Dobór testu
Test t-Studenta czy Mann-Whitney? Jak wybrać
Porównujesz dwie grupy. O tym, czy użyć testu parametrycznego, czy nieparametrycznego, decyduje rozkład i typ zmiennej.
Czytaj →
Założenia
Alfa Cronbacha - co to i jaka wartość jest dobra
Rzetelność skali w jednej liczbie. Wyjaśniamy, co mierzy alfa i dlaczego 0,7 to popularny próg.
Czytaj →
Założenia
Jak sprawdzić normalność rozkładu
Shapiro-Wilk, Kołmogorow-Smirnow i wykresy. Kiedy który i jak zinterpretować wynik.
Czytaj →
APA i raport
APA 7: jak zaraportować wynik testu
M, SD, statystyka testu, stopnie swobody, p i wielkość efektu - w jednej linijce.
Czytaj →
Podstawy
Ile respondentów potrzebujesz?
Wielkość próby zależy od mocy, wielkości efektu i poziomu istotności - nie od „im więcej, tym lepiej".
Czytaj →
Dobór testu
Korelacja Pearsona vs Spearmana
Obie mierzą związek, ale przy różnych założeniach. Kiedy która jest poprawna.
Czytaj →
Podstawy
Wartość p - co naprawdę oznacza (i czego nie)
p to nie „prawdopodobieństwo, że hipoteza jest prawdziwa". Wyjaśniamy poprawną interpretację.
Czytaj →
Podstawy
Wielkość efektu - dlaczego ważniejsza niż p
d Cohena, eta kwadrat, r - liczby, które mówią, JAK duży jest efekt, nie tylko czy istnieje.
Czytaj →
Dobór testu
ANOVA i testy post-hoc - po co poprawka
Porównujesz 3+ grupy. Dlaczego nie robić wielu testów t i skąd Tukey czy Bonferroni.
Czytaj →
Założenia
Regresja liniowa - które założenia sprawdzić
Liniowość, normalność reszt, homoscedastyczność i współliniowość (VIF). Bez tego wyniki są kruche.
Czytaj →
Dobór testu
Chi-kwadrat - kiedy i jakie założenia
Test zależności dla zmiennych kategorialnych. Uwaga na oczekiwane liczności.
Czytaj →
Dobór testu
Regresja logistyczna - kiedy zamiast liniowej
Gdy przewidujesz zdarzenie tak/nie, zwykła regresja liniowa nie wystarczy.
Czytaj →
Dane
Braki danych - jak sobie z nimi radzić
Usuwać, uzupełniać czy imputować? Zły wybór potrafi zniekształcić wyniki.
Czytaj →
Dane
Skale w kwestionariuszu - jak liczyć wskaźnik
Sumować czy uśredniać pozycje? I co z pozycjami odwróconymi.
Czytaj →
Dobór testu
EFA vs PCA - jaka jest różnica
Analiza czynnikowa i analiza głównych składowych bywają mylone, choć służą do czego innego.
Czytaj →
Podstawy
Hipoteza zerowa i alternatywna - jak formułować
Dobra hipoteza decyduje o doborze testu i o tym, co w ogóle sprawdzasz.
Czytaj →
Dane
Zmienne: nominalna, porządkowa, ilościowa
Poziom pomiaru zmiennej przesądza, jaki test wolno zastosować.
Czytaj →
Założenia
Test normalności odrzuca - i co teraz?
Rozkład nie jest normalny. Masz kilka poprawnych wyjść.
Czytaj →
APA i raport
Jak opisać badaną próbę w pracy
Charakterystyka próby to pierwszy element części badawczej. Co powinna zawierać.
Czytaj →
Dobór testu
Mediacja i moderacja - co to i kiedy
Analizy, które wyjaśniają MECHANIZM i WARUNKI zależności. Wykraczają poza zwykłą regresję.
Czytaj →
Podstawy
Odchylenie standardowe a błąd standardowy - to nie to samo
SD opisuje rozrzut wyników, SE - precyzję oszacowania średniej. Mylenie ich to jeden z częstszych błędów w pracach.
Czytaj →
Podstawy
Średnia, mediana czy dominanta - którą miarę wybrać
Miara tendencji centralnej zależy od rozkładu i skali pomiaru. Przy skośnych danych średnia potrafi mocno mylić.
Czytaj →
Dobór testu
Test t dla prób zależnych - pomiar przed i po
Ten sam badany mierzony dwa razy (np. przed i po terapii). Dlaczego to inny test niż dla grup niezależnych.
Czytaj →
Dobór testu
ANOVA z powtarzanymi pomiarami i sferyczność
Trzy pomiary tej samej osoby (np. 0, 3 i 6 miesięcy). Czym jest sferyczność i po co poprawka Greenhouse-Geisser.
Czytaj →
Dobór testu
ANOVA dwuczynnikowa i efekt interakcji
Dwa czynniki naraz (np. płeć i metoda nauczania). Najciekawszy bywa efekt interakcji, a nie same efekty główne.
Czytaj →
Założenia
Jednorodność wariancji - test Levene’a
Test t i ANOVA zakładają podobne wariancje w grupach. Jak to sprawdzić i co zrobić, gdy się nie zgadza.
Czytaj →
Założenia
Wartości odstające - jak je wykryć i co z nimi zrobić
Jedna skrajna obserwacja potrafi zaburzyć średnią, korelację i regresję. Kiedy usuwać, a kiedy zostawić.
Czytaj →
Dane
Jak przygotować bazę danych do analizy statystycznej
Jeden wiersz = jeden respondent, jedna kolumna = jedna zmienna. Porządna baza to połowa sukcesu analizy.
Czytaj →
Dane
Zmienna zależna i niezależna - jak je rozróżnić
Co jest przyczyną, a co skutkiem w Twoim modelu. To rozróżnienie decyduje o wyborze i kierunku analizy.
Czytaj →
Programy
SPSS, R, Jamovi czy Excel - w czym liczyć statystykę
Każdy program ma swoje plusy. Co wybrać do pracy dyplomowej i czym różni się podejście klikane od kodu.
Czytaj →
Programy
Jak przygotować dane w Excelu do analizy
Zanim wyślesz plik do analizy: format kolumn, braki, kody i częste pułapki arkusza kalkulacyjnego.
Czytaj →
Wykresy
Histogram, wykres pudełkowy i rozrzutu - kiedy który
Dobry wykres pokazuje to, czego nie widać w tabeli. Trzy podstawowe typy i ich zastosowania.
Czytaj →
Wykresy
Jak czytać wykres pudełkowy (boxplot)
Mediana, kwartyle, wąsy i kropki odstające. Krok po kroku, co oznacza każdy element wykresu.
Czytaj →
Proces badania
Rzetelność a trafność - czym się różnią
Narzędzie może mierzyć powtarzalnie, ale nie to, co trzeba. Dwa różne warunki dobrego pomiaru.
Czytaj →
Proces badania
Operacjonalizacja zmiennych - od pojęcia do pomiaru
Jak zamienić abstrakcyjne pojęcie (np. „dobrostan") w coś, co da się zmierzyć i policzyć.
Czytaj →
Proces badania
Badanie pilotażowe - po co i jak je przeprowadzić
Mała próba testowa przed badaniem właściwym. Pozwala wychwycić błędy ankiety, zanim będzie za późno.
Czytaj →
APA i raport
Jak zbudować tabelę wyników w APA 7
Bez pionowych linii, z poziomymi w kluczowych miejscach, z kursywą symboli. Zasady tabel według APA.
Czytaj →
APA i raport
Przedział ufności - jak go interpretować i raportować
95% CI mówi więcej niż samo p. Co naprawdę oznacza i dlaczego standard APA go zaleca.
Czytaj →
Dobór testu
Korelacja a regresja - jaka jest różnica
Obie opisują związek, ale odpowiadają na inne pytania. Kiedy wystarczy korelacja, a kiedy potrzebna regresja.
Czytaj →
Podstawy
Błąd I i II rodzaju oraz moc testu
Fałszywy alarm i przeoczony efekt. Dwa rodzaje pomyłek, które równoważy się przy planowaniu badania.
Czytaj →
