Que Teste Estatístico Usar numa Tese de Sociologia? Inquéritos, Escalas Ordinais e Comparação de Grupos Sociais (2026)

Numa tese de Sociologia quantitativa, a maioria dos dados vem de inquéritos — e a maioria das variáveis não é contínua no sentido estrito que o teste t ou a ANOVA pedem: são categóricas (sexo, escolaridade por escalão, região) ou ordinais (escalas de atitude tipo Likert, classes de rendimento). O teste certo depende de três decisões, por esta ordem: o nível de medição de cada variável, se a pergunta é de comparação entre grupos sociais ou de associação entre variáveis, e se a amostra tem pesos de ponderação que têm de entrar na análise. Este artigo aplica essa lógica aos desenhos que uma tese de Sociologia realmente usa.

Se procura primeiro um mapa genérico de testes por tipo de dados, comece pela árvore de decisão geral para escolher o teste estatístico no SPSS. Aqui o objetivo é mais estreito: as combinações de variável e desenho que aparecem especificamente em teses de Sociologia — inquéritos a amostras representativas, escalas de atitude e comparação entre grupos sociais definidos por classe, género, escolaridade ou território.

O desenho típico de uma tese de Sociologia quantitativa

A maior parte das dissertações de Sociologia com componente quantitativa segue um de três desenhos: um inquérito transversal a uma amostra da população ou de um subgrupo (por exemplo, jovens adultos numa região), a análise secundária de um inquérito já existente (o European Social Survey é o mais usado em Portugal), ou a comparação entre grupos sociais definidos a priori — por classe, género, escalão etário, nível de escolaridade ou território. Se está a decidir entre recolher dados novos ou usar um inquérito já existente, o guia passo a passo dos microdados do European Social Survey cobre o registo, a escolha da ronda e — o passo que mais teses de Sociologia esquecem — a ponderação da amostra.

Tabela de decisão: nível de medição × tipo de pergunta

A tabela seguinte cruza o nível de medição da variável dependente com o tipo de pergunta de investigação mais comum em Sociologia.

A armadilha de tratar uma escala Likert como intervalar

Um único item de escala Likert (1 «discordo totalmente» a 5 «concordo totalmente») é, estritamente, uma variável ordinal — as distâncias entre categorias não são necessariamente iguais. A prática mais aceite na literatura sociológica é: para um único item, usar testes não paramétricos (Mann-Whitney, Kruskal-Wallis, Spearman); para uma escala composta por vários itens somados ou com média calculada (por exemplo, uma escala de dez itens de confiança institucional), tratar a pontuação total como quase-intervalar é geralmente aceite, sobretudo com amostras grandes, porque a soma de várias categorias ordinais tende a aproximar-se de uma distribuição contínua. Esta distinção — item único vs. escala composta — é a que mais separa uma análise estatística defensável de uma que o júri vai questionar.

Antes de tratar qualquer escala composta como quase-intervalar, confirme que ela tem fiabilidade interna aceitável. O procedimento de validação, incluindo o cálculo do alfa de Cronbach e os limiares por tipo de escala, está detalhado no guia passo a passo para validar o questionário da tese.

Comparação de grupos sociais: qui-quadrado, V de Cramer e regressão logística

Quando a pergunta de investigação é «este grupo social difere daquele nesta característica categórica?», o qui-quadrado de independência é o ponto de partida — mas raramente o ponto de chegada. Um qui-quadrado significativo diz que existe associação, não diz quão forte ela é nem que padrão específico a explica. Três complementos que uma tese de Sociologia bem escrita normalmente inclui:

• V de Cramer como medida de tamanho do efeito, sempre que a tabela tem mais de duas linhas ou colunas — um qui-quadrado significativo com uma amostra grande pode ter um V de Cramer trivial.
• Resíduos ajustados por célula, para identificar que combinações específicas de categorias (por exemplo, «classe baixa × baixa confiança institucional») contribuem mais para a associação global.
• Regressão logística multinomial, quando quer controlar simultaneamente por várias variáveis sociodemográficas (classe, género, escolaridade, região) em vez de testar cada uma isoladamente — o desenho mais próximo do que a teoria sociológica costuma prever, que raramente isola um único fator social.

Antes de fechar o modelo, verifique se a amostra tem casos suficientes por preditor incluído — a regra informal dos dez casos por variável não é uma norma rígida e as fórmulas mais defensáveis, incluindo a diferença entre regressão linear e logística, estão explicadas no artigo sobre quantos casos por variável precisa a regressão da tese. Um modelo com seis preditores sociodemográficos e uma amostra de 80 respondentes está, na maioria dos casos, subdimensionado para a regressão logística multinomial.

Dados ponderados: o passo que a maioria das teses de Sociologia esquece

Quando os dados vêm de um inquérito com desenho amostral complexo — estratificação, clusters, ou probabilidades de seleção desiguais — cada caso deve entrar na análise com o peso (weight) fornecido pelo inquérito, não com peso igual a um. Ignorar a ponderação não muda apenas as médias: pode inverter a direção de uma associação, sobretudo quando o inquérito sobrerrepresenta ou sub-representa sistematicamente certos grupos sociais. O SPSS aplica pesos com Data → Weight Cases, selecionando a variável de peso fornecida pelo inquérito (por exemplo, anweight no European Social Survey); no R, os pacotes survey ou srvyr tratam a ponderação e o desenho amostral em conjunto, o que é preferível quando o inquérito também declara estratos e clusters.

Uma tese que usa um inquérito ponderado sem declarar a ponderação na metodologia — ou sem justificar porque optou por não a aplicar — é um dos erros mais comuns que este tipo de trabalho comete, e um dos mais fáceis de evitar.

Quando a unidade de análise é o grupo, não o indivíduo

Uma armadilha adicional, específica da Sociologia: se a pergunta de investigação é sobre indivíduos («que fatores explicam a confiança institucional de uma pessoa?») mas os dados só existem agregados por território ou por grupo («85% dos residentes deste concelho confiam nas instituições»), qualquer conclusão sobre o indivíduo a partir desses dados agregados corre o risco de inferência ecológica — atribuir a cada pessoa uma característica que só foi observada ao nível do grupo. Se o seu desenho combina dados individuais com dados de contexto (por exemplo, características do bairro que podem influenciar o indivíduo), o modelo apropriado deixa de ser uma regressão simples e passa a ser um modelo multinível, que separa explicitamente a variação dentro dos grupos da variação entre grupos.

Este erro é particularmente comum quando uma tese de Sociologia cruza dados de comportamento desviante com dados de contexto territorial — por exemplo, taxas de criminalidade por concelho. Os registos policiais tratados pela DGPJ, descritos no artigo sobre dados de criminalidade para a tese, existem ao nível do concelho ou do tipo de crime, nunca ao nível do indivíduo específico que cometeu ou sofreu o crime — cruzá-los com uma teoria sobre motivação individual exige o mesmo cuidado de nível de análise descrito aqui.

Erros mais comuns ao escolher o teste numa tese de Sociologia

• Tratar um único item Likert como intervalar sem justificação. Escalas compostas, sim; itens isolados, normalmente não.
• Reportar apenas o qui-quadrado sem tamanho do efeito. Um p significativo com V de Cramer de 0,05 é uma associação real mas irrelevante na prática.
• Ignorar a ponderação de um inquérito complexo. Muda estimativas, por vezes a direção do efeito.
• Testar cada variável sociodemográfica isoladamente em vez de um modelo multivariado, quando a teoria sociológica prevê que classe, género e território atuam em conjunto, não isoladamente.
• Confundir associação de grupo com efeito individual — o erro de inferência ecológica descrito acima.

Como reportar o teste no capítulo de resultados

Para o qui-quadrado: estatística, graus de liberdade, N, valor de p e V de Cramer — «χ²(4, N = 312) = 18,42, p = 0,001, V = 0,24». Para Kruskal-Wallis: estatística H, graus de liberdade e p, seguidos dos post-hoc significativos. Para a regressão logística: os odds ratios (ou os coeficientes exponenciados) com o respetivo intervalo de confiança a 95%, não apenas os coeficientes brutos, porque os odds ratios são o que o leitor sociólogo consegue interpretar diretamente em termos de chances relativas entre grupos.

Perguntas frequentes

Posso tratar uma escala Likert de um único item como variável contínua?

Em geral não. Um único item ordinal deve ser analisado com testes não paramétricos (Mann-Whitney, Kruskal-Wallis, Spearman). Escalas compostas por vários itens somados ou com média calculada podem ser tratadas como quase-intervalares, sobretudo com amostras grandes, desde que a fiabilidade interna da escala tenha sido confirmada.

Que teste uso para comparar três ou mais grupos sociais numa variável categórica?

O qui-quadrado de independência testa se existe associação entre a variável de grupo e a variável categórica de resultado. Complemente sempre com o V de Cramer como medida de tamanho do efeito e, se a tabela for grande, com os resíduos ajustados por célula para identificar onde está a associação.

É obrigatório ponderar os dados de um inquérito como o European Social Survey?

Sim, sempre que o inquérito fornece uma variável de peso. Ignorar a ponderação pode distorcer estimativas e, em alguns casos, inverter a direção de uma associação, sobretudo quando o desenho amostral sobrerrepresenta certos grupos sociais.

Qual a diferença entre regressão logística binária, ordinal e multinomial?

A binária serve para uma variável dependente com duas categorias; a ordinal, para uma variável dependente categórica com categorias ordenadas (por exemplo, níveis de confiança de «nenhuma» a «total»); a multinomial, para uma variável categórica sem ordem natural com três ou mais categorias (por exemplo, partido votado). Escolher a errada distorce a interpretação dos coeficientes.

O que é a inferência ecológica e como a evito numa tese de Sociologia?

É o erro de atribuir a indivíduos uma conclusão tirada de dados agregados por grupo ou território. Evita-se recolhendo dados ao nível do indivíduo sempre que a pergunta é sobre o indivíduo, ou usando um modelo multinível quando o desenho combina, de forma legítima, características individuais e de contexto.

Quando devo usar um modelo multinível em vez de uma regressão simples?

Quando os indivíduos estão agrupados de forma não independente — por exemplo, residentes no mesmo bairro ou trabalhadores na mesma organização — e essa estrutura de grupo pode influenciar o resultado. Um coeficiente de correlação intraclasse (ICC) elevado no modelo nulo é o sinal de que a estrutura de grupo importa e não pode ser ignorada.

Em resumo

Numa tese de Sociologia, a escolha do teste começa no nível de medição de cada variável — nominal, ordinal ou quase-contínua — segue para o tipo de pergunta — comparação de grupos ou associação — e termina na verificação de se a amostra exige ponderação. Trate itens de escala isolados como ordinais, escalas compostas como quase-intervalares após confirmar a fiabilidade, complemente sempre o qui-quadrado com um tamanho do efeito, pondere os dados de inquéritos complexos, e mude para um modelo multinível quando a estrutura de grupo dos dados o exigir.