Jaki test statystyczny wybrać? Poradnik dla początkujących
Nie ma jednego najlepszego testu statystycznego. Wybór zaczyna się od hipotezy i typu danych, a dopiero kończy na nazwie metody. Najpierw określ, czy analizujesz różnicę, związek, zmianę lub przewidywanie, następnie sprawdź zmienne, układ grup i założenia wybranego testu.
Dlaczego wybór testu to proces, a nie nazwa metody?
Częsty błąd polega na rozpoczęciu analizy od pytania „test t-Studenta czy U Manna-Whitneya?” albo „Pearson czy Spearman?”. Sama nazwa testu powinna być wynikiem wcześniejszego rozumowania, nie jego początkiem.
Punktem wyjścia jest problem badawczy. Musisz ustalić, czy chcesz porównać grupy, sprawdzić związek między zmiennymi, ocenić zmianę po czasie, czy przewidywać wynik na podstawie kilku czynników. Dopiero później znaczenie mają skala pomiaru, liczba grup, zależność obserwacji i założenia statystyczne.
Test jest więc ostatnim etapem doboru metody. Dwie analizy dotyczące „różnicy między grupami” mogą wymagać innych procedur, jeśli jedna obejmuje dwie niezależne grupy, a druga dwa pomiary tych samych osób.
Jak wybrać test statystyczny krok po kroku?
Przed otwarciem programu statystycznego odpowiedz na pięć pytań. Ich kolejność porządkuje decyzję i ogranicza liczbę metod, które w ogóle warto rozważać:
- Jaki jest cel analizy? Ustal, czy sprawdzasz różnicę między grupami, związek między zmiennymi, zmianę w czasie czy możliwość przewidywania wyniku.
- Jakiego typu są zmienne? Rozróżnij zmienne nominalne, porządkowe i ilościowe. Płeć lub odpowiedź „tak/nie” mają charakter nominalny, ocena na skali Likerta jest zwykle porządkowa, a wzrost lub wiek są zmiennymi ilościowymi.
- Ile grup lub pomiarów obejmuje analiza? Dwie grupy prowadzą do innego zestawu metod niż trzy lub więcej grup. Osobnego podejścia wymagają powtarzane pomiary tych samych osób.
- Czy obserwacje są niezależne, czy zależne? Dwie różne grupy osób zwykle dostarczają obserwacji niezależnych. Pomiar przed i po interwencji u tych samych osób tworzy dane zależne.
- Czy dane spełniają założenia wybranej metody? Sprawdź między innymi rozkład, obserwacje odstające, jednorodność wariancji, liniowość zależności i liczebność próby. Normalność rozkładu jest tylko jednym z elementów oceny.
Przykładowo pytanie „czy kobiety i mężczyźni różnią się poziomem stresu?” wskazuje na porównanie dwóch grup. Pytanie „czy poziom stresu wiąże się z jakością snu?” prowadzi do analizy korelacji, a „czy wiek, stres i liczba godzin pracy pozwalają przewidywać jakość snu?” – do regresji.
Mapa najczęstszych problemów badawczych
Poniższa tabela jest mapą orientacyjną, a nie automatyczną receptą. Ostateczny wybór trzeba poprzeć analizą skali pomiaru, projektu badania i założeń w konkretnych danych.
| Problem badawczy | Typ zmiennej | Sugerowane testy |
|---|---|---|
| Porównanie dwóch niezależnych grup | Zmienna wynikowa ilościowa lub porządkowa | Test t dla prób niezależnych, test Welcha lub U Manna-Whitneya |
| Porównanie dwóch pomiarów zależnych | Te same osoby mierzone dwa razy | Test t dla prób zależnych lub test Wilcoxona |
| Porównanie co najmniej trzech niezależnych grup | Jedna zmienna grupująca z co najmniej trzema poziomami | ANOVA, ANOVA Welcha lub test Kruskala-Wallisa |
| Porównanie co najmniej trzech pomiarów zależnych | Te same osoby mierzone w kilku momentach | ANOVA z powtarzanym pomiarem lub test Friedmana |
| Badanie związku dwóch zmiennych | Zmienne ilościowe lub porządkowe | Korelacja Pearsona lub Spearmana |
| Badanie związku zmiennych kategorycznych | Nominalne dane w tabeli kontyngencji | Test chi-kwadrat lub dokładny test Fishera |
| Przewidywanie wyniku ilościowego | Jedna lub kilka zmiennych objaśniających i wynik liczbowy | Regresja liniowa |
W przypadku kilku grup sam wynik ANOVA nie mówi jeszcze, które grupy się różnią. Zwykle potrzebna jest zaplanowana analiza post hoc. Przy regresji trzeba pamiętać, że możliwość przewidywania statystycznego nie dowodzi przyczynowości.
Test parametryczny czy nieparametryczny?
Testy parametryczne, takie jak test t-Studenta, ANOVA czy korelacja Pearsona, często pozwalają precyzyjnie analizować średnie, różnice lub zależności. Przy spełnionych założeniach zwykle mają większą moc, czyli większą zdolność wykrywania rzeczywistego efektu.
Testy nieparametryczne opierają się często na rangach i są przydatne przy danych porządkowych, silnie asymetrycznych rozkładach, obserwacjach odstających lub naruszeniu założeń metod parametrycznych. Nie oznacza to jednak, że są zawsze lepsze dla małych prób ani że należy wybierać je automatycznie.
Przy ocenie testu parametrycznego sprawdź między innymi:
- normalność rozkładu lub rozkład różnic, zależnie od konstrukcji testu,
- jednorodność wariancji w porównywanych grupach,
- obecność obserwacji odstających,
- liniowość zależności przy korelacji lub regresji,
- skalę pomiaru i liczebność analizowanych grup.
Test Shapiro-Wilka może pomóc w ocenie normalności, ale jego wynik nie powinien samodzielnie decydować o wyborze metody. Przy dużych próbach nawet niewielkie odchylenie od normalności może dać istotny wynik, a przy małych próbach test może mieć ograniczoną zdolność wykrywania odchyleń. Dlatego należy połączyć wynik testu z wykresami, statystykami opisowymi, oceną odstających obserwacji i odpornością rozważanej metody.
Czasem zamiast rezygnować z metod parametrycznych można zastosować ich wariant odporniejszy na nierówność wariancji, na przykład test Welcha. Wybór zależy od tego, jak silne jest naruszenie założeń i jaki parametr chcesz interpretować.
Najczęstsze odpowiedniki metod przedstawiają się następująco:
| Test parametryczny | Test nieparametryczny | Typowy problem |
|---|---|---|
| Test t dla prób niezależnych | Test U Manna-Whitneya | Porównanie dwóch niezależnych grup |
| Test t dla prób zależnych | Test Wilcoxona | Porównanie dwóch pomiarów tych samych osób |
| Jednoczynnikowa ANOVA | Test Kruskala-Wallisa | Porównanie co najmniej trzech grup niezależnych |
| ANOVA z powtarzanym pomiarem | Test Friedmana | Porównanie co najmniej trzech pomiarów zależnych |
To są odpowiedniki funkcjonalne, a nie zawsze idealne zamienniki. Test U Manna-Whitneya nie jest po prostu testem t wykonanym na innych danych, ponieważ metody mogą dotyczyć innych własności rozkładów. Po wyborze testu trzeba też raportować wielkość efektu i, gdy to możliwe, przedział ufności, a nie tylko wartość p.
Na co uważać przy wyborze testu?
Przed obliczeniami sprawdź, czy nie popełniasz któregoś z poniższych błędów:
- Wybierasz test dlatego, że zastosowano go w podobnej pracy, bez sprawdzenia własnej hipotezy i struktury danych.
- Nie określasz, czy porównujesz obserwacje zależne, czy niezależne.
- Traktujesz zmienne nominalne, porządkowe i ilościowe jak dane tego samego rodzaju.
- Uznajesz pojedynczy wynik Shapiro-Wilka za wystarczające kryterium wyboru testu.
- Pomijasz obserwacje odstające, braki danych lub nierówność wariancji.
- Dobierasz metodę po obliczeniach, ponieważ daje oczekiwany poziom istotności.
- Raportujesz wyłącznie p-value, bez wielkości efektu, przedziału ufności i opisu danych.
Jeśli hipotezy są niejednoznaczne, analiza obejmuje kilka typów zmiennych albo pojawiają się interakcje i powtarzane pomiary, warto skonsultować cały schemat: problem badawczy → zmienne → projekt badania → założenia → test → sposób raportowania. Programy takie jak PS IMAGO PRO mogą ułatwić obliczenia i sprawdzanie założeń, ale nie podejmują za badacza decyzji metodologicznej.
Najbezpieczniejsza zasada brzmi: najpierw opisz, co chcesz wykazać, potem rozpoznaj dane i zależności między obserwacjami, a dopiero na końcu wybierz test. Taki tok rozumowania jest ważniejszy niż zapamiętanie długiej listy nazw.
Artykuł ma charakter informacyjny i nie zastępuje konsultacji metodologicznej przy projektowaniu złożonej analizy badawczej.
