Reconheça que todo vazio não significa a mesma coisa
Uma célula vazia pode representar pergunta não apresentada por salto, recusa consciente, abandono, erro de exportação, falha de internet ou desconhecimento. Esses mecanismos têm implicações diferentes. Se a pessoa respondeu que não trabalha, por exemplo, perguntas posteriores sobre emprego não se aplicam; tratá-las como perda distorce a base. Releia lógica do formulário, mensagens de coleta e dicionário antes de classificar qualquer ausência.
Crie códigos separados para não se aplica, preferiu não responder e ausência não explicada, desde que o instrumento permita distingui-los. Não invente motivo retrospectivo. Em versões analíticas, esses códigos podem ser convertidos para ausente conforme o software, mas a origem precisa permanecer documentada. Respostas como não sei também podem ser categorias informativas e não devem desaparecer automaticamente. A classificação inicial determina quais denominadores e interpretações serão válidos.
Mapeie quantidade, localização e padrão
Calcule percentual ausente em cada variável e quantidade de itens não respondidos por caso. Visualize a sequência do formulário para descobrir se a perda aumenta perto do final ou se concentra numa pergunta sensível. Compare datas, dispositivos ou versões quando isso fizer parte do registro permitido. Uma falha concentrada em certo período pode indicar problema técnico, enquanto recusa maior em renda pode refletir sensibilidade e não desatenção.
Compare características observadas de quem respondeu e de quem não respondeu ao item, sem afirmar o que não está disponível. Se a ausência varia por turno, faixa etária ou grupo, análise apenas dos completos pode favorecer um perfil. Não use um teste isolado para declarar mecanismo da perda; combine processo de coleta, padrões e conhecimento do contexto. Registre tabelas diagnósticas separadas dos resultados principais para não confundir qualidade da base com hipótese substantiva.
Entenda como a ausência altera a conclusão
Excluir qualquer linha que tenha um vazio, estratégia conhecida como análise de casos completos, pode reduzir muito a base e a precisão. O problema aumenta quando a chance de falta está ligada ao desfecho ou a características dos participantes. Já usar todos os casos disponíveis em cada cálculo preserva informação, mas muda o denominador entre tabelas e pode dificultar comparação. Nenhuma opção é neutra; explique qual população analítica cada resultado representa.
A ausência também pode modificar composição da amostra. Se participantes com maior insatisfação abandonaram o questionário, a média dos concluintes pode parecer mais favorável. Isso não pode ser corrigido apenas por preencher células. Discuta direção plausível do viés e limites dos dados. Em estudos pequenos, poucos casos perdidos podem mudar bastante uma estimativa; por isso, apresente números absolutos junto aos percentuais e evite esconder o problema em nota genérica.
Escolha uma estratégia proporcional ao desenho
Casos disponíveis podem ser suficientes para descrição de itens quando denominadores estão claros. Exclusão completa pode ser defensável se perdas forem raras e o pressuposto correspondente for plausível. Imputação simples por média geralmente reduz variabilidade e enfraquece relações, por isso não deve ser atalho. Métodos como imputação múltipla ou modelagem exigem variáveis auxiliares, pressupostos e competência para combinar a incerteza, não apenas gerar uma planilha completa.
A estratégia precisa ser definida por análise, não para toda a base indistintamente. Variável de identificação ausente pode inviabilizar pareamento, enquanto falta em covariável secundária pode afetar apenas um modelo. Não impute desfechos ou categorias sensíveis sem avaliar finalidade e literatura. Quando o TCC não dispõe de base ou supervisão para método complexo, uma análise transparente com limites pode ser mais rigorosa do que uma correção sofisticada aplicada sem validação.
Teste se a decisão muda os resultados
Faça análise de sensibilidade comparando estratégias plausíveis, como casos completos e casos disponíveis, ou diferentes regras de inclusão. Se a conclusão muda, a ausência é parte central da incerteza e deve aparecer na discussão. Se permanece semelhante, isso oferece alguma robustez, sem provar ausência de viés. Defina comparações antes de explorar dezenas de cenários e preserve scripts ou planilhas de cada versão.
Em escalas, siga regras do instrumento para quantidade mínima de itens respondidos. Calcular média quando apenas uma pequena parcela foi preenchida pode produzir escore enganoso. Se criar regra própria, justifique e mostre quantos participantes são afetados. Para estudos longitudinais, perda de seguimento requer atenção especial porque quem sai pode ter trajetória diferente. Não substitua automaticamente medida posterior pela anterior; isso impõe estabilidade que os dados não demonstraram.
Reduza perdas ainda no desenho da coleta
Use piloto para medir duração, localizar enunciados confusos e verificar saltos. Torne obrigatórias apenas perguntas indispensáveis e eticamente adequadas; obrigatoriedade excessiva pode induzir respostas falsas ou impedir retirada. Explique por que dados sensíveis são solicitados e ofereça alternativa de recusa quando cabível. Em coleta on-line, teste dispositivos, conexão, salvamento e mensagem final. Em papel, treine aplicadores sem pressionar participantes.
Planeje identificadores para pareamento apenas quando necessários e autorizados, mantendo a chave protegida. Defina acompanhamento de não respondentes sem assédio e respeite consentimento. Registre taxa de resposta e motivos conhecidos de exclusão em cada etapa. Prevenção não elimina perda, mas torna seu mecanismo mais compreensível. Uma coleta simples, curta e alinhada aos objetivos costuma produzir dados melhores do que instrumento extenso criado para aproveitar todas as curiosidades do pesquisador.
Relate perdas sem maquiar a base
Na metodologia, descreva critérios de completude, codificação, estratégia por análise e software. Nos resultados, mostre quantos iniciaram, concluíram e entraram em cada tabela ou modelo. Informe ausência por variável relevante e razões conhecidas. Diagramas de fluxo ajudam quando houve várias etapas. Evite escrever dados incompletos foram excluídos sem quantidade, regra e impacto, pois essa frase impede que o leitor avalie viés.
Na discussão, relacione padrões de ausência à população e ao modo de coleta. Não apresente imputação como recuperação de respostas verdadeiras; ela expressa estimativas condicionadas a um modelo. Proteja a privacidade ao descrever pequenos grupos. Ao final, guarde base bruta, códigos e decisões conforme protocolo. A transparência não enfraquece o TCC: ela delimita o que os dados sustentam e impede que uma planilha aparentemente completa produza certeza artificial.
Apresente um quadro de perdas compreensível
Organize um quadro com variável, número elegível, respostas válidas, ausências, motivo conhecido e estratégia adotada. A coluna elegível impede que saltos lógicos sejam confundidos com abandono. Quando o denominador muda entre análises, repita-o na tabela correspondente. Em pesquisa longitudinal, mostre participantes em cada momento e razões documentadas de saída. Não atribua motivo quando a coleta não o registrou; use ausência de razão conhecida e discuta a incerteza.
Depois compare o resultado principal sob decisões plausíveis. Se a conclusão se altera, apresente essa sensibilidade como parte do achado, não como detalhe inconveniente. Se permanece estável, diga apenas que foi semelhante nos cenários examinados. O quadro não recupera informações perdidas, mas torna visível o caminho entre a base recebida e a amostra analítica. Essa transparência permite avaliar precisão, possível viés e alcance sem fingir que uma imputação criou respostas observadas.
Perguntas frequentes
Posso substituir respostas vazias pela média?
Não como regra. A média reduz variabilidade e pode distorcer associações. Avalie mecanismo, proporção, variável e método antes de qualquer imputação.
Quantos dados ausentes são aceitáveis?
Não há percentual universal. Importam quantidade, padrão, motivo, variável afetada e sensibilidade da conclusão.
Não se aplica conta como dado ausente?
Para certas análises ele não fornece valor, mas deve ser distinguido de recusa ou falha. O denominador precisa respeitar quem era elegível.
Excluir formulários incompletos é sempre errado?
Não, mas precisa de regra e avaliação do viés. Um caso pode ainda contribuir para análises cujas variáveis foram respondidas.
Fontes consultadas
Conteúdo editorial próprio, preparado com apoio das seguintes referências institucionais:
Apoio para esta etapa do trabalho
Escolha o serviço conforme a dificuldade atual. O escopo só é definido depois da análise do material, do prazo e das regras da instituição.