Excel Avançado para Pesquisadores: Tabelas e Gráficos

O Excel que você usa provavelmente não é o Excel que você poderia usar

Olha só uma cena comum: mestranda com planilha de dados aberta. Ela usa soma, média, talvez um gráfico de barras. E olha para o Excel como uma ferramenta limitada, esperando logo poder migrar para o SPSS.

O problema não é o Excel. O problema é que a maioria das pessoas nunca aprendeu a usar as funcionalidades que fariam a diferença real no trabalho com dados acadêmicos.

Esse post não é um tutorial passo a passo. O passo a passo você encontra no YouTube, muito melhor do que qualquer texto pode ensinar. O que esse post faz é apontar quais recursos valem o seu tempo aprender e por quê eles importam na pesquisa.

Tabela dinâmica: a função que muda tudo

Se você nunca usou tabela dinâmica no Excel, este é o recurso que vai transformar a forma como você organiza dados de pesquisa.

A tabela dinâmica pega um banco de dados com muitas linhas e permite sumarizar, cruzar e filtrar as informações de formas diferentes sem alterar os dados originais. Você consegue calcular médias por grupo, frequências por categoria, totais por período, comparações entre subgrupos, tudo arrastando campos para linhas, colunas e valores.

Para pesquisas com variáveis categóricas ou com dados coletados ao longo do tempo, isso é ouro. Você organiza seus dados brutos na planilha principal e usa tabelas dinâmicas para explorar e sumarizar.

O que ela não faz: análise estatística avançada. A tabela dinâmica é para organização e sumarização descritiva. Para testes de significância e análises mais complexas, você ainda vai precisar de outros softwares.

Fórmulas que pesquisadores pouco usam e deveriam usar

CONT.SE e CONT.SES: contam quantas células em um intervalo atendem a um critério. Útil para contar, por exemplo, quantas respostas de uma determinada categoria aparecem em cada grupo de participantes.

PROCV e PROCX: procuram um valor em uma coluna e retornam um valor correspondente de outra coluna. Quando você tem dados em planilhas separadas que precisam ser cruzados pelo mesmo código de participante, por exemplo, essas fórmulas salvam horas de trabalho manual.

CORREL: calcula o coeficiente de correlação de Pearson entre dois conjuntos de dados. Não substitui uma análise de correlação completa com testes de significância, mas serve para uma exploração inicial.

QUARTIL e PERCENTIL: quando você precisa entender a distribuição dos dados, essas funções ajudam a identificar valores extremos e dividir a amostra por faixas.

ARREDONDAR e TRUNCAR: para quem precisa controlar casas decimais em tabelas de resultados, essas funções garantem consistência na apresentação dos números.

Gráficos para dissertação: o que funciona e o que não funciona

A maioria dos gráficos que eu vejo em dissertações têm dois problemas comuns: excesso de elementos visuais que não comunicam nada e falta de padronização com o restante do documento.

Sobre o que funciona:

Gráficos de barras ou colunas para comparar categorias. Simples, eficazes, fáceis de ler. O problema costuma ser nas cores: use no máximo 2 ou 3 tons, preferindo variações de cinza para documentos em preto e branco.

Gráficos de linha para mostrar tendências ao longo do tempo. O eixo X precisa ter escala consistente.

Gráfico de dispersão (scatter plot) para mostrar relação entre duas variáveis numéricas. Se você tem uma correlação a mostrar, este é o gráfico certo.

Sobre o que não funciona:

Gráfico de pizza com muitas fatias. A partir de 5 categorias, o gráfico de pizza se torna ilegível. Use barras horizontais.

Cores saturadas e fundos coloridos. Não combina com o padrão visual de documentos acadêmicos e prejudica a leitura ao imprimir.

3D em qualquer gráfico científico. Remove a função visual de comunicar proporção com precisão. Nunca use 3D em gráficos de dissertação.

A regra geral para gráficos em dissertação: se você tirar o título do gráfico e ainda não entender o que ele mostra, o gráfico precisa ser refeito.

ABNT na hora de colocar tabelas e gráficos no texto

Tabelas e figuras têm regras distintas na ABNT.

Tabela: título acima, fonte abaixo. O título começa com “Tabela” seguido do número arábico e um ponto. As bordas da tabela são apenas horizontais, sem bordas verticais internas. O cabeçalho tem linha acima e abaixo. O rodapé tem linha acima.

Figura (incluindo gráficos): título abaixo. Numeração sequencial separada das tabelas. O título começa com “Figura” seguido do número.

O Excel gera gráficos com fundo branco e bordas ao redor da área de plotagem por padrão. Para a dissertação, remova essas bordas e remova qualquer grade que não seja essencial para leitura dos valores.

Ao exportar do Excel para o Word, use “Colar Especial > Imagem (EMF ou PNG)” para manter a qualidade sem incorporar a planilha inteira no documento.

Quando o Excel não é mais o suficiente

Seja honesta consigo mesma sobre quando você precisa avançar para outra ferramenta.

O Excel não tem: análise fatorial, regressão logística, análise de variância com controle de covariáveis, análise de sobrevivência, modelos mistos ou hierárquicos. Para pesquisas que exigem qualquer um desses procedimentos, você vai precisar de SPSS, Jamovi, R ou Stata.

A boa notícia: você não precisa escolher um e abandonar o outro. Muitos pesquisadores usam o Excel para organização e limpeza de dados, e exportam para o SPSS ou R para as análises estatísticas. O fluxo Excel → análise estatística → Excel para formatação das tabelas de resultados é comum e funcional.

O Excel e o Método V.O.E.

Se você trabalha com o Método V.O.E. na escrita da dissertação, o Excel tem um papel na fase de organização. É onde você organiza os dados antes de escrever sobre eles, cria as tabelas que vão para o texto, gera os gráficos que vão para as figuras.

A fase de Versão da escrita começa depois que os dados estão organizados. A confusão metodológica com os dados ainda aberta impede o fluxo de escrita. Fechar a análise no Excel primeiro, ter as tabelas prontas, ter as frequências calculadas: isso libera a mente para escrever.

Como organizar seu banco de dados antes de qualquer análise

Um problema muito comum que aparece só na hora de analisar: o banco de dados foi montado de um jeito que dificulta tudo que vem depois.

No Excel, a regra de ouro para um banco de dados que vai ser analisado é: uma linha por caso (participante, observação, evento) e uma coluna por variável. Sem células mescladas. Sem linhas de subtotal dentro dos dados. Sem cabeçalhos que ocupam mais de uma linha.

Parece óbvio. Mas a maioria das planilhas que chegam para análise têm pelo menos um desses problemas, e consertá-los consome tempo que poderia ter sido evitado.

Alguns hábitos que poupam muito trabalho:

Codifique variáveis categóricas com números desde o início. Se você tem “sim” e “não” numa coluna de resposta, substitua por 1 e 0. Isso facilita a análise e evita problemas de importação para outros softwares.

Mantenha uma planilha de dicionário de dados. Nela, você registra o nome de cada variável, o que ela representa, as categorias possíveis e os códigos usados. Isso é essencial quando você for escrever a metodologia e quando outra pessoa precisar entender seus dados.

Nunca altere os dados brutos. Crie uma cópia da planilha original antes de qualquer transformação. Erros na manipulação de dados são comuns e muito mais fáceis de corrigir quando você tem os dados originais intactos.

Formatação de números nas tabelas: um detalhe que importa

Na hora de apresentar os resultados, a forma como os números são formatados afeta a legibilidade e a credibilidade do trabalho.

Para médias e desvios padrão, o padrão em ciências humanas e da saúde é apresentar com duas casas decimais. Use a formatação de número do Excel para padronizar isso em todas as células de uma vez, em vez de digitar manualmente.

Para frequências e percentuais, apresente sem casas decimais ou com no máximo uma. A precisão excessiva em percentuais, como “23,47%”, passa a impressão de precisão que os dados nem sempre têm.

Para valores muito grandes ou muito pequenos, considere usar notação científica ou apresentar as unidades de forma que os números fiquem legíveis. Uma tabela onde todos os números têm 8 dígitos é difícil de ler.

Aprender Excel bem vale o tempo

A resistência de aprender Excel “de verdade” é compreensível. Parece uma habilidade técnica que não tem a ver com o intelectual da pesquisa. Mas a realidade é que pesquisadores que dominam suas ferramentas de organização de dados passam menos tempo em trabalho mecânico e mais tempo no trabalho que importa: pensar, interpretar, escrever.

Duas horas no YouTube aprendendo tabela dinâmica podem te poupar 20 horas de trabalho manual ao longo da dissertação. Isso é um investimento com retorno claro.

Para ferramentas mais avançadas de análise estatística, o post sobre SPSS vs JASP vs Jamovi tem uma comparação prática de quando usar cada um.