oneroso ou eticamente problemático para os participantes.
Aplicações
- Estimar a prevalência de comportamentos de saúde, condições crônicas ou sintomas de saúde mental em uma população em um determinado momento.
- Avaliar atitudes de estudantes, autoeficácia acadêmica ou satisfação com o ensino em escolas ou universidades.
- Mapear a opinião pública sobre questões políticas — preferências eleitorais, atitudes ambientais, valores sociais.
- Perfil de satisfação do cliente e percepção da marca em segmentos de mercado para pesquisa comercial.
- Identificar associações entre variáveis demográficas e resultados (por exemplo, renda e literacia em saúde) para informar o direcionamento de programas.
Como funciona
Como funciona
O pesquisador especifica a população-alvo — o grupo ao qual os achados serão generalizados — e estabelece critérios de elegibilidade. A definição clara da população determina qual quadro de amostragem usar (por exemplo, eleitores registrados, estudantes matriculados, funcionários de uma empresa) e molda cada etapa subsequente.
Um questionário padronizado ou roteiro de entrevista estruturada é desenvolvido e testado. Os itens devem ser inequívocos, as escalas de resposta devem ser apropriadas às variáveis que estão sendo medidas, e a ordem das perguntas deve minimizar o viés. Evidências de confiabilidade e validade (por exemplo, teste piloto, análise fatorial, alfa de Cronbach) devem ser estabelecidas antes da coleta completa de dados.
Uma amostra probabilística ou intencional é extraída do quadro de amostragem e os dados são coletados em uma única ocasião usando um ou mais modos (online, papel, telefone, presencial). A taxa de resposta, os efeitos do modo e o viés de não-resposta são ameaças primárias à validade externa e devem ser monitorados e relatados.
Estatísticas descritivas (frequências, médias, proporções) resumem a amostra. Análises inferenciais — testes qui-quadrado, testes t, ANOVA, regressão ou modelos de equações estruturais — examinam as relações entre variáveis. Como os dados são transversais, qualquer relação identificada é associacional em vez de causal.
Os achados são interpretados à luz da estratégia de amostragem e da taxa de resposta. As limitações à inferência causal são reconhecidas explicitamente. Os resultados são contextualizados em relação a quadros teóricos e literatura prévia, e as implicações práticas ou de políticas são discutidas.
Erros comuns
- Tratar associações como causais — dados transversais podem mostrar que X e Y co-ocorrem, não que X causa Y; linguagem causal em relatórios é um erro comum e sério.
- Mau desenho de questionário — itens ambíguos, perguntas direcionadas ou escalas de resposta inadequadas introduzem erro de medição sistemático que nenhuma análise sofisticada pode corrigir.
- Amostragem inadequada — usar uma amostra de conveniência (por exemplo, voluntários de mídias sociais) enquanto reivindica generalização em nível populacional infla o escopo percebido dos achados.
- Ignorar não-resposta — falhar em comparar respondentes iniciais e tardios ou em relatar taxas de resposta deixa os leitores incapazes de avaliar o viés de não-resposta.
- Coletar muitas variáveis — pesquisas longas reduzem as taxas de resposta e aumentam o erro aleatório; cada item deve corresponder a uma questão de pesquisa ou hipótese específica.
Perguntas frequentes
Qual é a principal diferença entre um survey transversal e um survey longitudinal?
Um survey transversal coleta dados de participantes uma vez, em um único ponto no tempo. Um survey longitudinal acompanha os mesmos participantes em múltiplas ondas separadas por semanas, meses ou anos. Surveys transversais são mais rápidos e baratos, mas não podem rastrear mudanças ou estabelecer precedência temporal; surveys longitudinais podem mostrar se atitudes ou comportamentos mudaram e, com um desenho adequado, fornecer evidências mais fortes de direção causal.
Qual o tamanho da minha amostra precisa ser?
O tamanho da amostra depende da precisão exigida, do tamanho do efeito esperado, da taxa de erro Tipo I aceitável e da complexidade das análises planejadas. Para estimativa simples de prevalência, uma amostra de 200–400 pode ser suficiente; para comparações de subgrupos ou modelos de regressão com muitos preditores, 500 ou mais é frequentemente recomendado. Realize uma análise de poder a priori (por exemplo, usando G*Power) específica para seu teste estatístico primário para determinar o N mínimo adequado.
Posso fazer afirmações causais a partir de um survey transversal?
Não. Dados transversais estabelecem co-ocorrência, não causalidade. Mesmo uma forte correlação entre duas variáveis pode refletir causalidade reversa (B causou A em vez de A causar B) ou uma terceira causa comum. Para apoiar a inferência causal, você precisa de atribuição aleatória experimental ou de um desenho longitudinal que documente a ordenação temporal — idealmente combinada com justificativa teórica e exclusão de explicações alternativas.
Como lidar com dados ausentes em um survey transversal?
Primeiro, distinga dados ausentes completamente ao acaso (MCAR), dados ausentes ao acaso (MAR) e dados ausentes não ao acaso (MNAR). Para MCAR ou MAR, imputação múltipla ou verossimilhança de máxima verossimilhança com informação completa (FIML) são preferíveis à exclusão listwise, que reduz o poder e pode enviesar as estimativas. Para MNAR, análises de sensibilidade ou modelos de padrão-mistura são apropriados. Sempre relate a extensão e o padrão de dados ausentes para que os leitores possam julgar seu impacto.
Um survey online é sempre um desenho transversal?
Não necessariamente. A entrega online é um modo de coleta de dados, não um desenho. Um questionário online administrado uma vez é transversal. A mesma plataforma usada para pesquisar os mesmos participantes em três pontos no tempo constitui um painel longitudinal. O rótulo do desenho refere-se à estrutura temporal da coleta de dados, não ao canal pelo qual o instrumento é entregue.
Métodos relacionados
Fontes
Fowler, F. J. (2009). Survey Research Methods (4th ed.). Sage Publications.
ISBN: 978-1412958929Copiado.Creswell, J. W. (2014). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches (4th ed.). Sage Publications.
ISBN: 978-1452226101Copiado.