Excel na pesquisa acadêmica: análise de dados passo a passo

O Excel é suficiente para a sua pesquisa?

A pesquisadora de mestrado que chega com essa dúvida geralmente já está com os dados coletados, perto da análise, e alguém falou que ela precisava de SPSS. Agora ela está em pânico.

Análise de dados em pesquisa acadêmica é o processo de organizar, limpar e interpretar os dados coletados para responder ao problema de pesquisa, usando procedimentos estatísticos ou qualitativos coerentes com o método escolhido. Isso pode ser feito no Excel, no SPSS, no R, no Python, ou num caderno, dependendo do que a análise exige.

O Excel funciona bem para uma faixa ampla de pesquisas. O que vai definir se ele é ou não suficiente para a sua pesquisa não é o prestígio do software, é o tipo de análise que o seu método exige.

O que o Excel faz bem em pesquisa acadêmica

Para pesquisas com abordagem quantitativa em nível de graduação, mestrado e até doutorado, o Excel cobre bem as seguintes análises:

Estatísticas descritivas como média, mediana, moda, desvio padrão, variância, coeficiente de variação. A função DESVPAD, MÉDIA, MED e MODA são básicas e precisas.

Distribuição de frequência para variáveis categóricas e ordinais. Com uma tabela dinâmica, você organiza os dados em minutos e consegue visualizar distribuição sem fórmulas manuais.

Testes de hipóteses simples como teste t para amostras independentes, teste t pareado, e correlação de Pearson. As funções TESTE.T, COREL e o pacote de Análise de Dados do Excel fazem essas análises com resultados equivalentes ao SPSS para amostras de tamanho convencional.

Gráficos para apresentação de resultados como histogramas, box plots aproximados, gráficos de dispersão com linha de tendência, gráficos de barras para variáveis nominais.

Se a sua pesquisa usa alguma dessas análises, o Excel é suficiente. E defensável. O que a banca avalia não é o software que você escolheu, é se a análise foi conduzida com rigor e se você consegue explicar as suas escolhas metodológicas com clareza.

Antes de analisar: limpar os dados

Esse é o passo que a maioria pula e depois se arrepende. Dados brutos raramente chegam prontos para análise, e tentar calcular estatísticas sobre dados sujos gera resultados que parecem corretos mas não são. A limpeza não é burocracia, é parte da análise.

Dados brutos coletados em questionários ou formulários do Google Forms chegam com inconsistências. Células vazias onde deveria haver valor, valores fora do esperado (alguém digitou “vinte” em vez de “20”), inconsistências de formatação (datas em formatos diferentes), duplicatas.

Antes de qualquer análise no Excel, faça:

1. Verificação de valores ausentes: filtre cada coluna buscando células em branco. Decida se vai excluir o participante, inputar a média, ou registrar como dado ausente e tratar na análise.
2. Verificação de outliers: para variáveis numéricas, use a função QUARTIL para calcular IQR e identificar pontos extremos que merecem atenção.
3. Padronização de categorias: se a mesma categoria tem variações (“Sim”, “sim”, “SIM”), use localizar/substituir para uniformizar.
4. Criação de uma planilha de dados limpos: nunca analise na planilha de dados brutos. Copie para uma nova aba, documente as transformações feitas, e analise na planilha limpa.

Essa documentação do processo de limpeza é o que vai te salvar na arguição quando a banca perguntar “como você tratou os dados ausentes?”. Ter uma planilha separada com as decisões registradas, quais participantes foram excluídos e por quê, quais valores foram corrigidos, demonstra que você tratou os dados com método, não com improviso.

Estatísticas descritivas no Excel: o mínimo que você precisa saber

Quando você vai descrever a amostra da sua pesquisa, as variáveis sociodemográficas vêm primeiro. Sexo, faixa etária, escolaridade, tempo de experiência. Variáveis categóricas pedem frequência e percentual. Variáveis numéricas pedem média e desvio padrão (ou mediana e IQR se a distribuição for assimétrica).

Para variáveis categóricas, o caminho mais eficiente no Excel é a tabela dinâmica: selecione os dados, insira tabela dinâmica, arraste a variável para linhas, arraste novamente para valores (contagem). Em 30 segundos você tem a frequência absoluta. Acrescente uma coluna manual com o percentual.

Para variáveis numéricas, use o pacote de Análise de Dados (menu Dados > Análise de Dados > Estatística Descritiva). Se o menu Análise de Dados não aparecer, vá em Arquivo > Opções > Suplementos > Ferramentas de Análise e ative.

O pacote gera automaticamente média, erro padrão, mediana, moda, desvio padrão, variância, curtose, assimetria, amplitude, mínimo, máximo e soma. Você não vai usar tudo isso, mas ter o quadro completo é útil para decidir qual estatística reportar.

Quando o Excel não é suficiente

Tem situações em que o Excel vai criar mais problema do que resolver.

Análise fatorial confirmatória e exploratória para validação de escalas exige softwares como SPSS, R ou AMOS. O Excel não tem essa funcionalidade de forma confiável.

Regressão logística binária ou multinomial também. O Excel tem regressão linear, mas não logística.

Análise de confiabilidade de instrumento (Alfa de Cronbach) pode ser feita no Excel com fórmula manual, mas o SPSS calcula com mais controle e detalhe. Para TCC e mestrado com escalas estabelecidas, o SPSS é mais seguro.

Modelos mistos, análise de sobrevivência, ou qualquer análise que exija controle de variáveis confundidoras complexas: R ou Stata.

O critério é simples: se você não sabe explicar para a banca como o Excel fez aquela análise, provavelmente ela é mais complexa do que o Excel comporta com segurança. E se a análise exige um software que você não domina, considere simplificar o desenho de pesquisa ou buscar orientação de um estatístico antes de coletar os dados, não depois.

Apresentando resultados do Excel na dissertação

Aqui mora outro problema clássico: a pesquisadora faz a análise no Excel e cola a tabela com toda a formatação de planilha no Word, incluindo bordas azuis, cabeçalho cinza e espaçamento de célula. A banca olha e já desqualifica visualmente antes de ler o conteúdo.

A tabela no texto acadêmico segue normas. Pela ABNT, o título da tabela vai acima, a fonte abaixo, não há bordas verticais nas extremidades, e o preenchimento interno deve ser neutro (branco ou cinza claro discreto).

A prática mais segura é usar o Excel para calcular e o Word para formatar. Você copia os números, cria uma tabela nova no Word com a estrutura correta, e insere os valores. É mais trabalhoso na primeira vez, mas o resultado é muito mais limpo.

Gráficos do Excel podem ir direto para o texto se você ajustar: fundo branco, sem bordas desnecessárias, legenda em português, eixos com rótulos claros, título descritivo. O gráfico precisa ser autoexplicativo sem o parágrafo que o apresenta.

Checando se a análise está pronta para o texto

Antes de escrever a seção de resultados, faça uma verificação rápida. Cada tabela e cada gráfico que você planeja incluir responde diretamente a algum objetivo específico do seu estudo? Se sim, inclui. Se não, esse dado pode ir para um apêndice ou ser mencionado brevemente em nota.

Pesquisadoras que incluem tudo que calcularam no texto costumam ter resultados extensos e confusos. Quem leu os dados com critério sabe exatamente o que mostrar e o que cortar. Esse recorte analítico é parte do trabalho de pesquisa, não apenas estética de apresentação.

A análise e o Método V.O.E.

O Método V.O.E. (Velocidade, Organização, Execução Inteligente) aplicado à análise de dados começa pela organização do ambiente de trabalho antes de abrir o software.

Antes de analisar, defina: quais perguntas de pesquisa você está respondendo com essa análise? Quais variáveis correspondem a cada pergunta? Qual estatística é adequada para cada tipo de variável? Essa organização prévia evita o erro de “analisar tudo que dá para calcular” e depois não saber o que reportar.

Para aprofundar a organização do processo de pesquisa como um todo, vale conhecer a metodologia completa.

Como descrever o uso do Excel na metodologia

Se você usou o Excel, precisa mencionar isso na seção de metodologia. A descrição não precisa ser extensa, mas precisa ser precisa.

Um modelo que funciona bem: “Os dados foram organizados e analisados no Microsoft Excel (versão X). Para as variáveis sociodemográficas foram calculadas frequências absolutas e relativas. Para as variáveis contínuas foram calculadas média, desvio padrão e coeficiente de variação. A associação entre as variáveis X e Y foi avaliada pelo coeficiente de correlação de Pearson.”

Esse nível de detalhe permite que outra pesquisadora replique sua análise, o que é um critério de rigor científico básico. Dizer apenas “os dados foram analisados estatisticamente” não cumpre esse requisito.

O que apresentar para a banca

A banca não vai questionar se você usou Excel ou SPSS. Ela vai questionar se a análise é adequada para o tipo de dado que você tem e se os resultados estão interpretados corretamente.

Saber responder “por que você usou média e não mediana para essa variável?” ou “qual foi o critério para excluir os outliers?” é o que separa uma análise bem feita de uma análise que passou pelo software sem reflexão metodológica.

Dois erros de interpretação que aparecem com frequência em defesas: confundir correlação com causalidade, e interpretar ausência de significância estatística como prova de que não há efeito. O Excel calcula o p-valor. Mas o que aquele p-valor significa no contexto da sua pesquisa precisa ser você quem explica.

Uma boa forma de testar se você domina a sua análise: tente explicar em voz alta, sem olhar para o computador, o que cada tabela de resultado significa para o seu problema de pesquisa. Se você consegue fazer isso com clareza, a banca vai perceber. Se você só consegue reproduzir o que o software calculou sem entender o porquê, ela também vai perceber.

O Excel ajuda a chegar nas respostas. Mas as respostas precisam ser suas.

A análise e o Método V.O.E.

O Método V.O.E. (Velocidade, Organização, Execução Inteligente) aplicado à análise de dados começa pela organização do ambiente de trabalho antes de abrir o software.

Antes de analisar, defina: quais perguntas de pesquisa você está respondendo com essa análise? Quais variáveis correspondem a cada pergunta? Qual estatística é adequada para cada tipo de variável? Essa organização prévia evita o erro de “analisar tudo que dá para calcular” e depois não saber o que reportar.

Para aprofundar a organização do processo de pesquisa como um todo, vale conhecer a metodologia completa.

Como descrever o uso do Excel na metodologia

Se você usou o Excel, precisa mencionar isso na seção de metodologia. A descrição não precisa ser extensa, mas precisa ser precisa.

Um modelo que funciona bem: “Os dados foram organizados e analisados no Microsoft Excel (versão X). Para as variáveis sociodemográficas foram calculadas frequências absolutas e relativas. Para as variáveis contínuas foram calculadas média, desvio padrão e coeficiente de variação. A associação entre as variáveis X e Y foi avaliada pelo coeficiente de correlação de Pearson.”

Esse nível de detalhe permite que outra pesquisadora replique sua análise, o que é um critério básico de rigor científico. Dizer apenas “os dados foram analisados estatisticamente” não cumpre esse requisito.

O que apresentar para a banca

A banca não vai questionar se você usou Excel ou SPSS. Ela vai questionar se a análise é adequada para o tipo de dado que você tem e se os resultados estão interpretados corretamente.

Saber responder “por que você usou média e não mediana para essa variável?” ou “qual foi o critério para excluir os outliers?” é o que separa uma análise bem feita de uma que passou pelo software sem reflexão metodológica.

Dois erros de interpretação que aparecem com frequência em defesas: confundir correlação com causalidade, e interpretar ausência de significância estatística como prova de que não há efeito. O Excel calcula o p-valor. Mas o que aquele p-valor significa no contexto da sua pesquisa precisa ser você quem explica.

Uma boa forma de testar se você domina a análise: tente explicar em voz alta, sem olhar para o computador, o que cada tabela de resultado significa para o seu problema de pesquisa. Se consegue fazer isso com clareza, a banca vai perceber. Se você só reproduz o que o software calculou sem entender o porquê, ela também vai perceber.

O Excel ajuda a chegar nas respostas. Mas as respostas precisam ser suas.