Encuestas: qué es una «buena medición»

Una encuesta de opinión incluye mucho más que simplemente el ir preguntando a muchas personas cuáles son sus opiniones. Ya he hablado de la elección del método de muestreo, y hoy analizaremos la medición en sí misma. ¿Qué es una buena medición? ¿Cómo puedes determinar la calidad de las mediciones basándote en los resultados obtenidos? Si tienes cualquier pregunta, no dudes en realizarla en los comentarios. Será un placer darles respuesta.

Contacta con la agencia de encuestas IntoTheMinds

La investigación cuantitativa busca estudiar fenómenos reuniendo datos cuantificables y llevando a cabo técnicas estadísticas. Por lo tanto, dichos resultados de la investigación deben ser válidos, fiables, y generalizables. O, como mínimo, eso es lo que esperan nuestros clientes. En este artículo presento las 4 características que definen una buena medición en la investigación cuantitativa. Ilustro en concreto estas 4 características con un diagrama (a continuación) que facilita su comprensión.

Los 4 principios que presento más adelante no están reservados para las investigaciones académicas; se aplican a cualquier investigación en profundidad, y toda empresa de encuestas que se respete debe considerarlas para cada proyecto.

Ilustración visual de los distintos escenarios que pueden presentarse al analizar resultados de encuestas.
1: La medición no es ni válida ni fiable
2: La medición está confirmada pero no es fiable
3: La medición es fiable pero no válida
4: La medición es válida y fiable

1. Validez (precisión)

La validez hace referencia a la medida en que un concepto, conclusión, o medición están bien fundados y se corresponden exactamente con el mundo real. Es la precisión de la medida de investigación.

Deben considerarse diversos tipos de validez:

• Validez de contenido: asegura que la medición cubre la extensión del concepto que pretende evaluar. Esto significa asegurar que la medición refleja el ámbito de contenido específico previsto.
• Validez convergente: demuestra que las mediciones de los conceptos que se supone que están relacionados están relacionadas. Esto significa mostrar que tu medición se correlaciona bien con otras mediciones del mismo constructo.
• Validez discriminante: asegura que los conceptos o mediciones que se supone que no están relacionados realmente no lo están 🙂. Este tipo de validez muestra que tu medición no se correlaciona con demasiada intensidad con mediciones de constructos distintos.
• Validez predictiva: indica que la medición puede predecir con exactitud futuros resultados o comportamientos. La medición puede predecir resultados relacionados en el futuro.
• Valide nomológica: incluye demostrar que la medición encaja con un marco teórico que explica cómo dicha medición está relacionada con otras variables y hace mediciones de manera previsible.

2. Fiabilidad (consistencia)

La fiabilidad se refiere a la consistencia de una medición. Una medida se considera fiable si produce el mismo resultado bajo las mismas condiciones.

• Consistencia interna: evalúa si los elementos de una prueba están relacionados entre sí. A menudo se mide con el alfa de Cronbach, que indica hasta qué punto un conjunto de ítems mide un único aspecto latente unidimensional de los individuos.
• Fiabilidad entre evaluadores: mide hasta qué punto coinciden distintos evaluadores o calificadores en sus decisiones de evaluación. Es fundamental para asegurar que la medición no es subjetiva ni dependiente de la interpretación de un único observador.
• Fiabilidad test-retest: evalúa la estabilidad de la medición a lo largo del tiempo. Consiste en administrar en dos ocasiones el mismo test a los mismos sujetos y correlacionar las puntuaciones.

Si quieres que tus mediciones sean fiables, utiliza escalas de medición confirmadas. Sea cual sea el constructo que quieres medir, existe un 99% de probabilidades de que ya existe una escala psicométrica para este. Estas pueden encontrarse en los llamados «libros de escala», o a través de una investigación documental. No quiero desviarme del tema, pero solo quiero reiterar la necesidad de llevar a cabo una investigación documental antes de crear tu propia encuesta.

Contacta con IntoTheMinds para llevar a cabo tus encuestas B2B y B2C

3. Generalización (la medición puede usarse en distintos contextos)

Una buena medida debería ser generalizable y poderse aplicar en distintos contextos y poblaciones. En otras palabras, a esto lo llamamos extrapolación.

Esta característica asegura que los resultados de la investigación podrán extenderse a un contexto más amplio. En el caso de una encuesta de opinión (durante las elecciones, por ejemplo), o en una encuesta para una empresa, la capacidad de generalizar los resultados asegura que la empresa puede basar sus decisiones en una base sólida. ¿Quién querría tomar decisiones estratégicas en todo un país cuando los resultados de una encuesta en realidad solo conciernen a un subcomponente de ese país?

Las agencias de investigación de mercado a menudo se ocultan tras el concepto de «margen de error». Pero la capacidad de generalizar un resultado no depende necesariamente de ese margen de error; quiero destacar que un «margen de error» solo puede calcularse si sabes la distribución de tu muestra, algo que raramente ocurre upstream.

4. Minimalismo (se prefieren mediciones cortas)

Es imprescindible remarcar que, en las encuestas, «menos es más». O, en otras palabras, los cuestionarios deberían ser todo lo escueto posible. A eso es a lo que me refiero con el concepto de parsimonia.

La parsimonia en las mediciones implica se prefieren mediciones más sencillas y breves siempre y cuando esto no comprometa la validez y la fiabilidad de los resultados. Una medición minimalista es eficiente al evitar una complejidad innecesaria que podría hacer que la medición sea difícil de interpretar o aplicar en varios contextos.

Aquí tienes algunos consejos prácticos:

• Limitar el número de preguntas para limitar el fenómeno de «fatiga», que tiende a afectar a la validez de las mediciones de manera adversa.
• Elegir redacciones breves para evitar diferencias en la interpretación entre participantes (otro problema de validez).
• Asegurarse de que las preguntas son claras y no ambiguas. Esto evitará que los participantes experimenten problemas de comprensión (un problema de fiabilidad).

Por Pierre-Nicolas Schwab Pierre-Nicolas es doctor en marketing y dirige la agencia de estudios de mercado IntoTheMinds. Sus principales campos de interés son BigData, comercio electrónico, comercio local, HoReCa y logística. También es investigador de marketing en la Universidad Libre de Bruselas y ejerce de entrenador y formador para varias organizaciones e instituciones públicas. Se puede contactar con él por correo electrónico o Linkedin.