¿Cómo determinar el tamaño de muestra para M&E?

La fórmula estándar

Antes de adentrarnos en los cinco factores clave, presentamos la fórmula básica para calcular el tamaño de muestra cuando se estima una proporción:

n = Z² x p(1-p) / e²

Donde:

• Z = el puntaje Z para tu nivel de confianza (1.96 para 95%, 1.645 para 90%)
• p = la proporción esperada (usa 0.5 si es desconocida, lo que da la muestra máxima)
• e = el margen de error que puedes aceptar (0.05 para 5%)

Cálculo rápido: Con 95% de confianza (Z = 1.96), 50% de proporción y 5% de margen de error:

n = 1.96² x 0.5 x 0.5 / 0.05² = 3.8416 x 0.25 / 0.0025 = 385

De esta manera se obtiene la cifra de "385" como regla general. Este cálculo asume una población grande, un muestreo aleatorio simple y la ausencia de conglomerados. En la práctica, casi siempre se requiere un tamaño de muestra mayor. Alternativamente, puedes usar la Calculadora de Muestreo.

Corrección por población finita

Si la población total de tu estudio es pequeña (inferior a 5,000 individuos), necesitarás menos encuestados de lo que la fórmula estándar sugiere. En estos casos, aplica la corrección por población finita:

n_ajustado = n / (1 + (n - 1) / N)

Donde N representa el tamaño total de la población.

Ejemplo: Tu programa atiende a 800 hogares. La fórmula dice 385. Con la corrección: 385 / (1 + 384/800) = 385 / 1.48 = 260 hogares. Esta es una reducción significativa. Es crucial no omitir este paso cuando se trabaja con poblaciones pequeñas.

Los cinco factores determinantes

1. El efecto mínimo detectable (EMD): ¿Qué cambio quieres detectar?

Este es el efecto mínimo detectable (EMD): el cambio más pequeño en tu indicador que tu encuesta debe ser capaz de identificar con fiabilidad. Si tu programa prevé un aumento en el lavado de manos del 30% al 50% (un cambio de 20 puntos porcentuales), este es un efecto considerable y requerirá un número menor de encuestados. Por el contrario, si esperas un cambio del 60% al 65% (solo 5 puntos porcentuales), este es un efecto pequeño y demandará una muestra significativamente mayor.

Regla general: La mayoría de los programas de desarrollo suelen proyectar cambios de 10-20 puntos porcentuales para indicadores de comportamiento. Si el cambio esperado es inferior a 5 puntos porcentuales, necesitarás una muestra muy grande o deberías evaluar si una encuesta es la herramienta más apropiada para medir dicho indicador. En estos casos, podría ser más eficiente utilizar datos de monitoreo rutinario o registros administrativos para rastrear cambios pequeños.

2. Nivel de confianza y margen de error: ¿Qué precisión necesitas?

El nivel de confianza representa la probabilidad de que los resultados de tu estudio no se deban al azar. El estándar comúnmente aceptado es del 95% (lo que implica que, si la encuesta se repitiera 100 veces, 95 de ellas arrojarían resultados dentro del margen de error establecido). Algunos programas optan por un 90%, lo que reduce el tamaño de muestra en aproximadamente un 25%. Para fines de aprendizaje interno, un 90% suele ser suficiente. Sin embargo, para evaluaciones externas o publicaciones académicas, se recomienda mantener el 95%.

El margen de error (también conocido como precisión) define el rango de variabilidad alrededor de tu estimación. Un margen de error del 5% significa que si, por ejemplo, mides una tasa de adopción del 50%, el valor real se encontraría entre el 45% y el 55%. Márgenes más estrechos exigen muestras más grandes. Reducir el margen de error del 5% al 3% puede casi triplicar el tamaño de tu muestra.

3. Varianza de la población: ¿Qué tan homogénea es tu población?

Si los individuos de tu población objetivo son muy similares entre sí, necesitarás menos encuestados. Por el contrario, si existe una gran variabilidad, la muestra deberá ser mayor. Cuando se desconoce la varianza (situación común antes de un diseño de línea de base), asumir una proporción del 50% resultará en el tamaño de muestra máximo requerido. Esta es la suposición más conservadora y la que se debe utilizar en la fase de planificación inicial.

Si dispones de datos de una encuesta previa o de un programa similar en la misma área, utiliza esa proporción. Un valor de línea de base conocido, como el 20% o el 80%, requerirá una muestra sustancialmente menor que el escenario del 50% (el peor caso).

4. Muestreo por conglomerados: ¿Cómo afecta el efecto de diseño?

Si tu metodología de muestreo implica seleccionar primero unidades más grandes como aldeas, escuelas o centros de salud, y luego individuos dentro de estas, es indispensable ajustar el tamaño de muestra por el efecto de diseño (ED). Los individuos dentro de un mismo conglomerado suelen ser más similares entre sí que a los de otros conglomerados. Por lo tanto, cada persona adicional encuestada dentro del mismo conglomerado aporta menos información nueva que una persona de un conglomerado diferente.

El efecto de diseño depende de la correlación intraclase (ICC) y del tamaño de los conglomerados (número de individuos por conglomerado):

Efecto de diseño = 1 + (tamaño del conglomerado - 1) x ICC

Valores típicos de ICC para indicadores comunes en M&E:

Un efecto de diseño de 2.0 significa que se necesita aproximadamente el doble de la muestra que se requeriría con un muestreo aleatorio simple. Este es el factor que más infla el tamaño de muestra en el M&E de campo y, a menudo, el más ignorado en la planificación inicial.

La mayoría de los métodos de muestreo empleados en las evaluaciones de campo incluyen alguna forma de conglomerados. Si tus encuestadores visitan comunidades, es casi seguro que estás realizando un muestreo por conglomerados, independientemente de cómo lo denomines.

5. Desagregación y subgrupos: ¿Cuántas comparaciones necesitas?

Si necesitas desagregar los resultados por sexo, grupo de edad, ubicación geográfica o condición de discapacidad, es fundamental contar con suficientes encuestados en cada subgrupo para realizar comparaciones significativas. Este requisito es donde el tamaño de muestra puede aumentar rápidamente.

Regla general: Se requieren al menos 30-50 encuestados por subgrupo para obtener estadísticas descriptivas básicas, y más de 100 por subgrupo para realizar comparaciones significativas entre ellos. Por ejemplo, si tu donante exige resultados desagregados por género y comparaciones entre 3 regiones, esto implica 6 subgrupos de más de 100 cada uno, lo que podría elevar tu muestra total a más de 600 antes de ajustar por el efecto de diseño y la tasa de no respuesta.

Es crucial planificar tus requisitos de desagregación antes de calcular el tamaño de muestra, no después. Es un error común que muchos equipos determinen el tamaño de muestra inicialmente, solo para descubrir durante el análisis que no pueden segmentar los datos de la manera que el donante espera.

Ejemplos prácticos

Ejemplo 1: encuesta de línea de base simple

• Población: 5,000 hogares beneficiarios
• Indicador: Proporción que usa fuentes de agua mejoradas
• Valor de línea de base esperado: Desconocido (usar 50%)
• Confianza: 95%, Margen de error: 5%
• Muestreo: Aleatorio simple (sin conglomerados)
• Resultado de la fórmula: 385 hogares
• Corrección por población finita: 385 / (1 + 384/5000) = 357 hogares
• Considerando un 15% de margen por no respuesta: 420 hogares

Ejemplo 2: línea de base con muestreo por conglomerados

• Igual que el anterior, pero muestreando 25 aldeas primero, luego 20 hogares por aldea
• ICC: 0.10 (conglomeración moderada)
• Efecto de diseño: 1 + (20-1) x 0.10 = 2.9
• Muestra ajustada: 357 x 2.9 = 1,035 hogares
• Considerando un 15% de margen por no respuesta: 1,220 hogares
• Plan real: 25 aldeas x 49 hogares cada una = 1,225 hogares

Nótese cómo el muestreo por conglomerados casi triplica el tamaño de muestra necesario. Esto es una situación común. Si te presentan un tamaño de muestra de 400 para un diseño de encuesta que utiliza muestreo por conglomerados en 20 aldeas, solicita que te muestren el cálculo del efecto de diseño.

Ejemplo 3: evaluación final con desagregación por género

• Necesidad: Comparar hombres vs. mujeres en 3 indicadores clave
• Mínimo por subgrupo: 100 (para una comparación significativa)
• Efecto de diseño: 2.0 (muestreo por conglomerados)
• Por subgrupo después del ED: 200
• Total: 400 (200 hombres + 200 mujeres)
• Considerando un 15% de margen por no respuesta: 470

Tamaños de muestra cualitativos

La investigación cualitativa no se rige por fórmulas estadísticas. En su lugar, se basa en la lógica de saturación teórica: se recopilan datos hasta que no surja información nueva o perspectivas adicionales relevantes.

Estas son pautas orientativas, no reglas estrictas. El número adecuado dependerá de tu pregunta de investigación, la diversidad de tu población y la variabilidad de las respuestas. Sin embargo, no utilices la "saturación" como pretexto para entrevistar a solo 3 personas y considerarlo investigación cualitativa. Si no has obtenido una perspectiva genuinamente nueva en 4-5 entrevistas consecutivas, es probable que hayas alcanzado la saturación. Si, por el contrario, cada entrevista te sigue sorprendiendo, continúa.

En diseños de métodos mixtos, la muestra cualitativa suele ser un subconjunto intencional de la muestra cuantitativa. La selección debe priorizar la diversidad de experiencias, no la representatividad estadística. El componente cualitativo busca explicar el "porqué" detrás de los patrones cuantitativos, por lo que se deben elegir participantes que representen distintas vivencias con el programa. Para más orientación sobre cuándo aplicar diseños de métodos mixtos, consulta Cómo Elegir la Metodología de Evaluación.

Errores comunes

1. Muestra demasiado pequeña para la desagregación

Calculas un tamaño de muestra de 385 para la población general, pero luego intentas desagregar los resultados por género, grupo de edad y región. Cada celda resultante termina con solo 30-40 encuestados, una cantidad insuficiente para realizar comparaciones confiables. La solución es clara: define tus requisitos de desagregación antes y dimensiona cada subgrupo de forma independiente.

2. Ignorar la no respuesta

No todas las personas que se planea entrevistar estarán disponibles. Algunas se negarán a participar, otras estarán ausentes o sus direcciones podrían ser incorrectas. Si tu planificación se basa exactamente en 385 encuestados y experimentas una tasa de no respuesta del 15%, terminarás con solo 327 encuestas completadas, lo que resultará en un estudio con poca potencia estadística. Siempre es recomendable añadir un margen del 15-20% para la no respuesta.

3. Muestreo por conveniencia disfrazado de aleatorio

Encuestar a "quien sea que esté en el centro de salud ese día" o "los primeros 20 hogares cerca del camino" no es muestreo aleatorio, sin importar lo que diga la sección de metodología. Las muestras por conveniencia no permiten realizar inferencia estadística, independientemente de su tamaño. Una muestra adecuadamente aleatorizada de 300 individuos es más creíble que una muestra por conveniencia de 3,000.

4. Ausencia de marco muestral

No puedes muestrear aleatoriamente sin un listado del cual extraer la muestra. Si no dispones de un registro de beneficiarios, un listado de hogares o un censo, tu primer paso es construir uno. Omitir este paso significa que, aunque lo creas, no estás realizando un muestreo aleatorio. Es fundamental presupuestar tiempo y recursos para los ejercicios de listado antes de la recolección de datos.

5. Omitir la corrección por población finita

Si tu programa atiende a 500 hogares y calculas una muestra de 385 (ignorando la corrección), estás planificando encuestar al 77% de la población. Al aplicar la corrección por población finita, solo necesitarás 217 hogares. Para poblaciones pequeñas, esta corrección representa una diferencia significativa en términos de costo y esfuerzo.

6. Ignorar el efecto de los conglomerados en el análisis

Este es el error más grave y de mayor riesgo. Si muestreas 30 aldeas con 15 hogares por aldea y analizas los datos como si tuvieras 450 observaciones independientes, estás cometiendo un error fundamental. En realidad, tienes 30 conglomerados. Ignorar esta estructura infla la significancia estadística y puede generar resultados falsos positivos. Si utilizaste muestreo por conglomerados en la recolección de datos, debes considerarlo en el análisis. Utiliza comandos especializados para muestras complejas (como svy en Stata o el paquete survey en R) o aplica modelos multinivel.

Cuando el presupuesto y las estadísticas discrepan

Este es el problema más frecuente en el mundo real. Tus estadísticas indican 1,200 hogares; tu presupuesto solo alcanza para 400.

Maneras legítimas de reducir el tamaño de muestra:

1. Acepta un margen de error mayor. Pasar de un 5% a un 7% reduce el tamaño de muestra en aproximadamente un 50%. Para decisiones de gestión de programas (no investigación académica), un 7% suele ser aceptable.
2. Acepta un 90% de confianza en lugar de 95%. Esto reduce el tamaño de muestra en aproximadamente un 25%. Es apropiado para aprendizaje interno, menos para evaluaciones externas.
3. Reduce el número de subgrupos. Si no puedes costear desagregación por género Y edad Y región, elige la más importante. Sé explícito sobre lo que estás sacrificando.
4. Reduce el tamaño de los conglomerados. Muestrear 15 hogares por aldea en lugar de 25 reduce el efecto de diseño, aunque necesitarás más aldeas (y mayores costos de viaje). Existe un equilibrio óptimo.
5. Utiliza muestreo estratificado. Si sabes que algunos estratos son más variables que otros, puedes asignar más muestra a los estratos variables y menos a los homogéneos. Esto mejora la precisión sin incrementar el tamaño total de la muestra.

Lo que NO debes hacer:

• Encuestar a menos personas y esperar lo mejor (los estudios con poca potencia estadística desperdician dinero; no pueden detectar cambios reales)
• Eliminar el grupo de comparación (sin un grupo de comparación, no puedes atribuir el cambio a tu programa)
• Ignorar los conglomerados en tu análisis (esto infla la significancia estadística y genera resultados falsos positivos)
• Realizar un "análisis de potencia post-hoc" para justificar un estudio con baja potencia (esto es estadísticamente inválido y los revisores lo señalarán)

La actitud honesta es presentar al donante distintas opciones. Muestra qué nivel de precisión puedes alcanzar con cada nivel presupuestario.

Cómo hablar con tu donante

Cuando surja la conversación sobre el tamaño de muestra, enmárcala en torno a las compensaciones:

"Con 400 hogares, podemos medir el cambio general en [indicador] con una precisión del 7% y desagregar por sexo. No podremos comparar de forma fiable los 5 distritos. Si la comparación a nivel de distrito es esencial, necesitamos 800 hogares, lo que requiere $12,000 adicionales para la recolección de datos."

La mayoría de los donantes son razonables cuando se les presentan las compensaciones con claridad y con las implicaciones de costo asociadas. Lo que no aceptan es descubrir al final de la evaluación que la muestra era demasiado pequeña para detectar cambios, sin haber sido advertidos previamente.

Tres principios para la conversación:

1. Empieza por lo que sí pueden aprender, no por lo que no. "Con esta muestra, puedes rastrear con confianza el cambio general del programa y las diferencias de género" es mejor que "esta muestra es demasiado pequeña para comparar distritos".
2. Asigna un costo a cada opción. Los donantes piensan en términos presupuestarios. "400 hogares adicionales cuestan $12,000 y te permiten comparaciones a nivel de distrito" es una compensación concreta que pueden evaluar.
3. Documenta la decisión. Registra la justificación del tamaño de muestra, los supuestos y las compensaciones acordadas en el informe de diseño de línea de base. Cuando alguien pregunte al final por qué solo se encuestaron 400 hogares, querrás tener un rastro documental.

Utiliza la Calculadora de Muestreo para modelar distintos escenarios antes de la conversación. Llega con 2-3 opciones a diferentes niveles presupuestarios para que el donante pueda elegir en lugar de discutir.