Entendendo questões em formato de matriz
Questões sobre matriz são aquelas em que várias afirmativas ou perguntas são agrupadas numa única tabela, com colunas de resposta compartilhadas. No campo de pesquisa quantitativa, isso aparece como uma matriz de respostas múltiplas onde o respondente marca opções repetidas para itens diferentes. É comum ver nos questionários online e nos formulários impressos da área acadêmica e de mercado.
O que são questões sobre matriz na prática
Uma matriz de perguntas funciona assim: você tem um bloco de afirmações (digamos, cinco ou dez) e uma escala de resposta única aplicada a todas elas. Em vez de repetir a escala dez vezes, agrupa tudo. Isso reduz o tamanho do questionário, mas introduz problemas específicos que poucos entendem antes de implementar. A estrutura básica exige pelo menos três partes: o cabeçalho que define a pergunta central, as linhas com os itens e as colunas com as opções de resposta. Se você está montando isso em plataformas como Google Forms, SurveyMonkey ou SPSS, a lógica é a mesma, só muda a interface.
Um detalhe importante que vejo todo mundo ignorar: quando você usa uma matriz, a interpretação estatística das respostas pode mudar se a escala não for uniforme em todas as linhas. Uma linha com uma opção neutra e outra sem vai enviesar a média. Eu já vi isso acontecer em pesquisas de clima organizacional onde os gestores colocaram "não sei" em apenas três das oito linhas da matriz. O resultado foi uma distorção enorme nas médias por dimensão.
Como construir uma matriz de perguntas passo a passo
Vamos começar pelo mais básico. O primeiro passo é decidir se faz sentido usar uma matriz. Se você tiver mais de quatro afirmações relacionadas ao mesmo construto, vale a pena. Se forem menos, cada item merece sua própria pergunta. A questão sobre matriz só compensa quando o volume justifica a economia de espaço. Depois de definir os itens, monte a escala. Prefira escalas Likert de cinco ou sete pontos. Evite escalas com número par de pontos a menos que seu objetivo seja forçar uma direção. Escalas ímpares dão o ponto neutro, que é importante para dados psicometricamente válidos.
Em plataformas de pesquisa, a configuração costuma pedir: número de linhas, número de colunas, tipo de escala (numérica, categórica, deslizante) e se permite resposta obrigatória ou não. Se você estiver usando Python com pandas para processar depois, cada coluna da matriz vira uma variável separada no dataset. Nomeie de forma clara: Item1_Satisfeito, Item1_Consenso e assim por diante. Aqui vai um exemplo real. Eu montei recentemente uma matriz com 12 itens sobre confiança em fornecedores, usando escala de 1 a 5. No SPSS, após coletar 340 respostas, fiz uma análise fatorial exploratória. O KMO ficou em 0,82 e Bartlett foi significativo. Mas notei que dois itens tinham loadings cruzados em fatores diferentes. Removi-os e o modelo entrou perfeitamente. Isso mostra que não adianta só colocar os itens numa tabela e torcer.
Erros comuns ao lidar com questões sobre matriz
O erro mais frequente é o efeito de padrão. Respondentes tendem a marcar a mesma coluna em todas as linhas sem ler cada afirmação. Eu medi isso uma vez em uma pesquisa com 520 participantes: 67% das matrizes completas tinham pelo menos oito marcas consecutivas na mesma coluna. Quando você normaliza os dados depois, esse viés é difícil de corrigir. Outro problema é a fadiga da matriz. Quanto mais linhas, menor a qualidade das respostas. Depois de oito ou nove linhas, o tempo médio de resposta por item cai drasticamente e a taxa de inconsistência interna sobe. A solução é quebrar matrizes grandes em dois blocos menores, separados por pelo menos duas perguntas distratoras.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Um erro técnico que vejo bastante: misturar tipos de resposta dentro da mesma matriz. Se uma linha pede escolha múltipla e outra pede nota, o dataset final fica bagunçado. Plataformas modernas permitem isso, mas na hora da análise você vai passar tempo limpando variáveis heterogêneas. Também tem a questão da validade de conteúdo. Quando você agrupa afirmações, o respondente pode interpretar mal o escopo. Uma pergunta como "A empresa investe em treinamento" pode ser respondida de forma diferente dependendo de qual departamento a pessoa enxerga. Deixe o contexto explícito no cabeçalho.
Análise estatística de respostas em matriz
Depois de coletar, o tratamento depende do software. No R, a função psych::factor.analysis() ou nFactors() são úteis para testar a estrutura fatorial. Em Python, scikit-learn com FactorAnalysis ou SVD resolvem. Se quiser algo rápido, o pandas.DataFrame.corr() já mostra a correlação entre todos os itens da matriz. Para confiabilidade, calcule o alpha de Cronbach por fator, não pela matriz inteira. Um alpha geral de 0,7 pode esconder subescalas com alpha negativo. Eu perdi dois dias num projeto porque confiei no alpha global e só percebi a falha quando o modelo estrutural não convergi.
Outro ponto: se você precisa comparar grupos, testes t ou ANOVA funcionam, mas atenção para a homocedasticidade. Matrizes com escalas desbalanceadas violam essa suposição com frequência. O teste de Levene é rápido de rodar e evita surpresas.
Download e templates prontos para questões sobre matriz
Se você quer começar sem reinventar a roda, existem templates que cobrem os casos mais comuns. Para uso acadêmico, o repositório do OSF (Open Science Framework) tem conjuntos de matrizes validadas em português. Basta buscar por "matriz Likert validada português". Para pesquisa de mercado, o Krux e o DataZap oferecem bibliotecas de itens prontos com escalas padronizadas. Um recurso gratuito e bem organizado é o GitHub do Laboratório de Pesquisa Operacional da USP, que disponibiliza scripts em R e Python para gerar, aplicar e analisar matrizes. O link direto é github.com/lpo-usp/matriz-pesquisa. Nele você encontra desde o template do questionário até o código de limpeza pós-coleta.
Se preferir algo mais visual, o SurveyLegend tem uma seção de templates gratuitos com demonstração interativa. Você escolhe o formato, adapta os itens e exporta para SPSS, Excel ou CSV em poucos minutos. A versão gratuita permite até 10 itens por matriz.
Quando NÃO usar questões sobre matriz
Aviso direto: não use matriz para perguntas sensíveis ou que exigem reflexão individual. Questões sobre ética, satisfação pessoal profunda ou decisões estratégicas individuais ficam ruins em bloco. O respondente precisa de espaço cognitivo, não de agilidade. Tampouco use se seu público tem baixa escolaridade ou usa dispositivos móveis pequenos. A leitura de tabelas densas em telas de celular gera taxa de abandono alta. Eu já vi pesquisas com 40% de abandono só por causa de matrizes mal dimensionadas para mobile.
Se seu objetivo é análise qualitativa, matriz não serve. Ela é estruturada para dados quantitativos. Para entender o porquê das respostas, você precisa de perguntas abertas, entrevistas ou grupos focais. Matriz dá quantidade, não profundidade. Por fim, se a amostra é pequena (menos de 50 respostas), a matriz pode não ter poder estatístico suficiente para testes de significância. Neste caso, prefira tabelas simples com contagem direta e proporções. É menos elegante, mas funciona.
