Hipoteza badawcza a test statystyczny - praktyczna mapa decyzji

Dobór testu statystycznego nie powinien zaczynać się od przeglądania listy dostępnych analiz w programie. Punktem wyjścia jest hipoteza badawcza: jej treść pokazuje, jakie zmienne mają zostać połączone, czy interesuje Cię różnica, zależność, zmiana w czasie czy przewidywanie wyniku. Dopiero później ocenia się poziom pomiaru, liczbę grup, niezależność obserwacji i założenia konkretnej metody.

Najpierw popraw konstrukcję hipotezy

Hipoteza „istnieją różnice w badanej grupie” nie mówi, co ma zostać porównane. Lepszy zapis wskazuje zmienną grupującą i wynik, na przykład: „poziom wypalenia zawodowego różni się między osobami pracującymi w systemie jedno- i dwuzmianowym”. Wtedy wiadomo, że jedna zmienna tworzy dwie grupy, a druga jest wynikiem, który ma zostać porównany.

Przy hipotezie o związku również potrzebna jest precyzja. Zdanie „stres wpływa na satysfakcję” sugeruje przyczynowość. Jeżeli projekt jest przekrojowy i opiera się na jednorazowej ankiecie, bezpieczniej napisać: „poziom odczuwanego stresu wiąże się z poziomem satysfakcji”. Analiza korelacji może ocenić współzmienność, ale sama nie dowodzi wpływu.

Krok 1. Określ rodzaj pytania statystycznego

• Opis: jaki jest poziom wiedzy, rozkład odpowiedzi albo charakterystyka grupy?
• Różnica: czy dwie lub więcej grup różnią się wynikiem?
• Zmiana: czy wynik zmienił się między pomiarem przed i po interwencji?
• Zależność: czy dwie zmienne zmieniają się wspólnie?
• Predykcja: które zmienne pomagają przewidywać wynik po uwzględnieniu pozostałych?

Nie każda praca wymaga testowania hipotez. Jeśli celem jest wyłącznie opis wiedzy lub opinii badanych, poprawna analiza opisowa może w pełni realizować cel. Dodawanie przypadkowych testów nie czyni pracy bardziej naukową.

Krok 2. Rozpoznaj poziom pomiaru zmiennych

Zmienna jakościowa przypisuje osobę do kategorii, na przykład oddziału, płci albo odpowiedzi tak/nie. Zmienna porządkowa zawiera kolejność, ale odstępy między poziomami nie muszą być równe, jak w pojedynczej odpowiedzi Likerta. Zmienna ilościowa opisuje wielkość liczbową, na przykład wiek, czas reakcji albo prawidłowo obliczony wynik skali. To rozróżnienie zawęża listę sensownych analiz.

Wynik skali utworzony z wielu pozycji nie powinien być traktowany automatycznie jako ilościowy. Sprawdź instrukcję narzędzia, sposób liczenia, zakres wyniku i jego właściwości w Twojej próbie. Przy skalach psychologicznych lub medycznych znaczenie może mieć także struktura podskal i rzetelność pomiaru.

Krok 3. Ustal liczbę grup i zależność pomiarów

Dwie grupy niezależne to na przykład osoby z dwóch różnych oddziałów. Dwa pomiary zależne powstają wtedy, gdy te same osoby wypełniają skalę przed i po szkoleniu. Te sytuacje wymagają innych testów, mimo że w obu porównujesz po dwa zestawy wyników. Przy trzech lub większej liczbie grup potrzebna jest metoda wielogrupowa, a nie seria testów wykonywanych parami bez kontroli ryzyka błędu.

Mapa najczęstszych hipotez

• Dwie zmienne jakościowe: test chi-kwadrat niezależności; przy małych liczebnościach komórek może być potrzebna metoda dokładna.
• Wynik liczbowy w dwóch niezależnych grupach: test t-Studenta dla prób niezależnych lub odpowiednia metoda nieparametryczna.
• Wynik liczbowy w dwóch pomiarach tych samych osób: test t dla prób zależnych lub test Wilcoxona.
• Wynik liczbowy w co najmniej trzech niezależnych grupach: ANOVA albo test Kruskala-Wallisa, zwykle z dalszymi porównaniami po istotnym wyniku ogólnym.
• Dwa wyniki liczbowe lub porządkowe: korelacja Pearsona albo Spearmana po ocenie wykresu, skali pomiaru i założeń.
• Wynik przewidywany przez kilka cech: odpowiedni model regresyjny, dobrany także do rodzaju zmiennej wynikowej.

Ta mapa wskazuje rodzinę analiz, a nie ostateczną decyzję. Na wybór konkretnego wariantu wpływają między innymi rozkłady, obserwacje odstające, liczebności, jednorodność wariancji, sposób doboru próby i konstrukcja projektu.

Przykład przejścia od hipotezy do testu

Załóżmy, że hipoteza brzmi: „wynik skali stresu różni się między studentami pracującymi i niepracującymi zawodowo”. Zmienna grupująca ma dwie niezależne kategorie, a zmienną wynikową jest rezultat skali. Wstępnie rozważasz więc porównanie dwóch grup. Następnie sprawdzasz sposób obliczenia skali, rozkład wyników, obserwacje odstające i liczebności. Dopiero na tej podstawie wybierasz parametryczny albo nieparametryczny wariant analizy.

Jeśli hipoteza brzmiałaby „wynik stresu wiąże się z liczbą godzin pracy tygodniowo”, układ zmiennych byłby inny i punktem wyjścia stałaby się analiza korelacji. Podobny temat nie oznacza więc automatycznie tego samego testu.

Co powinien zawierać opis wyniku?

W opisie wskaż, jaką hipotezę sprawdzono, dlaczego wybrano daną metodę, jaka była statystyka testowa, liczba obserwacji lub stopnie swobody, dokładna wartość p oraz wielkość efektu. Gdy to możliwe, dodaj przedział ufności. Test statystyczny odpowiada na pytanie o zgodność danych z hipotezą zerową, ale pełny wniosek wymaga także oceny wielkości i praktycznego znaczenia efektu.

Błędy, które psują cały plan analizy

• hipoteza nie wskazuje obu analizowanych zmiennych;
• język przyczynowy jest używany w badaniu obserwacyjnym;
• test wybierany jest tylko na podstawie wyniku normalności;
• każde pytanie ankietowe jest zestawiane z każdą cechą metryczkową;
• wielokrotne testowanie nie jest uwzględnione w interpretacji;
• brak rozróżnienia hipotez głównych i analiz dodatkowych.

Jeżeli chcesz przełożyć własne hipotezy na konkretny plan, zobacz zakres usług analizy statystycznej albo opisz zmienne w formularzu wyceny. Do wstępnej oceny wystarczą zwykle temat pracy, pytania badawcze, hipotezy i wzór ankiety.

Źródła i standardy

• NIST/SEMATECH - czym jest test statystyczny
• JARS-Quant - standardy raportowania badań ilościowych