Test t dla prób zależnych - pomiar przed i po

Gdy mierzysz te same osoby dwukrotnie - na przykład poziom lęku przed szkoleniem i po nim - masz do czynienia z próbami zależnymi (powiązanymi). Właściwym narzędziem jest wtedy test t dla prób zależnych, a nie test dla grup niezależnych.

Różnica jest istotna: test dla prób zależnych analizuje różnice wewnątrz każdej osoby (wynik „po" minus „przed"), dzięki czemu usuwa wpływ indywidualnych różnic między badanymi. To zwykle zwiększa moc testu - łatwiej wykryć realny efekt przy tej samej liczebności.

Założenia: to różnice między pomiarami powinny mieć rozkład zbliżony do normalnego (nie same surowe wyniki, lecz ich różnice). Gdy ten warunek nie jest spełniony albo dane są porządkowe, stosuje się nieparametryczny test kolejności par Wilcoxona.

Przykład: badasz 30 osób przed i po 8-tygodniowym treningu. Liczysz dla każdej różnicę wyniku, sprawdzasz normalność tych różnic i wykonujesz test t dla prób zależnych. Typowy błąd to wrzucenie pomiarów „przed" i „po" jako dwóch niezależnych grup - to zawyża błąd i marnuje siłę planu badawczego.

Raportuj średnie w obu pomiarach, t(df), p oraz wielkość efektu (np. d Cohena dla różnic). Ten schemat pojawia się w wielu pracach eksperymentalnych i interwencyjnych. Jeśli masz dane „przed-po" i chcesz gotowy wynik z interpretacją, zaznacz analizę w konfiguratorze albo skonsultuj plan z asystentem doboru analiz.