Como construir e usar uma tabela de centena combinada na prática
A tabela de centena combinada é basicamente uma tabela de contingência onde as frequências absolutas e relativas estão organizadas por linhas e colunas, permitindo que você calcule porcentagens tanto por linha quanto por coluna de uma só vez. A diferença prática em relação a uma tabela simples de frequência é que ela resolve um problema comum em pesquisas: como analisar duas variáveis categóricas ao mesmo tempo sem perder informação. Muitas pessoas confundem com tabela de dupla entrada. A combinação acontece porque cada célula mostra três números: a frequência absoluta, a porcentagem em relação ao total geral e a porcentagem condicional (seja por linha ou por coluna). Isso elimina a necessidade de fazer dois cálculos separados depois.
O que é e quando usar a tabela de centena combinada
Você monta uma tabela de centena combinada quando precisa cruzar pelo menos duas variáveis qualitativas ou discretas. Por exemplo: gênero e faixa etária, ou nível de escolaridade e classe econômica. O cenário mais comum no dia a dia é quando uma pesquisa retorna mil respostas e você precisa apresentar os dados de forma que o público entenda a distribuição conjunta, não apenas isolada. A parte que as pessoas esquecem: essa estrutura funciona melhor quando cada variável tem no máximo cinco a seis categorias. Se você cruzar variáveis com dezenas de categorias, a tabela vira um tabuleiro de xadrez ilegível e as porcentagens condicionais perdem o sentido estatístico simplesmente por causa de células com contagens muito baixas.
Passo a passo para montar
Comece definindo as variáveis. Escolha a variável que será a base da comparação horizontal (linhas) e a que será vertical (colunas). A maioria dos erros começa nessa etapa. Eu pessoalmente recomendo colocar como linhas a variável que você quer descrever em função da outra, ou seja, a variável explicada, não a explicadora. Em seguida, Tabule as frequências absolutas. Cada célula recebe a contagem de observações que caem naquela interseção. Ninguém erra aqui, mas esquecem de somar os totais marginais antes de continuar, o que quebra todos os cálculos seguintes.
Calcule a porcentagem em relação ao total geral. Divida cada frequência absoluta pela soma de todas as observações e multiplique por cem. Essa é a camada mais básica e a que as planilhas resolvem automaticamente se você usar a fórmula correta. Agora vem a parte que separa quem faz isso direito de quem apenas preenche uma grade: calcule as porcentagens condicionais. Para cada linha, divida a frequência da célula pela soma dos totais daquela linha. Faça o mesmo para as colunas. Se seu objetivo é mostrar a proporção dentro de cada grupo, as porcentagens por linha são as que importam. Se quiser saber como cada categoria da variável vertical se distribui nas linhas, use as porcentagens por coluna.
Verifique se as somas das porcentagens condicionais por linha dão cem e as de coluna também dão cem. Se não derem, algo deu errado nos passos anteriores e você está propagando erro pra frente.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Um erro que eu vi todo mundo cometer (e como resolver)
Eu estava revisando uma pesquisa com cerca de oitocentas respostas cruzando estado civil e região de residência. A tabela estava montada, as porcentagens absolutas estavam corretas, mas quando fui olhar as porcentagens condicionais por linha, os valores não fechavam. O problema era que a base de dados tinha cinquenta e sete respostas com a variável "região" em branco. Essas observações eram ignoradas nas porcentagens condicionais mas continuavam somando no total geral, criando um gap de cerca de sete pontos percentuais entre o que aparecia na tabela e o que deveria aparecer. A solução foi simples: excluir as linhas com dados faltantes antes de calcular qualquer porcentagem, ou então criar uma categoria explícita "não informado" e tratá-la como qualquer outra. A diferença entre deixar esses casos em branco e categorizá-los muda completamente a interpretação. Se você omitir as linhas, o total geral diminui e as porcentagens recalculam. Se criar a categoria, a tabela fica maior mas honesta. A segunda opção é preferível em relatórios formais porque o leitor vê claramente quanto dos dados estão ausentes.
Dicas práticas que não estão nos manuais
A primeira dica é usar formatação condicional em planilhas. Cores diferentes para intervalos de porcentagem tornam padrões visíveis em segundos e economizam muito mais tempo do que olhar números crus. Um gráfico de calor simples em Excel ou Google Sheets já mostra onde as associações são mais fortes ou mais fracas. A segunda dica é evitar porcentagens com mais de uma casa decimal. Duas casas são mais do que suficientes e passam uma sensação de precisão que os dados muitas vezes não sustentam, especialmente em amostras menores. Uma amostra de trezentas respostas com uma categoria que aparece oito vezes tem porcentagem de 2,67% — mas a margem de erro desse ponto já é grande o suficiente para sugerir três dígitos significativos seria enganoso.
A terceira dica: se você vai publicar a tabela, inclua os totais marginais. Sem eles, o leitor não consegue verificar se as porcentagens estão certas. Isso parece óbvio mas é surpreendentemente comum em documentos internos que circulam sem revisão.
E quando a tabela de centena combinada não resolve
Existem cenários em que essa abordagem perde usefulness. Se uma das variáveis tem dezenas de categorias raras, a tabela fica larga demais e a maioria das células terá frequência igual a zero ou um. Nesse caso, o mais sensato é agrupar as categorias menos frequentes em um bloco "outros" ou usar análise fatorial de correspondências, que foi feita exatamente para isso. Também não funciona bem quando as variáveis são contínuas. Dados de idade ou renda precisam ser classificados em faixas antes de entrar numa tabela de centena combinada, e a escolha das faixas é arbitrária. Faixas diferentes podem produzir distribuições visualmente distintas para o mesmo conjunto de dados, então documente sempre quais limites você usou.
Outro limitante importante é a independência das observações. Se seus dados vêm de clusters ou de respostas múltiplas da mesma pessoa, as porcentagens condicionais não representam corretamente a população de interesse. Nesse tipo de situação, o tratamento estatístico adequado exige pesos amostrais ou modelos multinível, não uma tabela de contingência simples.
Exemplo rápido para fixar
Pegue trinta respostas de uma pesquisa sobre preferência de transporte. Sete dizem carro, doze dizem ônibus e onze dizem bicicleta. Para gênero, quatorze são mulheres e dezesseis homens. O cruzamento pode mostrar que trinta e cinco por cento das ciclistas são mulheres, enquanto apenas quinze por cento dos usuários de carro são mulheres. Esses valores conditionais é que aparecem na tabela de centena combinada e é aí que a informação relevante mora. Para montar, você coloca transporte nas linhas, gênero nas colunas, preenche as contagens, calcula a porcentagem do total geral em cada célula e então as porcentagens condicionais por linha. A leitura correta vem das porcentagens por linha, não pelas absolutas. Os números absolutos enganam quando os grupos têm tamanhos diferentes.
