Statistika v bakalářské práci: jaký test na jaká data

Popisná statistika jako povinný základ

Než se dostaneš k testům, svoje data popiš: u kategorií absolutní a relativní četnosti, u číselných proměnných průměr, medián, modus a směrodatnou odchylku. Metodika nelékařských oborů Lékařské fakulty Masarykovy univerzity tomu říká třídění prvního stupně a u bakalářské práce ho pokládá za dostačující, druhý stupeň váže až na testování hypotéz. Táž metodika u bakalářské práce ukládá interpretovat výsledky tabulkami, grafy jen jako doplněk. Popis dat je zároveň první krok při volbě testu: symetrii posoudíš z koeficientu šikmosti, nulového u souměrného rozdělení, a normalitu Shapirovým-Wilkovým testem, protože ta je předpokladem parametrických testů. Sběr odpovědí sem nepatří, ten ti řeší metody sběru dat.

Který test kdy a proč

První otázka není který test, ale na jaké úrovni měření jsou tvoje data, protože z ní vyplývá všechno ostatní. Učebnice Matematická biologie z Masarykovy univerzity rozlišuje nominální data, tedy kategorie bez přirozeného pořadí, jako je pohlaví nebo obor studia. Ordinální data pořadí mají, což je případ Likertovy škály, a u intervalové stupnice se dá ptát, o kolik jednotek se dvě hodnoty liší. Teprve potom se ptáš, jestli zkoumáš vztah nebo rozdíl, kolik skupin porovnáváš a jestli nejde o tytéž lidi. Co přesně testuješ, musí vyplývat z cíle práce v úvodu.

Nejčastěji padá předpoklad chí-kvadrátu a Matematická biologie ho formuluje přísněji než anglická literatura: alespoň 80 procent buněk kontingenční tabulky musí mít očekávanou četnost vyšší než 5 a všechny buňky vyšší než 2. U malého vzorku rozdrobeného na mnoho kategorií to nevyjde: podle studie McHugh v Biochemia Medica potřebuje vzorek aspoň pětinásobek počtu buněk, takže tabulka s osmi buňkami žádá 40 odpovědí. S ordinálními daty, tedy s Likertovou škálou, zůstáváš u neparametrických testů.

P-hodnota: pravděpodobnost dat, ne hypotézy

P-hodnota ti neříká, jaká je pravděpodobnost, že tvoje hypotéza platí, ale jakou pravděpodobnost by podle definice v Matematické biologii měla stejná nebo extrémnější hodnota testové statistiky za platnosti nulové hypotézy. Hranici si stanovuješ dopředu a podle Studia paedagogica to bývá 0,05, kolektiv 72 statistiků však doporučil 0,5 procenta. Americká statistická asociace to v březnu 2016 shrnula do šesti principů a dva z nich potřebuješ: p neměří pravděpodobnost, že hypotéza je pravdivá, ani velikost účinku či důležitost výsledku. Proto k p patří míra věcné významnosti, u dvou průměrů Cohenovo d: 0,2 až 0,5 malý, 0,5 až 0,8 střední, 0,8 a více velký efekt. Na velikosti souboru p-hodnota silně závisí, míra věcné významnosti nikoli.

Jak výsledky zapsat do textu

Výsledek není číslo ve výstupu programu, ale věta s testovou statistikou, stupni volnosti, p-hodnotou a silou vztahu, u chí-kvadrátu s Cramerovým V. Český zápis odděluje údaje středníkem a drží desetinnou čárku, tedy t = 14,246; df = 7016,132; P < 0,0005. SPSS tiskne u malých p-hodnot 0,000 a autoři v časopise Studia paedagogica takový formát odmítají. Vzor, který si přepíšeš na vlastní čísla:

Za větou následuje tabulka s pozorovanými a očekávanými četnostmi, ne surová obrazovka ze softwaru. Metodika Lékařské fakulty přidává pravidlo, které se často porušuje: názvem tabulky není otázka z dotazníku, tedy ne Jaký je Váš věk, ale Věk respondenta. Vlastní pravidla číslování a popisků mají tabulky a grafy ve Wordu.

Výsledková část: text z tvých čísel

Samotný výpočet zvládne JASP nebo jamovi, oba jsou zdarma, psaní výsledkové části ti ale nezkrátí. AIPráce z tvého exportu z Google Forms nebo z Excelu spočítá četnosti, průměry a směrodatné odchylky a napíše k nim souvislý text, přičemž má zakázáno uvést hodnotu, která ve tvém souboru není. Test si spustíš a zkontroluješ sám.