¿Qué es el muestreo en investigación?

Definición de muestreo (y los 5 términos que debes dominar)

El muestreo es el proceso de seleccionar un grupo más pequeño (una muestra) de un grupo más grande (una población) para poder conocer la población sin medir a todo el mundo. Un estudio de toda la población suele ser poco práctico, así que se muestrea para que el trabajo sea viable y aun así produzca conclusiones útiles.

Los cinco términos siguientes hacen la mayor parte del trabajo en cualquier capítulo de metodología. Si los defines mal, cada decisión posterior hereda el error.

• warning
  Población: el grupo completo que quieres describir, delimitado y con un periodo de tiempo. «Todos los estudiantes de último curso de enfermería de los tres campus, matriculados a 1 de marzo» es una población. «Enfermeros» no lo es.
• warning
  Población objetivo frente a población accesible: a quién quieres describir frente a quién pueden alcanzar realmente tu reclutamiento y tus herramientas. Nombrar la brecha entre ambas es una fortaleza en un informe de investigación, no una debilidad.
• warning
  Marco muestral: la lista o el mecanismo del que extraes la muestra. Un registro de estudiantes, un registro de pacientes, una base de datos de clientes, un listado de hogares de un pueblo, un censo electoral. Los problemas del marco generan error de cobertura, y ningún método los repara.
• warning
  Unidad de muestreo: lo que realmente se selecciona. Una persona, un hogar, una clínica, una clase, un turno, un pedido. En los diseños por conglomerados y polietápicos, la unidad de la primera etapa es un grupo, y ese grupo se llama unidad primaria de muestreo.
• warning
  Diseño muestral: el plan completo por escrito. Marco, método, cuántas unidades, cómo se contacta con ellas y qué harás con las personas que no respondan. El «diseño muestral» es lo que un tribunal o un revisor te está pidiendo en realidad cuando te pregunta por tu muestreo.

Para una definición oficial breve de la misma idea, consulta la nota formativa sobre muestreo de la U.S. Office of Research Integrity (Oficina de Integridad en la Investigación de EE. UU.).¹ Si estás situando el muestreo dentro de un plan de estudio más amplio, nuestra guía sobre diseño de investigación por encuesta cubre los pasos anteriores y posteriores.

Por qué muestrear y cuándo un censo es la mejor respuesta

La necesidad de muestrear es práctica antes que estadística. Hay cuatro razones que aparecen una y otra vez.

1. Coste

   Cada participante adicional cuesta dinero, tiempo del personal o buena voluntad. Una muestra de 600 bien extraída puede responder a la misma pregunta que un intento mal ejecutado con 60.000.

2. Rapidez

   Las decisiones tienen plazos. Una muestra te da una respuesta dentro del margen de tiempo en el que esa respuesta todavía es útil.

3. Viabilidad

   Algunas poblaciones no se pueden enumerar en absoluto: los transeúntes de un mercado, las personas que abandonaron un servicio, los vendedores informales. Otras son en la práctica infinitas, o medir una unidad la destruye.

4. Calidad

   Esta sorprende a la gente. Concentrar el esfuerzo en un grupo más pequeño te permite insistir con quienes no responden, formar bien a los entrevistadores y revisar los datos. El esfuerzo por unidad suele valer más que el número de unidades.

Un censo, en cambio, mide a todo el mundo. Es la mejor opción cuando la población es lo bastante pequeña como para alcanzarla, cuando ya existen los datos de contacto o cuando cada miembro tiene derecho a que se le pregunte. Una encuesta a la plantilla de una organización de 200 personas es una cuestión de censo, no de muestreo. También lo es la evaluación de una clase. Cuando la población es pequeña, el muestreo apenas te aporta nada y te cuesta la posibilidad de informar por equipo.

Cómo es realmente una buena muestra

Los manuales describen una buena muestra como «representativa», lo que no es un criterio operativo. Estas cuatro propiedades sí lo son.

• Cobertura: cualquier persona de la población objetivo podría, en principio, haber sido seleccionada.
• Selección controlada: quién entra en la muestra lo decide una regla, no quién se ofrece voluntario o quién está más cerca de la puerta.
• Suficientes unidades en el grupo más pequeño sobre el que debes informar: una cifra global puede parecer sólida mientras el grupo que de verdad te importa se apoya en 11 envíos.
• Descriptible: puedes escribir exactamente cómo se extrajo, y otra persona podría repetirlo.

Para una explicación en lenguaje sencillo de cómo las muestras respaldan las estimaciones poblacionales, la introducción de la U.S. Census Bureau (Oficina del Censo de EE. UU.) al muestreo por encuesta y la inferencia es un buen punto de partida.²

Tu marco muestral fija el techo

Un marco muestral es la lista o el mecanismo concreto del que extraes la muestra. Es la parte menos comentada del muestreo y el lugar donde la mayoría de los estudios reales se tuercen sin que nadie lo note, porque el marco decide quién podía siquiera ser seleccionado.

Los marcos son objetos corrientes. Un registro de estudiantes, un registro de pacientes, un listado de personal de RR. HH., una base de datos de clientes. Una lista de pueblos con su número de hogares, un censo electoral, una serie de pedidos, una lista de clínicas de un distrito. Fíjate en que algunos marcos enumeran personas y otros enumeran lugares. Esa distinción decide qué métodos tienes a tu alcance.

Audita el marco antes de extraer la muestra, no después. Cuenta las filas. Compara ese recuento con cualquier total independiente que encuentres, como la plantilla según RR. HH. o una cifra de matrícula. Busca el segmento que más vergüenza te daría haber omitido y comprueba que está. Elimina duplicados. Anota lo que el marco excluye, porque esa frase va en tus limitaciones en cualquier caso.

Los 9 métodos de muestreo comparados

Los métodos de muestreo se dividen en dos familias. El muestreo probabilístico usa un mecanismo aleatorio, de modo que cada unidad del marco tiene una probabilidad de selección conocida y distinta de cero. El muestreo no probabilístico no lo hace, así que las probabilidades de selección son desconocidas. Todo lo demás se deriva de esa única distinción.

La segunda columna es la que la mayoría de las guías omiten, así que aquí va primero. Solo un diseño probabilístico respalda un margen de error, un intervalo de confianza o la frase «más o menos 5 puntos». Si un método dice que no ahí, aun así puedes aprender mucho de él. Simplemente no puedes publicar una cifra de precisión junto al resultado. La precisión en sí es otra conversación, que tratamos en nuestra guía sobre el tamaño de muestra.

Cómo leer la tabla: los cinco primeros métodos son diseños probabilísticos y los cuatro últimos no. Esa única división, y no los nombres de cada método, es lo que decide si una cifra de precisión es honesta.

Métodos de muestreo probabilístico, uno a uno

El muestreo probabilístico significa que cada unidad del marco tiene una probabilidad conocida y distinta de cero de ser seleccionada, y que la selección la hace un mecanismo aleatorio. Esa es toda la base para afirmar algo numérico sobre la población. Cinco diseños cubren casi todos los estudios reales. Las revisiones de investigación clínica y sanitaria tratan la misma familia con etiquetas algo distintas, y conviene saber por qué antes de encontrarte con ambas: cada una de las dos que se citan aquí incluye el muestreo polietápico dentro del muestreo por conglomerados en lugar de listarlo por separado.³⁴

Muestreo aleatorio simple

El muestreo aleatorio simple da a cada unidad de la lista exactamente la misma probabilidad de selección. Numeras la lista, generas números aleatorios y tomas las unidades que les corresponden.

Ejemplo resuelto. El registro de una universidad incluye 12.000 estudiantes matriculados y necesitas 400 envíos. Numera el registro del 1 al 12.000, genera 400 números aleatorios únicos en ese rango con una hoja de cálculo o un programa de estadística e invita a esos estudiantes. Si esperas una tasa de respuesta del 40 %, extrae e invita a 1000 para que 400 envíos completados sean realistas.

Dónde falla. Con 400 envíos repartidos en un registro de 12.000 estudiantes, un departamento de 300 estudiantes aporta unas 10 personas. No basta para informar sobre él. Si algún subgrupo tiene que aparecer en tus resultados, el muestreo aleatorio simple es la herramienta equivocada y el muestreo estratificado es la solución.

Anota tu aleatorización. El software utilizado, la semilla si la hubo y la fecha. Esa sola frase es lo que hace reproducible el sorteo, y los revisores sí la piden.

Muestreo sistemático

El muestreo sistemático toma cada k-ésima unidad de una lista ordenada a partir de un inicio aleatorio. Divide el tamaño de la lista entre el número que necesitas para obtener el intervalo k, elige un número aleatorio entre 1 y k como punto de partida y luego ve contando hacia delante.

Ejemplo resuelto. Un hospital comarcal registra 9000 consultas externas en un trimestre y quiere 600 entrevistas a la salida. El intervalo es 9000 entre 600, así que k es igual a 15. Elige un inicio aleatorio entre 1 y 15, por ejemplo 7, y entrevista las consultas 7, 22, 37, 52 y así sucesivamente. Un equipo de campo puede seguir esa regla sin un portátil, y esa es la verdadera razón por la que este método sigue vigente.

Dónde falla. Periodicidad. Si la lista tiene un ciclo repetitivo que coincide con k, muestreas la misma posición cada vez. Una lista de consultas ordenada por día de consulta con un ciclo de 7 días y un intervalo de 7 te daría un solo día de la semana y nada más. Revisa el orden antes de fijar k y baraja la lista si el orden guarda relación con lo que mides.

Muestreo estratificado

El muestreo estratificado divide la población en grupos que no se solapan, llamados estratos, y luego extrae una muestra aleatoria dentro de cada estrato. Es la mejora más útil a la que puede optar la mayoría de los estudios, porque garantiza que cada grupo sobre el que debes informar aparezca realmente.

Ejemplo resuelto con los cálculos. Una organización tiene 4200 empleados repartidos en seis provincias y necesita 600 envíos.

• Asignación proporcional. Una provincia con 1400 empleados tiene 1400 entre 4200, es decir, un tercio de la plantilla, así que le corresponde un tercio de 600, es decir, 200 envíos. Una provincia con 210 empleados obtiene 210 entre 4200 por 600, es decir, 30 envíos. Cada provincia está representada en proporción a su tamaño y no hace falta ponderar en el análisis.
• Asignación no proporcional, también llamada sobremuestreo. Treinta envíos son muy pocos para informar por separado sobre esa provincia pequeña. Así que tomas deliberadamente 80 de ella y reduces la provincia más grande para compensar. Ahora las probabilidades de selección difieren entre provincias, así que debes ponderar los datos para devolverlos a las proporciones reales antes de citar cualquier cifra del conjunto de la organización. Saltarse ese paso es el error más común del muestreo estratificado.

Elegir los estratos. Elige variables relacionadas con el resultado o con quién tiene probabilidad de responder, y que ya existan en tu marco. Región, centro, puesto, franja de antigüedad, curso, tipo de plan y franja de edad son los candidatos habituales. Los estratos que no tienen nada que ver con el resultado añaden gestión y no aportan precisión. Si la variable de agrupación no está en tu marco, puede que tengas que recogerla dentro del cuestionario. Nuestra guía de preguntas demográficas para encuestas explica cómo pedir esas variables sin perder participantes.

Muestreo por conglomerados

El muestreo por conglomerados selecciona al azar grupos enteros que existen de forma natural y luego encuesta a todas las personas de los grupos seleccionados. Necesitas una lista de los grupos, no una lista de las personas, y esa es su razón de ser.

Ejemplo resuelto. Un distrito tiene 180 colegios de primaria y ninguna lista central de alumnos. Seleccionas al azar 24 colegios y encuestas a todos los alumnos de 8.º curso de cada uno. Has hecho 24 visitas a colegios en lugar de 180, y nunca necesitaste un registro de alumnos para empezar.

Lo que pagas por ello. Los alumnos de un mismo colegio se parecen más entre sí que a los alumnos del resto del distrito. Así que cada alumno adicional de un colegio que ya has elegido aporta menos información nueva de la que aportaría un alumno independiente. Tu número efectivo de envíos es menor que tu número real de envíos. Esa inflación es el efecto de diseño, y hay que incorporarlo al plan en lugar de descubrirlo en el análisis.

Dónde falla. Demasiado pocos conglomerados. Seis colegios elegidos al azar pueden ser muy distintos entre sí, y el resultado oscila según qué seis te hayan tocado. Más conglomerados con menos personas en cada uno es casi siempre mejor que lo contrario.

Muestreo polietápico

El muestreo polietápico selecciona en dos o más etapas: primero grupos, luego unidades dentro de los grupos seleccionados y, a veces, una tercera etapa dentro de estas. Casi todas las encuestas nacionales de hogares del mundo se construyen así.

Ejemplo resuelto. Selecciona 120 barrios de la lista nacional de barrios. Dentro de cada barrio seleccionado, un equipo de campo enumera los hogares sobre el terreno y luego selecciona 20 al azar. Dentro de cada hogar seleccionado, se elige a un adulto al azar, en lugar de dejarlo en manos de quien abra la puerta. Son tres etapas, y la última importa: dejar que el hogar decida quién responde reintroduce exactamente el sesgo de selección que el diseño debía evitar.

Lo que pagas por ello. Distintas personas acaban con distintas probabilidades de selección, así que el análisis necesita ponderaciones y el cálculo de la varianza tiene que tener en cuenta la conglomeración en cada etapa. Es un diseño serio que necesita a alguien capaz de hacer un análisis ponderado. Si nadie en el proyecto puede hacerlo, elige un diseño más sencillo en lugar de uno polietápico sin ponderar.

Muestreo estratificado frente a por conglomerados: la diferencia en una línea

Estos dos se confunden constantemente, porque ambos empiezan dividiendo la población en grupos. La diferencia está en lo que haces después.

Métodos de muestreo no probabilístico, uno a uno

El muestreo no probabilístico significa que las probabilidades de selección son desconocidas, porque ningún mecanismo aleatorio decidió a quién se eligió. Es la opción correcta en cuatro situaciones. No puedes construir un marco utilizable. El grupo está oculto. La rapidez importa más que la precisión. O la pregunta trata del significado y no de la magnitud.

Estos métodos no son de segunda categoría. Responden a una pregunta distinta. El fallo nunca es usarlos, sino usarlos y luego escribir una frase que solo una muestra probabilística podría respaldar.

Muestreo por conveniencia

El muestreo por conveniencia, también llamado muestreo por disponibilidad, recluta a quien sea más fácil de alcanzar. Una ventana emergente en un sitio web, un enlace en un boletín, los estudiantes de tu propia clase, la gente que pasa junto a un puesto de un mercado.

Ejemplo. Una tienda pone un enlace para opinar en el tique de compra. Todas las personas que responden han comprado algo, llevaban un móvil, tenían tiempo y tenían un motivo para molestarse. Cada uno de esos filtros elimina una parte distinta de la clientela.

Uso honesto. Hacer una prueba piloto de un cuestionario, generar hipótesis, averiguar qué lenguaje usan los clientes, comprobar que una pregunta se entiende. Todos son usos excelentes. Ninguno requiere una estimación poblacional.

Muestreo por cuotas

El muestreo por cuotas fija objetivos de reclutamiento para grupos concretos y los cubre. Cuarenta rurales y sesenta urbanos. Cincuenta mujeres y cincuenta hombres. Veinte en cada una de cinco franjas de edad.

Ejemplo. Un equipo de estudios de mercado necesita 500 envíos que reproduzcan la distribución nacional por edad, género y región, y no tiene una lista de la población. Recluta hasta llenar cada celda.

Por qué sigue sin ser un muestreo probabilístico. Las cuotas controlan la forma de la muestra, no la selección de las personas que la componen. Quien recluta sigue eligiendo, y las personas fáciles de abordar son sistemáticamente distintas de las que no lo son. Una muestra puede coincidir perfectamente con la población en edad y género y aun así equivocarse gravemente sobre las actitudes, porque la edad y el género nunca fueron las variables que causaban el daño.

Muestreo intencional

El muestreo intencional, también llamado muestreo de juicio, selecciona deliberadamente casos que cumplen unos criterios declarados. Las variantes habituales son la selección de casos típicos, de casos extremos, de casos críticos, de máxima variación y de personas expertas.

Ejemplo. Un estudio sobre cómo se usa un nuevo sistema de pago selecciona a ocho personas. Dos que lo usan a diario, dos que lo abandonaron, dos que nunca lo adoptaron y dos miembros del equipo de soporte que gestionan las quejas. Esa variedad se elige a propósito, y el razonamiento es el método.

Uso honesto. La mayor parte de la investigación cualitativa. Aquí el criterio no es la aleatoriedad. Es si puedes explicar por qué estos casos y no otros, y si el abanico de opiniones es lo bastante amplio para respaldar tus afirmaciones.

Muestreo de bola de nieve

El muestreo de bola de nieve recluta a un pequeño número de participantes que luego recomiendan a otras personas que cumplen los criterios, y estas recomiendan a más.

Ejemplo. Un estudio sobre comerciantes transfronterizos informales empieza con cuatro participantes identificados a través de una asociación local, y cada uno presenta a dos más. No existe un registro de comerciantes informales, así que no se puede usar ningún método basado en un marco.

Qué le hace a tu muestra. Homofilia. Las personas recomiendan a gente parecida a ellas. La muestra se desplaza hacia una red social y se aleja de los miembros aislados de la población, que suelen ser precisamente quienes más necesita escuchar la investigación. Empezar desde varias semillas sin conexión entre sí en lugar de una reduce la deriva, pero no la elimina.

Cómo hacer defendible una muestra no probabilística

La mayoría de las guías se quedan en «no puedes generalizar» y dejan al lector desamparado, porque la mayoría de los lectores están haciendo justo este tipo de estudio. Esta es la parte que suele faltar.

• Describe el reclutamiento, no solo el nombre del método. Dónde se publicó el enlace, en qué fechas, quién lo vio, si se ofreció un incentivo y a cuántas personas se contactó frente a cuántas respondieron. Esto es lo que permite al lector juzgar la muestra en lugar de adivinar.
• Compara la muestra obtenida con una referencia conocida y publica la comparación. Si tu organización tiene un 60 % de personal de campo y tus participantes son un 25 % de personal de campo, dilo en una tabla. Un sesgo declarado es un hallazgo. Uno oculto es un defecto.
• Ten claro lo que la ponderación puede y no puede hacer. Ajustar los datos para que la demografía coincida con la población puede corregir un desequilibrio visible. No puede corregir que haya personas que difieran de los participantes en algo que no mediste, y nunca convierte una muestra no probabilística en una que respalde una afirmación de precisión.
• Cambia la frase, no la estadística. En lugar de «el 38 % de los clientes está insatisfecho, con un margen de más o menos 4 puntos», escribe «el 38 % de los 620 clientes que respondieron declaró estar insatisfecho. Los participantes se reclutaron mediante un aviso dentro de la aplicación durante dos semanas y no son una muestra aleatoria de los clientes». La segunda frase es más corta, más útil y no se puede rebatir.

El trabajo cualitativo tiene su propio vocabulario para esto. Un protocolo suele pedir una justificación en lugar de un objetivo numérico. Debe cubrir el número previsto y el abanico de opiniones, una distinción que la guía de la University of Bath expone de forma concisa.⁵

Relaciona el método con la situación

Seis situaciones, seis métodos. Decide antes de abrir la respuesta. Es la forma más rápida de comprobar si la tabla anterior ha calado de verdad.

Cómo elegir un método de muestreo

La mayoría de los estudios no fracasan porque alguien eligiera la técnica equivocada. Fracasan porque la técnica no encajaba con el marco, con la decisión o con lo que el equipo de campo podía hacer de forma realista. Tres preguntas lo resuelven casi siempre.

1. Empieza por la afirmación que necesitas hacer

   Escribe la frase que quieres publicar antes de elegir nada. «El sesenta y dos por ciento de nuestros clientes nos recomendaría» y «los clientes que se van describen tres problemas recurrentes» son frases distintas que necesitan diseños distintos. Si nadie va a tratar el resultado como una cifra poblacional, tienes mucha más libertad de la que crees.

2. Audita el marco antes de comprometerte

   ¿Puedes enumerar realmente la población, o una aproximación cercana? Si no, ¿puedes enumerar los grupos a los que pertenece? Responder a esta sola pregunta elimina de inmediato la mayoría de los nueve métodos, por eso va en segundo lugar y no al final.

3. Nombra los subgrupos sobre los que estás obligado a informar

   Si un resultado tiene que aparecer para cada región, centro o puesto, eso condiciona el diseño mediante estratos o cuotas. También condiciona cuántos envíos necesitas en cada grupo. Decidirlo después del trabajo de campo no tiene arreglo.

4. Contrasta el diseño con la realidad del campo

   El tiempo, el presupuesto, la posibilidad de contactar, el acceso lingüístico, la alfabetización, la conectividad y la política de incentivos deciden qué es ejecutable. Un diseño que un equipo de campo no puede seguir se convierte en un muestreo por conveniencia con un nombre formal, lo que es peor que elegir con honestidad un muestreo por conveniencia. Planificar un reclutamiento inclusivo reduce la infrarrepresentación sistemática.⁶ Una vez seleccionada la muestra, usa un creador de encuestas online para preparar el cuestionario y enviarlo a las personas elegidas según tu plan de muestreo. Compartir un enlace público sin restricciones cambia quién puede responder; no preserva una muestra aleatoria.

Dónde fallan realmente las muestras: cobertura, selección y no respuesta

La selección es la parte que preocupa a todo el mundo y la que menos veces falla. El daño suele producirse antes de la selección, en el marco, o después, en quién se molesta en responder. Ambos producen hojas de cálculo de aspecto impecable y conclusiones erróneas.

El fracaso de muestreo más famoso tuvo 2,4 millones de participantes

En 1936, el Literary Digest predijo que Alf Landon obtendría aproximadamente el 55 % de los votos. Franklin Roosevelt ganó con alrededor del 61 %.⁷ La revista había enviado por correo 10 millones de papeletas y recibió unos 2,4 millones de vuelta, una tasa de respuesta del 24 % a la que hoy no se acerca ningún sondeo nacional.⁸ El sondeo situó a Roosevelt veinte puntos por debajo de su porcentaje real, con una muestra de dos millones y medio de personas.

La cifra que debería figurar en todas las páginas sobre muestreo. Un reanálisis posterior calculó el margen de error muestral de las estimaciones del Digest por estado: oscilaba entre 0,18 y 2,3 puntos porcentuales, con una mediana de 0,6.⁸ Una cifra de precisión de más o menos medio punto, encima de un error de veinte puntos. Nada demuestra con más claridad que un margen de error mide solo una de las varias formas en que una encuesta puede equivocarse.

Y la explicación habitual solo es correcta a medias. A todo el mundo se le enseña que el Digest muestreó a propietarios de coches y abonados al teléfono, que eran ricos y republicanos. Una comprobación empírica de esa afirmación utilizó una encuesta de Gallup de mayo de 1937. Las personas que tenían coche y teléfono seguían inclinándose por Roosevelt, 55 a 45. Entre todas las que dijeron haber recibido una papeleta del Digest, Roosevelt aventajaba 55 a 44. El marco se inclinaba hacia los republicanos, pero ni de lejos lo suficiente para producir una victoria aplastante de Landon.⁷

La mitad que falta es la no respuesta. Entre las personas que dijeron haber devuelto su papeleta, Landon aventajaba 51 a 48. Entre las que no la devolvieron, Roosevelt aventajaba 69 a 30. La descomposición aproximada atribuye unos once puntos del error al marco y unos siete a la no respuesta diferencial.⁷ Ponderar las papeletas devueltas según una pregunta que el Digest ya había hecho, a quién se votó en 1932, habría dado el ganador correcto con una aritmética disponible en 1936.⁸

Una tasa de respuesta alta no es el objetivo que crees

Las tasas de respuesta de los propios sondeos telefónicos del Pew Research Center cayeron del 36 % en 1997 al 9 % en 2012, y al 6 % en 2018.⁹ Mientras tanto, la National Family Health Survey de la India (Encuesta Nacional de Salud Familiar), realizada cara a cara, seleccionó 664.972 hogares y encontró 653.144 de ellos ocupados. Entrevistó a 636.699 de esos, una tasa de respuesta del 97,5 %. Lee ese denominador con atención, porque es donde más a menudo se equivoca una tasa de respuesta: frente al número de hogares seleccionados en lugar del número de ocupados, el mismo trabajo de campo da un 95,7 %. La encuesta extrajo su muestra de 30.456 conglomerados en los 707 distritos.¹⁰

Esos dos hechos pertenecen a la misma década. El modo y el esfuerzo del trabajo de campo influyen en las tasas de respuesta mucho más que cualquier afirmación general sobre la fatiga ante las encuestas. Si una guía te dice que la tasa de respuesta media es un número concreto, no está describiendo una cantidad real.

Ahora, el hallazgo más incómodo. Un metaanálisis de 235 estimaciones del sesgo de no respuesta procedentes de 30 estudios publicados encontró que la correlación entre la tasa de respuesta y la magnitud del sesgo de no respuesta era de 0,33. Al cuadrado, eso significa que la tasa de respuesta explica alrededor del 11 % de la variación del sesgo.¹¹ Un estudio de seguimiento con 59 estudios diseñados específicamente para medir el sesgo de no respuesta llegó a la misma conclusión.¹²

Merece la pena informar de la tasa de respuesta y merece la pena mejorarla. No es un certificado. Lo que causa el sesgo es que la tendencia a responder esté ligada a lo que mides. Una encuesta sobre voluntariado lo sufre mucho más que una encuesta sobre la velocidad de la banda ancha. Persigue la correlación, no el porcentaje.

Más envíos no pueden reparar un marco defectuoso

Durante la campaña de vacunación de 2021, dos encuestas muy grandes siguieron la vacunación en Estados Unidos. Una recogía unos 250.000 envíos a la semana y sobrestimó la vacunación con la primera dosis en 17 puntos porcentuales frente a la referencia oficial. La otra recogía unos 75.000 cada dos semanas y la sobrestimó en 14. Una tercera encuesta, de unas 1000 personas y realizada según la práctica probabilística estándar, produjo estimaciones fiables.¹³

El mismo patrón aparece en el trabajo habitual con encuestas. Al comparar tres paneles probabilísticos con tres fuentes online de participación voluntaria en 28 referencias y 29.937 entrevistas, el error absoluto medio fue de 5,8 puntos porcentuales en las muestras de participación voluntaria y de 2,6 en los paneles probabilísticos. En las 25 referencias disponibles por subgrupos, la diferencia para los adultos de 18 a 29 años fue de 11,2 frente a 3,6.¹⁴

Y un diagnóstico memorable: en una encuesta de participación voluntaria, el 12 % de los adultos menores de 30 años dijo tener licencia para manejar un submarino nuclear.¹⁵ La cifra real es casi cero. Si un panel puede producir eso, puede producir cualquier cosa, y un pedido mayor al mismo panel solo compra más de lo mismo.

A quién omite tu marco fuera de EE. UU. y el Reino Unido

La mayoría de las guías de muestreo dan por supuesto, sin decirlo, un marco occidental: una lista de correo electrónico, un teléfono fijo, un registro nacional de direcciones. Gran parte del mundo no muestrea así, y las carencias de cobertura tienen una forma medida.

• Una encuesta online en un país de ingresos bajos o medios es una muestra de su parte conectada, y esa parte está sesgada hacia los hombres. Las mujeres de los países de ingresos bajos y medios tienen un 14 % menos de probabilidades que los hombres de usar internet móvil, lo que equivale aproximadamente a 235 millones de mujeres menos que hombres conectadas.¹⁶
• Las muestras telefónicas sobrerrepresentan a los cabezas de familia. En las encuestas telefónicas del Banco Mundial en cuatro países africanos, los participantes eran hombres en un 52 % en Uganda y en un 73 % en Nigeria, frente a aproximadamente la mitad de la población adulta. En Uganda, el 6 % de los participantes telefónicos tenía entre 15 y 24 años, frente al 38 % de la población adulta.¹⁷
• Qué hacer al respecto. Combina modos en lugar de defender uno solo. Enumera los hogares sobre el terreno donde no existe un registro. Haz el trabajo de campo en los idiomas que tu población lee de verdad, y haz un pretest de la traducción en lugar de retrotraducirla. Después indica la carencia restante en tus limitaciones, porque seguirá ahí.

Lo que la ponderación puede y no puede arreglar

La ponderación ajusta tus datos para que la composición de la muestra coincida con cifras conocidas de la población. Es realmente potente y se sobrevalora de forma habitual.

A su favor. En 2016, el último sondeo de la University of New Hampshire daba a Clinton 11 puntos de ventaja en una contienda que ganó por 0,4. No se había ajustado por nivel educativo. El comité de revisión concluyó que ese único ajuste habría eliminado prácticamente todo el error.¹⁸ Una sola variable, correlacionada tanto con la respuesta como con el resultado, haciendo todo el trabajo.

En contra de confiar en ella. Cuando se evaluaron más de 30.000 entrevistas online de participación voluntaria frente a 24 referencias, el sesgo medio estimado sin ponderar fue de 8,4 puntos porcentuales. Ninguno de los procedimientos de ponderación probados, incluidos métodos de emparejamiento sofisticados, consiguió dejar el sesgo medio por debajo de 6 puntos.¹⁹ Cuadruplicar el tamaño de muestra aportó otros 0,2 puntos.

La regla que se desprende es sencilla. La ponderación corrige el desequilibrio en las variables con las que ponderas, en la medida en que esas variables se relacionan con el resultado. No hace nada respecto a las diferencias entre quienes responden y quienes no en aspectos que nunca mediste, y nunca convierte una muestra no probabilística en una que respalde una afirmación de precisión.

Una cifra de precisión es un suelo, no un techo

Un margen de error cuantifica la variabilidad muestral, y solo eso. Supone que la muestra se extrajo al azar de la población objetivo y que el sesgo restante se ha eliminado. El error de cobertura, el sesgo de no respuesta, el error de medición y los participantes fraudulentos quedan fuera de él.

Los datos son contundentes. En la última quincena de 2020, 348 sondeos presidenciales por estado publicaron un margen de error, y la cifra media publicada fue de 3,9 puntos. Medido frente a esa media, el 55 % de ellos falló el margen final por más de un margen de error, y el 21 % por más del doble.²⁰ Eran sondeos modernos con métodos modernos. Trata el margen de error como un suelo para tu incertidumbre, nunca como un techo.

La calificación A indica una estadística oficial, un metaanálisis o un hallazgo replicado. La calificación B indica un único estudio sólido cuya conclusión aún no se ha repetido de forma independiente.

Efecto de diseño: por qué las muestras por conglomerados necesitan más personas

Casi todas las guías recomiendan el muestreo por conglomerados por su ahorro y ahí se quedan. El ahorro es real, y la factura también. Las personas de un mismo colegio, clínica, barrio o tienda se parecen entre sí. Se parecen entre sí más que a personas elegidas al azar en toda la población. Así que cada envío adicional de un grupo que ya has elegido aporta menos información nueva.

El efecto de diseño es la cifra que mide esto. Dicho con palabras: cuánto aumenta tu incertidumbre en comparación con extraer el mismo número de personas de forma independiente. Para un diseño con grupos del mismo tamaño es

efecto de diseño = 1 + (tamaño medio del grupo - 1) x correlación intraclase

La correlación intraclase indica cuánto se parecen las personas de un mismo grupo en aquello que mides. Cero significa que estar en el mismo colegio no dice nada sobre la respuesta de un alumno. Uno significa que todos los alumnos de un colegio responden lo mismo, y el colegio bien podría ser una sola persona. Los valores reales son pequeños, pero los valores pequeños hacen mucho daño cuando los grupos son grandes. Agrupando 48 encuestas nacionales de hogares, la correlación intraclase media es de aproximadamente 0,06. Varía según lo que midas. Los ítems de fecundidad rondan entre 0,01 y 0,03, el uso actual de anticonceptivos entre 0,03 y 0,05, y los partos con asistencia médica llegan a 0,22 en las cifras nacionales.²¹

Si no tienes una estimación propia, toma prestado un valor por defecto con cuidado. El manual de muestreo de las DHS recurre a 1,5 para el deft cuando una encuesta no tiene una cifra propia.²² El deft no es la misma magnitud que el efecto de diseño de la fórmula anterior: es el cociente de los dos errores estándar, mientras que el efecto de diseño es el cociente de las dos varianzas. Hay que elevarlo al cuadrado, así que un deft de 1,5 es un efecto de diseño de 2,25. El manual llama a ese valor un recurso de emergencia, no un valor típico, y sus propios ejemplos resueltos usan 1,40 para el uso de anticonceptivos modernos y 1,22 para la vacunación infantil.

La ponderación añade su propio componente. Una encuesta nacional que sobremuestrea una región y luego la vuelve a ponderar arrastra dos efectos de diseño a la vez. Un efecto de ponderación de 1,22 y un efecto de conglomeración de 1,80 dan un efecto de diseño global de 2,20. Así, 5000 hogares entrevistados se comportan como 2277 independientes.²³

La lección de diseño. Más grupos con menos personas en cada uno supera a menos grupos con más personas en cada uno, casi siempre. Cuarenta colegios de 24 alumnos y 24 colegios de 40 alumnos cuestan aproximadamente los mismos 960 envíos, pero el primero tiene un efecto de diseño menor y un resultado defendible. Si estás planificando cuántos envíos necesitas en total, calcúlalo en nuestra guía sobre el tamaño de muestra y luego multiplícalo por el efecto de diseño. Hacerlo al revés es lo que hace que los estudios por conglomerados acaben sin potencia suficiente.

Tres ejemplos resueltos, de principio a fin

Los nombres de los métodos son fáciles. Las decisiones que los rodean son donde los estudios fallan de verdad. Estos tres llevan un diseño real desde la definición de la población hasta la frase que puedes publicar.

Ejemplo 1: la experiencia de los pacientes en un distrito

• Población. Adultos que acudieron a una consulta externa en cualquiera de las 46 clínicas públicas del distrito entre el 1 de abril y el 30 de junio.
• Marco. No existe un registro de pacientes de todo el distrito. Sí existe una lista de las 46 clínicas, con su número mensual de consultas.
• Método. Polietápico. Selecciona 18 clínicas con probabilidad proporcional al número de consultas y luego muestrea sistemáticamente a cada 8.º paciente que sale durante dos días de consulta elegidos al azar.
• Por qué no algo más sencillo. Una lista completa de pacientes permitiría un muestreo estratificado, pero no existe y no se puede elaborar dentro del plazo. Una muestra por conveniencia en las tres clínicas más grandes sería más rápida y describiría las tres clínicas más grandes.
• De qué hay que informar. Las probabilidades de selección varían según el tamaño de la clínica, así que el análisis necesita ponderaciones y el intervalo debe ampliarse por el efecto de diseño.
• La frase publicable. «Entre los adultos que acudieron a consultas externas de clínicas públicas del distrito durante el segundo trimestre, se estima que el 71 % consideró aceptable su tiempo de espera, según 1240 entrevistas a la salida en 18 clínicas seleccionadas con probabilidad proporcional al número de consultas».

Ejemplo 2: un estudio para un trabajo de fin de grado sobre una población de estudiantes

• Población. Estudiantes matriculados en la Facultad de Comercio en el curso académico actual: 3100 repartidos en tres cursos.
• Marco. El registro de matrícula de la facultad, que incluye el curso y la titulación.
• Método. Muestreo aleatorio estratificado por curso, con asignación proporcional y un objetivo de 350 envíos completados.
• Los cálculos. El primer curso tiene 1300 estudiantes, que son el 42 % de 3100, así que le corresponde el 42 % de 350, es decir, 147 envíos. Repite el cálculo para cada curso. Como la asignación es proporcional, no hace falta ponderar.
• Planificación de los envíos. Con una tasa de respuesta prevista del 35 %, tienes que invitar a unos 1000 estudiantes para conseguir 350 envíos completados, y conviene invitarlos estrato por estrato para que una respuesta floja en un curso se vea mientras aún hay tiempo de actuar.
• Límites que hay que declarar. Los estudiantes que se han dado de baja pero siguen en el registro son sobrecobertura. Los estudiantes matriculados después de extraer el registro son subcobertura. Ambos van en el párrafo de limitaciones.

Ejemplo 3: opiniones de clientes de una tienda online

• Población. Clientes que completaron un pedido en los últimos 90 días.
• Marco. La tabla de pedidos. Está completa para los pedidos online y para las compras como invitado, pero un cliente con dos cuentas aparece dos veces.
• Método. Elimina duplicados para dejar una fila por cliente y luego aplica un muestreo sistemático de cada 12.º cliente a partir de un inicio aleatorio, de forma continua y no en un único lote.
• La trampa que evita. Invitar solo a los suscriptores del boletín es más rápido y es una muestra por conveniencia de tus clientes más implicados. Hará que la satisfacción parezca mejor de lo que es, sin falta, cada trimestre.
• Una nota sobre la plantilla. La misma organización, si encuesta a sus propios 180 empleados, no debería muestrear en absoluto. Esa población es pequeña y alcanzable, y todo el mundo tiene derecho a que se le pregunte. Haz un censo y, si la participación es baja, trátalo como un hallazgo y no como un problema de muestreo.

Cómo redactar la parte de muestreo de tu metodología

Este es el paso que la mayoría de las guías se saltan, y es el que de verdad lee un director de tesis, un revisor o un cliente. La redacción del muestreo tiene que responder a cinco preguntas en orden: quién, a partir de qué lista, elegido cómo, cuántos y, por tanto, qué puedes afirmar.

Rellena los huecos de abajo. Es deliberadamente sobrio: aquí los evaluadores no buscan una prosa elegante, buscan un diseño que puedan juzgar.

El mismo estudio, mal redactado y bien redactado

Débil. «Se tomó una muestra aleatoria de estudiantes y se recogieron 350 envíos».

Aquí no se puede comprobar nada. «Aleatoria» está haciendo un trabajo que no se ha ganado: no hay marco, no hay denominador y no se dice quién quedó excluido.

Sólido. «La población objetivo eran los 3100 estudiantes matriculados en la Facultad de Comercio en 2026. El marco muestral fue el registro de matrícula de la facultad extraído el 3 de marzo de 2026. Se utilizó un muestreo aleatorio estratificado por curso con asignación proporcional para poder informar de cada curso por separado. Se invitó a mil estudiantes y 350 completaron el cuestionario, una tasa de respuesta del 35 %. No se aplicó ninguna ponderación porque la asignación era proporcional. Los estudiantes que se dieron de baja después de la fecha de extracción permanecieron en el marco y no pudieron identificarse, lo que constituye una fuente menor de sobrecobertura».

La segunda versión es más larga, y cada frase adicional es una frase sobre la que un revisor ya no tiene que preguntar.

Lista de control del plan de muestreo

Un plan de muestreo por escrito evita la mayoría de los errores evitables, porque obliga a tomar las decisiones antes del trabajo de campo y no durante el análisis. Ocho puntos, una página.

Una vez fijado el plan, el instrumento decide si mereció la pena extraer la muestra. Una muestra perfecta no puede rescatar una pregunta tendenciosa o doble, así que conviene repasar algunos ejemplos de preguntas de encuesta antes de lanzar nada.

Preguntas frecuentes

Lecturas relacionadas

El muestreo es una decisión dentro de un estudio más amplio. Estas guías cubren las decisiones anteriores y posteriores.

• Diseño de investigación por encuesta sitúa el muestreo en secuencia con el resto de un estudio, desde la definición de la población hasta el lanzamiento.
• Cómo determinar el tamaño de muestra cubre los cálculos de precisión que esta página deja deliberadamente para otro sitio, fórmulas incluidas.
• Cómo redactar preguntas de encuesta cubre la parte de medición, que ningún diseño muestral puede rescatar.
• Principios de diseño de cuestionarios explica cómo se monta un instrumento completo una vez que existen las preguntas.
• Sesgo de respuesta profundiza en la diferencia entre las personas que seleccionaste y las que respondieron.
• Preguntas demográficas para encuestas es útil cuando a tu marco le falta la variable por la que necesitas estratificar.
• Significación estadística explica qué hacer con las cifras una vez recogida la muestra.
• Análisis de datos cuantitativos cubre los pasos de análisis posteriores, incluido dónde entran las ponderaciones.

Cómo se escribió esta guía y qué no cubre

Quién la escribió. Michael Hodge, que trabaja en metodología de encuestas, diseño de preguntas y calidad de los datos en SuperSurvey, y escribe las guías prácticas de nuestra sección Guías y ayuda.

En qué se basa. Las definiciones siguen la revisión metodológica y las guías universitarias de investigación citadas más abajo, que es donde realmente se definen los términos técnicos. Las páginas oficiales de integridad en la investigación y de las oficinas de estadística se incluyen como puntos de partida breves y en lenguaje sencillo, no como fuente de esas definiciones. Las descripciones de los métodos siguen las mismas revisiones y guías. Cada cifra de la sección de datos procede de una fuente primaria identificada en la lista de abajo. Cada afirmación lleva además una calificación de confianza, para que veas qué hallazgos están consolidados y cuáles se apoyan en un único estudio. Las cifras del efecto de diseño del gráfico y de la tabla son cálculos nuestros. Usamos la fórmula estándar, con los supuestos indicados en el pie, para que puedas rehacerlas o discutirlas con tus propios tamaños de conglomerado.

Qué no cubre. Esta guía trata del muestreo para encuestas y estudios observacionales. No cubre el diseño experimental ni la asignación aleatoria más allá de distinguirlos. También deja fuera el muestreo para pruebas de aceptación, auditoría y procesamiento de señales, que usan la misma palabra para cosas distintas. El muestreo dirigido por los participantes, el muestreo por tiempo y lugar y el muestreo adaptativo por conglomerados son métodos reales que los especialistas usan para poblaciones ocultas, y aquí quedan fuera del alcance. Las cifras de correlación intraclase proceden de encuestas de hogares en países de ingresos bajos y medios. Tómalas como ilustrativas, no como valores que trasladar a otro contexto.

Dónde son más débiles las cifras. El reanálisis del Literary Digest se apoya en una encuesta de 1937 y en un reanálisis posterior, y ambos autores señalan su propia incertidumbre; por eso tiene una calificación B. Las cifras de error de los sondeos proceden de sondeos electorales de Estados Unidos, que están inusualmente bien estudiados y no son necesariamente representativos del error de las encuestas en general.

Transparencia. SuperSurvey vende software de encuestas. Nada de esta página está a la venta, ninguna parte exige registrarse y ninguna organización ha patrocinado ni revisado esta guía. Cuando enlazamos a nuestras propias páginas es porque cubren la siguiente decisión, no porque un enlace nos reporte nada.

Referencias