Jak obliczyć istotność statystyczną p?
Wartość p oblicza się jako wynik konkretnego testu statystycznego, a nie jako samodzielną miarę oderwaną od danych. W Excelu najprościej uzyskać ją funkcją T.TEST albo za pomocą dodatku Analiza danych. Następnie porównuje się ją z wcześniej ustalonym poziomem istotności α.
Czym jest wartość p?
Wartość p (p-value) to prawdopodobieństwo uzyskania wyniku co najmniej tak skrajnego jak zaobserwowany, przy założeniu, że hipoteza zerowa (H0) jest prawdziwa. Hipoteza zerowa zwykle zakłada brak różnic, brak związku albo brak wpływu badanego czynnika.
Mała wartość p oznacza, że zaobserwowane dane byłyby mało prawdopodobne przy prawdziwości H0. Nie oznacza jednak, że p-value jest prawdopodobieństwem prawdziwości lub fałszywości hipotezy. Wynik trzeba interpretować razem z rodzajem testu, wielkością efektu, liczebnością próby i założeniami analizy.
Co przygotować przed obliczeniem?
Przed otwarciem Excela określ, co dokładnie chcesz sprawdzić. Najpierw sformułuj hipotezy:
- H0 – zakłada brak różnicy, związku lub wpływu.
- H1 – zakłada istnienie różnicy, związku lub wpływu.
- α – ustalony wcześniej poziom istotności, często 0,05.
- Kierunek testu – jednostronny, gdy interesuje Cię konkretny kierunek efektu, albo dwustronny, gdy sprawdzasz każdą różnicę.
Poziom α = 0,05 oznacza gotowość do zaakceptowania określonego ryzyka błędu pierwszego rodzaju, czyli odrzucenia prawdziwej H0. Można wcześniej przyjąć także α = 0,01, α = 0,001 albo α = 0,10, zależnie od celu badania. Nie należy dobierać tej wartości dopiero po poznaniu p-value.
Wybór testu zależy od rodzaju danych i pytania badawczego:
| Typ danych | Zastosowanie | Sugerowany test |
|---|---|---|
| Dwie średnie | Porównanie wyników dwóch grup lub dwóch pomiarów | Test t-Studenta |
| Zmienne kategoryczne | Sprawdzenie niezależności lub zgodności rozkładów | Test chi-kwadrat |
| Średnia przy znanym odchyleniu populacji lub dużej próbie | Porównanie średniej albo proporcji | Test Z |
| Trzy lub więcej średnich | Porównanie kilku grup | ANOVA, oparta na statystyce F |
Test t wykorzystuje rozkład t-Studenta, którego kształt zależy od stopni swobody. Przy mniejszych próbach jego ogony są cięższe niż w rozkładzie normalnym. Test chi-kwadrat stosuje się między innymi do danych licznikowych i tabel krzyżowych, natomiast test F wykorzystuje się na przykład w analizie wariancji.
Jak obliczyć p-value w Excelu?
Metoda 1 – funkcja T.TEST
Funkcja T.TEST zwraca wartość p dla testu t na podstawie dwóch zakresów danych. Załóżmy, że wyniki pierwszej grupy znajdują się w komórkach A2:A21, a wyniki drugiej w B2:B21.
- Umieść dane obu grup w dwóch kolumnach. Jeśli porównujesz te same osoby przed i po zmianie, zachowaj odpowiadające sobie obserwacje w tym samym wierszu.
- Kliknij pustą komórkę, w której ma pojawić się wynik.
- Wpisz formułę
=T.TEST(A2:A21;B2:B21;2;3). W angielskiej wersji Excela separatorem może być przecinek zamiast średnika. - Odczytaj zwróconą wartość i porównaj ją z ustalonym wcześniej α.
Argumenty funkcji oznaczają kolejno:
- pierwszy zakres danych,
- drugi zakres danych,
- liczbę ogonów, gdzie 1 oznacza test jednostronny, a 2 dwustronny,
- typ testu, gdzie 1 oznacza próbę sparowaną, 2 test dla dwóch prób o równych wariancjach, a 3 test dla dwóch prób o nierównych wariancjach.
Jeżeli porównujesz dwie niezależne grupy i nie masz podstaw, aby przyjąć równość ich wariancji, często wybiera się formułę =T.TEST(A2:A21;B2:B21;2;3). Dla pomiarów sparowanych, na przykład przed i po interwencji u tych samych osób, użyj typu 1.
Metoda 2 – narzędzie Analiza danych
Dodatek Analiza danych tworzy pełniejszy raport. Oprócz p-value pokazuje między innymi średnie, wariancje, liczebność obserwacji oraz statystykę t.
- Otwórz menu Plik → Opcje → Dodatki.
- Na dole okna wybierz Dodatki programu Excel, kliknij Przejdź i zaznacz Analysis ToolPak lub Narzędzia analizy.
- Przejdź do karty Dane i wybierz Analiza danych.
- Wybierz właściwy wariant testu, na przykład test t dla prób sparowanych albo test t dla dwóch prób o nierównych wariancjach.
- Wskaż zakres pierwszej i drugiej zmiennej. Przy danych sparowanych obserwacje powinny znajdować się w odpowiadających sobie wierszach.
- W polu poziomu α wpisz wcześniej przyjętą wartość, na przykład 0,05.
- Wybierz miejsce raportu, takie jak nowy arkusz, i kliknij OK.
W raporcie znajdź pozycję odpowiadającą wartości p. Dla testu dwustronnego będzie to zwykle wiersz oznaczony jako P(T<=t) two-tail. Dla testu jednostronnego wybierz wartość oznaczoną jako one-tail. Nie wybieraj wariantu tylko dlatego, że daje korzystniejszy wynik. Kierunek testu powinien wynikać z hipotezy ustalonej przed analizą.
Jak interpretować uzyskaną wartość p?
Decyzję podejmuje się przez porównanie p-value z poziomem istotności α:
| Wartość p | Decyzja względem H0 | Znaczenie |
|---|---|---|
| p ≤ α | Odrzucamy H0 | Dane dostarczają podstaw do uznania wyniku za istotny statystycznie przy przyjętym α. |
| p > α | Brak podstaw do odrzucenia H0 | Nie uzyskano wystarczających dowodów przeciwko H0 przy przyjętym α. |
| p blisko α | Wynik graniczny | Interpretacja wymaga uwzględnienia liczebności próby, wielkości efektu i jakości założeń. |
Nie należy pisać, że p > 0,05 dowodzi braku efektu. Taki wynik oznacza jedynie, że dane nie dały podstaw do odrzucenia H0 przy wybranym poziomie α. Podobnie p ≤ 0,05 nie dowodzi, że efekt jest duży, ważny lub praktycznie użyteczny.
Przykładowo p = 0,028 może wskazywać na istotność statystyczną przy α = 0,05, ale nie mówi samo w sobie, jak silna jest zależność. Z kolei p = 0,058 znajduje się nieco powyżej tego progu. Nie pozwala odrzucić H0 według ustalonej reguły, ale nie dowodzi, że badany efekt na pewno nie istnieje. W raporcie warto podać także statystykę testową, stopnie swobody, miarę wielkości efektu oraz przedział ufności.
Najczęstsze błędy interpretacyjne obejmują:
- traktowanie p-value jako prawdopodobieństwa, że H0 jest prawdziwa,
- uznawanie α = 0,05 za uniwersalną granicę prawdy,
- utożsamianie istotności statystycznej z dużym efektem,
- wybieranie testu lub jego kierunku dopiero po obejrzeniu wyniku,
- pomijanie założeń dotyczących próby, niezależności obserwacji i rozkładu danych.
Wartość p jest wynikiem modelu i przyjętego testu. Jeśli próba nie była losowa, obserwacje nie są niezależne albo metoda nie odpowiada rodzajowi danych, sama poprawna składnia funkcji Excela nie naprawi problemu analitycznego.
Najbezpieczniej traktować p-value jako jeden z elementów wnioskowania. Najpierw ustal hipotezy, α i właściwy test, potem oblicz wynik w Excelu, a na końcu opisz p-value razem z wielkością efektu i ograniczeniami analizy.



