0033

Istnieje jeszcze czwarty typ danych, tzw. dane stosunkowe (ilorazowe), tj. dane również wyrażane na skali interwałowej, ale takiej, która posiada zero absolutne. Przykład danych tego typu to miary czasu, długości czy wagi. Należy wątpić, czy jakikolwiek test psychologiczny dostarcza danych stosunkowych.

Rozkład normalny

Badając rozkład wartości takiej zmiennej jak wzrost w populacji, opiszemy jego bardzo charakterystyczny kształt. Jest to rozkład normalny. Jego wykres przypomina kształt dzwonu — wielu ludzi ma wzrost przeciętny, a tylko niewiele osób jest bardzo niskich lub bardzo wysokich. Ten sam rozkład charakteryzuje również inne zmienne ciągłe, takie jak wyniki LI. czy wyniki w inwentarzach osobowości.

Rozkład tego typu ma bardzo ważne właściwości matematyczne. Jeżeli dane pochodzą z populacji i mają charakter ciągły (lub interwałowy), to na podstawie tej krzywej można wyprowadzić istotne wnioski. A jest tak, ponieważ dane dotyczące populacji można scharakteryzować za pomocą określonych parametrów. Dlatego też testy statystyczne, które opierają się na właściwościach rozkładu normalnego, nazywamy testami parametrycznymi.

Testy parametryczne i testy nieparametryczne

Testy parametryczne wykorzystują właściwości rozkładu normalnego i właściwości powiązanej z nimi statystyki, jaką jest odchylenie standardowe. Aby test był testem parametrycznym, musi spełnić trzy kryteria odnoszące się do: a) poziomu pomiaru, b) wariancji i c) typu rozkładu. Pamiętajmy, że za pomocą testów statystycznych oceniamy wielkość różnic między danymi lub stopień ich współzależności (korelacji). Aby zastosować testy parametryczne, zebrane dane muszą odnosić się do „populacji”. Jeżeli tak nie jest lub jeżeli dwa zbiory danych mają zupełnie różne parametry (np. pochodzą z bardzo odmiennych populacji), to należy zastosować testy nieparametryczne.

Testy parametryczne wymagają:

1.    Danych — przynajmniej na poziomie interwałowym.

2.    Rozkładu — dwa zbiory wyników mają kształt rozkładu normal

nego.

3.    Wariancji — dwa zbiory wyników mają podobne wariancje (lub

odchylenia standardowe).

Odporność i czułość testu

Na koniec rozważań, czym się kierować, aby wybrać właściwy test statystyczny, powinniśmy poruszyć sprawę jego względnej wartości. Jest oczywiste, że im więcej bardzo dokładnych danych można zebrać, tym bardziej czuły test można zastosować. W tym sensie test chi² lub test znaków będą raczej testami mało czułymi. Trudno jednak jest uzyskać takie dane, które w sposób idealny spełniałyby kryteria matematyczne. Dlatego też testy, które można zastosować dla danych spełniających jedynie częściowo te kryteria, traktowane są jako testy odporne, tj. mało czułe.

Dyskusje statystyków w dużej części dotyczyły względnej wartości testów statystycznych. Generalne stanowisko jest takie, że testy nieparametryczne są mniej czułe w porównaniu z testami parametrycznymi. Im większa czułość testów statystycznych, tym większa także ich moc.

Wybieranie odpowiedniego testu statystycznego

Wybierając odpowiedni test statystyczny, należy odpowiedzieć na następujące pytania:

1. Czy wasze badanie ma charakter eksperymentu, czy też jest to obserwacja?

2. Jeżeli to jest eksperyment, to jaki jest jego plan?

Testy parametryczne test t dla prób zależnych

test t dla prób niezależnych współczynnik korelacji Pearsona

Testy nieparametryczne

test Wilcoxona (również test znaków)

test Manna-Whitneya współczynnik korelacji p Spearmana

test chi²

Chociaż obserwacja musi być systematyczna i mieć sformułowaną hipotezę, to jednak nie będzie ustruklurowana w postaci planu badawczego z przewidzianą manipulacją wartościami zmiennej niezależnej, tak jak to jest w eksperymencie.

Czy jest to plan jednogrupowy czy plan dla wyrównanych grup z powtarzanymi pomiarami, czy też jest to plan dwugrupowy z pomiarami niezależnymi? lub

Czy jest to plan nieprzyczynowy, pozwalający zbadać związek między zmiennymi (korelację)?