Jak dobrać test statystyczny do hipotezy - pytania pomocnicze i tabela decyzyjna

Jak dobrać test statystyczny, gdy masz już hipotezy, a w głowie tylko listę nazw: t-Studenta, chi-kwadrat, Spearman, ANOVA? Zacznij od hipotezy, a nie od testu. Każda hipoteza zawiera informację, czego szukasz (różnicy, związku, zmiany, przewidywania), oraz jakie zmienne w niej występują. Gdy to z niej wyciągniesz, test wynika prawie automatycznie. W tym wpisie przechodzimy przez pytania pomocnicze, dajemy rozbudowaną tabelę decyzyjną z ponad dwudziestoma sytuacjami i pokazujemy na przykładowych danych, jak sposób zapisania zmiennej potrafi zmienić wynik.

Jeśli Twoje pytanie brzmi głównie „test parametryczny czy nieparametryczny?”, szczegółowe porównanie z przykładem znajdziesz we wpisie test t-Studenta czy Mann-Whitney. Tutaj patrzymy szerzej: od brzmienia hipotezy do nazwy testu.

Jak dobrać test statystyczny do hipotezy: 7 pytań pomocniczych

1. Czego dotyczy hipoteza? Różnicy między grupami, zmiany w czasie, związku między zmiennymi, przewidywania jednej zmiennej na podstawie innych, a może zgodności wyniku z normą lub zgodności ocen dwóch osób.
2. Która zmienna jest zależna, a które są niezależne? Zależna to ta, którą mierzysz jako wynik (np. poziom stresu), niezależna to ta, która dzieli osoby na grupy albo ma wyjaśniać wynik (np. system pracy).
3. Jakiego typu jest każda zmienna? Nominalna (kategorie bez kolejności), porządkowa (kategorie z kolejnością) czy ilościowa (liczby, sumy punktów skali).
4. Ile jest grup lub pomiarów? Jedna grupa, dwie czy trzy i więcej.
5. Czy grupy są niezależne (różne osoby), czy zależne (te same osoby mierzone kilka razy albo dobrane w pary)?
6. Czy dane spełniają założenia testu parametrycznego? Rozkład zbliżony do normalnego w grupach, podobne wariancje, wystarczające liczebności, a w tabelach krzyżowych odpowiednie liczności oczekiwane.
7. Czy musisz kontrolować inne zmienne? Jeśli tak, potrzebujesz modelu (regresja, ANCOVA), a nie prostego testu dwóch zmiennych.

Pytania 1-5 wskazują rodzinę testów, pytanie 6 wybiera wersję parametryczną albo nieparametryczną, a pytanie 7 decyduje, czy wystarczy test, czy potrzebny jest model. Rozróżnienie zmiennej zależnej i niezależnej sprawia studentom najwięcej kłopotu; szczegółowo omawiamy je we wpisie zmienna zależna i niezależna, a typy zmiennych we wpisie o zmiennych nominalnych, porządkowych i ilościowych.

Jak czytać hipotezę: słowa-klucze

Brzmienie hipotezy zdradza typ analizy. Słowa „różni się”, „wyższy niż”, „częściej niż” prowadzą do porównania grup. „Wiąże się z”, „im większy, tym” prowadzą do korelacji. „Zmienia się po”, „wzrasta między pomiarami” prowadzą do testów dla prób zależnych. „Pozwala przewidzieć”, „jest predyktorem”, „po uwzględnieniu” prowadzą do regresji. Dobrze sformułowana hipoteza zawiera obie zmienne i kierunek zależności; jak ją zapisać, pokazuje wpis o hipotezie zerowej i alternatywnej.

Tabela wyboru testu statystycznego

Poniższa tabela obejmuje sytuacje, które pojawiają się w pracach licencjackich i magisterskich. W kolumnie „parametryczny” jest test zakładający rozkład zbliżony do normalnego, w ostatniej kolumnie jego odpowiednik dla danych porządkowych lub przy łamaniu założeń.

Tę samą logikę w formie kilku kliknięć prowadzi przewodnik „Który test wybrać?” w darmowych narzędziach. Odpowiadasz na pytania o zmienne i układ, a przewodnik wskazuje test. Tabela przydaje się, gdy chcesz zobaczyć wszystkie opcje naraz i porównać sąsiednie sytuacje.

Założenia: kiedy wersja nieparametryczna

Testy parametryczne zakładają przede wszystkim rozkład zbliżony do normalnego w każdej grupie (albo rozkład reszt w modelu), a niektóre także równe wariancje. Normalność sprawdzasz w grupach osobno, łącząc test Shapiro-Wilka z histogramem i wykresem Q-Q; jak to zrobić, opisuje wpis jak sprawdzić normalność rozkładu. Przy kilkudziesięciu osobach w grupie test t i ANOVA dobrze znoszą umiarkowane odstępstwa. Przy kilkunastu osobach i wyraźnej skośności bezpieczniejsza jest wersja nieparametryczna. Nierówne wariancje nie są powodem do zmiany testu na nieparametryczny: wystarczy wersja Welcha.

Dla tabel krzyżowych założeniem są liczności oczekiwane: w tabeli 2 × 2 przy małych licznościach przechodzisz na test dokładny Fishera, a w większych tabelach łączysz rzadkie kategorie. Dla korelacji Pearsona założeniem jest związek liniowy i brak skrajnych wartości odstających; gdy nie są spełnione, wybierasz Spearmana (porównanie obu omawia wpis korelacja Pearsona czy Spearmana).

Przykład: ta sama hipoteza, dwa różne testy

Przykładowe dane: 90 pielęgniarek podało staż pracy w latach i wypełniło skalę odczuwanego stresu (wynik od 0 do 40). Hipoteza brzmi: „staż pracy wiąże się z poziomem odczuwanego stresu”. Staż jest zmienną ilościową, stres również, więc pytania pomocnicze prowadzą do korelacji. Rozkład stażu jest prawostronnie skośny (mediana 8 lat, kilka osób ze stażem powyżej 25 lat), dlatego obok Pearsona liczysz Spearmana.

Oba współczynniki wskazują słaby, ale istotny statystycznie związek: im dłuższy staż, tym nieco wyższy stres. Teraz ta sama hipoteza, ale staż zapisany w ankiecie w trzech przedziałach. Zmienna niezależna staje się nominalna z trzema kategoriami, więc pytania pomocnicze prowadzą do porównania trzech grup.

ANOVA jednoczynnikowa daje F(2, 87) = 1,59, p = 0,211, η² = 0,04, a test Kruskala-Wallisa H(2) = 3,88, p = 0,144. Średnie układają się w tym samym kierunku, ale różnica nie jest istotna. Podział zmiennej ilościowej na przedziały wyrzuca część informacji (osoba ze stażem 6 i 15 lat trafia do tej samej grupy), a najstarsza grupa liczy tylko 10 osób. Wniosek dla planowania: jeśli to możliwe, pytaj o wartości liczbowe, a nie o przedziały, i dobieraj test do zmiennej w jej pierwotnej postaci.

Test jednostronny czy dwustronny i co przy wielu hipotezach

Hipoteza kierunkowa („wyższy niż”, „częściej niż”) kusi testem jednostronnym, bo daje o połowę mniejsze p. Stosuj go tylko wtedy, gdy kierunek wynika z teorii lub wcześniejszych badań i zapisałeś go przed zebraniem danych, a wynik w przeciwnym kierunku nie miałby dla Ciebie znaczenia. W pracach dyplomowych bezpieczniejszy i częściej oczekiwany jest test dwustronny; kierunek różnicy odczytujesz wtedy ze średnich lub median. Programy statystyczne domyślnie podają wartości dwustronne.

Druga sprawa to liczba testów. Jeśli masz pięć hipotez szczegółowych i każdą sprawdzasz jednym testem, nie musisz niczego poprawiać. Jeśli jednak jedną hipotezę rozbijasz na wiele porównań (np. porównujesz trzy grupy parami albo liczysz korelacje dwudziestu pozycji z wynikiem skali), ryzyko przypadkowego wyniku istotnego rośnie z każdym testem. Wtedy stosujesz test ogólny z testami post hoc albo poprawkę na wielokrotne porównania, np. Bonferroniego lub Holma, i piszesz o tym w opisie metod.

Jak zapisać dobór testów w pracy

W podrozdziale o metodach analizy statystycznej opisujesz, jakim testem weryfikowano każdą hipotezę i dlaczego. Uzasadnienie ma trzy elementy: typ zmiennych, układ (niezależne lub zależne, liczba grup) i wynik sprawdzenia założeń. Wygodnie jest zestawić to w tabeli, a pod nią dodać zdanie o przyjętym poziomie istotności.

Do weryfikacji hipotez zastosowano testy dobrane do typu zmiennych i układu porównań. Normalność rozkładów w grupach oceniano testem Shapiro-Wilka oraz na podstawie histogramów, a jednorodność wariancji testem Levene'a. Za poziom istotności przyjęto α = 0,05. Obliczenia wykonano w programie statystycznym, a wielkość efektu raportowano zgodnie z zaleceniami APA 7.

Jeśli wolisz zlecić obliczenia, kreator wyceny analizy zapyta o temat, zmienne i hipotezy i zaproponuje analizy dopasowane do Twoich danych. Gdy opłacona analiza nie pasuje do danych, statystyk proponuje zamianę na pasującą, a nietypowe przypadki (np. modele mieszane czy SEM) wycenia indywidualnie.

Typowe błędy przy doborze testu

• Wybór testu przed sformułowaniem hipotezy albo „pod” program, który akurat znasz.
• Pomylenie zmiennej zależnej z niezależną, przez co test porównuje nie to, co trzeba.
• Test dla prób niezależnych zastosowany do pomiarów przed i po.
• Seria testów t zamiast ANOVA przy trzech i więcej grupach.
• Dzielenie zmiennej ilościowej na przedziały bez powodu merytorycznego.
• Korelacje dwóch zmiennych tam, gdzie hipoteza mówi „po uwzględnieniu” innych czynników (potrzebna regresja).
• Chi-kwadrat przy bardzo małych licznościach oczekiwanych zamiast testu Fishera lub łączenia kategorii.
• Liczenie kilku testów i raportowanie tego, który dał najmniejsze p.

Najczęstsze pytania

Jak dobrać test statystyczny do hipotezy?

Odpowiedz na kilka pytań: czy hipoteza dotyczy różnicy, związku czy przewidywania, jakiego typu są zmienne, ile jest grup lub pomiarów i czy grupy są niezależne. Te odpowiedzi wskazują rodzinę testów, a sprawdzenie założeń decyduje o wersji parametrycznej lub nieparametrycznej.

Jaki test statystyczny wybrać do ankiety?

To zależy od pytań. Pytania z odpowiedziami tak/nie lub kategoriami analizujesz chi-kwadrat, pojedyncze pytania w skali Likerta testami nieparametrycznymi (U Manna-Whitneya, Kruskala-Wallisa, Spearmana), a sumy pozycji skal zwykle testami parametrycznymi, jeśli rozkład na to pozwala.

Kiedy wybrać test nieparametryczny?

Gdy zmienna zależna jest porządkowa albo gdy rozkład w grupach wyraźnie odbiega od normalnego przy małych liczebnościach. Same różne wariancje nie są powodem: wystarczy test t lub ANOVA w wersji Welcha.

Czy jedną hipotezę można sprawdzić kilkoma testami?

Test powinien wynikać z hipotezy i danych, więc z góry wybierasz jeden. Możesz podać drugi jako analizę uzupełniającą, np. Spearmana obok Pearsona przy skośnym rozkładzie, ale nie wybierasz po fakcie tego, który dał korzystniejsze p.

Jaki test, gdy chcę uwzględnić kilka czynników naraz?

Wtedy potrzebny jest model, a nie test dwóch zmiennych: regresja liniowa dla wyniku ilościowego, logistyczna dla wyniku tak/nie, ANOVA dwuczynnikowa dla dwóch czynników grupujących albo ANCOVA, gdy porównujesz grupy z kontrolą zmiennej ilościowej.