Oferty statystyczne Tutoriale Opinie Kontakt

Analiza statystyczna w badaniach psychologicznych – metody i przykłady

W psychologii większość danych pochodzi z kwestionariuszy, dlatego analiza zaczyna się od sprawdzenia pomiaru, a dopiero potem przechodzi do porównań i związków. Ten poradnik pokazuje, jaką metodę wybrać do pytania badawczego, jak wygląda przykładowa analiza i jak możemy pomóc w pracy dyplomowej lub artykule.

W skrócieKolejność jest stała: rzetelność skal → statystyki opisowe → test hipotezy z wielkością efektu i przedziałem ufności → opis w stylu APA. Sama statystyka nie rozstrzyga o przyczynowości – decyduje o niej plan badania. Projekty studenckie kosztują u nas od 250 zł netto i trwają zwykle 1–2 dni. Liczymy i opisujemy wyniki, a autorem pracy zostajesz Ty.

Analiza statystyczna w psychologii: od pytania do metody

Tabela 1. Pytanie badawcze a metoda statystyczna
PytanieMetodaPrzykład krok po kroku
Czy skala mierzy rzetelnie?alfa Cronbacha, omega McDonaldaalfa Cronbacha – przykład
Ile cech mierzy kwestionariusz?eksploracyjna, a potem konfirmacyjna analiza czynnikowaanaliza czynnikowa – przykład
Czy dwie grupy się różnią (np. kobiety i mężczyźni)?test t lub test U Manna-Whitneyatest t – przykład
Czy różnią się trzy grupy lub więcej?ANOVA lub test Kruskala-WallisaANOVA – przykład
Czy dwie cechy są powiązane?korelacja Pearsona lub Spearmanakorelacja Pearsona – przykład
Co przewiduje wynik?regresja liniowaregresja – przykład
Przez co (mediacja) lub kiedy (moderacja) działa związek?mediacja z bootstrapem, moderacja jako interakcjaanaliza mediacji – przykład
Jak łączą się konstrukty mierzone wieloma pytaniami?modelowanie równań strukturalnychPLS-SEM

Statystyka w psychologii zaczyna się od pomiaru

Wynik skali ma sens tylko wtedy, gdy pytania mierzą tę samą cechę. Dlatego najpierw przekoduj pytania odwrócone, potem sprawdź rzetelność, a dopiero na końcu policz wynik skali, np. średnią z pytań. We wstępnych badaniach za wystarczającą uznaje się zwykle alfę od 0,70, a w badaniach podstawowych – od 0,80 (Nunnally i Bernstein, 1994). Wysoka alfa nie dowodzi jednak, że skala mierzy jedną cechę – to sprawdza analiza czynnikowa. Przystępnym polskim poradnikiem z przykładami z psychologii jest książka pod redakcją Bedyńskiej i Cypryańskiej (2013).

Przykład: lęk przed statystyką a punkty z kolokwium

Ośmioro studentów odpowiedziało na trzy pytania (1–5): L1 „Na myśl o statystyce czuję niepokój”, L2 „Boję się, że nie zdam egzaminu ze statystyki” i odwrócone L3 „Statystyka sprawia mi przyjemność”. Hipoteza: im większy lęk, tym mniej punktów.

Tabela 2. Dane, rekodowanie i wynik skali
OsobaL1L2L3L3 po rekodowaniu (6 − x)Lęk (średnia)Punkty (0–20)
144154,335
244423,338
322422,0018
443333,3310
533422,6714
642422,6710
755155,009
844244,008
M (SD)3,42 (0,99)10,25 (4,03)

Alfa Cronbacha skali wynosi 0,86. Korelacja Pearsona lęku z punktami to r = −0,77; p = 0,025. Według progów Cohena (1988) to związek silny. Przy ośmiu osobach przedział ufności jest jednak bardzo szeroki: od −0,96 do −0,15. Wynik jest też kruchy: bez osoby 3 (najniższy lęk, 18 punktów) r = −0,63 i p = 0,132. W prawdziwym badaniu potrzebujesz więc znacznie większej próby.

Zapis w stylu APA: Skala lęku przed statystyką miała zadowalającą rzetelność (α = 0,86). Wyższy lęk wiązał się z mniejszą liczbą punktów z kolokwium, r(6) = −0,77; 95% CI [−0,96; −0,15]; p = 0,025.

W pracy obok tego akapitu wystarczą średnie i odchylenia standardowe obu zmiennych oraz wykres rozrzutu z liczbą osób w podpisie.

# 8 studentów: skala lęku przed statystyką (3 pytania, 1–5) i punkty z kolokwium (0–20)
dane <- data.frame(L1 = c(4, 4, 2, 4, 3, 4, 5, 4),
                   L2 = c(4, 4, 2, 3, 3, 2, 5, 4),
                   L3 = c(1, 4, 4, 3, 4, 4, 1, 2),        # „Statystyka sprawia mi przyjemność” (odwrócone)
                   punkty = c(5, 8, 18, 10, 14, 10, 9, 8))

# 1) rekodowanie pytania odwróconego na skali 1–5
dane$L3r <- 6 - dane$L3

# 2) rzetelność skali: alfa Cronbacha
round(psych::alpha(dane[, c("L1", "L2", "L3r")])$total$raw_alpha, 2)

# 3) wynik skali = średnia z trzech pytań
dane$lek <- rowMeans(dane[, c("L1", "L2", "L3r")])
round(sapply(dane[, c("lek", "punkty")], function(x) c(M = mean(x), SD = sd(x))), 2)

# 4) korelacja Pearsona z 95% przedziałem ufności
cor.test(dane$lek, dane$punkty)

Wynik w konsoli R:

[1] 0.86
    lek punkty
M  3.42  10.25
SD 0.99   4.03

	Pearson's product-moment correlation

data:  dane$lek and dane$punkty
t = -2.9752, df = 6, p-value = 0.02479
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
 -0.9563923 -0.1476793
sample estimates:
       cor 
-0.7720123 
Wykres rozrzutu z aplikacji SZTOS: lęk przed statystyką od 2 do 5 i punkty z kolokwium; czerwona linia opada, szeroki pas przedziału ufności, R kwadrat równe 0,60
Rys. 1. Tak wygląda ten fragment w raporcie z aplikacji SZTOS. Czerwona linia to prosta regresji, pas wokół niej – 95% przedział ufności. R² = 0,60 oznacza, że lęk i punkty mają wspólne 60% zmienności. Kropki dziesiętne i brak polskich znaków w nazwie osi to zapis programu.

Czy analiza statystyczna pozwala wnioskować o przyczynowości?

Sama nie. Korelacja z jednego pomiaru pasuje do kilku wyjaśnień. O przyczynowości decyduje plan badania, czyli eksperyment z losowym przydziałem do warunków, a ostrożniej – badania podłużne z kontrolą zmiennych zakłócających (Shadish i in., 2002). W badaniach kwestionariuszowych pisz o „związku”, a nie o „wpływie”.

Trzy schematy dla korelacji r = −0,77: lęk obniża wynik, słaby wynik budzi lęk albo przygotowanie z matematyki wpływa na oba
Rys. 2. Trzy schematy zgodne z tą samą korelacją. Dane z jednego pomiaru ich nie rozróżnią.

Jak pomagamy w analizie statystycznej do pracy z psychologii?

Pracujemy ze studentami psychologii, doktorantami i badaczami. Dostajesz raport z opisem próby, rzetelnością skal i testami hipotez z wielkością efektu oraz przedziałami ufności, czego wymagają standardy raportowania (Appelbaum i in., 2018). Do tego tabele i rysunki w stylu APA (American Psychological Association, 2020) oraz opis metod i wyników. Zobacz przykładowy raport z psychologii (PDF) i analizę pracy magisterskiej o akceptacji technologii.

  1. Bezpłatna rozmowa – pokazujesz ankietę, dane i hipotezy. Odpowiadamy w ciągu 24 godzin.
  2. Wycena z góry – cenę i termin znasz przed rozpoczęciem pracy.
  3. Analiza i raport – projekty studenckie zwykle 1–2 dni, projekty badawcze przeciętnie 5–10 dni.
  4. Omówienie i poprawki – poprawki po uwagach promotora lub recenzenta są w ustalonej cenie.

Ile kosztuje analiza statystyczna w psychologii?

Według oferty dla studentów najtańsze projekty kosztują 250 zł netto, połowa – mniej niż 850 zł, a średnia to około 1117 zł netto. Analizy do artykułów i doktoratów (oferta dla badaczy) kosztują od 750 zł netto, a połowa z nich – mniej niż 2000 zł. Od czego zależy wycena, wyjaśniamy na stronie statystyka do pracy magisterskiej – cena.

Najczęstsze pytania

Czy napiszecie za mnie rozdział z wynikami?

Nie piszemy prac za studentów. Pomagamy jak statystyk i redaktor: liczymy wyniki i przygotowujemy ich opis, który dopracujesz w swojej pracy. Autorem pracy zostajesz Ty. Cały proces opisuje poradnik analiza statystyczna w pracy magisterskiej.

Czy pomagacie przy kwestionariuszu własnego autorstwa?

Tak. Sprawdzamy rzetelność i strukturę czynnikową skal, a przy kilku skalach także ich odrębność wskaźnikiem HTMT. Pomagamy też usunąć lub przeformułować słabe pytania przed badaniem właściwym.

W jakim formacie wysłać dane?

Wystarczy plik Excel, CSV, plik SPSS albo eksport z Formularzy Google. Obliczenia wykonujemy w R i w aplikacji SZTOS.

Bibliografia

  1. American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). https://doi.org/10.1037/0000165-000
  2. Appelbaum, M., Cooper, H., Kline, R. B., Mayo-Wilson, E., Nezu, A. M., & Rao, S. M. (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report. American Psychologist, 73(1), 3–25. https://doi.org/10.1037/amp0000191
  3. Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
  4. Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3rd ed.). McGraw-Hill.
  5. Shadish, W. R., Cook, T. D., & Campbell, D. T. (2002). Experimental and quasi-experimental designs for generalized causal inference. Houghton Mifflin.
  6. Bedyńska, S., & Cypryańska, M. (Red.). (2013). Statystyczny drogowskaz 1: Praktyczny poradnik analizy danych w naukach społecznych na przykładach z psychologii. Wydawnictwo Akademickie Sedno.
  7. Hryniewicz, K., & Milewska, A. (2023). SZTOS: System Zautomatyzowanego Tworzenia Opisu Statystycznego [Oprogramowanie]. SZTOS IT. https://sztos-it.com/

Zobacz też

Potrzebujesz pomocy z analizą do pracy dyplomowej?

Policzymy Twoje wyniki, przygotujemy tabele, wykresy i opis w standardzie APA, który wykorzystasz w swojej pracy. Pomagamy jak statystyk i redaktor – autorem pracy zostajesz Ty. Konsultacja i wycena są bezpłatne.

Na skróty