Una tabla de contingencia es la tabla que responde "¿se comportaron distinto los grupos?" — la pregunta más frecuente que se le hace a unos datos de encuesta, y la única que una tabla de frecuencias no puede contestar. Todo lo demás se deriva de ahí.

Esta es una guía práctica: de qué está hecha la tabla, cómo se leen las marcas de significancia que la hacen defendible, y los cuatro errores que producen una tabla equivocada sin que se note.

Qué es exactamente

Una tabla de frecuencias te dice que el 62% eligió "confiabilidad". Una tabla de contingencia parte ese 62% por una segunda variable —sexo, región, antigüedad como cliente— y te muestra que es 71% entre los clientes antiguos y 48% entre los nuevos. El primer número describe tu muestra; el segundo te dice algo sobre lo que puedes actuar.

Conviene fijar el vocabulario al principio, porque la misma tabla cambia de nombre según quién la mire. En estadística es una tabla de contingencia. En investigación de mercados se la llama tabla cruzada o crosstab, y al entregable completo tablas de banner o libro de tablas. Son el mismo objeto.

La definen dos partes:

  • El banner — la variable que va en las columnas. Es el corte: a quién estás comparando. Sexo, rango de edad, segmento, ola.
  • El stub — la variable que va en las filas. Es lo que estás midiendo: las respuestas a una pregunta, una fila por categoría.

Un libro de tablas comercial es un banner aplicado a todas las preguntas del estudio: una tabla por pregunta, todas cortadas igual. Por eso una encuesta de cincuenta preguntas produce un libro de cincuenta hojas y no cincuenta análisis sueltos.

Cómo se lee

Esta es la forma de una tabla, con sus partes:

P7. Razón principal para elegir la marca
Significancia: 95% de confianza

                     Total   Hombre    Mujer     18-34      35+
                                (A)      (B)       (C)      (D)
Base (N)               850      410      440       295      555
Confiabilidad        62.0%    58.0%    65.7%     51.2%    67.7% C
Precio               21.4%    26.1% B   17.0%     29.5% D   17.1%
Diseño                9.9%     8.5%    11.1%     13.2%     8.1%
Otro                  6.7%     7.4%     6.2%      6.1%     7.1%

La base es sobre cuántas personas se calculan los porcentajes, no cuántas hay en el estudio. Una columna con base 40 está describiendo a cuarenta personas, por muy segura que parezca la cifra.

Las letras son la prueba de significancia. Cada columna tiene la suya. Una letra dentro de una celda significa esta columna es significativamente mayor que la columna dueña de esa letra, con la confianza indicada. Así, 26.1% B en la fila de Precio quiere decir que los hombres eligieron precio significativamente más que las mujeres. Y 67.7% C, que el grupo de 35+ superó al de 18-34 en confiabilidad.

Lee las letras, no la diferencia. Cuatro puntos sobre una base de 800 pueden ser reales; quince puntos sobre una base de 30 normalmente no lo son. Las letras ya hacen esa aritmética por ti, celda por celda.

Qué hace la prueba de significancia

Entre dos columnas, la prueba habitual es una z de dos proporciones: pregunta qué tan probable es que dos muestras así de distintas vengan de poblaciones iguales. Al 95% de confianza, una marca significa que esa probabilidad es menor a una entre veinte.

Hay tres cosas que conviene saber de ese número antes de llevarlo a una presentación.

Habla de muestreo, no de importancia. Con una base suficientemente grande, una diferencia de dos puntos se vuelve significativa. Significativo y relevante son palabras distintas; la tabla solo puede decirte la primera.

Las bases pequeñas no deberían llevar letras. Por debajo de unos treinta casos la prueba casi no tiene potencia, y cualquier marca que produzca es ruido con adorno. Una buena tabulación suprime las letras bajo ese umbral y marca la columna en vez de decorarla.

Muchas comparaciones fabrican hallazgos. Un libro de cincuenta preguntas con un banner de seis columnas corre miles de pruebas. Al 95%, una de cada veinte sale significativa solo por azar, así que en cualquier libro grande hay un puñado de marcas que son accidentes. Por eso la hipótesis se formula antes de leer las tablas y no después. Algunas casas aplican corrección de Bonferroni; la mayoría no, y en su lugar tratan las marcas aisladas con sospecha y los patrones repetidos como hallazgos.

Cuatro errores que sobreviven a la revisión

1. Leer los porcentajes sobre la base equivocada

Los porcentajes por columna y por fila responden preguntas distintas. "El 62% de las mujeres eligió confiabilidad" y "el 54% de quienes eligieron confiabilidad son mujeres" son ambas ciertas y no son intercambiables. Por convención casi todos los libros de tablas son de porcentaje por columna; una tabla que mezcla las dos sin avisar es ilegible.

2. Tratar una pregunta de respuesta múltiple como si fuera única

Cuando el encuestado puede elegir varias opciones, la columna suma más de 100% y la base son personas, no menciones. Una tabla que divide entre menciones produce porcentajes que quedan ordenados y no describen nada que nadie haya preguntado.

3. Dejar que la base se mueva sin darse cuenta

Las preguntas filtradas cambian la base: "solo a quienes conocen la marca" es un universo distinto de la muestra completa. La fila de base es lo único en la hoja que lo revela. Cuando la base cambia entre dos tablas, comparar sus porcentajes es comparar dos poblaciones distintas.

4. Cortar hasta que algo salga significativo

Agregar puntos al banner hasta que aparezca una diferencia es la forma más común de fabricar un hallazgo con datos limpios. El remedio es de proceso, no de estadística: define el banner antes de cerrar el campo, y trata lo que aparezca al cortar de más como una hipótesis para la próxima ola, no como un resultado de esta.

Sobre la ponderación

Cuando la muestra no refleja a la población —demasiados jóvenes, muy pocos de una región— los pesos corrigen el desbalance dando a cada encuestado un multiplicador. Los porcentajes pasan entonces a describir la población y no la muestra.

El costo es precisión. Una base ponderada de 850 se comporta como una base sin ponderar más chica, y la prueba de significancia tiene que usar esa base efectiva y no el número de portada. Un libro que pondera los porcentajes pero prueba sobre la base cruda exagera su propia certeza. Si un proveedor no sabe decirte qué base usaron sus letras, esa es la pregunta que hay que insistir.

Cómo se producen

SPSS, R y Stata cruzan variables, y para una tabla suelta están bien. La razón por la que las casas de investigación usan software de tabulación dedicado es la forma del trabajo real: un banner, cincuenta preguntas, significancia en cada celda, entregado como un libro formateado que el cliente pueda leer sin el analista al lado. Hacer eso a mano no es analizar, es ensamblar.

Si tienes un archivo .sav y quieres ver la forma de ese entregable, nuestra herramienta gratuita de tablas cruzadas lo arma en el navegador: eliges la variable del banner y devuelve un Excel con una hoja por pregunta, sus bases, porcentajes por columna y letras de significancia al 95%. Sin instalar nada, sin registro y sin guardar el archivo.

Dónde encaja esto

La tabulación cruzada ocurre después de que los datos están codificados. Las preguntas cerradas llegan listas; las abiertas no: "¿qué es lo que menos te gusta de la marca?" tiene que convertirse en categorías antes de poder ser siquiera una fila. Ese paso es una disciplina propia, con sus propios modos de falla, y está cubierto en nuestra guía de codificación de encuestas.

Un libro de tablas vale lo que valga el libro de códigos que tiene debajo. Una tabla impecablemente probada, construida sobre categorías que mezclan dos quejas distintas, es una respuesta precisa a la pregunta equivocada.