GCM - 0651 - C01 - Ud2 PDF

El treball de camp
Maria Jess Bermdez

Joan Carles Prez
Investigaci comercial
El treball de camp
ndex
Introducci ...............................................................................................
Objectius ...................................................................................................
1. Disseny de la mostra ..........................................................................
1.1. Mostreig: poblaci i mostra .......................................................
1.2. Mida de la mostra .......................................................................
11
1.2.1. Clcul de la mida de la mostra ........................................
14
1.3. Tipus de mostreig ........................................................................
17
1.3.1. Mostreig probabilstic ......................................................
17
1.3.2. Mostreig no probabilstic .................................................
22
2. El treball de camp ..............................................................................
27
2.1. Planificaci del treball de camp ................................................
27
2.1.1. Selecci del collectiu a entrevistar ................................
29
2.1.2. Elaboraci del qestionari ...............................................
30
2.1.3. Selecci i formaci dels entrevistadors .........................
42
2.1.4. Disseny i seguiment dun pressupost .............................
45
2.2. Execuci del treball de camp .....................................................
46
2.3. Control de la informaci obtinguda ..........................................
48
3. Preparaci de les dades per a la seva anlisi ..................................
50
3.1. Codificaci i edici ......................................................................
50
3.2. Creaci dun fitxer de dades ......................................................
55
3.2.1. El programa estadstic R ..................................................
56
3.3. Anlisi de consistncia ...............................................................
60
3.4. Tabulaci ......................................................................................
62
3.4.1. Tipus de tabulaci .............................................................
62
3.4.2. s del programa estadstic R per a la tabulaci

de les dades .......................................................................
65
El treball de camp
Introducci
El treball de camp s una etapa prctica en una investigaci que suposa

recollir sobre el terreny la informaci primria que una empresa ha decidit anar a buscar.
La unitat didctica El treball de camp dins del crdit t com a objectiu
donar eines i procediments prctics a lalumne per portar a terme una recerca de dades primries, desprs de conixer el marc conceptual en qu
t lloc una investigaci comercial.
El treball de camp que sanalitza en aquesta unitat didctica s el que considera la tcnica de lenquesta per a la recollida de dades, ats que permet
recollir informaci de carcter quantitatiu susceptible de ser tractada estadsticament i s la ms mpliament utilitzada dins del total destudis realitzats per les empreses que fan investigaci comercial.
La primera qesti a considerar quan es decideix sortir al carrer a cercar
la informaci s a qui sha dentrevistar, quines caracterstiques ha de tenir el collectiu que s objecte de lestudi, quantes persones cal entrevistar
(mida de la mostra) i com seleccionar-les (mostreig). Aquests aspectes es
tracten en el nucli dactivitat Disseny de la mostra.
A continuaci, per abans de procedir al treball de camp en si mateix, cal
planificar molt acuradament la recollida dinformaci: on estan les persones que shan dentrevistar, qu sha de preguntar (disseny del qestionari), qui anir a realitzar les entrevistes i qu han de fer (selecci i formaci
dels entrevistadors) i la previsi dun pressupost i el seu control. Aquests
aspectes formen part de la planificaci del treball de camp, que s la que
suposa un tractament ms llarg, ats que shan dexaminar tots els elements que formaran part de la tcnica de recollida de dades sobre el terreny. El nucli dactivitat El treball de camp examina la planificaci del
treball de camp, la seva execuci i el seu control.
Lobjectiu de la recollida de dades s el seu tractament estadstic, la seva
interpretaci i la realitzaci dun informe. Per poder realitzar aix cal tra-
Programa estadstic R
duir la informaci reflectida a les enquestes en un fitxer de dades i verificar
Per fer el tractament estadstic de

la informaci les empreses que
duen a terme investigacions fan
servir programes estadstics.
que aquesta cont la qualitat suficient per ser analitzada estadsticament.

El nucli dactivitat Preparaci de les dades per a la seva anlisi explica
com codificar els qestionaris i entrar les dades que incorporen a un fitxer
de dades, com avaluar-ne la qualitat i, finalment, realitzar els primers resums estadstics bsics amb aquesta informaci (tabulaci).
El programa estadstic R, de
llicncia lliure, permet realitzar
anlisis estadstiques de manera
molt fcil i rpida.
Els continguts exposats al llarg daquesta unitat constitueixen una eina

molt valuosa i prctica per als estudiants que algun dia vulguin orientar la
seva activitat professional envers aquesta rea del mrqueting.
Per treballar els continguts daquesta unitat didctica, s convenient anar
fent les activitats i els exercicis dautoavaluaci, i llegir els annexos. En el
cas del nucli dactivitat Preparaci de les dades per a la seva anlisi, disposeu dun programari que us ajudar a practicar lapartat destadstica.
El treball de camp
Objectius
En acabar la unitat didctica heu de ser capaos del segent:

1.
Organitzar la forma de recollida de dades de les fonts primries,

dacord amb els parmetres que intervenen en la investigaci, de
manera que la informaci sigui fcil de tractar i interpretar.
2.
Construir els instruments de recollida dinformaci de les fonts

primries.
3.
Avaluar la validesa dun qestionari a partir dels objectius proposats i en contrast amb lestructura, el contingut de les preguntes i
les caracterstiques de la mostra escollida.
4.
Desenvolupar el procs de recollida, tractament i presentaci de la

informaci, provinent de dades primries, en mitjans convencionals i informtics.
5.
Planificar, a partir duns objectius definits, el treball de camp tenint en compte lmbit geogrfic, els parmetres essencials de la
recollida de dades, el temps i el nombre denquestadors i les partides econmiques que integren un pressupost.
6.
Establir un sistema de control del procs dobtenci dinformaci

de fonts primries.
7.
Selecccionar els enquestadors a partir denquestes personals i segons els criteris fixats.
8.
Identificar les caracterstiques ptimes de lenquestador, pel que fa

a comportament personal i actitud davant linterlocutor, i la formaci que necessita.
9.
Valorar les liquidacions de les despeses i les possibles desviacions

en relaci amb el pressupost assignat a la investigaci.
10. Especificar els parmetres essencials que cal analitzar per jutjar la
fiabilitat de la informaci recollida tant en les fonts primries com
en les secundries.
11. Valorar el treball de camp, laplicaci de les tcniques de recollida
de dades en el context i els terminis establerts i les desviacions que
es detectin en relaci amb les hiptesis i els objectius establerts.
El treball de camp
El treball de camp
1. Disseny de la mostra
El grau de rigor en el procs de recollida dinformaci s un aspecte clau

en la validesa dels resultats duna investigaci.
En una investigaci de mercats se sol utilitzar noms un conjunt representatiu dels elements del collectiu total, per motius de cost econmic, de
temps i problemes de disponibilitat de censos. Aix suposa haver de realitzar un procs de mostreig.
El procs de mostreig consisteix a definir la poblaci objecte destudi i les seves caracterstiques, determinar el mtode mitjanant el qual sescolliran els elements daquesta poblaci (mtode
de mostreig) i la quantitat delements a seleccionar.
Per poder prendre aquestes decisions cal emprar tcniques estadstiques,

per a la qual cosa s necessari examinar algunes nocions fonamentals per
poder-les fer servir.
Les nocions fonamentals que cal conixer sn la distinci entre poblaci
i mostra, qu s un estadstic, un parmetre i un estimador, qu s una
variable estadstica o una observaci, i els diferents tipus de tcniques de
mostreig, comenant per la ms important de totes, el mostreig aleatori
simple.
Aquesta tcnica assegura que tots els individus de la poblaci tenen la
mateixa probabilitat de ser escollits i que els individus se seleccionen
de manera independent els uns dels altres. Un mtode molt important
per obtenir mostres aleatries simples s el basat en taules de dgits
aleatoris.
1.1. Mostreig: poblaci i mostra

En lestudi de fets reals s convenient considerar i definir amb precisi el
conjunt dindividus (siguin persones, mquines o qualsevol altre element
observable) rellevants en una investigaci.
Sanomena poblaci estadstica o univers el conjunt dels individus

de referncia sobre el qual es realitza una srie dobservacions.
El treball de camp
10
Una observaci s el conjunt de valors de cada variable estadstica mesurats sobre un mateix individu.
En investigaci comercial, per raons de temps i tamb econmiques, no

s factible examinar tot lunivers dindividus o elements. Les observacions
es fan mitjanant un nombre limitat daquests, escollits dentre lunivers
El treball de camp
Variables estadstiques
Sn variables les caracterstiques
que tenen els objectes, les
persones o els fenmens i que
poden prendre valors diferents,
com per exemple ledat (16,17,18
anys), el color dun autombil
(vermell, blau, groc), les vendes
(nombre dunitats venudes), etc.
que s objecte destudi.

Observacions
Sanomena mostra el subconjunt delements o individus seleccionats dun univers.
La quantitat dindividus o elements seleccionats determinen la mida de la

mostra.
En una poblaci de 100

individus es poden estudiar
3 variables com ledat, el sexe
i si ha votat en unes eleccions.
Cada resposta aportada per
cada individu constitueix una
observaci; aix, una de les
observacions podria ser la
triada (20 anys, Dona, S).
Utilitzant els valors que pren una variable en una mostra es poden calcular mesures estadstiques (com la mitjana, la desviaci estndard, les proporcions, etc.) els valors de les quals es podran generalitzar (extrapolar) a
tota la poblaci.
Les mesures estadstiques calculades a partir de les dades duna

mostra sanomenen estadstics, i aquestes mateixes mesures referides a tota la poblaci sanomenen parmetres.
Com que en la gran majoria dels casos linvestigador treballa amb mostres, fa servir els estadstics per aproximar els valors reals daquestes mesures en la poblaci.
Estimador del preu mitj
Els estimadors sn mesures que serveixen per estimar o aproximar

els valors que realment es donen en la poblaci (parmetres).
Segur que ja hi esteu pensant..., si no utilitzem tota la poblaci, segurament el valor que sobt de la mostra no coincidir amb el valor poblacional. Aix s totalment cert, per tant, per tal de minimitzar aquesta
diferncia, sha dassegurar que es treballa amb una mostra prou gran i
que sha obtingut mitjanant plantejaments de mostreig eficients.
En el cas que la mostra sigui poc representativa de la poblaci global direm que la mostra s esbiaixada (o que t biaix).
Si es vol conixer el preu mitj

dun producte determinat,
sescollir una mostra
destabliments i es faran
observacions sobre el preu que t
en aquests establiments. La
mitjana que sobtingui de les
observacions realitzades s un
estadstic que es pot utilitzar com
a estimador del preu mitj que el
producte t realment en tots els
establiments on es ven
(parmetre), i que noms es
podria conixer si shaguessin
recollit observacions de tots i cada
un dels preus daquest producte
en el mercat (s a dir, si
shaguessin fet observacions
sobre tota la poblaci).
11
El treball de camp
1.2. Mida de la mostra

La primera decisi que cal prendre quan es determina portar a terme un
treball de camp s definir les caracterstiques que ha de tenir el collectiu
sobre el qual sha de treballar. Nhi ha prou de seleccionar una mostra que
representi el conjunt dindividus que sha de seleccionar, per la qual cosa
la segent decisi que sha de prendre consisteix a indagar quants individus exactament han de formar part daquesta mostra. En estadstica, la
mida o grandria de la mostra s el nombre dobservacions que shan extret
o shan dextreure duna poblaci, necessries perqu les dades obtingudes
siguin representatives daquesta poblaci. Els elements que influeixen en
la mida de la mostra sn els segents:
1) Mida de la poblaci
En principi com ms gran sigui la mida del collectiu sobre el qual sha
dextreure la mostra, ms gran hauria de ser aquesta perqu els resultats
tinguin validesa.
No obstant aix, a partir dun determinat lmit de mida de la poblaci
(aproximadament 100.000 elements), la mida de la mostra no depn de la
de la poblaci de la qual sextreu. En conseqncia, la mida de la poblaci
noms caldr determinar-la en el cas que es treballi amb poblacions finites.
Les poblacions poden ser, per tant:
Finites 100.000 elements, en aquest cas cal determinar la mida de la
poblaci com a dada de referncia per calcular la mida de la mostra.
Infinites > 100.000 elements, en aquest cas la mida de la mostra no depn de la mida de la poblaci.
2) Error de mostreig
Lerror de mostreig s la diferncia entre els valors obtinguts a la mostra
(estadstics) i els que shaurien obtingut si shagus treballat amb la poblaci total (parmetres poblacionals corresponents).
Atesa una poblaci qualsevol, com ms gran sigui la mida de la mostra,
menor ser lerror de mostreig en generalitzar els resultats. Aquest error
es decideix a priori, la qual cosa suposa que en funci de lerror que shagi
decidit, la mostra sortir ms gran o ms petita.
3) Dispersi poblacional
Com ms gran sigui la variabilitat de valors que pot prendre una variable,
ms gran haur de ser la mostra per captar totes aquestes possibles diferncies.
Variabilitat de valors
En el cas que les observacions es
recullin mitjanant enquestes, la
variabilitat pot reflectir-se en una
gran amplitud dopinions envers
un tema.
12
El treball de camp
Saber si hi ha molta variabilitat de respostes abans de fer un estudi pot ser

molt complicat. No obstant aix, ats que cal disposar daquesta informaci per determinar la mida de la mostra, hi ha dues opcions possibles:
Realitzar un test previ o estudi a petita escala i calcular la dada estadsticament.
Suposar dentrada la dispersi ms desfavorable (la ms elevada, ja que
donaria lloc a una mostra ms gran). En la prctica aquesta s lopci
utilitzada ms sovint.
4) Interval de confiana
Linterval de confiana dna uns valors: un mnim i un mxim, entre els
quals es troba el valor del parmetre poblacional amb una probabilitat determinada.
Com ms alta es vulgui que sigui la probabilitat que els parmetres estiguin entre els dos valors donats, ms gran haur de ser la mida de la mostra.
Els parmetres poblacionals que sestimen habitualment quan es fa una
Valor mitj i proporci
investigaci comercial sn la mitjana i la proporci.

Sutilitza la mitjana mostral x com a estimador de la mitjana poblacional () i la proporci mostral (p) com a estimador de la proporci de la poblaci ().
Una proporci s la quantitat de vegades que una variable presenta uns valors determinats en relaci amb el total de vegades
que la variable pren aquests i altres valors.
Quan es fa una investigaci mitjanant enquestes s habitual utilitzar el

parmetre proporci mostral per mostrar les proporcions de respostes
que han donat els entrevistats en un sentit o en un altre en cada una de
les preguntes.
Els valors estimats dels parmetres poblacionals es poden presentar de
dues maneres:
Donant un nic estimador del parmetre.
Aportant un rang de valors entre els quals es troba el parmetre poblacional.
Un exemple de valor mitj pot ser

el nombre mitj de cigarretes que
fuma al dia una persona
fumadora, i un exemple de
proporci seria la quantitat de
dones que hi ha en relaci amb el
total destudiants de Comer i
Mrqueting.
13
Lestimaci dun parmetre de poblaci donada per un nic nom-
El treball de camp
Estimaci de punt i
estimaci per interval
bre sanomena estimaci de punt del parmetre. Una estimaci

dun parmetre poblacional donada per dos punts, entre els quals
es pot trobar el parmetre, sanomena estimaci per interval del
parmetre.
Les estimacions per interval indiquen la precisi duna estimaci i sn
Si diem que el preu mitj dun

producte s de 63 sest donant
una estimaci de punt.
Si, per una altra banda, es diu que
el preu mitj dun producte s de
63 3 (i, per tant, es troba entre
els 60 i els 66 ) sest donant una
estimaci per interval.
preferibles a les estimacions puntuals.

Quan es dna un interval cal indicar la probabilitat que els valors estiguin
compresos en linterval donat.
Tant la proporci com la mitjana mostrals sn variables que es distribueixen mitjanant una distribuci normal.
La distribuci normal
Per explicar-ho de manera senzilla, direm que una distribuci normal s una distribuci de freqncies duna variable, en la quals els valors que es donen amb ms freqncia estan entorn al valor
mitj i aquesta freqncia va disminuint a mesura que els valors es van allunyant de la mitjana.
Per exemple, si lalada dels alumnes que estudien cicles formatius s la variable que sestudia i t
una mitjana de 176 cm, el ms probable s que el nombre dalumnes que tingui aquesta alada o
similar sigui superior al nombre dalumnes que tenen una alada molt diferent daquesta mitjana
com ara 158 o 196 cm.
La distribuci sanomena normal perqu es dna de manera molt habitual en molts experiments de
la realitat; en altres ocasions una distribuci es pot tractar com si ho fos encara que realment no ho
sigui.
Quan la variable s discreta, la representaci grfica de les freqncies que pren es realitza mitjanant un diagrama de barres vertical (histograma), per quan la variable s contnua, el grfic pren
la forma duna campana que abraa tot un continu de valors, tal com es pot veure en la figura 1.
Figura 1. Histograma i corba corresponents a una distribuci normal
Una variable discreta pren un nombre limitat de valors dins dun interval de valors propers, com per
exemple, el nombre dalumnes dun centre, quantitat dunitats venudes dun producte, etc., ja que
hi podria haver 100 alumnes, 101 alumnes... per mai 100,1 o 100,2 alumnes.
Una variable contnua pren infinits valors en un interval, i alguns exemples daquest tipus de variable
sn el pes, lalada, els euros, etc.
Les dades dun histograma es poden representar a partir duna taula que mostri la freqncia en
qu es donen els diferents valors que pren la variable. Per representar les dades com una corba cal
una funci que sanomena funci de densitat de probabilitat.
Les freqncies relatives poden ser enteses com la probabilitat que es donin determinats valors.
Quan sutilitza la corba de distribuci normal la probabilitat que es doni un valor determinat (situat
a leix horitzontal) se sap mirant el valor que el grfic mostra a leix vertical. Quan sestableix la pro-
!!
Per ampliar informaci sobre les
freqncies, vegeu la unitat
didctica Disseny i tcniques de
la investigaci comercial.
14
El treball de camp
babilitat que un valor estigui situat en un interval, aquesta probabilitat vindr representada al grfic
per tota lrea que hi ha situada per sota entre el lmit inferior i superior de linterval.
Per exemple, si en un estudi sha obtingut que la mitjana dalades dels estudiants de cicles s de
176 cm, i es vol determinar un interval de confiana amb una probabilitat del 95% que el valor de la
mitjana est comprs en aquest interval.
El grfic que es mostra en la figura 2 mostra com el 68% de probabilitat s lrea que correspon als
valors que es troben a
que els valors estiguin a
distncia de la mitjana : x
i x
. El 95,5% s la probabilitat
n
n
n
2
3
de la mitjana i el 99,7% la probabilitat que els valors es trobin a
n
n
de la mitjana. bviament es poden utilitzar altres probabilitats, per aquests sn els valors que sutilitzen ms sovint.
Figura 2. Distribuci de probabilitats entorn de la mitjana
Imaginem que en una mostra de 81 habitants duna poblaci es va obtenir una estatura mitjana de
176 cm. Per estudis anteriors se sap que la desviaci tpica de lalada de la poblaci s de 8 cm i
es vol construir un interval de confiana per a lalada mitjana amb 95,5% de marge de confiana.
2
8
Amb un 95% linterval vindr donat per x
, en aquest cas 176 2
, que s 174,2 i
n
81
177,8.
En el cas que es vulgui fer una estimaci dun interval per a una proporci, linterval ve donat per:
PQ
, P
P
n
PQ
quan linterval de confiana s del 68%.
n
PQ
PQ
, P2
P 2
quan linterval de confiana s del 95,5%.
n
n
PQ
PQ
, P3
P 3
quan linterval de confiana s del 97,7%.
n
n
Per a altres marges de confiana cal consultar taules.
1.2.1. Clcul de la mida de la mostra

La taula 1 mostra les frmules emprades per al clcul de la mida de la
mostra per als tres nivells de confiana que es fan servir habitualment,
per als casos en qu es vol estimar una proporci i una mitjana de la poblaci.
Cal observar, aix no obstant, que aquestes frmules sutilitzen quan es realitza un mostreig aleatori simple, caracteritzat perqu els elements se seleccionen de manera aleatria amb una probabilitat que s coneguda i
!!
Vegeu lapartat Tipus de
mostreig daquest nucli dactivitat
per conixer altres tipus de
mostreig utilitzats a les
investigacions.
15
El treball de camp
igual per a tots ells. El mostreig aleatori simple, s, per, el tipus de mostreig utilitzat amb ms freqncia.
La nomenclatura utilitzada s la segent:
n = mida de la mostra
N = mida de la poblaci
P = dispersi
Q=1P
e = error de mostreig
= desviaci tpica
Taula 1. Resum de frmules emprades per calcular la mida de la mostra per als diferents intervals de
confiana
Mida de la mostra
Intervals
de confiana
Finita
n
Mitjana
Proporci
68%
95,5%
99,7%
Infinita
PQN
e2 (N 1) P Q
4 PQN
e2 ( N 1) 4 P Q
9PQN
e2 ( N 1) 9 P Q
68%
95,5%
99,7%
N 2
4 N 2
N e 4
9N 2
2
N e 9
e2
e2
9 PQN
e2
4 PQ
N e2 2
PQ
2
e2
4 2
e2
9 2
e2
Clcul de mida de la mostra per a una proporci

Es vol calcular la mida de la mostra necessria per realitzar un estudi en el qual sassumeix un error
del 5%. Se sap que la poblaci objecte destudi s de 200 habitants. Es calcular la mostra per a
diferents nivells de confiana. Com que no es coneix p, se suposar la mxima dispersi possible,
per tant p = 0,5 i q = 1 p tamb ser 0,5. La poblaci s finita ja que cont menys de 100.000
elements.
Els resultats i els clculs es mostren en la taula 2.
Taula 2. Resultats del clcul de la mida de la mostra per a una poblaci finita quan es vol estimar
una mitjana
Intervals
de
confiana
Mida de la mostra
Finita
n
68%
PQN
e2 (N 1) P Q
0,5 0,5 200

0,052 200 1 0,5 0,5
50
66,9
0,4975 0,25
Proporci
La mida de la mostra s de 67 elements.

n
95,5%
4PQN
e2 ( N 1) 4 P Q
4 0,5 0,5 200

0,052 200 1 4 0,5 0,5
200
133,6
0,4975 1
450
163,7
0,4975 2,25

n
99,7%
9PQN
e2 (N 1) 9 P Q
9 0,5 0,5 200

0,052 200 1 9 0,5 0,5
16
A continuaci es vol tornar a determinar la mida de la mostra amb les mateixes dades anteriors sabent que la poblaci de la qual sextreu s infinita. Els resultats obtinguts es mostren en la taula 3.
Taula 3. Resultats del clcul de la mida de la mostra per a una poblaci infinita
Mida de la mostra
Intervals de
confiana
Infinita
n
68%
PQ
e2
0,5 0,5
0,052
0,25
100
0,0025
Proporci

n
4PQ
e2
95,5%
4 0,5 0,5
0,052
1
400
0,0025

n
9PQ
e2
99,7%
9 0,5 0,5
0,052
2,25
900
0,0025
Clcul de mida de la mostra per a una mitjana
Es vol estimar el temps mitj que una flota de 2.000 camions triga a realitzar un lliurament de productes als clients. Es vol determinar la mida de la mostra si es pretn que lerror en lestimaci no
superi els 20 minuts. Es realitzar el clcul per a diferents nivells de confiana. Prviament a aquest
estudi sha fet una enquesta a una mostra de 50 camioners per estimar per aproximaci la desviaci
tpica i ha donat com a resultat un valor de 45 minuts. Els resultats es mostren en la taula 4.
Taula 4. Resultats del clcul de la mida de la mostra per a una poblaci finita quan es vol estimar
una mitjana
Mida de la mostra
Intervals
de confiana
68%
Finita
n
N 2
2
Ne
2000 452
2000 202 452
4.050.000
5
800.000 2025
Mitjana
La mostra s de 5 elements.
95,5%
4 N 2
2
N e 4
4 2000 452
2000 202 4 452
16.200.000
20
800.000 8100
36.450.000
44,5
800.000 18225
99,7%
9 N 2
2
N e 9
9 2000 452
2000 202 9 452
Si es realitzen els mateixos clculs per a una poblaci infinita sobtenen els clculs que es presenten en la taula 5.
Taula 5. Resultats del clcul de la mida duna mostra per a poblacions infinites quan es vol estimar
una mitjana
Mida de la mostra
Intervals
de confiana
68%
Infinita
n
2
2
452
202
2.025
5,1
400
Mitjana
95,5%
4 2
e2
4 452
202
8.100
20,25
400
99,7%
9 2
2
9 2
2
9 452
202
18.225
45,6
400
El treball de camp
17
El treball de camp
1.3. Tipus de mostreig

Una vegada definida la poblaci que s objecte destudi i la grandria de la
mostra, sha de decidir quina tcnica o tipus de mostreig hem de fer servir
per tal descollir els elements/observacions que formaran la mostra.
Fer un mostreig significa seleccionar n elements de lunivers objecte destudi, de mida N, essent n N, per tal dobtenir informaci de
determinades caracterstiques daquest univers, dins el marge de
confiana determinat.
Els tipus de mostreig es poden dividir en dos grans grups:

Mtodes probabilstics o aleatoris. Lobtenci de la mostra es fa aleatriament i cada element de lunivers t una probabilitat determinada i
coneguda de ser seleccionat per formar part de la mostra.
Mtodes no probabilstics. En aquest cas, la mostra es forma a partir
del criteri de linvestigador i no es coneix la probabilitat de pertnyer a
la mostra.
1.3.1. Mostreig probabilstic

Com que en el mostreig probabilstic els elements de la mostra sobtenen
de manera aleatria i la probabilitat que un element sigui escollit per formar part de la mostra s coneguda, s possible calcular el marge derror
en els resultats obtinguts en la mostra i generalitzar-los a tota la poblaci.
Els mtodes de mostreig aleatoris es caracteritzen per la necessitat de conixer a priori la probabilitat que t cadascun dels elements de lunivers
que sn objecte destudi, i alhora de formar part de mostra.
Alguns mtodes de mostreig aleatori sn: el mostreig aleatori simple, el
mostreig aleatori sistemtic, el mostreig estratificat, el mostreig per conglomerats i el mostreig per rees.
1) Mostreig aleatori simple
El procediment que utilitza el mostreig aleatori simple s el segent:
a) Sassigna un nombre a cadascun dels elements de lunivers que s objecte destudi.
b) Es confecciona una llista de nombres aleatoris amb tants nombres com
elements hagin de configurar la mostra. Els nombres han de ser diferents
i estar dintre de linterval de numeraci dels elements de lunivers.
Mostreig probabilstic, tamb

anomenat aleatori.
18
El treball de camp
c) Sidentifiquen en lunivers els elements que tenen el mateix nombre

que els de la llista confeccionada.
Aix, tots els elements tenen la mateixa probabilitat de ser seleccionats i
la mostra s estadsticament representativa.
Per, tot i ser un mtode senzill i que proporciona una mostra representativa, presenta una srie dinconvenients:
La utilitzaci queda supeditada a lexistncia duna base de sondeig en
qu senumerin tots els elements que constitueixen lunivers que s objecte destudi.
Lextracci a latzar dispersa totalment els components de la mostra.
Imaginem-nos com en seria de costs anar a Girona a fer una entrevista a una sola persona, una altra a Cadis, una altra a Vigo, etc.
No t en compte criteris dhomogenetat i heterogenetat entre conjunts delements de lunivers.
2) Mostreig aleatori sistemtic
El mostreig aleatori sistemtic es diferencia de laleatori simple en la manera dobtenir la mostra. Els elements de la mostra, quan sutilitza un
mostreig daquest tipus, se seleccionen mitjanant els passos segents:
a) Es busca el coeficient delevaci, s a dir, el nombre delements de
lunivers a qu equival cada element de la mostra, N n , on N s el nom-
Mostreig aleatori
sistemtic
bre delements de lunivers i n la grandria de la mostra.

b) Sobt de manera aleatria un nombre inferior a aquest coeficient, el
qual determinar el primer element de la mostra.
c) A aquest nombre li sumem el coeficient delevaci, i el nombre obtingut s el segon element de la mostra, i aix successivament fins a obtenir
la mida de la mostra requerida.
Els principals inconvenients per a la utilitzaci daquest mtode sn els
mateixos que en el cas del mostreig aleatori simple.
3) Mostreig estratificat
Quan lunivers que s objecte destudi s tan heterogeni que la informaci
que es pugui obtenir a partir de la mostra no s representativa, sacostuma
a utilitzar el mostreig estratificat.
Suposem que lunivers objecte

destudi sn els 3.000 estudiants
duna escola de comer i que la
mostra que necessitem s de 20
estudiants. El coeficient delevaci
s 150 (3.000/20). Escollim de la
llista de nombres aleatoris el
primer que no superi el nombre
150. Suposem, per exemple, que
s el 110. Aleshores, els 20
elements que han de formar part
de la mostra corresponen als
nombres:
110; 110 + 150 = 260; 110 +
+ (1 150) = 410; ...; 110 +
+ (19 150) = 2.960
19
El treball de camp
Aquest mtode s el que es fa servir ms perqu sacostumen a obtenir millors resultats.
Lestratificaci consisteix a fer grups o classes com ms homogenis millor a partir de lunivers que s objecte destudi. Aquests
grups sanomenen estrats.
Per a cada estrat, les unitats que shan dentrevistar cal obtenir-les a latzar pel mtode aleatori simple o per laleatori sistemtic.
La taula 6 mostra les frmules que permeten obtenir la mitjana i la proporci de la mostra a partir de la mitjana i la proporci de cada estrat.
Taula 6. Estimadors poblacionals a partir dels estimadors dels estrats
Parmetre
Mitjana
Estimador
Nh
xh
N
h 1
Proporci
h 1
Nh
ph
N
Nh : Grandria de lestrat h.
x h : Mitjana de la mostra en lestrat h
ph : Proporci de la mostra en lestrat h
Els dos aspectes que linvestigador ha de decidir per poder aplicar aquest
mtode sn els segents:
a) Determinar els estrats.
b) Repartir entre els estrats la mostra que sha dutilitzar.
Per tal dobtenir els estrats, es poden seguir els passos segents:
a) En primer lloc, cal escollir el criteri o els criteris destratificaci. Si X
s la variable per la qual es vol estratificar, i Y, la variable estudiada, X
s un criteri adequat destratificaci si hi ha una correlaci elevada entre
X i Y.
b) Quan sha escollit el criteri o els criteris de classificaci, el pas segent
s determinar el nombre destrats i els punts de tall o fronteres entre estrats.
El problema de repartir la mostra entre els estrats sanomena assignaci
de la mostra. Hi ha diversos sistemes dassignaci i el fet dutilitzar-ne un
o un altre depn, en darrer terme, de les caracterstiques dels problemes
que shagin dinvestigar.
Variables destratificaci
Les variables destratificaci que

sacostumen a utilitzar sn: sexe,
edat, classe social, zona
geogrfica, tipus dhbitat,
possessi del producte, etc.
20
El treball de camp
Les assignacions ms usuals sn la simple, la proporcional i lptima.

Assignaci simple. Consisteix a repartir la mostra total en parts iguals
per a cada estrat. Daquesta manera, si n s la mida de la mostra que
sha dobtenir, l s el nombre destrats fixats, i ni la mida de la mostra
que sha dobtenir en lestrat i. La mida de la mostra que sha dobtenir
en cada estrat es calcula de la manera segent:
n1 n2 ... ni ... n I
ni n
i 1
n1 n2 ... ni ... n I
ni
n
l
n
l
Assignaci proporcional. Consisteixen a dividir la mostra en parts proporcionals a la poblaci de cada estrat. Si N s la mida de lunivers que s objecte destudi, i Ni, la mida de lunivers en cada estrat, la mida de la mostra
que sha dobtenir en cada cas es calcula de la manera segent:
l
ni
n1 n2
n
n
... i ... l i 1
l
N1 N 2
Ni
Nl
Ni
n
N
i 1
ni n
Ni
N
Assignaci ptima. Es reparteix la mostra no solament tenint en compte la poblaci de cada estrat, sin tamb la dispersi de resultats que hi
pot haver en cada un (i). Llavors, la mida de la mostra es calcula de la
manera segent:
l
ni
n1
n2
ni
nl
n
1
i
...
...
l
l
N 1 1 N 2 2
N i i
N l l
( N i i ) ( N i i )
i 1
ni n
N i i
N i i
i 1
i 1
21
El treball de camp
Mostreig estratificat
Lobjectiu de la investigaci era conixer el nombre mitj de cerveses que es consumeixen per setmana.
Lunivers que s objecte destudi es va definir aix: individus dambds sexes, de 18 a 44 anys, residents a Paislndia, lany 2002 i que consumeixen cervesa com a mnim un cop per setmana. Suposem que la mida daquest univers s de 5.000.000 dindividus.
Es va decidir que la mida de la mostra seria de 1.200 enquestes i que el criteri destratificaci de la
mostra seria ledat.
La taula 7 mostra la informaci sobre lunivers objecte destudi.
Taula 7. Informaci sobre lunivers que s objecte destudi
Desviaci tpica del nombre mitj
de cerveses que es consumeixen
per setmana
Estrats
Grandria de lestrat
De 18 a 24 anys
2.100.000
8,6
De 25 a 34 anys
1.850.000
10,5
De 35 a 44 anys
1.050.000
11,7
En funci daquesta informaci, el repartiment de la mostra per estrat es faria com es mostra en la
taula 8 en cada un dels tres tipus dassignaci:
Taula 8. Repartiment de la mostra per estrats
Estrats
Assignaci
simple
Assignaci
proporcional
Assignaci
ptima
De 18 a 24 anys
400
504
436
De 25 a 34 anys
400
444
468
De 35 a 44 anys
400
252
296
1.200
1.200
1.200
Total
4) Mostreig per conglomerats
El mostreig per conglomerats es caracteritza pel fet que es pre-
Conglomerats
nen grups delements de lunivers que s objecte destudi, anomenats conglomerats, en lloc delements allats.
Quan ja shan extret els conglomerats que han de formar part de la mostra, es pot optar entre els dos procediments segents:
Mostreig per conglomerats simple. Tots els elements que integren els
conglomerats seleccionats formaran part de la mostra.
Mostreig per conglomerats polietpic. Dins de cada conglomerat sescullen a latzar els elements que formaran part de la mostra.
Mostreig per conglomerats
Suposem que sha de fer una enquesta en una ciutat. Es pot comenar per escollir a latzar un determinat nombre de barris (recorrent a la llista de nombres aleatoris o qualsevol altre mtode siste-
La poblaci es divideix en
conglomerats que siguin
mtuament excloents i a
continuaci se seleccionen els
que han de formar part de la
mostra mitjanant qualsevol
procediment aleatori.
22
El treball de camp
mtic) una vegada enumerats. A continuaci, i de manera anloga, sescull a latzar un cert nombre
de blocs o illes de cases que pertanyin als barris sortejats en la primera fase. En cada illa aix determinada, es considera un cert nombre de famlies de manera que al final es tingui un nombre especfic de famlies per entrevistar.
Per exemple, es pot prendre un barri de cada tres; de cada un dels que shan obtingut aix, una illa
de cada vuit; daquestes illes, una casa de cada deu; i daquestes cases, una famlia de cada tres.
1 1 1 1
1

3 8 10 3 720
Daquesta manera, sobt una mostra aleatria amb una famlia de cada 720.
5) Mostreig per rees
El mostreig per rees s un cas particular del mostreig per conglomerats, en el qual els conglomerats estan constituts per zones geogrfiques o rees. Com en el cas del mostreig per conglomerats,
tamb pot ser simple o polietpic.
El procediment de selecci dels integrants de la mostra inclou, en aquest

cas, els passos segents:
a) La superfcie total sobre la qual sha de fer la investigaci se subdivi-
deix en petites rees que es numeren consecutivament.

b) La delimitaci daquestes petites rees s flexible; en alguns casos, es
prenen illes de cases, mentre que daltres vegades es delimiten rees amb
independncia del traat de les illes, de manera que les illes poden quedar
fragmentades i pertnyer a rees diferents.
c) Una vegada numerades totes les rees de lunivers, se seleccionen
aquelles que han dintegrar la mostra per mitj dun procediment que garanteixi formalment laleatorietat, com ara dacord amb una llista de nombres aleatoris.
d) Per a cadascuna daquestes rees seleccionades, sinterroga tots els
seus integrants (simple o duna etapa) o b es determinen les persones

que han de ser interrogades en lmbit daquestes rees, utilitzant qualsevol mtode que en garanteixi laleatorietat (polietpic).
1.3.2. Mostreig no probabilstic

Les tcniques de mostreig no probabilstic no proporcionen mostres representatives, en el sentit que no es pot mesurar el grau de fiabilitat dels
resultats. Tot i aix, sn molt utilitzats ja que sn molt senzills i rpids per
a lobtenci de mostres.
Mostreig no probabilstic, tamb

anomenat empric.
23
El treball de camp
La figura 3 mostra els diferents tipus de mostreig no probabilstic.

Figura 3. Tipus de mostreig no probabilstics
1) Mostreig per quotes
El mtode del mostreig per quotes es basa a constituir una mostra semblant en lunivers que s objecte destudi. Sescullen algunes caracterstiques que descriuen la poblaci estudiada (per exemple, classe social, sexe,
edat, professi, etc.) i, a continuaci, es reparteix la mostra seguint les variables escollides de manera que saconsegueixi una distribuci semblant a la que es produeix en la poblaci objecte destudi.
Mostreig per quotes
Un entrevistador ha de fer cinquanta entrevistes en una ciutat petita per a una enquesta en qu les
caracterstiques que descriuen lunivers que s objecte destudi sn el sexe, ledat i la professi de
la persona que aporta ms ingressos a la seva famlia. Com a instruccions, rep el quadre de la taula 9,
en el qual sespecifica el repartiment de la mostra per sexe, edat i professi.
Taula 9. Repartiment de la mostra per variables sciodemogrfiques
Caracterstiques
diferenciadores
Nivell de les
caracterstiques
Proporci
de la poblaci
Mida
de la mostra
Homes
46%
23
Dones
54%
27
18-24 anys
14%
25-44 anys
36%
18
45-64 anys
36%
18
65 anys o ms
14%
Patrons
12%
Quadres superiors /
professionals liberals
8%
Quadres mitjans /
empleats
16%
Obrers
40%
20
Inactius
24%
12
100%
50
Sexe
Edat
Professi de la
persona que aporta
ms ingressos a la
famlia
Total
2) Mostreig per itineraris
El mtode del mostreig per itineraris s molt utilitzat en enquestes on la

unitat mostral s la llar.
Molt sovint sutilitza el terme

angls random route per
referir-se al mostreig per itineraris.
24
El treball de camp
Aquest mtode es basa en lelaboraci de rutes o itineraris dins dun barri

o una ciutat amb un punt de partida aleatori. Posteriorment, i en cada encreuament (crulla de carrers, plaa, etc.), la ruta es marca segons una direcci que tamb sha de triar aleatriament. Els domicilis que shan de
considerar sobtenen segons unes normes que permeten definir edificis
(un de cada x) i, dins daquests, lhabitatge. Finalment, si la ruta finalitza,
per sortida del barri o la localitat, sense concloure el nombre dentrevistes, sinicia de nou amb un altre punt de partida.
Lentrevistador veu limitada la selecci de persones a entrevistar, per a
Latzar
canvi no est obligat a conservar quotes de cap tipus. s latzar qui influeix
exclusivament a lhora de seleccionar la casa escollida.
Per tal de seleccionar les unitats mostrals que cal entrevistar lentrevistador disposa del full de ruta. Cada full de ruta sol indicar ladrea del punt
de partida, el nombre de persones a les quals haur dentrevistar i la manera especfica com shauran de seleccionar.
Mostreig per itineraris
Lentrevistador o entrevistadora es collocar davant de ledifici de partida i comenar a caminar

cap a lesquerra (una moneda llenada a laire pot decidir si la ruta es far cap a lesquerra o cap a
la dreta). Si a la resta del carrer hi ha algun edifici el nmero del qual acabi amb la xifra de terminaci
indicada, haur de fer all la seva primera entrevista (una bossa amb 10 boles pot decidir quina ha
de ser la terminaci del nmero de ledifici). Per exemple, si la terminaci fixada s 2, haur de fer
entrevistes en els nmeros 2, 12, 22, etc.
Una vegada efectuades les entrevistes pertinents, continuar el seu recorregut pel carrer fins a arribar a la primera travessia, on haur de trencar a la dreta i buscar els edificis que acabin amb el
nmero indicat fins a arribar novament a la primera crulla, on haur de trencar a lesquerra, i aix
successivament, dreta, esquerra, fins que shagi completat el nombre dentrevistes fixat. La figura 4
mostra un exemple duna selecci del recorregut daquest tipus.
Figura 4. Exemple de taula de selecci
El terme atzar, quan parlem de

mostreig per itineraris, t un sentit
diferent del que posseeix en la
teoria probabilstica de mostreig,
ats que realment i amb exactitud
no es coneix a priori que la
probabilitat de cada element de
lunivers de formar part de la
mostra sigui constant.
25
El treball de camp
Per seleccionar la planta dins dun edifici de diferents plantes i per determinar lhabitatge que cal
entrevistar dins de la planta seleccionada, sutilitza una taula de selecci o selector, com la que es
mostra en la taula 10.
La selecci de la planta es fa creuant la columna corresponent al nmero dordre de lentrevista,
amb la fila corresponent al nombre total de plantes que t ledifici (comptant soterranis, tic, etc.).
El nmero resultant de lencreuament correspondr a la planta on sha de fer lentrevista. La selecci de la porta sefectua de la mateixa manera.
Taula 10. Exemple de taula de selecci
Nm. ordre
entrevistes
10
10
11
12
13
14
15
Nbre. plantes
o portes
Suposem, per exemple, que lentrevistador es disposa a fer lentrevista nmero cinc duna de les
seves rutes i que es troba en un edifici de tres plantes. En la taula de selecci, lencreuament de la
columna cinc amb la fila tres correspon al nmero dos. Aix significa que ha de fer lentrevista a la
segona planta.
Finalment, si la ruta sacaba (perqu se surt del barri o la localitat, segons els casos) sense concloure el nombre dentrevistes volgut, sinicia un altre cop amb un altre punt de partida aleatori.
Lnic perill per a aquest mtode s lurbanisme. Les caracterstiques demogrfiques de cada municipi han de ser analitzades prviament a laplicaci del mtode.
3) Mostreig dels mxims possibles (oversampling)
En el mostreig dels mxims possibles, de vegades, la mostra, en lloc destar constituda amb proporcionalitat exacta respecte als diversos carcters
que figuren a lunivers, s deliberadament deformada per raons prctiques.
Consisteix a incloure a la mostra, per exemple, una proporci de persones
que pertanyen a les classe acomodades molt superior a la que es podria es-
26
perar al cens. s a dir, en aquest exemple se sobrevaloraria la proporci

de rics a costa de les classes pobres.
El material recollit es ponderar per tornar a donar a la mostra les proporcions que hauria de tenir la mostra norma.
4) Mostreig raonat
En el mostreig raonat, els elements que formaran part de la mostra se seleccionen dacord amb alguna condici que estableix un expert coneixedor de la
matria que es vol estudiar i que considera que la mostra ha de complir.
Per exemple, imaginem una mostra de 100 poblacions espanyoles per fer
un estudi. Linvestigador pot considerar que s molt important que, per a
aquest estudi en concret, a les 100 poblacions estiguin incloses les 10 ms
grans i almenys una de cada provncia. Si es fa aleatriament, no hi ha garantia que es compleixin les condicions especificades, per la qual cosa la
selecci dels elements de la mostra haur de seguir els criteris fixats per
linvestigador.
5) Mostreig de bola de neu
En el mostreig de bola de neu, la mostra es construeix partint dun nombre redut dintegrants de la poblaci que s objecte destudi. A aquests, un
cop entrevistats, sels sollicita que subministrin el nom dun altre o altres
integrants de lunivers que s objecte destudi, i aix successivament fins
a aconseguir tants noms com necessiti la mida de la mostra inicialment
prevista.
Un exemple seria una poblaci constituda per persones que tenen rendes
altes i que tenen una embarcaci. Si lentrevistat proporciona el nom
duna altra persona de les mateixes caracterstiques facilitar la feina de
completar la mostra.
El treball de camp
27
El treball de camp
2. El treball de camp
Quan sha determinat la mida del collectiu a entrevistar, es pot posar en

marxa la recollida efectiva de les dades.
Aquesta fase sanomena treball de camp, s una part molt important de la
investigaci i cal que estigui adequadament planificada, executada i controlada si no es vol desvirtuar tot el treball efectuat en les etapes precedents (com el disseny dels objectius, la recerca dinformaci secundria,
el disseny de les tcniques de recollida dinformaci primria) o posteriors com lanlisi i interpretaci de les dades recollides.
El treball de camp s la fase de la investigaci comercial que t

com a objectiu la recollida efectiva de dades vlides a partir dun
grup dindividus seleccionats duna mostra.
El plantejament i la confecci del treball de camp s totalment diferent si

saplica una metodologia qualitativa o una metodologia quantitativa per a
la recollida de dades. A la primera, lentrevistador ha de dominar a fons
les tcniques corresponents a lmbit de la psicologia i tenir experincia
en la conducci de grups.
En aquesta unitat didctica es considerar nicament la metodologia
quantitativa, i, en particular, la que fa servir les enquestes per a la recollida dinformaci, ja que la tcnica ms comunament utilitzada en les investigacions comercials.
El treball de camp t tres etapes:
1) Planificaci.
2) Execuci.
3) Control.
2.1. Planificaci del treball de camp

La feina del treball de camp comena prpiament amb la planificaci
daquesta tasca i parteix dels objectius generals fixats per a la investigaci
que es vol dur a terme.
La figura 5 mostra les diferents etapes per les quals passa un procs dinvestigaci, que es realitza mitjanant enquestes, des que sen defineixen
Dades sobre estudis

contractats
LAssociaci Nacional
dEmpreses dInvestigaci de
Mercats i Opini Pblica ANEIMO
calcula que lany 2006 del total
destudis contractats, el 83%
corresponien a estudis
quantitatius, mentre que noms el
14% corresponien a estudis
qualitatius.
28
els objectius generals fins a la redacci de linforme, tal com es portarien

a terme seqenciades en el temps. La part ombrejada de la figura mostra
les tasques que corresponen a la planificaci del treball de camp i que poden ser simultaniejades.
Figura 5. Tasques duna investigaci confeccionada mitjanant enquestes
La planificaci del treball de camp suposa realitzar les tasques segents:

1) Selecci del collectiu a entrevistar.
2) Elaboraci del qestionari.
3) Selecci i formaci dels enquestadors.
4) Disseny i seguiment dun pressupost: aquesta tasca no forma part del
treball de camp en si mateix, per cal tenir-la molt en compte durant la

fase de preparaci.
El treball de camp
29
El treball de camp
2.1.1. Selecci del collectiu a entrevistar

La decisi de portar a terme una investigaci per analitzar una situaci
o resoldre un problema ja comporta la selecci de les caracterstiques
que ha de reunir el collectiu sobre el qual sha de dur a terme lestudi.
Aquest collectiu s lunivers i cal que estigui definit amb la mxima precisi possible, tant pel que fa a lmbit espacial i temporal com quant als
atributs que ha de tenir.
Definici de les caracterstiques del collectiu a analitzar
Suposem que es vol portar a terme un estudi sobre els hbits dels estudiants catalans el cap de
setmana, caldr definir de la manera ms acurada possible qu sentn per estudiant: estudiant de
batxillerat, de cicles formatius, dalguns cicles formatius concrets, duniversitat, de lESO, o tots plegats; tamb es podria decidir ledat mnima i mxima dels estudiants que es vol analitzar, ja que pot
haver-hi estudiants entre els jubilats, per exemple, amb hbits diferents durant el cap de setmana.
Una altra variable a considerar podria ser lmbit geogrfic, si sestudiaran els estudiants de tot
Catalunya o noms duna determinada provncia, o si sanalitzaran els estudiants de les rees rurals
o urbanes, etc.
Una vegada shan seleccionat les caracterstiques de lunivers, cal localitzar algun document que permeti identificar i conixer en detall la poblaci
que sha dentrevistar, que en termes estadstics es coneix com a marc
mostral o base de sondeig. Quan la poblaci que s objecte destudi sn
El marc mostral s una llista que

cont els elements de la poblaci
definida.
collectius especialitzats s habitual utilitzar directoris professionals, i si

lobjecte destudi s la poblaci en general se solen utilitzar censos o padrons de poblaci.
A partir de lunivers, cal determinar la mida de la mostra. Aquesta mida
vindr condicionada per la mida del mateix univers i la seva grandria dependr de si es vol estimar una mitjana o una proporci i de si la poblaci
de la qual sha dextreure la mostra s finita o infinita.
Quan ja sha determinat el nombre de components que formaran part de
la mostra, el procs de selecci daquests sanomena mostreig.
El mostreig pot ser probabilstic o no probabilstic. No obstant aix, les
mostres probabilstiques sn les niques que proporcionen resultats extrapolables, cosa que significa que les conclusions que sobtenen amb una
mostra es poden generalitzar a tota la poblaci sota unes condicions determinades. Les mostres probabilstiques, per tant, sn les niques que es
poden utilitzar quan es vol aplicar la tcnica de lenquesta per a la recollida de dades. El mostreig probabilstic es caracteritza pel fet que es coneix
la probabilitat que t cada un dels membres de lunivers de ser seleccionat
en la mostra. Aquesta s una caracterstica fonamental, ja que cal que totes les unitats que formen part de lunivers tinguin la mateixa probabilitat
de ser incloses a la mostra.
!!
Consulteu el nucli dactivitat
Disseny de la mostra daquesta
mateixa unitat didctica per
recordar com es calcula la mida
de la mostra i de quina manera es
confeciona un mostreig.
30
2.1.2. Elaboraci del qestionari
Un qestionari s un formulari destinat a recollir una srie de

preguntes que es poden respondre oralment o per escrit, i que t
com a missi posar en relleu determinats aspectes relatius a lentrevistat.
Els qestionaris poden ser de tres tipus:

Qestionari estructurat: les preguntes estan formulades, shan de fer
en un ordre prefixat i les diferents alternatives de resposta que pot optar per respondre lentrevistat tamb estan prviament definides.
Qestionari no estructurat: les preguntes que es formulen donen opci
a respondre mpliament i no cal un ordre especfic.
Qestionari semiestructurat: es fan mitjanant un gui amb les preguntes principals i no cal seguir un ordre concret.
En el treball de camp que es fa mitjanant enquestes, el qestionari que
sutilitza s del tipus estructurat, per tal que la situaci de lentrevista estigui al mxim destandarditzada possible.
Els entrevistadors han de llegir les preguntes tal com estan escrites, en el
mateix ordre i utilitzant les mateixes paraules amb la finalitat que tots els
entrevistats rebin els mateixos estmuls i garantir que la comparabilitat
de les respostes sigui mxima.
Tamb amb aquest propsit, entre les preguntes se solen intercalar unes
instruccions per a lentrevistador, que mostren el que ha de fer al llarg del
qestionari. Lentrevistador ha de tenir molt clara la diferncia entre les
paraules que ha de llegir literalment a lentrevistat i les instruccions destinades a ell mateix, i per a aix, linvestigador ha dexplicar clarament
quina s la tipografia emprada en cada cas.
La figura 6 mostra un exemple de qestionari que utilitza el Centre dInvestigacions Sociolgiques (CIS).
En lelaboraci dun qestionari shan de seguir una srie de passos, que
sn:
1) Determinaci dels objectius del qestionari.
2) Elaboraci de les preguntes.
3) Determinaci de la seqncia de les preguntes.
4) Pretest.
5) Edici final del qestionari.
El treball de camp
31
El treball de camp
Figura 6. Exemple de qestionari utilitzat pel Centre dInvestigacions Sociolgiques
En aquest qestionari les instruccions per a lentrevistador apareixen en negreta i majscules.

Font: Vidal (2005). Manual de trabajo de campo en la encuesta (pg. 191).
1) Determinaci dels objectius del qestionari
La primera font dinformaci per obtenir els objectius dun qestionari

sn els objectius mateixos de lenquesta en si mateixa, en els casos que
qestionari s linstrument de lenquesta. Els qestionaris solen respondre a tres objectius:
Estimar magnituds, com ara estimar el percentatge de persones disposades a consumir un determinat producte.
Descriure una poblaci, com per exemple, conixer els hbits dun determinat segment de mercat, interessos, problemes, etc.
Verificar hiptesis, per obtenir informaci i analitzar si hi ha relaci
entre variables, com ara si ledat o el grup social influeixen en la intenci de compra de determinats productes.
La finalitat de la definici dels objectius del qestionari s la definici de
variables o constructes a partir dels quals elaborar les preguntes i que
aquestes responguin als objectius de la investigaci.
Constructes
Els objectius del qestionari

permeten definir variables o
constructes a partir dels quals
redactar blocs de preguntes.
32
Per exemple, si lobjectiu fos conixer la valoraci sobre un producte en

el mercat, caldria clarificar qu sentn per valoraci, dividint aquesta
en diferents factors, com ara aparena externa, relaci qualitat-preu, qualitat, nivell de servei postvenda, garanties, atenci del personal venedor,
claredat de les instruccions, informaci prvia sobre les seves caracterstiques, comparaci amb productes de la competncia, etc.
Dins de cada una daquestes variables tamb shaurien de tenir en compte
els aspectes concrets que la componen. En lexemple anterior, dins la categoria qualitat shauria de definir qu sentn per qualitat com per
exemple: duraci del producte, eficincia, prestacions que ofereix, etc.
Tot aix ha de comportar una relaci exhaustiva de les variables o els continguts que el qestionari ha dincloure i a partir dels quals shan de comenar a redactar les preguntes.
2) Elaboraci de les preguntes
La redacci de les preguntes dun qestionari s una tasca laboriosa i gens

senzilla en contra del que pugui semblar en un principi. Perqu les respostes que es volen aconseguir siguin rellevants, en lelaboraci shan de tenir
en compte els elements segents:
a) Tipus de pregunta que es pot fer.
b) Tipus descala.
c) Pautes que cal seguir en la redacci dels enunciats.
a) Tipus de preguntes
La taula 11 mostra els diferents tipus de pregunta que es poden incloure

en un qestionari classificades a lentorn de dos criteris: segons la llibertat
de resposta que es dna a lentrevistat i segons la funci especfica que
compleix dins del qestionari.
Taula 11. Diferents tipus de preguntes que es poden incloure en un qestionari
Classificaci
Tipus de pregunta
Tancades
Segons la llibertat
de resposta
Obertes
Semiobertes
Control
Bateria
Segons la funci
que compleix
Filtre
Reservades/indirectes
Fets, hbits i motivacions
Avaluacions/ponderacions
Preguntes tancades: les respostes a aquest tipus de pregunta ja vnen

predefinides, lentrevistat noms ha descollir les que consideri convenients dentre les opcions disponibles.
El treball de camp
33
Tenint en compte els tipus dopcions que poden presentar les respostes, aquestes es poden classificar en:
Dicotmiques: noms hi ha dues alternatives mtuament excloents
com S/No o Dacord / En desacord.
Exemple de pregunta dicotmica
Esteu dacord amb el cobrament duna taxa ecolgica pel consum de benzina?
S
No
Elecci mltiple: es proposen ms de dues alternatives de resposta.

A la vegada aquest tipus de pregunta pot ser:
- Uniresposta: les alternatives plantejades sn excloents.
Exemple de pregunta delecci mltiple
Valoreu latenci rebuda del nostre servei durant lltim mes:

Molt bona
Bona
Regular
Dolenta
Molt dolenta
- Multiresposta: permet marcar ms duna resposta.

Exemple de pregunta delecci mltiple multiresposta
De les caracterstiques segents, em podreu dir les tres que considereu ms importants perqu
una persona triomfi a la feina?
Autoritat
Iniciativa
Bona imatge
Esfor
Bona preparaci
Intelligncia
Capacitat de treball en equip
Atractiu personal
Bona sort
Intuci, m esquerra
Conixer gent influent
Cap de les anteriors
El treball de camp
34
El treball de camp
Preguntes obertes: lentrevistat pot donar la resposta que li sembli convenient a una pregunta sense haver descollir entre diferents alternatives de resposta predefinides.
Preguntes semitancades (o semiobertes): en aquest tipus de pregunta
es dna una srie dopcions uniresposta o multiresposta, i al final es dna una opci perqu lentrevistat aporti una resposta lliure.
Exemple de pregunta semitancada
En qu invertireu els vostres estalvis si disposssiu dalguns diners, com ara, 30.000 euros o ms?
Compraria un habitatge
Assegurances i/o plans de pensions
En terrenys
En fons dinversi
En borsa
En deute pblic
En comptes corrents o destalvi
En comptes habitatge
En un negoci
Duna altra manera (especificar)
Preguntes filtre: sutilitzen per seleccionar les persones que ens interessa que contestin el qestionari o b una part de preguntes del qestionari.
Exemple de pregunta filtre
Esteu interessats a realitzar formaci relativa en aspectes comercials i de mrqueting?

S
No
Quin dels segents cursos considerareu ms interessant?
Preguntes filtre
Estratgies de venda
Fidelitzaci i seguiment de clients
Packaging del producte
TPV, mitjans de pagament i arqueig de caixa
Altres (especificar)
No ho sap
No contesta
Preguntes de control: permeten comprovar la consistncia de les

respostes que es donen en plantejar una altra pregunta feta amb anterioritat de manera diferent. Tamb es pot incloure dins de les respostes una afirmaci falsa per veure si lentrevistat respon amb
sinceritat.
Les preguntes filtre permeten

derivar les respostes que dna
lentrevistat cap a un altre bloc o
bateria de preguntes.
35
Exemple de pregunta de control
Un estudi fa les preguntes segents repartides al llarg del qestionari; les preguntes plantejades
podrien correspondre a la pregunta 1, 8 i 20.
P1. Dacord amb aquesta escala, en general amb quina
freqncia acostumeu a comprar llaunes de cervesa de
33 cl?
Tots o gaireb tots els dies

4/5 vegades per setmana
2/3 vegades per setmana
1 vegada per setmana
3 vegades al mes
2 vegades al mes
1 vegada al mes
Amb menys freqncia
Mai
P8. De manera aproximada, quan compreu llaunes de

cervesa de 33 cl, quantes unitats acostumeu a comprar?
(ANOTAR-HO EN FUNCI DE LA RESPOSTA DE
LENTREVISTAT)
Mnim
Mxim
Una sola quantitat
Cap quantitat en especial/depn
P20. Aproximadament, quina quantitat acostumeu a gastar

al mes de mitjana en llaunes de cervesa de 33 cl?
____________________
Preguntes en bateria: es tracta dun grup de preguntes que es plantegen

juntes, les unes a continuaci de les altres, per tractar del mateix tema.
Preguntes reservades/indirectes: es tracta de preguntes que no es poden formular directament perqu tracten temes delicats i cal plantejarles b sigui duna manera indirecta o b mitjanant una bateria de preguntes.
Exemple de pregunta reservada/indirecta
Un exemple daquest tipus de recurs seria demanar a lentrevistat que contesti la bateria de preguntes segent en comptes de preguntar-li directament quantes vegades es dutxa al dia:
Compreu sab de dutxa en alguna ocasi?
Cada quant el compreu?
Quina mida soleu comprar?
Quantes persones conviuen a la vostra llar?
El treball de camp
36
Preguntes sobre fets/hbits i motivacions: pretenen obtenir respostes

sobre pautes de conducta de lentrevistat i les causes que les provoquen.
Preguntes sobre avaluacions: es realitzen quan es vol conixer la valoraci sobre un fenomen o objecte. Resulta convenient que es plantegin
les preguntes de manera que es pugui diferenciar si lentrevistat dna
la seva valoraci basada en un coneixement teric dall que avalua o
b prctic pel fet dhaver-ne estat usuari. Habitualment es fan servir
per conixer la imatge duna marca.
Exemple de pregunta davaluaci
Esculliu de la llista segent les caracterstiques que creieu que t la marca X.

Qualitat elevada
Molt soluble
Gust a xocolata
Envs modern
Agrada als nens
s barata
Cap de les anteriors
b) Tipus descala
En lelaboraci de les preguntes tamb sha de tenir en compte lescala en

qu es classificaran o ordenaran les respostes possibles i que tindr efectes en el posterior tractament estadstic de la informaci.
La taula 12 mostra els diferents tipus descala que es poden donar.
Taula 12. Classificaci dels diferents tipus descala
Tipus descala
Nominal
No mtriques
Ordinal
Bsiques
Interval
Mtriques
Rtio o proporcionals
Likert
Mltiples
Diferencial semntic
No mtriques. Permeten mesurar variables qualitatives, tot i que no tenen significat quantitatiu. Sn senzilles demplenar i la seva anlisi estadstica es limita al clcul de freqncies i percentatges.
Escala nominal: permet determinar les categories o opcions de resposta amb les quals sidentifica lentrevistat.
El treball de camp
37
El treball de camp
Exemple descala nominal
Quina s la vostra marca de refresc preferida?

Marca A
Marca B
Marca C
Marca D
Escala ordinal: estableix una relaci ordenada de categories o alternatives de resposta.

Exemple descala ordinal
Quina s la vostra marca de refresc preferida?

Marca A
Marca B
Marca C
Marca D
Lentrevistat expressa que li agrada ms la marca C, desprs la D i posteriorment la B i la A.
Mtriques. Aquestes escales sn apropiades per a variables quantitatives perqu permeten interpretar quantitativament els resultats.
Escala interval: proporciona informaci de classificaci, ordenaci
dalternatives i de les distncies entre aquestes.
Exemple descala dinterval
Valoreu dacord amb les vostres preferncies en una escala d1 a 10 (menor a major) les marques
de refresc segents.
Les escales mtriques permeten anlisis
estadstiques ms completes.
Marca A
Marca B
Marca C
10
Marca D
En aquest cas, a ms de conixer lordre de les preferncies de lenquestat, tamb es coneix la intensitat en qu es prefereix una opci en relaci amb una altra. Aix, es veu que la marca C s preferida a la D, per la D s preferida amb molta diferncia respecte a la B i la A.
Escala rtio o escala proporcional: subministra la mateixa informaci que lescala dinterval per, a ms, els valors de lescala permeten
una interpretaci.
Exemple descala rtio
Aproximadament, quantes llaunes de refresc heu comprat durant el darrer mes de les marques segents?
Marca A
Marca B
Marca C
20
Marca D
10
38
Les escales mltiples utilitzen una llista de caracterstiques o atributs per

mesurar una qualitat dun fenomen, objecte o persona.
Aquest tipus descala sutilitza molt sovint per mesurar actituds. El mesurament dactituds t tres components bsics, que sn:
Component cognitiu: fa referncia al coneixement previ que t un consumidor respecte a un producte concret o una marca.
Component afectiu: s la predisposici favorable o desfavorable que
pot tenir un individu envers un producte.
Component de comportament: s la intenci de compra que pot tenir
un individu envers un producte.
En lrea comercial s important estudiar tots els factors que influeixen
en el comportament o conducta de compra dels consumidors. Per aquest
motiu les escales dactitud tenen una gran aplicaci en aquesta rea, ja
que permeten:
Mesurar i quantificar lactitud dun collectiu dindividus respecte un
producte, ja que hi ha un ampli ventall de situacions entre la predisposici totalment positiva i la negativa.
Determinar quins sn els atributs del producte que contribueixen principalment a la configuraci daquesta actitud.
Les escales dactitud ms utilitzades sn:
Escala de Likert: mesura lactitud envers un objecte dacord amb el
grau dacord o desacord dels entrevistats amb una srie denunciats positius i negatius que representen atributs de lobjecte estudiat. Lescala planteja cinc alternatives de resposta: totalment dacord, bastant
dacord, dubts, bastant en desacord i totalment en desacord.
Exemple descala de Likert
Mesurament de les actituds dels consumidors envers els refrescos isotnics.

Indiqueu el vostre grau dacord o desacord amb la frase segent:
Els refrescos isotnics sn beneficiosos per a la salut.
Totalment dacord
Bastant dacord
Dubts
Bastant en desacord
Totalment en desacord
El treball de camp
39
El treball de camp
Lescala de diferencial semntic permet mesurar lactitud envers un

producte segons lavaluaci que realitzen els entrevistats de diferents
atributs puntuant en una escala d1 a 7 o del 3 a +3 cada un dels graus
o nivells dun atribut.
Exemple descala de diferencial semntic
Indiqueu el vostre nivell dacord amb els atributs segents de les revistes de viatges de la taula inferior:
NATIONAL GEOGRAPHIC
+1
+2
+3
Superficial
Profunda
Antiquada
Moderna
Avorrida
Entretinguda
Subjectiva
Objectiva
Sensacionalista
Rigorosa
DEVIAJES
+1
+2
+3
Superficial
Profunda
Antiquada
Moderna
Avorrida
Entretinguda
Subjectiva
Objectiva
Sensacionalista
Rigorosa
c) Pautes que cal seguir en la redacci dels enunciats
En la redacci i formulaci de les preguntes s important tenir en compte

els aspectes segents:
Fer preguntes rellevants: la rellevncia de les preguntes t a veure
amb el grau de relaci de la pregunta en qesti amb els objectius de
lenquesta. Per exemple, si sestudia el grau de satisfacci amb un
producte, lentrevistat espera preguntes sobre unitats consumides,
comprades, freqncia, establiments de compra. Si es fan preguntes
que sembla que no tinguin relaci, se nhaur de justificar explcitament la necessitat.
Tenir cura de no formular preguntes que condicionin les respostes, ja
que aix distorsionaria els resultats obtinguts. Per exemple: estareu
dacord a votar un partit poltic que vetlli pels interessos de la gent del
carrer? bviament en la majoria dels casos la resposta a aquesta pregunta seria s.
Redacci de preguntes
La redacci de les preguntes dun

qestionari s una tasca fora
complicada; cal tenir en compte
una srie de criteris si es vol que
les respostes que aporten els
enquestats responguin de manera
fidel als objectius de la
investigaci.
40
Redactar preguntes neutres que no portin associades connotacions

emocionals ni respostes que resultin incmodes per a lentrevistat,
com les que aborden determinats temes ntims o personals. Molt sovint tamb sha de tenir cura de no incloure determinades paraules que
generen respostes emocionals o prejudicis, com avortament, provida, comunista, liberal...
Formular les preguntes de manera clara, concreta i com ms curta sigui millor, per tal de facilitar-ne la comprensi per part de lentrevistat
i posterior tractament i anlisi dels qestionaris.

Facilitar la resposta no obligant lentrevistat a realitzar clculs ni fer
esforos de memria, realitzant preguntes tancades sempre que es pu-
gui i no incloent-hi no ho sap / no contesta quan el qestionari s autoadministrat (lemplena lentrevistat mateix), ja que s un recurs al
qual sacollir per comoditat. Quan lentrevistador llegeixi les preguntes obviar aquesta opci a lhora de llegir totes les opcions per afavorir
que lentrevistat seleccioni qualsevol de les altres de la llista. Un exemple de mala redacci duna pregunta pot ser: quant heu trigat a adormir-vos, de mitjana, durant els ltims sis mesos?, una redacci
alternativa daquesta pregunta podria ser: quant heu trigat a adormirvos, de mitjana, les darreres dues setmanes?
Utilitzar un llenguatge convencional: les preguntes han destar redactades amb una estructura gramatical, puntuaci i vocabulari estndard.
La redacci de les preguntes ha destar realitzada de manera que el mxim nombre de persones les entengui. Els dos casos ms habituals de
redacci inadequada en aquest sentit sn: no utilitzar frases completes
o fer servir abreviatures. Un exemple de redacci inadequada en el primer cas seria preguntar lloc de residncia? en comptes de quin s el
nom de la ciutat on viviu actualment?, pel que fa al segon cas, un
exemple de redacci inadequada seria: creieu que lIPC reflecteix la
pujada de preus real? en comptes de creieu que lndex de preus al
consum reflecteix la pujada de preus real?.
Evitar lambigitat, utilitzant un vocabulari que no doni lloc a dobles
interpretacions o contingui expressions com alguna vegada, freqentment, de vegades. Un exemple de redacci dolenta en aquest
sentit seria: com descriureu la vostra salut?, una millor redacci a la
mateixa pregunta podria ser com descriureu la vostra salut durant les
dues darreres setmanes?.
3) Determinaci de la seqncia de les preguntes
Quan ja sha establert una llista de preguntes dacord amb les necessitats
dinformaci, cal establir lordre en qu shan de redactar. Aix ve deter-
El treball de camp
41
minat principalment per la naturalesa de lestudi que cal dur a terme; tot
i aix es poden tenir en compte les recomanacions segents:
Comenar amb preguntes introductries senzilles i interessants que
motivin lentrevistat. Progressivament es pot introdur la resta de preguntes augmentant-ne la complexitat.
Ordenar els filtres i agrupar les preguntes que tracten de la mateixa temtica.
Situar al final les preguntes didentificaci de lentrevistat, ja que generen certa desconfiana i aix seviten les possibles influncies negatives que afectin la resta del qestionari. Si lentrevista sha condut
adequadament el clima que sha generat al final daquesta afavoreix
que lentrevistat aporti aquest tipus dinformaci.
4) Pretest
Quan el qestionari est definitivament redactat s necessari realitzar

una prova pilot amb un nombre redut de persones procedents del collectiu
Aquesta prova posar en relleu possibles deficincies en lelaboraci del
qestionari o elements que no shagin tingut en compte. Tamb permetr
mostrar aspectes que calgui observar en confeccionar el treball de camp.
En cas de detectar-se errors en lelaboraci caldr fer les correccions oportunes. La taula 13 mostra els possibles errors que pot haver-hi en el pretest del qestionari.
Taula 13. Llista derrors possibles dun pretest
Possibles errors detectats a la prova pilot dun qestionari
Formulaci de preguntes
Preguntes confuses, ambiges o complexes.

Termes que lentrevistat no entn.
Alternatives de resposta inadequades.
Resistncia a contestar determinades preguntes.
Excessiu nombre de respostes no vlides.
Excessiu nombre de preguntes no contestades.
Seqncia i extensi del

qestionari
Barreres o rebutjos plantejats per lentrevistat davant el tema

Ordre de preguntes inadequat.
Desconnexi entre preguntes correlatives.
Desinters o manca datenci de lentrevistat.
Filtres confusos.
Durada excessiva.
Treball de camp
Procediment inadequat: per exemple, el tema no s ben

acceptat en una enquesta telefnica.
Lloc inadequat: massa interrupcions, dificultat de captaci
dentrevistats, etc.
Tasca dels entrevistadors
Perfil inadequat dels entrevistadors: massa joves, manca

dexperincia, etc.
Detecci de situacions imprevistes.
Assessorament inadequat.
El treball de camp
42
El treball de camp
5) Edici final del qestionari
La fase final delaboraci del qestionari consisteix a donar-li la seva forma definitiva, una vegada sha realitzat el pretest i corregit les possibles
deficincies detectades.
2.1.3. Selecci i formaci dels entrevistadors

La figura de lentrevistador s clau quan es fan entrevistes personals. Una
adequada selecci i formaci pot incrementar lndex de resposta alhora
que possibilita reduir els errors susceptibles de ser causats per aquest element.
La selecci dels entrevistadors ha de seguir les orientacions generals segents:
Edat: es considera que no han de ser ni massa joves ni massa grans.
Formaci: ha de ser de tipus mitj per poder abordar les diferents situacions que es puguin presentar amb una determinada fludesa, tot i que
en darrera instncia dependr de la complexitat del tema a tractar.
Presncia: els entrevistats han de tenir bona presncia per no generar
rebuig a lentrevistat. No obstant aix, tampoc ha de ser excessivament
formal per tal de no intimidar-lo.
Empatia: han de tenir facilitat per establir relacions interpersonals
adequades.
Capacitat dexpressi: han de fer servir un llenguatge clar, correcte i
expressar-se de manera agradable.
Integritat: la tasca que porten a terme els entrevistadors es presta a la
falsificaci duna part o de la totalitat dels qestionaris, i per aix
aquesta qualitat s molt important.
Imparcialitat: lentrevistador no ha dinfluir en les respostes que doni
lentrevistat ni distorsionar els resultats mitjanant les seves opinions.
Motivaci: s important que lentrevistador disposi daquesta caracterstica perqu la transmeti a lentrevistat i millori la taxa de resposta.
A lhora de disposar dentrevistadors per al treball de camp les empreses
tenen dues opcions: disposar duna xarxa de camp i reclutar entrevistadors per al treball de camp especfic.
Lentrevistador
La figura dun entrevistador en

una enquesta s molt important
perqu ha daconseguir crear un
clima que fomenti la participaci
de lentrevistat i al mateix temps
no influir amb la seva actitud en
les respostes.
43
1) Xarxa de camp
Les empreses que fan el treball de camp de manera habitual normalment

disposen duna xarxa organitzada dentrevistadors.
La xarxa de camp s una estructura organitzativa formada pels

entrevistadors i els diferents nivells de dependncia jerrquica
daquests.
En la figura 7 es mostra una estructura tipus del que podria ser una xarxa
de camp dmbit nacional.
Figura 7. Esquema tipus duna xarxa de camp dmbit nacional
Font: Pedret i altres (2000). La investigacin comercial como soporte del marketing (pg. 276).
2) Reclutament dentrevistadors eventuals
Per a treballs puntuals dinvestigaci es pot portar a terme un reclutament dentrevistadors.

El nombre dentrevistadors que cal per portar a terme una investigaci depn de quatre elements:
La mida de la mostra: com ms entrevistes calgui fer, ms entrevistadors o ms temps ha de durar el treball de camp.
El mtode de mostreig: la distribuci geogrfica dels entrevistats ve
condicionada pel tipus de mostreig i afectar el temps que es requereix
per fer el treball de camp.
El treball de camp
44
La tcnica de recollida dinformaci: bviament es necessitaran ms

entrevistadors si les entrevistes es fan a domicili, per exemple, que si
es fan al carrer o telefnicament.
La durada de cada entrevista: algunes empreses utilitzen una soluci
mixta entre les dues que shan exposat, s a dir, disposen dun nombre
determinat dentrevistadors fix i contracten un nombre variable en
funci de les necessitats de cada estudi concret.
La formaci que han de rebre els entrevistadors ha de ser de dos tipus: formaci general i formaci especfica per a cada estudi en concret.
1) Formaci general
La formaci general dels entrevistadors els capacita en aquells aspectes

relatius a la situaci de lentrevista i en el context teric en qu aquesta
entrevista sinsereix.
La formaci terica ha de donar a conixer diferents aspectes duna investigaci comercial i ha dincloure, com a mnim, els aspectes segents:
Finalitat i metodologia duna investigaci: els entrevistadors han de
conixer per qu es fa una investigaci i com es porta a terme, qu s
una mostra i com es fa un mostreig, com han de ser els qestionaris i
familiaritzar-se amb la terminologia que fan servir els investigadors.
Aquesta part persegueix com a objectius:
Que els entrevistadors comprenguin la tasca que han de fer.
Que la contextualitzin dins el treball que ha de portar a terme lempresa.
Que es consciencin sobre la necessitat que la informaci obtinguda
sigui un reflex fidel de la realitat.
Normes dactuaci: totes les entrevistes han de seguir unes pautes generals que shan de tenir en compte.
Recursos per resoldre possibles problemes que es puguin presentar: els
entrevistadors han de disposar duna llista dalternatives a utilitzar davant
les possibles incidncies que es presenten de manera ms habitual.
A ms de la formaci terica que aporti lempresa, la prctica i lexperincia de lentrevistador sn clau en la seva formaci general.
2) Formaci especfica
Consisteix a donar instruccions als entrevistadors sobre la investigaci

que sest portant a terme.
El treball de camp
45
El treball de camp
Per realitzar aquest tipus de formaci es fan reunions amb grups petits
dentrevistadors anomenades brfings i sinforma sobre els aspectes segents:
Objectiu de lestudi.
Contingut del qestionari.
Material de suport a lentrevista i com utilitzar-lo.
Mtode de mostreig.
Moment i lloc on realitzar les entrevistes.
2.1.4. Disseny i seguiment dun pressupost
El pressupost s una previsi inicial dels recursos econmics que

sn necessaris per dur a terme tot el procs dinvestigaci.
Sovint es fixa a priori un lmit de recursos, per la qual cosa ser necessari
adequar les caracterstiques de lestudi que es vol portar a terme a aquest
lmit i constituir un element clau en la fase de disseny de la investigaci.
Si no hi ha un lmit fixat, en qualsevol cas sempre resulta convenient establir a priori el nivell de recursos que sn necessaris per tal de poder fer
un control de les despeses en qu sincorrer al llarg de tot el procs.
Shan de preveure molt b totes les possibles partides que formen part del
pressupost, estimar una quantitat a gastar i anotar la despesa real que ha
suposat finalment la partida en qesti, anotar les possibles desviacions
respecte a la quantitat pressupostada i la causa daquestes desviacions.
La revisi del pressupost ha de ser contnua al llarg de tota la investigaci,
i les possibles desviacions quant a les partides pressupostades obligaran
linvestigador a prendre decisions constants en relaci amb el treball de
camp que poden afectar els resultats obtinguts.
Els elements que influeixen en el nivell de despesa associada al treball de
camp sn:
Tipus dentrevista: les entrevistes personals sn les que ms recursos
econmics requereixen, a causa del nombre dentrevistadors que s
necessari utilitzar i les despeses de desplaament daquests. Les entrevistes telefniques requereixen menys recursos per ms que les
entrevistes per correu o Internet.
Mida de la mostra i sistema de mostreig: com s obvi, com ms gran
hagi de ser la mostra seleccionada ms recursos ser necessari invertir
Partides dun pressupost

dinvestigaci
Un pressupost pot incloure les

despeses segents:
Despeses derivades del
personal entrevistador: sou,
dietes, incentius, etc.
Despeses dimpremta, correu,
telfon i altres materials
requerits per a la investigaci.
Despeses derivades del
tractament de la informaci:
programes informtics, hores
destinades per personal
especialitzat, introducci de
dades, etc.
46
El treball de camp
per confeccionar les entrevistes. Tamb hi influeix el sistema de mostreig i com de dispersos estan els elements de la mostra.
Durada del treball de camp i nombre dentrevistadors a utilitzar:
aquests dos elements estan ntimament relacionats, si es vol que el treball de camp duri menys temps s possible que calgui utilitzar un nombre ms elevat dentrevistadors i a la inversa, si no es modifica la mida
de la mostra. Lempresa que porta a terme una investigaci haur de
valorar la combinaci que li resulta ms rendible.
2.2. Execuci del treball de camp

En letapa dexecuci del treball de camp els entrevistadors, prviament
!!
formats, recullen la informaci sollicitada en els qestionaris dels integrants de la mostra. Implica posar en prctica tota la tasca realitzada durant letapa de planificaci.
La tasca dels enquestadors, tant si lentrevista s personal com telefnica,
Per recordar les tasques

realitzades en letapa de
planificaci vegeu lapartat
Planificaci del treball de camp
daquest nucli dactivitat.
ha de ser seguida en tot moment pels coordinadors del treball de camp,

els quals han de comprovar que tot es duu a terme com es va planificar.
Els enquestadors i els coordinadors han destar en comunicaci
en tot moment per poder resoldre les incidncies que es puguin
produir sobre el terreny.
El desenvolupament de les entrevistes ha de passar per les fases
segents:
1) Moment previ a lentrevista: cal tenir enllestits els elements
segents:
Itinerari o ruta que cal seguir per localitzar els entrevistats.
Instruccions per a la selecci de lentrevistat. En funci del tipus de mostreig que sestigui fent, les instruccions mostraran
com escollir la unitat mostral que es necessita.
Guia de lentrevista: s un document destinat a lentrevistador que cont totes les instruccions que ha de tenir en compte sobre com conduir
lentrevista.
Qestionari: s el document on es relacionen les preguntes que cal
contestar a lenquesta.
Normes per a laplicaci del qestionari: consistents en una part general, que podria ser aplicable a qualsevol estudi, i una altra part especfica
Planificar la ruta
Planificar adequadament litinerari

que han de seguir els
entrevistadors s molt important
per minimitzar el temps i els
recursos utilitzats als
desplaaments.
47
per al qestionari particular que sutilitzar, on sindiquen aquelles observacions sobre les preguntes que ha de tenir en compte lentrevistador.
2) Desenvolupament de lentrevista: en la confecci de les entrevistes
mateixes, es poden diferenciar tres etapes:

a) Presentaci inicial
En la presentaci inicial shan de tenir en compte els punts segents:

Cal identificar-se mitjanant un carnet identificatiu on consti lentitat
que porta a terme la investigaci. Aix contribueix a donar una imatge
de professionalitat i garantir la serietat de lestudi.
Sha dexposar lobjectiu de la investigaci.
Sha de demanar la collaboraci de lentrevistat.
Cal informar de la brevetat de lentrevista.
Cal garantir lanonimat de les dades subministrades.
Cal conixer la manera de contrarestar les possibles objeccions que
plantegi lentrevistat.
b) Desenvolupament de lentrevista
Durant el desenvolupament de lentrevista s necessari:

Tenir present el sentit que es vol donar a les preguntes perqu la informaci que shi obtingui sigui la que sest cercant. La modificaci duna
paraula pot canviar el sentit de la pregunta.
No influir amb opinions o maneres de preguntar les respostes de lentrevistat.
Mirar de mantenir linters de lenquestat al llarg del procs de lentrevista.
c) Final de lentrevista
En finalitzar lentrevista:
Sha dagrair la participaci de lentrevistat.
Si lentrevistat sha sentit cmode al llarg del procs, se li poden demanar dades de carcter ms personal, com ara, el nom, ladrea, la professi, entre daltres.
El treball de camp
48
El treball de camp
La realitzaci de lentrevista es pot recolzar en una carta de presentaci

que incorpori alguns dels punts esmentats anteriorment com:
qui fa la investigaci,
lobjectiu,
demanar la collaboraci,
garantir lanonimat de la informaci i
agrair la participaci de lentrevistat.
La presentaci duna carta o lestabliment duna cita prvia telefnica contribueixen a augmentar la taxa de resposta de les enquestes realitzades de
manera personal.
Si les enquestes es fan per correu, el treball de camp shaur dorientar a
mirar daconseguir que la taxa de resposta sigui tan elevada com sigui possible, ja que resulta molt ms fcil que lentrevistat pugui eludir contestar
els qestionaris. Per aquest motiu shauran de tenir en compte els elements segents:
Cal suscitar inters pel tema del qestionari.
Cal motivar lentrevistat a emplenar el qestionari oferint algun tipus
dincentiu.
El qestionari ha de ser de fcil lectura i atractiu visualment.
Shan de donar facilitats perqu els entrevistats tornin les respostes
(una possibilitat s facilitar un sobre franquejat).
En el cas dels qestionaris que senvin per correu resulta fonamental la
carta de presentaci, la qual haur dincloure, a ms dels punts comentats
per a la carta de presentaci en les enquestes personals, els aspectes segents:
Instruccions perqu lentrevistat respongui les preguntes.
Motius pels quals sha escollit lenquestat.
Arguments per motivar lenquestat a respondre el qestionari.
Control de la informaci
Informar de la facilitat d'emplenament.

Sintticament, el procs de control
de la informaci obtinguda
consisteix en el segent:
2.3. Control de la informaci obtinguda

Quan els qestionaris shan emplenat, cada entrevistador ha de lliurar-los
al cap dequip (o de zona) perqu faci una primera valoraci de com sha
respost el qestionari. Principalment sha de verificar que no hi ha registres sense emplenar i que la informaci consignada s correcta.
Comprovar que lentrevistador

ha emplenat correctament els
qestionaris.
Realitzar una enquesta de
validaci per comprovar que la
informaci recollida s certa.
Redactar un informe amb el
procs de control i les
incidncies detectades.
49
En els casos que les deficincies en la informaci recollida siguin considerables (hi ha poques respostes emplenades, algunes respostes sn incoherents, no es respecten les preguntes filtre, etc.) shan de tornar a realitzar
de nou les entrevistes. Si no ser aix shan de desestimar els qestionaris
si no es volen desvirtuar els resultats de la investigaci.
Una vegada sha comprovat que els qestionaris estan degudament emplenats, els caps dequip o de zona envien els qestionaris a la seu de lempresa on es porta a terme una segona inspecci consistent a seleccionar
una mostra de qestionaris, entre el 10% i el 20%, per trucar als entrevistats i constatar que sha respost el qestionari de la manera, al lloc i amb
les dades que shan indicat. Tamb es torna a formular alguna de les preguntes del qestionari. Aquesta enquesta sanomena enquesta de validaci o verificaci.
De vegades els entrevistats no proporcionen el nmero de telfon, i en

aquests casos la verificaci es pot portar a terme mitjanant el correu o
entrevistes personals.
El procs de supervisi finalitza amb la redacci dun informe on sassenyala la proporci del treball supervisat, els resultats obtinguts i les decisions que shan pres en detectar entrevistes que realment no shan
realitzat (perqu els entrevistadors les han inventades). Aquestes decisions
poden ser una revisi en profunditat de les entrevistes portades a terme
per un entrevistador en particular o una invalidaci de tots els seus qestionaris.
El treball de camp
50
3. Preparaci de les dades per a la seva anlisi
La fase del treball de camp suposa la recollida sobre el terreny de la informaci necessria per donar resposta a un problema que ha plantejat una
investigaci.
Com a resultat daquesta fase, linvestigador tindr al seu abast una srie
de dades. Quan el treball de camp sha portat a terme mitjanant enquestes, aquestes dades hauran quedat materialitzades en una determinada
quantitat de qestionaris.
Tot aquest material constitueix la matria primera sobre la qual cal treballar i donar forma fins a transformar-lo en informaci que sigui interpretable per linvestigador.
El procs de preparaci de la informaci passa per 4 fases:
1) Codificaci i edici: la primera tasca que cal realitzar consisteix a pre-
parar els qestionaris de manera que la informaci que recullin pugui ser
transcrita posteriorment a un fitxer que aglutini, de la manera ms completa i fiable possible, totes les dades consignades als qestionaris.
2) Creaci dun fitxer de dades: la informaci sha de traspassar a un fit-
xer susceptible de ser tractat estadsticament mitjanant algun programa

especfic.
3) Anlisi de consistncia: suposa comprovar que no hi ha errors de regis-
tre de les dades ni dincoherncia entre les respostes, i s una etapa molt
important per garantir la fiabilitat de les conclusions que es derivin de tot
el procs de recollida dinformaci.
4) Tabulaci: consisteix a realitzar un recompte de totes les respostes.
Aquest recompte suposar un punt de partida per fer anlisis ms completes de totes les dades, mitjanant tcniques estadstiques especfiques,
que permetin obtenir un diagnstic sobre el problema tractat.
En finalitzar el treball de totes les fases, linvestigador podr comenar a
extreuren les primeres conclusions sobre lobjecte de la investigaci.
3.1. Codificaci i edici

Totes les respostes recollides en un qestionari shan de transcriure en un
fitxer de dades per ser tractades estadsticament.
El treball de camp
51
El treball de camp
Per poder portar a terme aquesta tasca, cal assignar un codi a totes les preguntes i respostes que cont el qestionari. Aquest procs sanomena co-
dificaci.
Codificaci s el procs dassignar a cada pregunta i resposta del
qestionari o del document dobservaci, un dgit o nombre que

els representar dins un fitxer de dades.
Cada pregunta del qestionari ser una variable a estudiar que pot prendre diferents valors depenent de les respostes donades.
Quan les preguntes sn tancades les diferents alternatives de resposta es
Precodificaci
coneixen abans de fer el treball de camp, i per aix es poden codificar una
vegada shan dissenyat. Aquesta tasca sanomena precodificaci del qestionari.
Quan les preguntes sn obertes i no es coneixen a priori les respostes dels
entrevistats, caldr esperar a la finalitzaci del treball de camp per codificar-les. Aquesta fase es diu postcodificaci.
La manera de codificar aquest tipus de preguntes tamb varia en funci
de si les preguntes sn obertes o tancades.
1) Codificaci de preguntes tancades
Quan les respostes no sn numriques, el fet de codificar-les com a preguntes tancades varia en funci de si sn mtuament excloents o no excloents.
Si les respostes sn numriques, el codi de la resposta s el nombre consignat en aquesta.
a) Codificaci per a respostes mtuament excloents
En aquest cas lentrevistat noms pot respondre una sola de les diferents
alternatives de resposta que se li ofereixen. Quan les respostes sn mtuament excloents, en el moment de codificar cal diferenciar entre la codificaci dels enunciats de les preguntes, per una banda, i la codificaci de les
opcions de resposta a aquella pregunta, per una altra. Cada una d'elles es
fa separadament.
Molt sovint se sol assignar a cada enunciat un nombre entre parntesis i
a cada resposta possible un nombre consecutiu sense parntesis. En el fitxer de dades que cal generar a partir de les respostes aportades, el nombre
Quan sutilitzen preguntes

tancades, s possible tenir
codificades les alternatives de
resposta abans de realitzar el
treball de camp, fet que agilitza el
processament de les dades.
52
El treball de camp
entre parntesis ser el nom de la variable i les respostes, els valors possibles que pren aquesta variable.
Codificaci de preguntes tancades
Em podria dir quants any t?
(1)
Fins a 20 anys .........................1

De 20 a 25 ..............................2
De 25 a 50 ...............................3
Ms de 50 ...............................4
Li agrada el futbol?
(2)
S ............................................1
No ...........................................2
En aquests casos, lentrevistat noms pot respondre una de les alternatives que se li ofereixen per
a cada pregunta. Cada pregunta es codifica amb un nombre entre parntesis (1), (2) i les possibles
respostes de cada pregunta amb 1, 2, o 1, 2, 3, 4 depenent de la quantitat dopcions.
Per comprendre millor el sentit de la codificaci de les preguntes, resulta

til veure com haurien de quedar enregistrades les respostes en un fitxer
de dades.
El fitxer ha de consistir en una taula de doble entrada on les files correspondran a les respostes dun individu a totes les preguntes del qestionari
i les columnes a cada una de les preguntes. Una mostra de com ha de ser
aquest fitxer es presenta en la taula 14, on les variables van d1 a p i els
qestionaris d1 a n. La resposta de lindividu i a la resposta j ve donada
pel valor xij.
Taula 14. Format tipus dun fitxer que cont els codis dun qestionari
...
...
x11
...
x1j
...
x1p
xi1
...
xij
...
xip
xn1
...
xnj
...
xnp
...
...
Qestionaris (= individus)
Preguntes (= variables)
A lhora danalitzar les dades cal canviar les paraules preguntes per vari-
ables, respostes per valors o dades i la paraula qestionaris per la dindividus.

Per a les preguntes que tenen respostes tancades i sn mtuament excloents, cal assignar-hi tantes columnes com preguntes hi hagi. El nombre de files estar en funci del nombre de qestionaris realitzat.
53
El treball de camp
Introducci de respostes mtuament excloents
El qestionari sha presentat a 3 individus que han donat les respostes segents:
Qestionari 1
Qestionari 2
(1)
Fins a 20 anys .........................1

De 20 a 25............. X...............2
De 25 a 50...............................3
Ms de 50 ...............................4
(2)
Qestionari 3
Fins a 20 anys ........................1

De 20 a 25 ..............................2
De 25 a 50............. X...............3
Ms de 50 ...............................4
S........................... X...............1
No............................................2
(1)
(2)
Les respostes a aquests 3 qestionaris quedarien recollides en una taula com la que es mostra en
la taula 15.
Taula 15. Exemple de respostes recollides en un fitxer de dades
Preguntes
Individus
El primer enquestat ha respost la segona opci per a la pregunta codificada com a P1 (la primera)
i per aix a la taula sha introdut un 2. A la segona pregunta ha contestat que S i per aquest motiu
a la columna P2 i la fila 1 sha introdut un 1, ja que aquest s el codi per a la resposta S.
b) Codificaci per a respostes que no sn mtuament excloents
Quan lentrevistat pot contestar diverses opcions a una pregunta, cada

una de les opcions es codificar com si es tracts duna pregunta individual, la qual pot prendre els valors marcada o no marcada.
A lhora dentrar les dades, si lentrevistat ha marcat lopci, se li pot assignar el codi associat a aquesta opci, normalment l1, i, en cas contrari,
el 0.
Codificaci de respostes que no sn mtuament excloents
De les caracterstiques segents, em podria dir quines considera ms importants perqu una persona triomfi en la seva feina?
Autoritat
Iniciativa
Bona imatge
Esfor
Bona preparaci
Intelligncia
Capacitat de treball en equip
Atractiu personal
Bona sort
Intuci, m esquerra
Conixer gent influent
Simpatia, do de gents
1 (1)
1 (2)
1 (3)
1 (4)
1 (5)
1 (6)
1 (7)
1 (8)
1 (9)
1 (10)
1 (11)
1 (12)
Fins a 20 anys....... X...............1

De 20 a 25 ..............................2
De 25 a 50...............................3
Ms de 50 ...............................4
S .......................... X...............1
No............................................2
(1)
(2)
S.............................................1
No ......................... X...............2
54
El treball de camp
Imaginem que un entrevistat respon Iniciativa, Esfor, Bona preparaci i Intelligncia; aleshores
a les variables (2), (4), (5) i (6), que sn les que corresponen a les respostes donades, caldr marcar
un 1 i a la resta dopcions un 0 (vegeu la taula 16).
Taula 16. Exemple de fitxer de dades amb respostes no excloents dun individu
Preguntes
Individus
10
11
12
A continuaci un segon entrevistat considera ms importants tenir Bona imatge, Atractiu personal
i Intuci, i secundries la resta de variables. A lhora deditar les dades es marcaran les preguntes
(3), (8) i (10) corresponents a les opcions marcades, i es deixar la resta amb 0 (vegeu la taula 17).
Taula 17. Exemple de fitxer de dades amb respostes no excloents de dos individus
Preguntes
Individus
10
11
12
Finalment, un tercer entrevistat pot considerar lAutoritat, Capacitat de treball en equip, Atractiu
personal, Bona sort, Intuici, Conixer gent influent i Simpatia. Com que no sha limitat el nombre
de respostes es poden marcar tantes com lentrevistat consideri convenient. En aquest cas les preguntes o variables (1), (7), (8), (9), (10), (11) i (12) es marquen amb un 1 i es deixen la resta amb 0.
El fitxer de dades quedaria com el que es mostra en la taula 18.
Taula 18. Exemple de fitxer de dades amb respostes no excloents de tres individus
Preguntes
Individus
10
11
12
2) Codificaci de preguntes obertes o semiobertes
En el cas que les respostes siguin numriques, en la combinaci dindividu

i pregunta (valor) sintroduir el nombre en qesti que hagi donat com a
resposta lentrevistat. Per exemple: si a la pregunta Indiqui ledat, lentrevistat contesta 26, aquest valor s el que cal introduir a la taula.
En el cas que les respostes no siguin numriques, per codificar les preguntes obertes cal seguir els passos segents:
a) Llegir les respostes de la pregunta en qesti a tots els qestionaris.
b) Establir classes de respostes segons el que sha observat a letapa anterior. La llista de classes no hauria de ser ni tan mplia que el nombre de
respostes que inclogui cadascuna sigui poc significativa, ni tampoc tan petita que resti valor a la informaci.
55
El treball de camp
c) Assignar un codi a cadascuna de les classes de preguntes establertes.
Aquest procs s laboris i est subjecte a subjectivitats i errors; per tant,

s aconsellable reduir al mxim aquest tipus de pregunta dins els qestionaris.
Codificaci de preguntes obertes
En un qestionari es fa la pregunta oberta segent:

Per qu penseu que no comprareu lelectrodomstic en els prxims anys?
Les respostes obtingudes han estat:

a)
b)
c)
d)
e)
f)
g)
h)
i)
s massa gran per posar-lo a la cuina.

No tinc diners per comprar-lo.
s molt lleig.
No magrada el color i s molt car.
Mhan dit que s poc fiable.
A casa som dos, i per ara no el necessitem.
Estic esperant que baixin de preu.
s complicat de fer servir.
No ho s.
La codificaci de les respostes es mostra en la taula 19.

Taula 19. Codificaci de les respostes obertes
Codificaci
Cdi
Categoria de respostes
Respostes incloses
Disseny de laparell
a, c, d, h
Factors de cost
Poca fiabilitat de laparell
No-necessitat de laparell
No ho s
b, d, g
3.2. Creaci dun fitxer de dades

Totes les respostes procedents dels qestionaris cal que siguin enregistrades en un format adequat per a la seva anlisi estadstica posterior.
Normalment el tractament estadstic dels resultats duna investigaci es
fa amb lajuda de programes informtics danlisi de dades.
La majoria de programes estadstics exigeixen una srie de requisits per
al registre de les dades. En conseqncia, cal emmagatzemar la informaci en un format adequat per poder fer una anlisi posterior que sigui acceptada per aquests programes.
En el mercat hi ha diferents programaris estadstics; un dels ms utilitzats s el programa estadstic R, ja que es tracta dun programari lliure
precompilat per a una mplia varietat de plataformes.
!!
Aneu a la secci Annexos del
web daquest crdit per installarvos el programa estadstic R.
56
El treball de camp
Aquest programa permet crear un fitxer de dades consistent en una taula

de doble entrada, on a les files senregistren els qestionaris i a les colum-
!!
nes, les variables o preguntes. Tamb es pot crear un fitxer en altres pro-
Per veure un exemple de taula de

doble entrada consulteu la taula
14 de lapartat Codificaci i
edici daquest nucli dactivitat.
grames com fulls de clcul, bases de dades o en format de text i

posteriorment importar-los a R.
3.2.1. El programa estadstic R

Ats que per utilitzar el programa R cal conixer el seu llenguatge de programaci especfic, algunes de les seves versions incorporen una interfcie grfica coneguda com a R-Commander que permet fer-lo servir sense
haver de conixer aquest llenguatge.
En arrencar la versi apareixen dues finestres com les que es mostren en
la figura 8.
Figura 8. Finestres del programa R
La finestra que hi ha a lesquerra de la figura 8 s la consola de R on sexecuten les ordres quan es coneix la sintaxi prpia del llenguatge R. La finestra de la dreta correspon a lentorn R-Commander que permet utilitzar els
mens que apareixen a la franja superior per accedir a les capacitats del
programa.
La finestra de R-Commander est dividida en tres parts:
1) Finestra dinstruccions: cada vegada que es crida a una funci a travs
del men, la finestra dinstruccions mostra com seria la instrucci corres-
57
ponent si es volgus introduir-la mitjanant el llenguatge de programaci

a la consola de R. Aix permet que lusuari es familiaritzi amb aquest llenguatge simplement observant el que va apareixent a la pantalla.
Les instruccions es poden guardar i executar a travs daquesta finestra
tantes vegades com es vulgui sense que lusuari hagi de recrrer tot el sistema de mens per tornar a realitzar les mateixes tasques.
2) Finestra de resultats: la finestra de resultats mostra els resultats de la
tasca que shagi sollicitat, sigui un grfic, un procediment estadstic, un

model, etc.
3) Finestra de missatges: mostra les incidncies o observacions relatives
als resultats de les tasques sollicitades.
Creaci i importaci de fitxers de dades

Per treballar amb dades es faran servir dues opcions: crear directament
un fitxer de dades en R-Commander i importar dades des dun fitxer dExcel (tot i que lusuari pot importar dades des daltres programes tant si sn
fulls de clcul com daltres).
No es tracta de fer una relaci exhaustiva de totes les opcions del programa (lexploraci de les quals deixem a la iniciativa de lusuari), sin de
veure com crear una aplicaci prctica i senzilla dels coneixements estadstics exposats i facilitar la tasca danlisi estadstica de les dades.
1) Crear un fitxer de dades
Un nou fitxer de dades es pot crear utilitzant lopci del men: Datos \
Nuevo conjunto de datos... tal com apareix en la figura 9.

Figura 9. Men de la finestra de R-Commander
A continuaci demana inserir el nom dun nou conjunt de dades. La figura

10 mostra la finestra.
Figura 10. Finestra del programa
El treball de camp
58
El treball de camp
Finalment, apareix una taula on cada fila representa un qestionari o observaci de la variable i cada columna representa la variable mateixa. Aquesta
taula s el fitxer de dades. Clicant a sobre de letiqueta de la variable es pot
reanomenar i decidir el tipus de variable de qu es tracta (numrica o de
text). Aix principalment tindr efecte a lhora danalitzar-ne els resultats. La
figura 11 mostra el fitxer de dades i la finestra per editar variables.
Figura 11. Fitxer de dades a R-Commander
Tot i que s molt intiutiu, lajuda de leditor

mostra com navegar per leditor i editar-hi dades.
Creaci dun fitxer de dades en R
Suposem que fem una petita enquesta a un grup dalumnes duna classe i recollim ledat i el sexe dels
entrevistats. Creem un fitxer de dades que sanomenar Classe i definim dues variables: Edat i Sexe, la primera numrica i la segona de text. Les dades que es recullen es mostren en la figura 12.
Figura 12. Fitxer de dades
59
El treball de camp
Una vegada tancada la finestra es pot visualitzar el conjunt de dades o b tornar a editar-les per
afegir, eliminar o modificar registres.
En clicar damunt del bot Visualizar conjunto de datos, es mostren les dades tal com apareixen en
la figura 13. Les dues opcions de visualitzar i editar shan encerclat per destacar-les.
Figura 13. Visualitzaci del fitxer de dades
Valors per a les variables

qualitatives
A lhora de crear un fitxer de dades

i introduir el gnere de
lentrevistat, s millor posar F i
M o el codi assignat a cada
resposta, per exemple 1 i 2?
Quan les dades procedeixen dun
qestionari s millor utilitzar un
codi numric, encara que la
variable es defineixi com a tipus
text, ja que permet a posteriori
crear noves variables a partir de
les existents.
Per poder tornar a fer servir les dades, cal guardar-les. Aix es pot fer utilitzant la ruta del men Datos \ Conjunto de datos activo \ Guardar el
conjunto de datos activo, i posteriorment indicant-ne la ubicaci. La figura 14 mostra la seqncia.

Figura 14. Seqncia del men necessria per guardar un conjunt de dades
60
El treball de camp
2) Importar fitxers de dades

Dades en Excel
Molt sovint, sobretot quan es recorre a fonts dinformaci secundria, es

pot trobar informaci en format Excel.
LINE (Institut Nacional

dEstadstica) dna lopci de
baixar nombroses taules en
format Excel relatives a les dades
sobre les quals investiga.
Per importar un conjunt de dades en Excel cal seleccionar: Datos \ Importar
Datos \ des de Excel, Access o dBase..., com es mostra en la figura 15.

Figura 15. Seqncia delements de men necessria per a la importaci de dades
A continuaci cal introduir el nom que es vol que tingui el fitxer de dades
que simportar (vegeu la figura 16).
Figura 16. Finestra dintroducci del nom del fitxer
Una vegada sha seleccionat la ubicaci del fitxer cal indicar en quin full
est allotjada la taula i posteriorment clicar a OK (vegeu la figura 17).
El fitxer de dades ja sha importat i es pot comenar a fer-lo servir.
Si al programa hi ha obert ms dun conjunt de dades, es pot seleccionar
el conjunt amb el qual es vol treballar marcant el bot on apareix el nom
del grup de dades que sest utilitzant a la barra de men i que apareix encerclat en la figura 18.
Figura 18. Bot de selecci del conjunt de dades del men
3.3. Anlisi de consistncia

Un cop es disposa dun fitxer amb totes les dades, s possible que aquest
contingui errors que cal reparar. Per a aix, abans de continuar, cal fer una
srie de comprovacions.
Figura 17. Finestra de selecci de full
61
La consistncia del fitxer es realitza en 3 fases:

1) Control de filtres i quotes
En la primera fase els qestionaris que shagin donat com a bons passaran
els controls segents:
Control de les respostes a les preguntes filtre de selecci de lunivers
que s objecte destudi per verificar que la totalitat dels individus que
integren el fitxer de dades pertanyen realment a aquest univers. Per
exemple, si lunivers que s objecte destudi duna investigaci sn
alumnes de cicle superior dentre 18 i 30 anys, el control de filtres suposar que sha de comprovar que realment aquestes siguin les persones entrevistades.
Control de quotes per verificar que la composici de la mostra obtinguda coincideix amb la que es va determinar en la fase de disseny de la
mostra. Aquest control noms caldr portar-lo a terme en el cas que el
mtode de mostreig es faci mitjanant quotes. Per exemple, si sha decidit elaborar una investigaci entre els professionals de la infermeria
i sha determinat realitzar un 70% dentrevistes a dones i un 30% a homes a causa de la composici de dones i homes que hi ha a lunivers,
sha de verificar que realment shan complert aquestes quotes.
2) Comprovaci de les variables
Shan de comprovar totes les variables, una per una, mitjanant una distribuci de freqncies de totes les variables del fitxer en el seu estat original. En particular cal comprovar:
Errors en les etiquetes de les variables i en les etiquetes dels codis de
les variables. Aquests errors es poden produir quan linvestigador ha
deixat variables o codis sense etiqueta en la fase de definici del fitxer.

Errors de gravaci. s possible que, en introduir les dades, shagin produt determinats errors com ara introduir valors fora de rang, inserir valors que no corresponen a les respostes o lexistncia de valors en blanc.
Per exemple, una enquesta t una pregunta que demana el grau de satisfacci dels clients respecte a un determinat servei valorat en una escala
d1 a 5. Si sassigna el valor 9 als individus que no han contestat, qualsevol valor que consti com a 0, 6, 7 o 8 ser un valor fora de rang.
Errors en respostes a una bateria de preguntes derivades duna pregunta filtre. Es tracta de veure si, davant la presncia de preguntes filtre que redirigeixin el qestionari cap a una altra bateria de preguntes,
no hi hagi entrevistats que hagin contestat aquesta bateria sense haver
de fer-ho ni a la inversa.
El treball de camp
62
3) Comprovaci de la relaci entre les variables
En aquesta fase cal comprovar la coherncia entre les respostes aportades

per lentrevistat. En particular:
Comprovar la no-presncia derrors en les relacions lgiques. Per exemple, si en una pregunta del qestionari un entrevistat afirma que assisteix a esdeveniments culturals entre daltres grups dopcions, no tindria
sentit que unes preguntes ms endavant, en ser demanat per la periodicitat en qu consumeix productes doci, contests que no ho fa mai.
Contrastar la informaci obtinguda amb informaci ja existent. Si ja es
disposa dinformaci prvia relacionada amb la investigaci, s til
comparar-la amb els resultats obtinguts per veure si hi ha diferncies
significatives.
3.4. Tabulaci
Un cop shan codificat les dades i abans danalitzar-les shan de tabular.
Tabular consisteix a comptar el nombre de casos que sinclouen
en cadascuna de les classes de respostes que ha tingut una pregunta.
La tabulaci s un mitj que permet a linvestigador tenir una visi de conjunt de la informaci de tots els qestionaris en convertir-los en dades homognies que posteriorment seran analitzades.
3.4.1. Tipus de tabulaci

La tabulaci pot realitzar-se pregunta a pregunta (tabulaci simple) o de
dues o ms preguntes de cop (tabulaci encreuada). La figura 19 mostra
un esquema dels diferents tipus de tabulaci.
Figura 19. Tipus de tabulaci
El treball de camp
63
El treball de camp
En la tabulaci simple, les taules estan constitudes per columnes que

contenen les diferents classes de respostes duna pregunta a les quals es
va assignar un codi, la freqncia absoluta, la freqncia relativa i/o els
percentatges amb qu es representen aquestes respostes a la mostra.
En la tabulaci encreuada, es tracta de posar en relaci les respostes a
Tabulaci simple
La tabulaci simple consisteix en

el recompte del nombre de casos
que sinclouen en les classes de
respostes a una pregunta del
qestionari.
dues o ms preguntes diferents per veure en quina mesura les respostes

estan lligades entre si.
Tabulaci encreuada
En la tabulaci de dues preguntes, les taules estan formades per un

quadre de doble entrada, amb les classes de respostes duna de les preguntes collocades com a variable de fila i les classes de laltra pregunta
collocades a les columnes. Tant per files com per columnes es calculen
les freqncies corresponents i, en els creuaments de files i columnes,
es colloquen les freqncies conjuntes. Aquestes taules poden estar
expressades en percentatge en relaci amb una pregunta (taula de percentatges verticals o horitzontals) o en relaci amb totes dues preguntes (taula de percentatges respecte al total de la poblaci).
Impacte revista
Una empresa vol saber limpacte de la seva revista. En concret vol saber quantes persones llegeixen la seva revista.
Si vol saber quantes persones llegeixen la revista, el que es far s tabular la pregunta del qestionari que faci referncia al tema de manera individual. Per, si vol saber quantes daquestes persones sn homes i quantes dones, elaborar una tabulaci encreuada (vegeu la taula 20).
Taula 20. Dades tabulades
Variables
sociodemogrfi
ques
Nre. de
persones
Univers
33.332
100,0
Lectors
11.8998
36,8
Variables
sociodemogrfi
ques
Nre. de
persones
Classe social
Alta
1.116
9,8
Mitjana-alta
2.391
20,1
Mitjana-mitjana
5.533
46,5
2.249
18,9
599
4,7
Menys de 2.000
702
5,9
De 2.000 a 5.000
690
5,8
809
6,8
Sexe
Home
7.484
62.9
Mitjana-baixa
Dona
4.414
37,1
Baixa
Habitants
(nre. dhabitants)
Edat
14 a 19 anys
1.261
10,6
20 a 24 anys
1.428
12
25 a 34 anys
2.820
23,7
De 5.000 a 10.000
35 a 44 anys
2.213
18,6
De 10.000 a 50.000
2.391
20,1
45 a 54 anys
1.594
13,4
De 50.000 a 200.000
2.939
27,4
55 a 64 anys
1.285
10,8
De 200.000 a 500.000
1.797
15,1
65 anys o ms
1.297
10,9
Ms de 500.000
2.570
18,9
Recompte del nombre de casos

que sinclouen en les diferents
classes de respostes duna
pregunta del qestionari per a
cada una de les classes de
respostes duna altra pregunta.
64
El treball de camp
Nivell de satisfacci dun bronzejador i sexe de la persona enquestada
A partir de la tabulaci encreuada de dues preguntes dun qestionari (nivell de satisfacci dun
bronzejador i sexe de la persona enquestada), que han contestat 150 persones, shan obtingut les
taules 21, 22, 23 i 24 segents.
Taula 21. Taula en nombres absoluts
Home
Dona
Total
(freqncia
absoluta)
Agrada bastant
17
68
85
Agrada poc
15
27
42
13
17
38
112
150
Agrada molt
No agrada gens
Total (freqncia absoluta)
Aquesta taula pot expressar-se tamb en columnes que recullin les classes de freqncies conjuntes absolutes.
Taula 22. Taula en percentatges verticals
Home
Dona
Total
(freqncia
absoluta)
5,3
3,6
4,0
Agrada bastant
44,7
60,75
6,7
Agrada poc
39,5
24,1
28
No agrada gens
10,5
11,6
11,3
Agrada molt
100
100
100
Aquesta taula indica, tant per a homes com per a dones, el tant per cent de satisfacci del producte.
Aix, doncs, el producte agrada molt al 5,3% (2 100/38) dels homes i agrada bastant a un 44,7%.
Si observem la taula en sentit horitzontal, podem afirmar que el producte agrada bastant al 44,7%
dels homes i a un 60% de les dones.
Taula 23. Taula en percentatges horitzontals
Home
Dona
Total
(freqncia
absoluta)
Agrada molt
33,3
66,7
100
Agrada bastant
20,0
80,0
100
Agrada poc
35,7
64,3
100
No agrada gens
23,5
76,5
100
25,3
74,7
100
Podeu veure la distribuci de les freqncies per a les respostes en funci del sexe. Aix, doncs,
dels enquestats als quals els agrada bastant el producte, un 20% sn homes i un 80% dones. Amb
una lectura vertical, es pot observar que les dones tenen un grau de participaci del 66,7% a les
quals els agrada molt i del 80% a les quals agrada bastant.
Taula 24. Taula en percentatges respecte al total de la mostra
Agrada molt
Home
Dona
Total
(freqncia
absoluta)
1,33
2,67
Agrada bastant
11,3
45,3
56,6
Agrada poc
10
18
28
No agrada gens
2,7
8,7
25,33
74,67
11,4
100
Aquesta distribuci indica quin percentatge del total de la poblaci compleix dues caracterstiques
alhora. Aix, doncs, un 1,33% del total de la poblaci sn homes i els agrada molt el producte.
65
El treball de camp
3.4.2. s del programa estadstic R per a la tabulaci de les dades

A partir dun fitxer denquestes, lelecci i la utilitzaci dun programari
estadstic per tabular les dades implica que shan de poder realitzar les tasques segents:
1) Generar taules resum amb els principals estadstics.
2) Seleccionar variables dinters dins de les variables existents.
3) Filtrar grups dobservacions dentre totes les observacions recollides.
4) Mostrar taules resum de freqncies absolutes i relatives de les variables.
5) Calcular variables noves a partir de les existents.
Tot seguit passem a detallar com realitzar totes aquestes funcions amb el
programa estadstic R i la seva interfcie grfica R-Commander.
!!
Per a una ampliaci sobre el
programa estadstic R, vegeu
lapartat Creaci dun fitxer de
dades daquest nucli dacitivitat.
1) Taules resum destadstics principals
Per illustrar com R realitza taules resum dels principals estadstics, cal importar el fitxer de dades Oci.xls que sinclou en un fitxer de dades adjunt.
Aquest fitxer incorpora les respostes donades per a un conjunt de 100 observacions a les preguntes del qestionari que es mostren en la figura 20.
Figura 20. Enquesta que dna origen a les dades
Entrevista nm.: ................
Edat (1): .............
Sexe (2):
M1
F2
Indiqueu amb quina freqncia aneu, de mitjana en el termini dun

mes, a:
Cinema (3) ..................................................
Teatre (4) ....................................................
Concerts (5) ................................................
Espectacles esportius (6) ...........................
Les respostes aportades es poden veure visualitzant les dades del fitxer,
algunes de les quals es poden observar en la figura 21.
Figura 21. Algunes observacions que cont el fitxer
Oci.xls
!!
Trobareu larxiu Oci.xls en la
secci Annexos del web
daquest crdit.
66
El treball de camp
Es pot obtenir un resum dels estadstics descriptius elementals de totes

les variables del conjunt de dades actiu clicant a la seqncia dordres del
men: Estadsticos \ Resmenes \ Conjunto de datos activo (vegeu la figura 22).
Figura 22. Seqncia delements de men necessria per obtenir els
estadstics principals de les variables
Per a cada variable es mostra el valor mnim i mxim daquesta variable,
Quartils
el primer i tercer quartil, la mediana i la mitjana (vegeu la figura 23).

Figura 23. Estadstics principals de les dades
El primer quartil s el valor que

supera el 25% de les
observacions, el segon el 50% (la
mediana) i el tercer el 75%.
Per exemple, que el primer quartil
de ledat sigui 31,75 significa que
el 25% de les observacions
corresponen a individus entre 18 i
31,75 anys, el 50% de les
observacions (mediana) arriba
fins als 48,5 anys i tres quartes
parts (el 75%) arriben fins als 60
anys.
Mitjana
2) Seleccionar variables dinters dins de les variables existents
En comptes de mostrar el resum dels principals estadstics per a tot el

conjunt de dades actiu, es pot seleccionar una sola variable per a la qual
mostrar els resultats.
Aquesta opci es pot activar seguint la seqncia Estadsticos \ Resmenes \
Resmenes numricos (vegeu la figura 24).

Figura 24. Seqncia delements de men
per obtenir estadstics duna sola variable
Posteriorment cal seleccionar una variable, i en aquest cas se selecciona

la variable Cinema (vegeu la figura 25).
La mitjana mostral s el valor mitj

dun conjunt dobservacions i es
calcula com la suma de tots els
valors de les observacions dividit
per la quantitat daquestes.
67
Figura 25. Finestra de selecci de variables
En aquesta ocasi sobtenen la mitjana, desviaci tpica i quantils per a

una sola variable que s Cinema (vegeu la figura 26).
Figura 26. Estadstics per a la variable Cinema
3) Filtrar grups dobservacions dentre totes les observacions recollides
Aquesta opci t a veure amb les tabulacions encreuades. Suposem que

entre el conjunt dobservacions de les diferents variables, linvestigador
vol seleccionar les que corresponen a determinats valors duna variable.
Per exemple, si en el fitxer Oci.xls es volen separar les observacions en
funci de si la resposta lha donada un home o una dona, o b si es volen
establir intervals dedat per saber si hi ha un comportament diferenciat en
els grups dedat analitzats sobre la freqncia dassistncia a determinats
espectacles.
Aix saconsegueix mitjanant dues opcions: convertir una variable numrica en factor o segmentar variables numriques.
a) Convertir una variable numrica en factor
Per crear grups dobservacions que tinguin una mateixa caracterstica (per
exemple, que les respostes les hagin donades dones), cal crear una variable nova que digui quines observacions corresponen a aquesta caracterstica o a una altra qualsevol.
Les variables que serveixen per classificar les dades en grups reben el nom de factors.
En primer lloc cal informar al programa sobre quines variables sn les que
ha de considerar com a factors. Per fer-ho cal seguir la seqncia dordres del
men: Datos \ Modificar variables del conjunto de datos activo \ Convertir
variable numrica en factor (vegeu la figura 27).
El treball de camp
68
El treball de camp
Figura 27. Seqncia delements de men necessaris per crear un factor
Se selecciona la variable a convertir en factor Sexe i sassigna un nom

per a la nova variable f.sexe (vegeu la figura 28).
Figura 28. Finestra dopcions per al factor
La variable Sexe pren els valors 1, que s el valor assignat a la resposta

home, i 2 a la resposta dona. Per filtrar aquestes observacions sassignen aquests noms als valors numrics (vegeu la figura 29).
En demanar visualitzar el nou conjunt de dades es pot veure que el programa ha creat el nou factor (vegeu la figura 30). El nou factor es diu f.sexe
i assigna la paraula home o dona a cada observaci de la variable Sexe. A
partir dara es podr treure informaci en funci de les respostes que han
donat els homes o les dones separadament.
Figura 30. Conjunt de dades amb el nou factor
Figura 29. Assignaci de noms

als valors del factor
69
El treball de camp
Un cop sha convertit una de les variables en un factor, es poden obtenir resums numrics del conjunt de dades filtrats pel gnere de lenquestat. Les opcions del men que cal marcar sn Estadsticos \
Resmenes \ Resmenes numricos.

En aquesta ocasi sha de demanar que el programa faci els resums per
grups, ja que es vol analitzar ledat dels enquestats separant els homes de
les dones. Cal que estigui marcada la variable Edat a la finestra de Res-
menes numricos i la variable f.sexe a la finestra Grupos (totes dues alhora tal com es mostra en la figura 31).
Figura 31. Finestra que permet definir agrupacions de la variable
Els resultats obtinguts es mostren en la figura 32 i donen resultats diferenciats depenent del gnere de lentrevistat.
Figura 32. Estadstics de la variable Edat diferenciats per gnere
b) Segmentar variables numriques
En aquesta ocasi es vol agrupar la informaci per classes en funci de determinats rangs de valors que prengui alguna variable.
Continuant amb el fitxer dexemple Oci.xls, es demanar fer una taula
Classe
resum de resultats depenent de ledat dels entrevistats, i en concret es

confegiran tres classes per rangs tot creant segments digual quantitat,
per tal que linvestigador pugui considerar que crear aquests grups li pot
permetre veure diferncies en els patrons de consum desdeveniments
doci.
La seqncia dordres del men que cal fer s la segent: Datos \ Modificar
variables del conjunto de datos activo \ Segmentar una variable numrica.
Els valors possibles que pot

prendre una variable es poden
agrupar per intervals. Cada
interval s una classe. Per
exemple, per a la variable edat
que cont persones de 18 a 35
anys es poden fer 3 grups com:
18-23, 24-29 i 30-35. Cada un
daquests grups s una classe.
70
La finestra que permet escollir les diferents opcions per crear les diferents classes de la variable numrica es mostra en la figura 33.
Figura 33. Finestra per crear grups
Tot seguit cal seleccionar la variable a segmentar (Edat), escollir el nombre de classes (3) i assignar un nom per a la nova variable que contindr
les dades agrupades; en particular aquesta variable es dir f.edat.
A continuaci sha de definir la manera com es vol anomenar les classes
en qu es dividir la variable. Nhi ha tres formes:
Especificar noms. Per exemple, si es vol que cada categoria tingui un
nom, com ara joves, mitjana edat, tercera edat, en escollir aquesta categoria, una finestra posterior demana que escrivim els noms a assignar a cada classe.
Especificar nmeros. Cal atribuir un nmero identificatiu a cada classe. Una opci dintre daquesta categoria podria ser escriure una marca
de classe.
Especificar rangs. El nom de la classe mostra intervals amb els carcters
[ i ] quan linterval s tancat i els carcters ( i ) quan linterval s
obert. Per exemple, si la classe mostra linterval (36,56] significa que el
grup dedat incls en aquesta categoria va de valors ms grans de 36 (no
inclou el 36): per tant des de 37 (incls) fins a 56 (incls).
El mtode de segmentaci s el criteri que sescull per dividir les classes
o categories de la variable. Nhi ha de tres tipus:
Segments equidistants: sn intervals digual amplitud.
Segments digual quantitat: sn intervals que presenten classes amb el
mateix nombre dindividus cada una.
Segments naturals: sutilitza un algoritme (k-mitjanes) per calcular els
segments, el qual agrupa les dades en funci de la semblana entre
elles.
El treball de camp
71
En aquest cas sescull lopci Rangos i el mtode de segmentaci de segments equidistants.

El programa ha creat segments que tenen entre ells la mateixa distncia.
Com es pot apreciar en la figura 34, en aquest cas els lmits de cada classe
no corresponen a nombres enters. Per solucionar aix hi ha una altra manera de definir les classes, consistent a recodificar variables.
Figura 34. Fitxer de dades amb una variable que agrupa
les observacions en classes
Mitjanant la recodificaci de variables es poden establir manualment els

intervals de cada classe que es vol crear i la manera com han daparixer
escrits al fitxer.
La figura 35 mostra la recodificaci dels intervals per a la variable Edat,
i mantenint aquesta seleccionada es torna a crear una variable anomenada f.edat i a continuaci, al camp Introducir directrices de codifica-
cin, sescriuen separats pel smbol : el lmit inferior i superior de cada

classe i a continuaci com lha de mostrar el fitxer entre cometes. En
aquest cas shan escrit claudtors, per es pot escriure qualsevol altre carcter, nom, nmeros, etc., que vulgui lusuari.
Figura 35. Finestra de recodificaci de variables
El treball de camp
72
Les noves classes aix definides quedarien com les que es mostren en la
figura 36.
Figura 36. Fitxer de dades amb la nova variable factor f.edat
recodificada
Ara ja es poden mostrar els resums estadstics de qualsevol de les variables per segments dedat. En aquest cas, cal marcar el bot Resumir por
grupos de la finestra Resmenes numricos (vegeu la figura 37). A continuaci seleccionar la variable factor mitjanant la qual es volen mostrar
els resultats.
Figura 37. Finestra de selecci de variable per mostrar resums per
grups
Els resums per grups apareixeran a la finestra de resultats; en particular

sha escollit la variable Teatre i els resultats mostren la mitjana, la desviaci tpica i els quantils dassistncia al teatre resumits per grups dedat
tal com mostra la figura 38.
Figura 38. Mitjana dassistncia al teatre en funci del grup dedat
4) Mostrar taules resum de freqncies absolutes i relatives de les variables
Per resumir freqncies cal que shagi introdut al fitxer alguna variable que
faci de factor. La seqncia delements del men a seguir s: Estadsticos \
Resmenes \ Distribucin de frecuencias.
El treball de camp
73
A continuaci s necessari indicar la variable mitjanant la qual es volen

agrupar les dades. Els resultats que es mostren en la figura 39 corresponen a lagrupaci f.sexe de les dades dexemple del conjunt de dades
Oci.xls.
Figura 39. Freqncies absolutes i relatives de la variable f.sexe
> .Table # counts for f.sexe mostra la freqncia absoluta de la variable

i > 100*.Table/sum(.Table) # percentages for f.sexe mostra la freqncia relativa 46% i 54%, la qual en aquest cas coincideix amb labsoluta el
fet que el nombre total dobservacions s 100.
Amb lopci del men Grficas \ Histograma s possible mostrar tamb
les freqncies duna variable en forma de grfics.
5) Calcular variables noves a partir de les existents
Sanomenen variables derivades aquelles que sobtenen com a

resultat de clculs aplicats a les ja existents. Les variables que
procedeixen directament dun qestionari sanomenen normalment bsiques.
Sovint, a causa de la seva transcendncia, hi ha variables derivades que

formen part del fitxer de dades bsic, com per exemple, la condici socioeconmica (resultat de la combinaci de la relaci amb lactivitat, ocupaci i situaci professional) o la variable edat quan sobt derivada de la
data de naixement.
La creaci de variables derivades amb R-Commander es pot elaborar
mitjanant la seqncia dordres del men: Datos \ Modificar variables
del conjunto de datos activo \ Calcular una nueva variable .

Al camp Expresin a calcular (vegeu la figura 40) es poden introduir combinacions de variables amb operadors aritmtics per obtenir variables noves a partir de les ja existents.
El treball de camp
74
Figura 40. Finestra dopcions per calcular una variable nova
Els operadors que sutilitzen per calcular-ne de nous sn:
x +y
suma dos nmeros, variables o combinaci de totes dues.
xy
resta dos nmeros, variables o combinaci de totes dues.
x*y
producte de dos nmeros, variables o combinaci de totes

dues.
x/y
divisi dos nmeros, variables o combinaci de totes dues.
x^y
exponent, eleva x a y.
x %% y dna la resta de la divisi de y a x.

x%/% y dna el resultat enter de la divisi de x entre y.
Mitjanant parntesis tamb es poden realitzar diferents combinacions

de clcul.
El treball de camp

GCM - 0651 - C01 - Ud2 PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

GCM - 0651 - C01 - Ud2 PDF

Uploaded by

Copyright:

Available Formats

El treball de camp

Maria Jess Bermdez

1. Disseny de la mostra ..........................................................................

1.1. Mostreig: poblaci i mostra .......................................................

1.2. Mida de la mostra .......................................................................

1.2.1. Clcul de la mida de la mostra ........................................

1.3. Tipus de mostreig ........................................................................

1.3.1. Mostreig probabilstic ......................................................

1.3.2. Mostreig no probabilstic .................................................

2. El treball de camp ..............................................................................

2.1. Planificaci del treball de camp ................................................

2.1.1. Selecci del collectiu a entrevistar ................................

2.1.2. Elaboraci del qestionari ...............................................

2.1.3. Selecci i formaci dels entrevistadors .........................

2.1.4. Disseny i seguiment dun pressupost .............................

2.2. Execuci del treball de camp .....................................................

2.3. Control de la informaci obtinguda ..........................................

3. Preparaci de les dades per a la seva anlisi ..................................

3.1. Codificaci i edici ......................................................................

3.2. Creaci dun fitxer de dades ......................................................

3.2.1. El programa estadstic R ..................................................

3.3. Anlisi de consistncia ...............................................................

3.4. Tabulaci ......................................................................................

3.4.1. Tipus de tabulaci .............................................................

3.4.2. s del programa estadstic R per a la tabulaci

El treball de camp s una etapa prctica en una investigaci que suposa

duir la informaci reflectida a les enquestes en un fitxer de dades i verificar

Per fer el tractament estadstic de

que aquesta cont la qualitat suficient per ser analitzada estadsticament.

Els continguts exposats al llarg daquesta unitat constitueixen una eina

En acabar la unitat didctica heu de ser capaos del segent:

Organitzar la forma de recollida de dades de les fonts primries,

Construir els instruments de recollida dinformaci de les fonts

Desenvolupar el procs de recollida, tractament i presentaci de la

Establir un sistema de control del procs dobtenci dinformaci

Identificar les caracterstiques ptimes de lenquestador, pel que fa

Valorar les liquidacions de les despeses i les possibles desviacions

El grau de rigor en el procs de recollida dinformaci s un aspecte clau

Per poder prendre aquestes decisions cal emprar tcniques estadstiques,

1.1. Mostreig: poblaci i mostra

Sanomena poblaci estadstica o univers el conjunt dels individus

En investigaci comercial, per raons de temps i tamb econmiques, no

que s objecte destudi.

Sanomena mostra el subconjunt delements o individus seleccionats dun univers.

La quantitat dindividus o elements seleccionats determinen la mida de la

En una poblaci de 100

Les mesures estadstiques calculades a partir de les dades duna

Els estimadors sn mesures que serveixen per estimar o aproximar

Si es vol conixer el preu mitj

1.2. Mida de la mostra

Saber si hi ha molta variabilitat de respostes abans de fer un estudi pot ser

Valor mitj i proporci

investigaci comercial sn la mitjana i la proporci.

Quan es fa una investigaci mitjanant enquestes s habitual utilitzar el

Un exemple de valor mitj pot ser

Lestimaci dun parmetre de poblaci donada per un nic nom-

bre sanomena estimaci de punt del parmetre. Una estimaci

Les estimacions per interval indiquen la precisi duna estimaci i sn

Si diem que el preu mitj dun

preferibles a les estimacions puntuals.

que els valors estiguin a

Per a altres marges de confiana cal consultar taules.

1.2.1. Clcul de la mida de la mostra