Glossário de termos
Afinidade (Índice de)
Afinidade entre um Alvo e um Suporte 1) Indicador do grau de Adesão entre o Alvo e os contactados por um suporte. 2) Indicador que compara a percentagem do Alvo no Suporte com a percentagem do Alvo no Universo. 3) Indicador que compara a Audiência Média de um suporte num dado Alvo e no Universo O Índice de Afinidade compara a percentagem dos contactados por um suporte que pertencem ao alvo (Adesão) com a percentagem dos indivíduos do universo que pertencem ao alvo, de modo a saber-se em que grau o suporte em causa “atrai” ou “afasta” os indivíduos do alvo em estudo. Se, num dado alvo, a Audiência Média de um suporte é superior à Audiência Média do mesmo suporte no universo, então o referido suporte “atrai” mais o alvo em questão que a globalidade dos indivíduos.
Agregado Familiar
Um ou mais indivíduos que vivem habitualmente no mesmo lar e compartilham as despesas domésticas.
Não são considerados agregados, conjuntos de indivíduos que, apesar de viverem no mesmo espaço e partilharem as despesas familiares, apenas estão nessa situação temporariamente, pertencendo a um outro lar; é o caso de lares de estudantes.
Não são considerados agregados, conjuntos de indivíduos que, apesar de viverem no mesmo espaço e partilharem as despesas familiares, apenas estão nessa situação temporariamente, pertencendo a um outro lar; é o caso de lares de estudantes.
Amostragem estratificada desproporcional (ou optimizada)
Frequentemente considera-se que a dimensão populacional de cada estrato (geográfico, etário, etc.) determina a dimensão da respectiva sub-amostra: um estrato com o dobro da população de outro, deveria ter o dobro da amostra. Como consequência, a amostra total a ser seleccionada seria distribuída pelos estratos na proporção directa do tamanho de cada estrato.
Podemos visualizar um exemplo na coluna de "Amostra proporcional" do quadro comparativo: o estrato B tem 30.8% da população, pelo que a respectiva amostra proporcional (em 1000) será de 308 indivíduos. No entanto a precisão de uma amostra não depende unicamente da dimensão da população, mas também da respectiva variabilidade.
A variabilidade de um estrato é elevada, quando os seus elementos têm características muito heterogéneas. Tal situação implica que um estrato com maior variância poderá levar à selecção de um maior número de unidades amostrais, quando comparado com um estrato com a mesma dimensão populacional mas menor variância (maior homogeneidade).
Resumindo:
• Quanto maior o estrato, maior a amostra respectiva
• Quanto maior a variabilidade dentro de um estrato, maior a respectiva amostra
O segundo princípio pode resumir-se do seguinte modo:
Este método optimiza a amostra aplicada a um universo estratificado pelo que também é frequentemente apelidado de distribuição estratificada optimizada.
Este princípio geral da teoria da amostragem tem aplicação prática em várias situações, de onde se inclui os comportamentos de consumo.
A nível geográfico, por exemplo, os estratos mais urbanos apresentam comportamentos de consumo mais heterogéneos que os estratos com maior índice de rura-lidade, pelo que a uma amostragem desproporcional permite obter dados mais rigorosos, através de uma sobre-amostragem nas regiões Marktest mais urbanas.
• Se a população de um estrato apresentar uma elevada homogeneidade de consumo será necessário um menor número de observações para abarcar as diferentes situações dessa população.
• Na situação inversa, se a população de um estrato apresentar uma elevada heterogeneidade, é importante aumentar a respectiva amostra para melhor abarcar o leque de situações variadas aí existentes.
Ponderação dos dados
A aplicação de uma amostragem desproporcional, em comparação com uma distribuição proporcional, reduz a margem de erro de cada estrato, mas implica que o cálculo conjunto de dois ou mais estratos tenha que ser sujeito a uma calibragem (aplicação de ponderadores) na fase do tratamento de dados. Por exemplo: o grupo B do quadro representa 30.8% do universo, mas um valor superior (37.2%) na amostra desproporcional.
Dessa forma, cada estrato contribuirá para os resultados segundo o peso real e não segundo o peso amostral. Este, como já se viu atrás, poderá não corresponder.
A fórmula de obtenção dos factores de ponderação será a seguinte:
Podemos visualizar um exemplo na coluna de "Amostra proporcional" do quadro comparativo: o estrato B tem 30.8% da população, pelo que a respectiva amostra proporcional (em 1000) será de 308 indivíduos. No entanto a precisão de uma amostra não depende unicamente da dimensão da população, mas também da respectiva variabilidade.
A variabilidade de um estrato é elevada, quando os seus elementos têm características muito heterogéneas. Tal situação implica que um estrato com maior variância poderá levar à selecção de um maior número de unidades amostrais, quando comparado com um estrato com a mesma dimensão populacional mas menor variância (maior homogeneidade).
Resumindo:
• Quanto maior o estrato, maior a amostra respectiva
• Quanto maior a variabilidade dentro de um estrato, maior a respectiva amostra
O segundo princípio pode resumir-se do seguinte modo:
Este método optimiza a amostra aplicada a um universo estratificado pelo que também é frequentemente apelidado de distribuição estratificada optimizada.
Este princípio geral da teoria da amostragem tem aplicação prática em várias situações, de onde se inclui os comportamentos de consumo.
A nível geográfico, por exemplo, os estratos mais urbanos apresentam comportamentos de consumo mais heterogéneos que os estratos com maior índice de rura-lidade, pelo que a uma amostragem desproporcional permite obter dados mais rigorosos, através de uma sobre-amostragem nas regiões Marktest mais urbanas.
• Se a população de um estrato apresentar uma elevada homogeneidade de consumo será necessário um menor número de observações para abarcar as diferentes situações dessa população.
• Na situação inversa, se a população de um estrato apresentar uma elevada heterogeneidade, é importante aumentar a respectiva amostra para melhor abarcar o leque de situações variadas aí existentes.
Ponderação dos dados
A aplicação de uma amostragem desproporcional, em comparação com uma distribuição proporcional, reduz a margem de erro de cada estrato, mas implica que o cálculo conjunto de dois ou mais estratos tenha que ser sujeito a uma calibragem (aplicação de ponderadores) na fase do tratamento de dados. Por exemplo: o grupo B do quadro representa 30.8% do universo, mas um valor superior (37.2%) na amostra desproporcional.
Dessa forma, cada estrato contribuirá para os resultados segundo o peso real e não segundo o peso amostral. Este, como já se viu atrás, poderá não corresponder.
A fórmula de obtenção dos factores de ponderação será a seguinte:
Audiência Média
Exemplo 1: Se um jornal semanário tiver 15% de Audiência média, num dado período de 3 meses, significa que, em média, cada edição foi contactada por 15% do universo ou alvo.
Exemplo: Se um programa, com a duração de 1 hora obtém 5% de audiência média - esse valor resulta do cálculo da média de audiências do conjunto dos 60 minutos - então, em qualquer momento, há a probabilidade de 5% do universo ou alvo contactar com o referido programa.
in Bareme Cinema
Número ou percentagem de indivíduos que foram ao cinema na última semana. in Bareme Imprensa
Corresponde ao número ou percentagem de indivíduos que contactaram com a última edição de um dado suporte (véspera para diários, última semana para semanários, etc.).Exemplo 1: Se um jornal semanário tiver 15% de Audiência média, num dado período de 3 meses, significa que, em média, cada edição foi contactada por 15% do universo ou alvo.
in Bareme Rádio
Audiência provável, em cada unidade de tempo, de um determinado período horário (no caso do Bareme Rádio a unidade de medida é de 5 minutos). Por outras palavras: audiência ponderada (pelo tempo de audição) do conjunto de indivíduos que escutaram uma estação, num determinado período horário.Exemplo: Se um programa, com a duração de 1 hora obtém 5% de audiência média - esse valor resulta do cálculo da média de audiências do conjunto dos 60 minutos - então, em qualquer momento, há a probabilidade de 5% do universo ou alvo contactar com o referido programa.
Notícias
Dossiers ver mais
Em Agenda ver mais
- CEO Summit
20 a 22 de janeiro de 2025
Insights Association
Naples Grande, Flórida, EUA
- AI: powering-up consumer insights
23 de janeiro de 2025
MRS - The Market Research Society
Londres, Inglaterra