Zebrane ankiety, wyniki pomiarów i arkusz pełen odpowiedzi to materiał, z którego dopiero trzeba wydobyć odpowiedzi na pytania badawcze. Zanim powstanie tabela z wynikami testu statystycznego, konieczne jest uporządkowanie danych, sprawdzenie ich jakości i ocena, czy pozwalają zrealizować założone cele. Dopiero na tej podstawie można zaplanować obliczenia i nadać wynikom właściwe znaczenie.
Przez 18 lat pracy i ponad 2000 opracowanych analiz statystycznych wypracowałam własne schematy postępowania, które pomagają mi przeprowadzać badania przez kolejne etapy: od przygotowania bazy po wnioski końcowe. Korzystam ze sprawdzonych metod statystycznych, natomiast sposób organizacji pracy, kolejność sprawdzania materiałów i układ opracowania wynikają z mojego doświadczenia. Każdy projekt wymaga przy tym indywidualnych decyzji – ten sam zestaw testów nie będzie odpowiedni dla wszystkich badań.
Poniżej pokazuję, jak przebiega ten proces i co otrzymujesz dzięki poszczególnym etapom.
1. Porządkowanie i przekodowywanie bazy danych
Pracę rozpoczynam od sprawdzenia, jak zapisano dane i co oznaczają poszczególne zmienne. W typowej bazie ankietowej jeden wiersz odpowiada jednej osobie, a kolumny zawierają jej odpowiedzi i wyniki. Przy badaniach z kilkoma pomiarami układ może być inny, ale zawsze musi pozwalać jednoznacznie powiązać obserwacje z właściwą osobą i etapem badania.
Weryfikuję spójność zapisów, zakresy wartości, braki danych oraz możliwe powtórzenia rekordów. Sprawdzam również odpowiedzi wymagające wyjaśnienia – na przykład staż pracy niezgodny z wiekiem albo wynik wykraczający poza dopuszczalną skalę. Nietypowej wartości nie usuwam tylko dlatego, że odbiega od pozostałych: najpierw trzeba ustalić, czy jest błędem, czy rzeczywistą obserwacją.
Przekodowywanie danych polega na przygotowaniu odpowiedzi do obliczeń z zachowaniem ich znaczenia. Może obejmować przypisanie kodów kategoriom odpowiedzi, rozdzielenie pytania wielokrotnego wyboru na osobne zmienne albo ujednolicenie różnych zapisów tej samej kategorii. Braku odpowiedzi nie traktuję automatycznie jako zera, ponieważ mogłoby to zmienić wyniki.
Jeżeli badanie wykorzystuje kwestionariusze standaryzowane, obliczam wyniki skal i podskal zgodnie z zasadami danego narzędzia. Uwzględniam pozycje punktowane odwrotnie, dopuszczalne zasady postępowania z brakami odpowiedzi i wymagane przeliczenia. Dzięki temu dalsze analizy dotyczą poprawnie przygotowanych wskaźników.
2. Sprawdzenie, czy dane pozwalają zrealizować cele badawcze
Po zapoznaniu się z materiałem zestawiam cele i pytania badawcze z rzeczywiście zebranymi danymi. Sprawdzam, czy każda potrzebna cecha została zmierzona, czy sposób pomiaru odpowiada treści pytania oraz czy liczebność i struktura próby pozwalają przeprowadzić planowane analizy.
Przykładowo ocena zmiany wymaga odpowiednich pomiarów w czasie, a porównanie grup – danych z grup, które chcemy ze sobą zestawić. Jeżeli kwestionariusz zawiera wyłącznie pytanie o samoocenę wiedzy, wynik opisuje deklarowaną ocenę, a nie wiedzę sprawdzoną testem. Takie rozróżnienia wpływają zarówno na wybór metod, jak i późniejsze wnioski.
Jeśli pierwotnego celu nie można zrealizować w zaplanowanej formie, wyjaśniam ograniczenie i proponuję rozwiązanie odpowiadające zgromadzonemu materiałowi. Może to oznaczać doprecyzowanie pytania, zmianę sposobu operacjonalizacji zmiennej, ograniczenie zakresu porównań lub zaproponowanie innej koncepcji analizy.
Zmiany koncepcji uzasadniam treścią badania i możliwościami danych. Nie dopasowuję hipotez do tego, które obliczenia dały istotny wynik. Jeżeli pojawiają się dodatkowe analizy eksploracyjne, odróżniam je od weryfikacji pierwotnych założeń.
3. Zaplanowanie metod i kolejności analiz
Kiedy wiadomo już, na jakie pytania można odpowiedzieć, ustalam sposób przeprowadzenia analiz. Uwzględniam rodzaj zmiennych, liczbę porównywanych grup, niezależność lub powiązanie pomiarów oraz właściwości rozkładów. Znaczenie ma również to, czy celem jest opis zjawiska, porównanie grup, ocena zależności czy budowa modelu uwzględniającego kilka czynników jednocześnie.
Na tym etapie oceniam założenia metod, które mogą znaleźć zastosowanie. Korzystam przy tym ze statystyk, wykresów i odpowiednich testów pomocniczych, takich jak test Shapiro–Wilka przy ocenie normalności rozkładu czy test Levene’a przy ocenie jednorodności wariancji. Wybór metody nie sprowadza się jednak do wyniku pojedynczego testu – wymaga uwzględnienia całego schematu badania.
Wypracowana przeze mnie kolejność pracy prowadzi od poznania danych do analiz odpowiadających na coraz bardziej szczegółowe pytania. Dzięki temu każda kolejna część raportu ma uzasadnienie i wynika z wcześniejszych ustaleń.
4. Ogólna charakterystyka próby i rozkładu wyników
Pierwsza część wynikowa pokazuje, kogo lub czego dotyczy badanie. W zależności od projektu opisuję między innymi wiek, wykształcenie, staż pracy, sytuację zdrowotną czy inne cechy istotne dla tematu. Dla zmiennych jakościowych przedstawiam liczebności i odsetki, a dla ilościowych dobieram odpowiednie statystyki opisowe.
Średnia i odchylenie standardowe, mediana, kwartyle oraz wartości minimalne i maksymalne pozwalają spojrzeć na wyniki z różnych stron. Pokazują typowy poziom badanej cechy, zróżnicowanie obserwacji i zakres uzyskanych wartości. Dobór statystyk uzależniam od charakteru zmiennej i jej rozkładu.
Analizuję również odpowiedzi na poszczególne pytania ankietowe oraz wyniki wykorzystanych skal. Tabele i wykresy pomagają dostrzec dominujące odpowiedzi, asymetrię rozkładu czy skupienie wyników przy dolnej lub górnej granicy skali. Ta część stanowi podstawę interpretacji późniejszych porównań i zależności.
5. Ocena rzetelności i sposobu pomiaru badanych zjawisk
Jeżeli kilka pytań ma wspólnie tworzyć wynik określonej cechy, sprawdzam, czy sposób ich połączenia jest uzasadniony. Dotyczy to zarówno stosowania istniejących kwestionariuszy, jak i tworzenia wskaźników na podstawie pytań autorskich. Samo zsumowanie odpowiedzi nie przesądza jeszcze, że uzyskany wynik jest dobrym pomiarem badanego zjawiska.
W zależności od konstrukcji narzędzia ocena może obejmować współczynnik alfa Cronbacha, analizę związku pozycji z wynikiem skali lub inne odpowiednio dobrane wskaźniki rzetelności. Współczynnik interpretuję w kontekście treści pytań i przeznaczenia skali. Wysoka zgodność wewnętrzna nie jest sama w sobie dowodem trafności narzędzia.
Jeżeli celem projektu jest sprawdzenie struktury kwestionariusza, a dane na to pozwalają, zastosowanie mogą znaleźć także eksploracyjna analiza czynnikowa (EFA) lub konfirmacyjna analiza czynnikowa (CFA). Są to odrębne zadania analityczne, które wymagają odpowiedniego planu i materiału badawczego. Nie stanowią obowiązkowego elementu każdego opracowania.
6. Badanie różnic i wybranych zależności
Po opisaniu danych przechodzę do pytań o różnice między grupami i związki między zmiennymi. W tej części sprawdzam na przykład, czy poziom jakości życia różni się między określonymi grupami, czy staż pracy wiąże się z nasileniem wypalenia albo czy wyniki zmieniły się między kolejnymi pomiarami.
Przy porównywaniu dwóch niezależnych grup zastosowanie może znaleźć test t-Studenta, jego wariant Welcha lub test U Manna-Whitneya. Gdy porównanie dotyczy większej liczby grup, rozważam analizę wariancji (ANOVA), jej odpowiednie warianty lub test Kruskala-Wallisa. W uzasadnionych przypadkach wykonuję również porównania post hoc, które pozwalają ustalić, między którymi grupami występują różnice.
Pomiary wykonane u tych samych osób wymagają metod uwzględniających ich powiązanie. Zależnie od układu badania mogą to być test t-Studenta dla prób zależnych, test Wilcoxona, test Friedmana lub analiza wariancji z powtarzanymi pomiarami. To, czy obserwacje są niezależne, ma zasadnicze znaczenie dla poprawności obliczeń.
Do oceny związku między zmiennymi ilościowymi lub porządkowymi wykorzystuję, gdy jest to odpowiednie, korelację Pearsona albo korelację rang Spearmana. Zależności między zmiennymi jakościowymi można natomiast badać za pomocą testu chi-kwadrat niezależności lub dokładnego testu Fishera. Każda z tych metod odpowiada na określony rodzaj pytania i wymaga spełnienia właściwych jej warunków.
W opisie wyników uwzględniam nie tylko wartość p, lecz także kierunek zależności, wielkość różnic lub siłę efektu, a tam, gdzie to właściwe, również przedziały ufności. Istotność statystyczna nie mówi sama w sobie, czy wynik ma duże znaczenie praktyczne. Z kolei wynik nieistotny nie dowodzi, że różnica lub związek na pewno nie istnieją.
7. Budowa bardziej zaawansowanych modeli
Czasami analiza pojedynczych zależności nie wystarcza do odpowiedzi na główne pytanie badawcze. Jeżeli zjawisko może być związane z kilkoma cechami jednocześnie, potrzebny bywa model, który uwzględni je łącznie. Pozwala to ocenić związek wybranego czynnika z wynikiem przy uwzględnieniu innych zmiennych znajdujących się w modelu.
W zależności od rodzaju zmiennej wynikowej zastosowanie mogą znaleźć regresja liniowa, regresja logistyczna lub inne odpowiednio dobrane modele. Przykładowo regresja liniowa może służyć do analizy ilościowego wyniku skali, a logistyczna – wyniku o dwóch kategoriach. Przy obserwacjach powtarzanych lub danych o strukturze hierarchicznej rozważane mogą być modele mieszane.
W wybranych projektach uzasadnione są również analizy moderacji i mediacji, pozwalające badać określone hipotezy dotyczące relacji między zmiennymi. Ich interpretacja wymaga jednak odniesienia do projektu badania i przyjętych założeń. Sam model statystyczny, zwłaszcza oparty na jednorazowym pomiarze, nie potwierdza mechanizmu przyczynowego.
Przed zastosowaniem modelu oceniam, czy dostępna próba i jakość danych pozwalają na jego wiarygodne oszacowanie. Następnie sprawdzam właściwe dla niego założenia i diagnostykę, w tym – gdy ma to zastosowanie – współliniowość predyktorów, zachowanie reszt i obserwacje wpływowe. Bardziej rozbudowane obliczenia wprowadzam wtedy, gdy służą celowi badania, a nie po to, aby zwiększyć liczbę metod w raporcie.
8. Interpretacja wyników i wnioski końcowe
Na etapie interpretacji łączę wyniki obliczeń z treścią pytań badawczych. Wyjaśniam, co oznacza wykazana różnica lub zależność, jakie znaczenie ma jej kierunek i wielkość oraz jakich twierdzeń nie można uzasadnić dostępnymi danymi. Uwzględniam przy tym sposób doboru próby, zastosowane pomiary i ograniczenia projektu.
Wnioski końcowe porządkuję tak, aby odpowiadały celom badania. Nie są one kolejnym zestawieniem wartości statystyk i procentów, lecz syntetyczną odpowiedzią na pytania, z którymi rozpoczęto analizę. Jeżeli wyniki nie potwierdzają przewidywanej zależności, wyraźnie to przedstawiam, bez nadawania im znaczenia, którego nie mają.
Oddzielam również współwystępowanie zjawisk od wpływu przyczynowego. Na przykład związek między obciążeniem pracą a wypaleniem zawodowym nie wystarcza do stwierdzenia, że jeden czynnik wywołuje drugi. Zakres uogólniania wyników dostosowuję do tego, jak zaprojektowano badanie i kogo obejmowała próba.
9. Przygotowanie czytelnego raportu
Cały proces prowadzi do uporządkowanego przedstawienia wyników. W pełnym opracowaniu z opisami raport obejmuje charakterystykę zastosowanych metod, odpowiednio ułożone tabele i wykresy, opis rezultatów oraz wnioski końcowe. Poszczególne części odpowiadają kolejnym zagadnieniom badawczym, dzięki czemu łatwo odnaleźć odpowiedź na konkretne pytanie.
Przez lata wypracowałam schemat opisywania wyników, w którym najpierw przedstawiam najważniejsze ustalenie, następnie wskazuję metodę i wynik testu, a dalej odnoszę je do statystyk opisowych oraz – jeśli zostały wykonane – porównań post hoc. Opis kończy interpretacja, która pokazuje znaczenie wyniku dla badanego zagadnienia. Dostosowuję ten układ do rodzaju analizy, aby tekst pozostawał naturalny i czytelny.
Sprawdzam spójność nazewnictwa, wartości w tabelach, wykresach i tekście oraz zgodność wniosków z obliczeniami. W wariancie z opisami przekazuję opracowanie w plikach Word i PDF, a tabele, wykresy i przygotowane dane – w plikach Excel zgodnie z ustalonym zakresem współpracy. Edytowalne materiały ułatwiają dalszą pracę nad publikacją lub pracą dyplomową.
Analizy statystyczne oparte na doświadczeniu i dopasowane do badania
Wypracowany schemat pracy pomaga mi zachować porządek i konsekwentnie sprawdzać kolejne elementy projektu. Jego zastosowanie wymaga jednak każdorazowo decyzji: co trzeba wyjaśnić w bazie, które pytania można zweryfikować, jakie metody będą odpowiednie i jak przedstawić wyniki, aby były zrozumiałe.
Nie musisz samodzielnie wybierać między testem t-Studenta, korelacją Spearmana a modelem regresji. Opisz temat badania, jego cele i etap, na którym jesteś. Pomogę uporządkować zakres opracowania i ustalić, co można zrobić na podstawie posiadanych materiałów.
O termin możesz zapytać jeszcze przed zakończeniem zbierania danych. Wypełnij formularz zgłoszenia – zaproponuję dostępny termin rozpoczęcia analizy i wyjaśnię kolejne kroki.
