Aplicació de l'estadística descriptiva en la investigació social
L'estadística descriptiva és un dels fonaments més importants de la recerca social. Abans que els investigadors puguin procedir amb l'anàlisi inferencial, com ara proves d'hipòtesis, regressions o modelització de relacions entre variables, han d'entendre la "cara" de les dades recollides. Aquí és on entra en joc l'estadística descriptiva: resumir, presentar i descriure sistemàticament les característiques de les dades per a una fàcil comprensió. En el context de la recerca social, que sovint implica comportament, actituds, opinions i condicions socials, l'estadística descriptiva ajuda els investigadors a capturar patrons generals, així com variacions dins d'una població o mostra.
Definició i propòsit de l'estadística descriptiva
En poques paraules, l'estadística descriptiva és un conjunt de mètodes per processar dades en informació concisa i significativa. L'objectiu no és extreure conclusions generals per a una població més àmplia, sinó descriure les dades disponibles. En la investigació social, aquest objectiu és important perquè les dades sovint són complexes: els enquestats són diversos, les variables es poden barrejar (nominals, ordinals, d'interval, de raó) i el context social és dinàmic.
Amb estadístiques descriptives, els investigadors poden respondre preguntes bàsiques com ara: qui són els enquestats en aquest estudi? Quina és la seva distribució en edat, educació o ingressos? Quin és el nivell d'aprovació d'una política? Quanta variació d'opinió hi ha entre els grups? Aquestes respostes ajuden els investigadors a construir una narrativa sòlida i proporcionen una base per a anàlisis posteriors.
Tipus de dades en la investigació social
L'aplicació de l'estadística descriptiva depèn del tipus de dades recollides. La recerca social generalment utilitza:
1. Dades nominals, com ara el sexe, la situació laboral, la zona de residència o l'afiliació organitzativa. Aquestes dades són simplement categories sense cap ordre.
2. Dades ordinals, per exemple, nivell educatiu o escala d'actitud (totalment d'acord o totalment en desacord). Hi ha un ordre, però la distància entre categories no sempre és la mateixa.
3. Dades d'interval, per exemple puntuacions de l'índex de satisfacció o puntuacions de les proves. La distància entre els valors es considera igual, però no hi ha un zero absolut.
4. Dades de ràtios, per exemple, ingressos, nombre de fills o antiguitat, que tenen un zero absolut i permeten comparacions de ràtios.
Comprendre l'escala de les dades ajuda els investigadors a triar la mesura correcta: la mitjana és adequada per a l'interval/ràtio, mentre que la mediana o la moda sovint són més apropiades per a l'ordinal, i la freqüència és dominant per al nominal.
Mesures de centralització: mitjana, mediana i moda
Les mesures de tendència central s'utilitzen per descriure els valors "típics" de les dades.
– La mitjana s'utilitza molt habitualment per a dades d'intervals i de ràtio, com ara els ingressos mitjans de les llars o la mitjana d'hores treballades per setmana. Tanmateix, la mitjana és sensible als valors extrems. En la recerca social, els valors atípics com ara els ingressos molt alts poden esbiaixar la mitjana i crear una imatge menys representativa.
– La mediana és el valor del mig després d'ordenar les dades. La mediana és més resistent als valors atípics, per la qual cosa sovint s'utilitza per a variables com ara ingressos o despeses que tendeixen a tenir distribucions esbiaixades.
– La moda és el valor que apareix amb més freqüència. És especialment útil per a dades nominals, com ara la categoria laboral que ocupen més sovint els enquestats.
Combinant els tres, els investigadors poden interpretar les dades d'una manera més equilibrada i no quedar-se encallats en una sola mesura.
Mesures de dispersió: variància, desviació estàndard i rang
La recerca social requereix informació no només sobre la mitjana, sinó també sobre quant varien els enquestats. Dos grups poden tenir la mateixa satisfacció mitjana, però diferents nivells de variació: un homogeni i l'altre molt divers.
– El rang mostra la diferència entre els valors més grans i més petits. És una mesura senzilla però es veu fàcilment afectada pels valors atípics.
– La variància i la desviació estàndard mesuren la dispersió de les dades al voltant de la mitjana. La desviació estàndard s'utilitza més habitualment perquè té les mateixes unitats que les dades originals, cosa que facilita la seva interpretació.
– El rang interquartílic (IQR), que és la distància entre el tercer quartil i el primer quartil, s'utilitza sovint quan les dades no tenen una distribució normal o contenen valors atípics.
En les enquestes socials, una desviació estàndard gran en una escala d'actitud pot indicar polarització d'opinió a la societat, mentre que una desviació estàndard petita pot indicar consens.
Distribució de dades i formularis de distribució
L'estadística descriptiva també considera la distribució de les dades. Dos conceptes que es discuteixen amb freqüència són:
– Asimetria: una distribució està asimètrica cap a la dreta o l'esquerra. Per exemple, la renda sol estar asimètrica cap a la dreta perquè un petit percentatge de persones tenen ingressos molt alts.
– Curtosi: descriu la «nitidesa» dels pics de la distribució i el gruix de les seves cues. En un context social, la curtosi pot ajudar a entendre si les dades es concentren al voltant de certs valors o es dispersen fins als extrems.
Comprendre les distribucions ajuda a triar les tècniques d'anàlisi i visualització adequades i evita interpretacions errònies.
Presentació de dades: taules i visualitzacions
El poder de l'estadística descriptiva no rau només en els càlculs, sinó també en la manera com es presenten les dades. Una bona presentació fa que els resultats de la recerca social siguin fàcils d'entendre per als lectors, els responsables polítics i el públic en general.
1. Taula de freqüències: mostra el nombre i el percentatge d'enquestats en cada categoria. Per exemple, la distribució dels nivells educatius o les preferències polítiques.
2. Gràfic de barres: adequat per a dades categòriques com ara el tipus d'ocupació o l'estat civil.
3. Diagrama circular: s'utilitza sovint, tot i que cal anar amb compte perquè és difícil comparar parts similars.
4. Histograma: ideal per a dades numèriques, per exemple la distribució per edats o la durada de l'ús d'Internet.
5. Diagrama de caixa: molt útil per comparar distribucions entre grups, per exemple els ingressos entre zones urbanes i rurals, així com per detectar valors atípics.
La visualització no és només decoració; accelera la comprensió de patrons, tendències i anomalies.
Aplicació en estudis socials: exemples de casos
Suposem que un investigador està examinant el "nivell de confiança pública en els serveis públics" d'una ciutat. L'investigador recopila dades de 400 enquestats utilitzant una escala d'1 a 5 (de molt desconfiat a molt confiat), així com dades demogràfiques com ara l'edat, l'educació i l'ocupació.
Passos descriptius que es poden seguir:
– Elaborar taules de freqüències per categories d'educació i ocupació.
– Calcula el nivell de confiança global mitjà.
– Calcula la mediana per veure el valor del mig quan la distribució no és simètrica.
– Calcula la desviació estàndard per esbrinar quant varia el nivell de confiança.
– Crea un diagrama de caixa dels nivells de confiança basats en el grup educatiu (institut, diploma, grau) per veure si hi ha diferències en els patrons.
– Crea un histograma per veure si la majoria dels enquestats tenen puntuacions baixes, mitjanes o altes.
A partir de resultats descriptius, els investigadors podrien descobrir que la puntuació mitjana de confiança es troba en la categoria "regular", però la desviació estàndard és gran, cosa que indica la presència de grups altament confiats i altament desconfiats. Aquesta troballa podria constituir la base per a una anàlisi més detallada: quins factors influeixen en aquestes diferències?
Limitacions i precaucions
Tot i que són molt útils, les estadístiques descriptives tenen limitacions. No poden demostrar relacions causals, no poden garantir que les diferències entre grups siguin estadísticament significatives i no són necessàriament representatives de la població si la mostra està esbiaixada. A més, presentar mitjanes sense context pot ser enganyós, especialment en dades asimètriques o que contenen valors atípics. Per tant, els investigadors socials han de presentar múltiples mesures simultàniament, explicar el context i ser transparents sobre el procés de recopilació de dades.
Tancament
L'aplicació de l'estadística descriptiva en la recerca social és un pas crucial per ajudar els investigadors a comprendre les dades de manera integral. Mitjançant l'ús de mesures de tendència central, mesures de dispersió, anàlisi de distribució i presentació de dades en taules i gràfics, els investigadors poden descriure les condicions socials de manera més objectiva i comunicativa. L'estadística descriptiva no només facilita la comprensió del panorama general per part dels lectors, sinó que també ajuda els investigadors a descobrir nous patrons i preguntes per a una exploració més profunda. En un món social divers, la capacitat de resumir amb precisió les dades és clau per produir una recerca robusta, rellevant i significativa.
