W skrócie: wybór testu statystycznego zależy od czterech rzeczy: typu danych (jakościowe czy ilościowe), liczby porównywanych grup, tego, czy grupy są zależne czy niezależne, oraz tego, czy rozkład jest normalny. Odpowiedz na te cztery pytania, a test wybierze się sam.
Planujesz zaawansowaną analizę do publikacji naukowej? Zobacz poradnik analiza statystyczna do publikacji naukowej.
Masz zebrane ankiety, dane siedzą w Excelu i utknąłeś. To najczęstszy moment kryzysu w pracy dyplomowej. Poniżej znajdziesz ścieżkę decyzyjną krok po kroku, ściągę z gotowym doborem testu oraz przykład opisu wyniku do wklejenia w rozdział badawczy.
Od czego zależy wybór testu statystycznego?
Zadaj sobie cztery pytania. Każde zawęża wybór.
- Jakiego typu są moje dane? Jakościowe (płeć, wykształcenie) czy ilościowe (wiek, wynik testu, punkty ze skali)?
- Ile grup porównuję? Dwie (kobiety vs mężczyźni) czy więcej (trzy grupy wiekowe)?
- Grupy są zależne czy niezależne? Niezależne = różne osoby. Zależne = te same osoby mierzone dwa razy (przed i po).
- Czy rozkład jest normalny? Sprawdzasz to testem Shapiro-Wilka. Jeśli p > 0,05 — rozkład normalny, możesz użyć testu parametrycznego.
Ściąga — jaki test wybrać
Porównujesz DWIE grupy niezależne (np. kobiety vs mężczyźni):
- dane ilościowe, rozkład normalny → test t-Studenta dla grup niezależnych
- dane ilościowe, rozkład NIEnormalny → test U Manna-Whitneya
- dane porządkowe (np. skala Likerta) → test U Manna-Whitneya
- dane jakościowe (np. tak/nie) → test chi-kwadrat
Porównujesz TRZY lub więcej grup niezależnych (np. trzy grupy wiekowe):
- dane ilościowe, rozkład normalny → ANOVA jednoczynnikowa
- dane ilościowe, rozkład NIEnormalny → test Kruskala-Wallisa
- dane porządkowe → test Kruskala-Wallisa
- dane jakościowe → test chi-kwadrat
Porównujesz DWA pomiary tych samych osób (przed i po):
- dane ilościowe, rozkład normalny → test t-Studenta dla par zależnych
- dane ilościowe lub porządkowe, rozkład NIEnormalny → test Wilcoxona
Badasz związek między dwiema zmiennymi:
- obie ilościowe, rozkład normalny → korelacja r Pearsona
- porządkowe lub rozkład NIEnormalny → korelacja rho Spearmana
- obie jakościowe → test chi-kwadrat
- chcesz przewidywać jedną zmienną na podstawie drugiej → regresja liniowa
Krok 1. Jakiego typu są Twoje dane?
- Nominalne (jakościowe) — kategorie bez porządku: płeć, miejsce zamieszkania, branża. Można je tylko zliczać.
- Porządkowe — kategorie z porządkiem, ale nieznanym dystansem: skala Likerta, wykształcenie, przedziały wiekowe.
- Ilościowe — liczby z sensownym dystansem: wiek w latach, liczba punktów, wynik testu, zarobki.
To jest najczęstsze źródło błędu. Skala Likerta wygląda jak liczby (1–5), ale jest skalą porządkową — nie wolno na niej używać testu t-Studenta. Zobacz: skala Likerta.
Krok 2. Ile grup porównujesz?
- Dwie → t-Student lub U Manna-Whitneya.
- Trzy lub więcej → ANOVA lub Kruskal-Wallis.
Uwaga: nie porównuj trzech grup, robiąc trzy osobne testy dla par. Każdy test niesie ryzyko błędu, a przy trzech testach ryzyko się kumuluje. Do trzech grup służy ANOVA lub Kruskal-Wallis.
Każda porównywana podgrupa powinna liczyć minimum 30 osób. Przy mniejszych grupach test nie ma mocy — nie wykryje różnicy, nawet gdy ona istnieje. Zobacz: wielkość próby badawczej.
Krok 3. Grupy zależne czy niezależne?
- Niezależne — to inne osoby. Kobiety i mężczyźni. Pracownicy firmy A i firmy B.
- Zależne (powiązane) — to te same osoby mierzone dwa razy. Wynik testu przed szkoleniem i po szkoleniu.
W pracach licencjackich i magisterskich zdecydowanie dominują grupy niezależne — bo najczęściej robi się jedno badanie ankietowe.
Krok 4. Czy rozkład jest normalny?
Sprawdzasz to testem Shapiro-Wilka (dla prób do ~50 osób) lub Kołmogorowa-Smirnowa (dla większych).
Jak odczytać wynik — to jest kontrintuicyjne:
- p > 0,05 → rozkład JEST normalny → możesz użyć testu parametrycznego (t-Student, ANOVA, Pearson).
- p < 0,05 → rozkład NIE jest normalny → musisz użyć testu nieparametrycznego (Mann-Whitney, Kruskal-Wallis, Spearman).
Tak, tutaj „istotny wynik” (p < 0,05) oznacza złą wiadomość — odrzucasz założenie o normalności. Studenci mylą to nagminnie.
Testy parametryczne a nieparametryczne
- Parametryczne (t-Student, ANOVA, Pearson) — wymagają danych ilościowych i rozkładu normalnego. Są mocniejsze: łatwiej wykryją istniejącą różnicę.
- Nieparametryczne (Mann-Whitney, Kruskal-Wallis, Wilcoxon, Spearman, chi-kwadrat) — nie wymagają rozkładu normalnego, działają na danych porządkowych. Są bezpieczniejsze, ale słabsze.
W razie wątpliwości wybierz test nieparametryczny. Stracisz trochę mocy, ale nie popełnisz błędu metodologicznego — a to drugie jest znacznie gorsze na obronie.
Najczęstsze testy — kiedy który
Test t-Studenta
Porównuje średnie w dwóch grupach. Wymaga danych ilościowych i rozkładu normalnego. Przykład: czy średni wynik testu wiedzy różni się między kobietami a mężczyznami?
Test U Manna-Whitneya
Nieparametryczny odpowiednik t-Studenta. To jest test, którego najczęściej potrzebujesz w pracy dyplomowej — bo dane ze skali Likerta są porządkowe.
ANOVA (analiza wariancji)
Porównuje średnie w trzech lub więcej grupach. Jeśli wyjdzie istotna, potrzebujesz jeszcze testu post-hoc (np. Tukeya), żeby wiedzieć, które konkretnie grupy się różnią.
Test Kruskala-Wallisa
Nieparametryczny odpowiednik ANOVA. Trzy lub więcej grup, dane porządkowe lub rozkład nienormalny.
Test Wilcoxona
Dla dwóch pomiarów tych samych osób (przed–po), gdy rozkład nie jest normalny.
Test chi-kwadrat
Bada zależność między dwiema zmiennymi jakościowymi. Przykład: czy płeć wiąże się z wyborem formy pracy (zdalna / hybrydowa / stacjonarna)?
Warunek: w każdej komórce tabeli krzyżowej powinno być minimum 5 obserwacji. Jeśli nie jest — użyj dokładnego testu Fishera.
Korelacja Pearsona i Spearmana
Badają siłę i kierunek związku między dwiema zmiennymi. Pearson dla danych ilościowych o rozkładzie normalnym, Spearman dla porządkowych. Zobacz: korelacja.
Jak interpretować poziom istotności p
- p < 0,05 → wynik istotny statystycznie. Odrzucasz hipotezę zerową. Różnica lub związek istnieje.
- p ≥ 0,05 → wynik nieistotny. Brak podstaw do odrzucenia hipotezy zerowej.
Uwaga na dwie pułapki:
- „Nieistotny” nie znaczy „udowodniłem, że różnicy nie ma”. Znaczy tylko, że jej nie wykryłeś — być może próba była za mała.
- „Istotny statystycznie” nie znaczy „ważny w praktyce”. Przy bardzo dużej próbie nawet mikroskopijna różnica wyjdzie istotna.
Jak opisać wynik testu w pracy — przykład
W celu sprawdzenia, czy płeć różnicuje ocenę efektywności pracy zdalnej, zastosowano test U Manna-Whitneya (ze względu na porządkowy charakter skali).
Analiza nie wykazała istotnych statystycznie różnic między kobietami a mężczyznami (U = 1842,50; p = 0,214). Oznacza to, że hipoteza H2 zakładająca, że kobiety oceniają pracę zdalną wyżej niż mężczyźni, została odrzucona.
Zwróć uwagę na schemat: po co test → jaki test i dlaczego → wynik z wartościami → co to znaczy dla hipotezy. Ten szablon działa przy każdym teście.
Pełny poradnik: jak opisać wyniki badań własnych i jak napisać rozdział badawczy.
Najczęstsze błędy przy doborze testu
- Test t-Studenta na skali Likerta. Błąd numer jeden. Skala Likerta jest porządkowa — potrzebujesz Manna-Whitneya.
- Brak sprawdzenia normalności rozkładu przed użyciem testu parametrycznego.
- Odwrotna interpretacja Shapiro-Wilka (p < 0,05 mylnie odczytane jako „rozkład normalny”).
- Trzy testy dla par zamiast ANOVA przy trzech grupach.
- Chi-kwadrat przy pustych komórkach tabeli krzyżowej.
- Podanie samego „p = 0,03″ bez wartości testu i bez interpretacji.
- Porównywanie podgrup po 8 osób — test nie ma mocy.
FAQ — najczęstsze pytania o testy statystyczne
Jaki test statystyczny wybrać do skali Likerta?
Testy nieparametryczne: U Manna-Whitneya (dwie grupy), Kruskala-Wallisa (trzy lub więcej), korelacja rho Spearmana. Skala Likerta jest porządkowa, więc test t-Studenta i ANOVA są niewłaściwe.
Kiedy używać testu chi-kwadrat?
Gdy badasz zależność między dwiema zmiennymi jakościowymi — np. płeć a wybór formy pracy. Warunek: minimum 5 obserwacji w każdej komórce tabeli krzyżowej.
Co oznacza p < 0,05?
Wynik istotny statystycznie — odrzucasz hipotezę zerową. Uwaga: przy teście normalności (Shapiro-Wilk) p < 0,05 oznacza, że rozkład NIE jest normalny.
W czym zrobić analizę statystyczną?
Do prostych analiz wystarczy Excel. Do testów statystycznych: SPSS, Statistica, PS Imago, R lub bezpłatny JASP. Na wielu uczelniach SPSS jest dostępny w licencji studenckiej.
Ile osób potrzeba do testu statystycznego?
Minimum 30 osób w każdej porównywanej podgrupie. Przy całej próbie poniżej 100 osób testy mają niską moc i mogą nie wykryć istniejących różnic.
Nie wiesz, jaki test wybrać do swoich danych?
Dobór testu zależy od Twoich hipotez i od tego, jak zbudowałeś narzędzie — nie da się tego rozstrzygnąć uniwersalną regułą. W EduVisor dobierzemy testy do Twoich danych, wykonamy obliczenia i przygotujemy gotowy opis wyników wraz z interpretacją. Sprawdź analizę statystyczną albo wyceń usługę.
Gdy zmienna zależna jest binarna, właściwym narzędziem jest regresja logistyczna. Przy interpretacji wyników warto podać też wielkość efektu.
Wybór testu zależy od tego, jaką hipotezę badawczą chcesz zweryfikować.
Wynik każdego testu oceniasz przez pryzmat istotności statystycznej — porównując p-value z poziomem istotności.