Začať zadarmo

Karty testov

Vzorové zápisy sú vymyslené a slúžia ako šablóna. Appka zápis vyplní vašimi číslami.

Pearsonova korelácia (r)

Meria silu a smer lineárneho vzťahu dvoch spojitých premenných, od −1 po +1.

  • Kedy použiť: dve spojité premenné (napr. skóre škál), približne normálne rozdelené.
  • Predpoklady: lineárny vzťah, normalita oboch premenných, žiadne výrazné odľahlé hodnoty.
  • Alternatíva: Spearmanova korelácia (Bishara & Hittner, 2012).
  • Vzorový zápis: Medzi machiavelizmom a empatiou bol zistený stredne silný negatívny vzťah, r(238) = −,34, p < ,001, 95 % CI [−,45; −,22].

Spearmanova korelácia (rs)

Korelácia vypočítaná z poradí hodnôt. Meria monotónny vzťah (keď jedna rastie, druhá rastie alebo klesá, nie nutne lineárne).

  • Kedy použiť: ordinálne premenné (jedna Likertova položka), porušená normalita, odľahlé hodnoty.
  • Predpoklady: monotónny vzťah, nezávislé pozorovania.
  • Alternatíva: Kendallovo τ, Pearsonova korelácia pri splnených predpokladoch.
  • Vzorový zápis: Vzťah medzi religiozitou a konzervativizmom bol slabý a pozitívny, rs(238) = ,24, p < ,001.

Kendallovo τ

Ďalšia poradová korelácia, ktorá porovnáva páry respondentov (zhodné vs. nezhodné poradie). Vychádza číselne nižšie ako Spearman, preto ich hodnoty priamo neporovnávajte.

  • Kedy použiť: malé vzorky, veľa zhodných hodnôt (napr. krátke ordinálne škály).
  • Predpoklady: monotónny vzťah, nezávislé pozorovania.
  • Alternatíva: Spearmanova korelácia.
  • Vzorový zápis: Medzi hodnotením kurzu a známkou bol zistený slabý vzťah, τb = ,19, p = ,012.

Parciálna korelácia

Vzťah dvoch premenných po odstránení vplyvu tretej (alebo ďalších) premennej, napr. veku.

  • Kedy použiť: keď predpokladáte, že vzťah môže byť spôsobený spoločnou treťou premennou.
  • Predpoklady: rovnaké ako pri Pearsonovej korelácii; neúplné prípady sa vynechajú zo všetkých premenných.
  • Alternatíva: parciálna Spearmanova korelácia; lineárna regresia.
  • Vzorový zápis: Po kontrole veku ostal vzťah medzi machiavelizmom a empatiou stredne silný, r(237) = −,31, p < ,001.

t-test pre nezávislé výbery (Studentov)

Porovnáva priemery dvoch rôznych skupín ľudí.

  • Kedy použiť: spojitá závislá premenná, dve nezávislé skupiny (ženy/muži).
  • Predpoklady: normalita v skupinách (pri skupinách ≥ 30 menej dôležitá), rovnaké rozptyly (Leveneho test), nezávislé pozorovania.
  • Alternatíva: Welchov t-test, Mann-Whitneyho U test.
  • Vzorový zápis: Ženy (M = 3,82, SD = 0,54) dosahovali vyššie skóre empatie ako muži (M = 3,51, SD = 0,61), t(238) = 4,10, p < ,001, d = 0,55.

Welchov t-test

Verzia t-testu, ktorá nepredpokladá rovnaké rozptyly. Stupne voľnosti sú preto často desatinné. Niektorí autori ho odporúčajú používať vždy (Delacre et al., 2017).

  • Kedy použiť: dve nezávislé skupiny, Leveneho test p < ,05, najmä pri rôzne veľkých skupinách.
  • Predpoklady: normalita v skupinách (alebo dostatočná veľkosť), nezávislé pozorovania.
  • Alternatíva: Mann-Whitneyho U test.
  • Vzorový zápis: Rozdiel medzi skupinami nebol štatisticky významný, t(58,40) = 1,92, p = ,060, d = 0,41.

Mann-Whitneyho U test

Neparametrická alternatíva t-testu: porovnáva poradia hodnôt dvoch nezávislých skupín, nie priemery. V práci preto uvádzajte mediány.

  • Kedy použiť: ordinálna premenná, porušená normalita pri malých skupinách (< 30).
  • Predpoklady: nezávislé skupiny, aspoň ordinálna premenná.
  • Alternatíva: t-test (Welchov) pri spojitých dátach a väčších skupinách.
  • Vzorový zápis: Študenti psychológie (Mdn = 4,00) sa od študentov práva (Mdn = 3,50) líšili v ochote pomôcť, U = 312,50, p = ,021, rrb = ,31.

Párový t-test

Porovnáva dva priemery tých istých ľudí (pretest a posttest, dve podmienky).

  • Kedy použiť: dve merania spojitej premennej u tých istých respondentov.
  • Predpoklady: približne normálne rozdelené rozdiely medzi meraniami (pri n ≥ 30 menej dôležité).
  • Alternatíva: Wilcoxonov test.
  • Vzorový zápis: Úzkosť po intervencii (M = 2,41, SD = 0,70) bola nižšia ako pred ňou (M = 2,86, SD = 0,74), t(44) = 3,95, p < ,001, d = 0,59.

Wilcoxonov test (párový)

Neparametrická alternatíva párového t-testu, pracuje s poradiami rozdielov. Nulové rozdiely sa vynechávajú.

  • Kedy použiť: dve merania tých istých ľudí, ordinálna premenná alebo nenormálne rozdiely pri n < 30.
  • Predpoklady: párové dáta, aspoň ordinálna premenná.
  • Alternatíva: párový t-test.
  • Vzorový zápis: Hodnotenie nálady sa po cvičení zvýšilo, W = 41,00, p = ,008, rrb = ,58.

Jednovýberový t-test

Porovnáva priemer jednej skupiny so zadanou hodnotou (stred škály, norma z manuálu).

  • Kedy použiť: „Je priemer našej vzorky vyšší ako populačná norma 50?“
  • Predpoklady: normalita (pri n ≥ 30 menej dôležitá), nezávislé pozorovania.
  • Alternatíva: Wilcoxonov jednovýberový test.
  • Vzorový zápis: Priemerné skóre spokojnosti (M = 3,42, SD = 0,81) bolo vyššie ako stred škály 3, t(119) = 5,68, p < ,001, d = 0,52.

Jednofaktorová ANOVA

Porovnáva priemery troch a viac nezávislých skupín. Významné F hovorí len, že niekde je rozdiel. Ktoré skupiny sa líšia, ukáže post hoc test (Tukey).

  • Kedy použiť: spojitá závislá premenná, jedna nezávislá premenná s 3+ skupinami.
  • Predpoklady: normalita rezíduí (pri skupinách ≥ 30 menej dôležitá), rovnaké rozptyly, nezávislosť.
  • Alternatíva: Welchova ANOVA, Kruskal-Wallisov test.
  • Vzorový zápis: Skupiny podľa vzdelania sa líšili v úzkosti, F(2, 237) = 5,12, p = ,007, η² = ,04. Post hoc test (Tukey) ukázal rozdiel medzi ZŠ a VŠ (p = ,005).

Welchova ANOVA

ANOVA, ktorá nepredpokladá rovnaké rozptyly. Post hoc sa robí testom Games-Howell.

  • Kedy použiť: 3+ nezávislé skupiny, Leveneho test p < ,05.
  • Predpoklady: normalita v skupinách (alebo dostatočná veľkosť), nezávislosť.
  • Alternatíva: Kruskal-Wallisov test.
  • Vzorový zápis: Rozdiel medzi skupinami bol štatisticky významný, F(2; 98,35) = 4,47, p = ,014. Post hoc test Games-Howell…

Kruskal-Wallisov test

Neparametrická alternatíva jednofaktorovej ANOVA, porovnáva poradia 3+ nezávislých skupín. jamovi uvádza výsledok ako χ². Post hoc test: Dwass-Steel-Critchlow-Fligner (DSCF) alebo Dunnov test.

  • Kedy použiť: ordinálna premenná, porušená normalita pri malých skupinách.
  • Predpoklady: nezávislé skupiny, aspoň ordinálna premenná.
  • Alternatíva: (Welchova) ANOVA pri spojitých dátach.
  • Vzorový zápis: Skupiny sa líšili v hodnotení, χ²(2) = 7,84, p = ,020, ε² = ,05.

χ² test nezávislosti

Overuje, či dve kategoriálne premenné spolu súvisia (napr. pohlavie a voľba odboru). Porovnáva pozorované početnosti v tabuľke s tými, ktoré by sme čakali, keby nesúviseli.

  • Kedy použiť: dve nominálne (kategoriálne) premenné.
  • Predpoklady: nezávislé pozorovania (každý človek v jednej bunke), najviac 20 % buniek s očakávanou početnosťou pod 5 (Cochran, 1954).
  • Alternatíva: Fisherov presný test.
  • Vzorový zápis: Medzi pohlavím a typom školy bola zistená súvislosť, χ²(2, N = 240) = 6,12, p = ,047, V = ,16.

Fisherov presný test

Vypočíta presnú p-hodnotu pre kontingenčnú tabuľku, bez aproximácie. Vhodný pre malé vzorky.

  • Kedy použiť: keď χ² test nespĺňa podmienku očakávaných početností (najmä tabuľka 2 × 2).
  • Predpoklady: nezávislé pozorovania.
  • Alternatíva: χ² test nezávislosti pri dostatočných početnostiach.
  • Vzorový zápis: Súvislosť medzi absolvovaním kurzu a úspešnosťou nebola štatisticky významná (Fisherov presný test, p = ,128).

χ² test dobrej zhody

Porovnáva rozloženie jednej kategoriálnej premennej s očakávaným (rovnaké podiely alebo zadané pomery, napr. z populácie).

  • Kedy použiť: „Vyberajú respondenti možnosti A, B, C rovnako často?“
  • Predpoklady: nezávislé pozorovania, očakávané početnosti aspoň 5.
  • Alternatíva: binomický test (pri 2 kategóriách).
  • Vzorový zápis: Možnosti neboli volené rovnako často, χ²(2, N = 150) = 9,88, p = ,007.

Binomický test

Porovnáva podiel jednej z dvoch kategórií s očakávaným podielom (napr. 50 %).

  • Kedy použiť: dichotomická premenná (áno/nie), presný test aj pri malej vzorke.
  • Predpoklady: nezávislé pozorovania, dve kategórie.
  • Alternatíva: χ² test dobrej zhody.
  • Vzorový zápis: Odpoveď „áno“ zvolilo 64 % respondentov, čo bolo viac ako 50 %, p = ,002, 95 % CI [,55; ,72].

Lineárna regresia

Zisťuje, ako viac prediktorov spolu vysvetľuje (predikuje) spojitú závislú premennú. R² udáva podiel vysvetlenej variability, β (štandardizovaný koeficient) relatívnu dôležitosť prediktora pri kontrole ostatných.

  • Kedy použiť: spojitá závislá premenná, viac prediktorov (spojitých alebo dichotomických).
  • Predpoklady: lineárny vzťah, normalita a rovnaký rozptyl rezíduí, nezávislosť rezíduí (Durbin-Watson), žiadna silná multikolinearita (VIF pod 5 - 10, tolerancia nad ,10 - ,20; Field, 2018).
  • Alternatíva: pri ordinálnej alebo kategoriálnej závislej premennej logistická regresia (plánovaná).
  • Vzorový zápis: Model vysvetlil 14 % variability životnej spokojnosti, F(3, 236) = 12,40, p < ,001, R² = ,14. Významným prediktorom bol optimizmus (β = ,25, t = 3,89, p < ,001).

Hierarchická regresia

Regresia, do ktorej sa prediktory pridávajú v blokoch podľa teórie (napr. 1. blok vek a pohlavie, 2. blok osobnostné črty). Kľúčová je zmena ΔR²: o koľko nový blok zlepšil predikciu.

  • Kedy použiť: „Predikuje X závislú premennú aj po kontrole Y?“
  • Predpoklady: ako pri lineárnej regresii; všetky modely majú rovnakú vzorku (listwise).
  • Alternatíva: lineárna regresia s jedným blokom.
  • Vzorový zápis: Pridanie osobnostných čŕt v druhom bloku zvýšilo vysvetlenú variabilitu o 5 %, ΔR² = ,05, F(2, 234) = 7,12, p = ,001.

Ďalej: Slovník pojmov