Podstawy

metodologii badań
psychologicznych

dr Magdalena Żołud
magdalena.zolud@humanum.pl
 Decyzja statystyczna – jaki test wybrać?
1. Co sprawdzam?
Związek między
Różnicę między grupami Różnicę w pomiarach
zmiennymi

2. Ile mam grup? 2. Ile mam pomiarów? 2. Jakie mam zmienne?

Trzy lub Zmienne Współczynnik

Trzy lub
Dwie grupy Dwa pomiary więcej
więcej grup Dwie ilościowe
pomiarów r-Pearsona
Dwie porządkowe rho Spearmana
3. Na jakieś skali wyrażona 3. Na jakieś skali wyrażona
jest zmienna zależna? jest zmienna? Porządkowa i
Tau Kendalla
ilościowa
ZZ ilościowa: Ilościowa: Ilościowa:
ZZ ilościowa: Dwie nominalne Chi kwadrat
Test t-Studenta Test t-Studenta ANOVA z
dla prób ANOVA dla prób powtarzalnymi
niezależnych zależnych pomiarami
ZZ porządkowa: *Jeśli zmienne są ilościowe, ale założenia testów
ZZ porządkowa: parametrycznych nie są spełnione, to możemy wybrać testy
Porządkowa: Porządkowa: nieparametryczne, odpowiednio: Test U Manna-Whitney’a, H
Test U Manna- H Kruskala-
Wallisa Test Wilcoxona ANOVA Friedmana Kruskala-Wallisa, Test Wilcoxona, ANOVA Friedmana,
Whitney’a wszystkie wymienione współczynniki poza r-Pearsona.
Testy t-Studenta
 Testy t-Studenta
 Testy t-Studenta wykorzystujemy do testowania istotności różnic między dwiema średnimi.
 Testy t-Studenta możemy zastosować, gdy:
 Porównujemy tylko dwie średnie (dwie grupy badawcze, dwa pomiary, wynik z próby ze
znanym kryterium)
 Zmienna zależna mierzona jest na skali ilościowej (można obliczyć średnią)

 Trzy rodzaje testu t-Studenta:

 Test t-Studenta dla prób niezależnych (dwie niezależna grupy osób badanych)
 Test t-Studenta dla prób zależnych (te same osoby – powtarzany pomiar na tej samej grupie)
 Test t-Studenta dla jednej próby (mamy wyniki tylko jednej grupy osób, które porównamy z
jakimś znanym lub założonym kryterium).
 Test t-Studenta
dla prób niezależnych
Test t-Studenta
dla prób niezależnych
 Charakter zmiennych:
 Zmienna niezależna (ZN) – zmienna nominalna, dychotomiczna (lub traktowana jako taka),
czyli wyrażona na dwóch poziomach – czyli dwie niezależne grupy osób badanych.
 Zmienna zależna (ZZ) – ilościowa
 Założenia testu:
 Porównywalna liczebność osób w grupach
 Rozkład zmiennej zależnej ma być zgodny z rozkładem normalnym
 Założenie o jednorodności wariancji (grupy powinny być porównywalne pod względem
wariancji (wariancja – rozproszenie wyników).
Założenie o jednorodności wariancji
 Test Levene’a
 Homogeniczność wariancji (jednorodność wariancji) w grupach
Testowanie założeń Założenia testu zmienne:
• Zmienna niezależna (ZN) – zmienna
nominalna, dychotomiczna (lub
traktowana jako taka)
• Zmienna zależna (ZZ) – ilościowa

 Założenia testu:
1. Porównywalna liczebność: sprawdzamy liczebność
osób w grupach w statystykach opisowych.
2. Rozkład zmiennej zależnej ma być zgodny z
rozkładem normalnym.
3. Założenie o jednorodności wariancji (grupy powinny
być porównywalne pod względem wariancji
(wariancja – rozproszenie wyników).
Testowanie założeń  Założenia testu:
1. Porównywalna liczebność: sprawdzamy liczebność osób w
grupach w statystykach opisowych.
2. Rozkład zmiennej zależnej ma być zgodny z rozkładem
normalnym.
3. Założenie o jednorodności wariancji (grupy powinny być
porównywalne pod względem wariancji (wariancja –
rozproszenie wyników).
Testowanie założeń  Założenia testu:
1. Porównywalna liczebność: sprawdzamy liczebność osób w
grupach w statystykach opisowych.
2. Rozkład zmiennej zależnej ma być zgodny z rozkładem
normalnym.
3. Założenie o jednorodności wariancji (grupy powinny być
porównywalne pod względem wariancji (wariancja –
rozproszenie wyników).

Testy sprawdzające normalność rozkładu to:

• Shapiro-Wilk – stosowany dla prób mniejszych niż
100 przypadków
• K-S (Kołmogorowa-Smirnowa) – stosowany dla prób
większych niż 100 przypadków.

H0 : Nie ma różnic pomiędzy rozkładem zmiennej zależnej a rozkładem Jeśli p jest mniejsze niż 0,05 to znaczy, że wynik testu jest istotny
normalnym. statystycznie – mamy podstawy, aby odrzucić hipotezę zerową (czyli
Hipoteza alternatywna: Są różnice między rozkładem zmiennej zależnej przyjmujemy hipotezę alternatywną).
a rozkładem normalnym. Jeśli p jest większe niż 0,05 to znaczy, że wynik testu nie jest istoty
statystycznie – nie mamy podstaw do odrzucenia hipotezy zerowej
Wybrany poziom istotności: p < 0,05 (czyli przyjmujemy hipotezę zerową).
Testowanie założeń  Założenia testu:
1. Porównywalna liczebność: sprawdzamy liczebność osób w
grupach w statystykach opisowych.
2. Rozkład zmiennej zależnej ma być zgodny z rozkładem
normalnym.
3. Założenie o jednorodności wariancji (grupy powinny być
porównywalne pod względem wariancji (wariancja –
rozproszenie wyników).
Test t-Studenta
dla prób niezależnych - wyniki
Statystyki

Wyniki testu
Levene’a
Wyniki testu t
Studenta dla prób
niezależnych

Wielkość efektu
Testowanie założeń  Założenia testu:
1. Porównywalna liczebność: sprawdzamy liczebność osób w
grupach w statystykach opisowych.
2. Rozkład zmiennej zależnej ma być zgodny z rozkładem
normalnym.
3. Założenie o jednorodności wariancji (grupy powinny być
porównywalne pod względem wariancji (wariancja –
rozproszenie wyników).

Test sprawdzający jednorodność wariancji

• Test Levene’a
H0 : Nie ma różnic pomiędzy wariancjami zmiennej zależnej w
porównywanych grupach.
Hipoteza alternatywna: Są różnice między wariancjami zmiennej
zależnej w porównywanych grupach.

Wybrany poziom istotności: p < 0,05

Jeśli p jest mniejsze niż 0,05 to znaczy, że wynik testu jest istotny
statystycznie – mamy podstawy, aby odrzucić hipotezę zerową
(czyli przyjmujemy hipotezę alternatywną).
Jeśli p jest większe niż 0,05 to znaczy, że wynik testu nie jest
istoty statystycznie – nie mamy podstaw do odrzucenia hipotezy
zerowej (czyli przyjmujemy hipotezę zerową).
Test t-Studenta
dla prób niezależnych - wyniki
Na drugi wiersz patrzymy, jeśli nie
jest spełnione założenie o
równości wariancji.
p – poziom istotności wyniku testu.
H0 : Nie ma różnic w wartościach średnich zmiennej zależnej w porównywanych
grupach.
Hipoteza alternatywna: Są różnice w wartościach średnich zmiennej zależnej w
porównywanych grupach.
Wcześniej wybrany poziom istotności: p < 0,05
Jeśli p jest mniejsze niż 0,05 to znaczy, że wynik testu jest istotny statystycznie – mamy
podstawy, aby odrzucić hipotezę zerową (czyli przyjmujemy hipotezę alternatywną).
Jeśli p jest większe niż 0,05 to znaczy, że wynik testu nie jest istoty statystycznie – nie
mamy podstaw do odrzucenia hipotezy zerowej (czyli przyjmujemy hipotezę zerową).
Test t-Studenta
dla prób niezależnych - wyniki

d – d Cohena – miara wielkości

efektu, dostarcza informacji o sile
związku między zmienną
niezależną i zmienną zależną, nie
zależy od wielkości próby.
Interpretacja d Cohena:
d = 0,2 (mała wielkość efektu)
d = 0,5 (średnia wielkość efektu)
d = 0,8 (duża wielkość efektu)
 Test t-Studenta
dla prób zależnych
 Test t-Studenta dla prób zależnych

 Założenia testu:
 Dwa pomiary (zmienne ilościowe)
 Porównywalna liczebność obserwacji w każdym pomiarze
 Rozkłady zmiennej zależnej zgodne z rozkładem normalnym
 Silna dodatnia korelacja między pomiarami
Test t-Studenta dla prób zależnych – założenia
 Założenia testu:
 Dwa pomiary (zmienne ilościowe)
 Porównywalna liczebność obserwacji w każdym
pomiarze (statystyki opisowe).
 Rozkłady zmiennej zależnej zgodne z rozkładem
normalnym (Testy normalności rozkładu).
 Silna dodatnia korelacja między pomiarami.
Test t-Studenta dla prób zależnych

 Zmienne przenosimy zgodnie z

kolejnością 1 i potem 2 pomiar.
Test t-Studenta dla prób zależnych – założenia
 Silna dodatnia korelacja między
pomiarami.
Test t-Studenta dla prób zależnych – wyniki

 Czy wynik testu jest istotny

statystycznie?

 Wielkość efektu
 Test t-Studenta
dla jednej próby
 Test t-Studenta dla jednej próby

 Założenia testu:
 Jedna próba
 Kryterium do porównania
 Rozkład zmiennej zależnej zgodny z rozkładem normalnym
Test t-Studenta dla jednej próby
Pomiar

Kryterium
Test t-Studenta dla jednej próby – wyniki
Korelacja
Korelacja
Korelacja
• Korelacja (współzmienność) – występuje, gdy dwie różne miary dotyczące tych samych osób, zdarzeń lub
obiektów się współzmieniają – to znaczy, kiedy zmianom w wartości jednej zmiennej systematycznie towarzyszą
zmiany wartości drugiej zmiennej.
• Korelacja określa stopień współzmienności jakiś zmiennych.
• Wielkość korelacji – siła związku.
• Znak korelacji – charakter związku między zmiennymi. Znak korelacji może być pozytywny (dodatni) lub
negatywny (ujemny):
• Korelacja pozytywna informuje o tym, że przyrostowi wartości jednej zmiennej towarzyszą przyrosty
wartości drugiej zmiennej (i odwrotnie niskim wartością jednej zmiennej towarzyszą niskie wartości drugiej
zmiennej), np. wzrost i waga.
• Korelacja negatywna informuje o tym, że przyrostowi wartości jednej zmiennej towarzyszy spadek wartości
drugiej zmiennej, np. ilość czasu spędzona na mediach społecznościowych rośnie, a liczba poprawnych
odpowiedzi na teście z metodologii spada.
 Współczynniki korelacji
Współczynnik Rodzaj zmiennych
r-Pearsona dwie zmienne ilościowe
rho Spearmana dwie zmienne porządkowe
Tau Kendalla jedna zmienna porządkowa, druga zmienna ilościowa

Współczynnik r-Pearsona: miara związku liniowego pomiędzy dwoma zmiennymi ilościowymi.

• Przyjmuje wartości od -1 do 1 (im bliżej 1 lub -1 tym silniejsza korelacja; znak informuje o charakterze związku: dodatnia/ujemna korelacja)
 Proponowana interpretacja (ale nie sztywna reguła):
• 0-0,3 – brak korelacji lub bardzo słaba korelacja
• 0,3-0,5 – umiarkowana korelacja
• 0,5-0,7 – silna korelacja
• 0,7-1 – bardzo silna korelacja
 Współczynnik determinacji – wyjaśnia wariancję jednaj zmiennej drugą zmienną.
 R2 = r2 * 100%
 Np. 0,662 * 100% = 0,4356 * 100% = 43,56%
 Współczynnik determinacji to nie przyczynowość
Kwartet Anscombe’a
r = 0,816
r-Pearsona - założenia
• Zmienne ilościowe
• Liniowy związek między zmiennymi
• Brak obserwacji odstających
• Rozkład normalny zmiennych (dwuwymiarowy rozkład normalny)
r-Pearsona – założenia
• Zmienne ilościowe
• Liniowy związek między zmiennymi
• Brak obserwacji odstających
• Rozkład normalny zmiennych
r-Pearsona – założenia
r-Pearsona – założenia
• Zmienne ilościowe
• Liniowy związek między zmiennymi
• Brak obserwacji odstających
• Rozkład normalny zmiennych
r-Pearsona – założenia
• Zmienne ilościowe
• Liniowy związek między zmiennymi
• Brak obserwacji odstających
• Rozkład normalny zmiennych
 r-Pearsona

• Ale czy w tym przykładzie w ogóle korzystalibyśmy

ze współczynnika r-Pearsona?
r-Pearsona – wyniki

• Jak silna jest korelacja i jaki ma kierunek?

• Czy korelacja jest istotna statystycznie?

Jednoczynnikowa analiza wariancji ANOVA
Jednoczynnikowa analiza wariancji ANOVA

Jednoczynnikowa analiza wariancji (ANOVA) – test statystyczny używany do porównywania średnich

zmiennej zależnej w co najmniej 3 grupach.
Założenia testu:
• Zmienna niezależna – nominalna, na przynajmniej 3 poziomach (równoliczność osób w grupach)
• Zmienna zależna – ilościowa
• Rozkład normalny zmiennej zależnej
• Homogeniczność wariancji w grupach (jednorodność wariancji)

• Jeśli założenia testu nie zostały spełnione lub zmienna zależna jest porządkowa, to można przeprowadzić test
nieparametryczny: test H Kruskala-Wallisa.
Jednoczynnikowa analiza wariancji ANOVA
Na przykładzie badania wpływu upojenia alkoholowego na postrzeganie atrakcyjności.
1. Sprawdzamy rodzaj zmiennych:
• Zmienna niezależna: alkohol ma 3 poziomy (grupy powinny być równoliczne)
a) 0 – brak alkoholu (grupa placebo)
b) 1 – mała dawka alkoholu
c) 2 – duża dawka alkoholu
• Zmienna zależna: ocena atrakcyjności – zmienna ilościowa

2. Sprawdzamy pozostałe założenia (o jednorodności wariancji i normalności rozkładu ZZ)

3. Interpretujemy wynik testu (sprawdzając również wykres)
4. Przeprowadzamy analizę kontrastu lub testy post hoc (aby sprawdzić różnice pomiędzy poszczególnymi grupami).
*Testowana hipoteza zerowa ANOVY mówi, że nie ma istotnej różnicy między średnimi wszystkich grup. Jeśli hipoteza zerowa
zostanie odrzucona, po prostu stwierdzamy, że istnieje znacząca różnica między grupami, ale nie możemy określić dokładnie między,
którymi grupami. Aby to sprawdzić (między którymi grupami występują istotne różnice) należy przeprowadzić analizę kontrastu lub
testy post hoc.
Jednoczynnikowa analiza wariancji ANOVA
Założenia testu:
• Rodzaj zmiennych:
• Zmienna niezależna – nominalna, na przynajmniej 3 poziomach
Zmienna zależna – ilościowa
• Równoliczność osób w grupach (analiza -> opis statystyczny -
> częstości)
• Rozkład normalny zmiennej zależnej
• Homogeniczność wariancji w grupach (jednorodność
wariancji)
Jednoczynnikowa analiza wariancji ANOVA
Założenia testu:
• Rodzaj zmiennych:
• Zmienna niezależna – nominalna, na przynajmniej 3
poziomach Zmienna zależna – ilościowa
• Równoliczność osób w grupach (analiza -> opis statystyczny ->
częstości)
• Rozkład normalny zmiennej zależnej
• Homogeniczność wariancji w grupach (jednorodność
wariancji)
Jednoczynnikowa analiza wariancji ANOVA
Jednoczynnikowa analiza wariancji ANOVA
Jednoczynnikowa analiza wariancji ANOVA
Założenia testu:
• Rodzaj zmiennych:
• Zmienna niezależna – nominalna, na przynajmniej 3 poziomach Zmienna
zależna – ilościowa
• Równoliczność osób w grupach (analiza -> opis statystyczny -> częstości)
• Rozkład normalny zmiennej zależnej
• Homogeniczność wariancji w grupach (jednorodność wariancji)
Jednoczynnikowa analiza wariancji ANOVA – wyniki

Pojawią się 4 tabelki

oraz wykres (ten i
kolejne slajdy)
Jednoczynnikowa analiza wariancji ANOVA – wyniki

Czy wynik testu jest istotny statystycznie?

Wielkość efektu

F – wynik testy
p – istotność statystyczna wyniku testu
η2 - wielkość efektu (eta kwadrat)
Interpretacja η2
• 0,1 – mała wielkość efektu
• 0,25 – średnia wielkość efektu
• 0,37 – duża wielkość efektu
Jednoczynnikowa analiza wariancji ANOVA – wyniki
Jednoczynnikowa analiza wariancji ANOVA – wyniki

Jeśli wynik anovy jest istotny statystycznie, to sprawdzamy jeszcze,

które grupy istotnie statystycznie różnią się od siebie. W tym celu
używamy analizy kontrastu lub testów post hoc. Tej pierwszej
używamy przy porównaniach planowanych, czyli takich, które
zaplanowaliśmy przed przeprowadzeniem badania (np. planując
badanie o wpływie alkoholu na ocenę atrakcyjności, zakładaliśmy, że
grupa 0 będzie różnić się od pozostałych).
Testy post hoc używamy, gdy nie zakładaliśmy, które grupy będą się
od siebie różnić (te testy możemy przeprowadzać zawsze).
Tabele z wynikami pokazują czy dane pary grup różnią się od siebie
istotnie statystycznie.
Jednoczynnikowa analiza wariancji ANOVA – kontrasty
Wprowadzamy, które grupy chcemy porównać –
przypisujemy „wagi”.
Zasady:
Suma wag musi być równa 0.
Porównujemy pary o takiej samej wartości, ale
przeciwnych znakach.
Grupy oznaczone „0” nie są objęte porównaniem.
Jednoczynnikowa analiza wariancji ANOVA – testy post hoc

Wybieramy test z danej grupy

w zależności od tego czy
spełnione jest założenie o
jednorodności wariancji.

Statystyczny drogowskaz, tom

2, strony 47-48 – opis testów
post hoc.
Jednoczynnikowa analiza wariancji ANOVA – testy post hoc
Dziękuję za uwagę 