Testy T Studenta

Grupa tych testów jest jedną z najczęściej wykorzystywanych metod w analizie danych. Służą one do porównania dwóch grup, wartości czy wyników. Prosta interpretacja obarczona jest szeregiem założeń jakie dane muszą spełniać, by zostać poddane analizie testem T. Wyróżniamy test T dla danych niezależnych, zależnych oraz test dla jednej próby. Poniżej w tabeli znajduje się wyjaśnienie kiedy należy wykorzystać odpowiedni z nich.

Test T dla danych niezależnych

Założenia

Wykorzystuje się ten rodzaj testu do oceny różnic między dwiema grupami (niezależnymi). Test t dla danych niezależnych wykorzystamy kiedy porównać chcemy grupę kontrolną z eksperymentalną, grupę kobiet z grupą mężczyzn, grupę młodszych z grupą starszych. By w pełni zaufać wynikom należy spełnić szereg założeń.

Zmienne zależna musi być ilościowa. Pomiar jakościowy uniemożliwia wykorzystanie testu T. Zmienne niezależna musi przyjmować dwie wartości. Porównać możemy jedynie dwie grupy. Normalność rozkładu zmiennej zależnej W GRUPACH, co oznacza, że w każdej w testowanych grup musimy uzyskać normalność rozkładu. Wynik testu Shapiro-Wilk lub Kołmogorow-Smirnow musi być nieistotny (p > 0,05). Wariancje, inaczej zróżnicowanie, musi być podobne, jednorodne. Test Levene’a także musi wskazywać na nieistotne zróżnicowanie (p > 0,05). Liczba osób w porównywanych grupach musi być podobna. Nie oznacza to, że musi być idealnie równa, jednak musi być zbliżona. W ocenie tego pomaga test niezależności chi-kwadrat. Jego nieistotny wynik mówi o braku różnic w liczebności otrzymanej i oczekiwanej, co może prowadzić do wniosku o równej liczbie badanych w grupach. Oczekiwać będziemy nieistotnego wyniki chi-kwadrat (p > 0,05). Więcej o testowaniu założeń i wykorzystywanych do tego narzędziach można przeczytać tutaj.

Interpretacja

Po spełnieniu założeń przechodzimy do analizy testem Studenta. Daje nam on informacje czy grupy różnią się między sobą istotnie wynikiem zmiennej zależnej. Poziom istotności p < 0,05 dla testu T Studenta świadczył będzie o istotnych różnicach miedzy grupami. W przykładowym raporcie zapiszemy: „Analiza testem t Studenta dla danych niezależnych wykazała, że kobiety (M = 8,34; SD = 1,64) w porównaniu z mężczyznami (M = 7,3; SD = 1,95) charakteryzują się istotnie wyższym poziomem postaw wobec zwierząt, t(98) = -2,906; p < 0,05, d = 0,59. Siła tego efektu jest duża.”. W zapisie wyników ważnym jest trzymanie się standardów i odpowiedni zapis statystyk.

Test T dla danych zależnych

Przeznaczony do powtórzonych pomiarów. Analiza tej samej grupy w pomiarze 1 i pomiarze 2. Pre test i post test będzie najlepszym przykładem wykorzystania testu T Studenta dla danych zależnych. Tę samą grupą można ocenić także dla innych pomiarów: wartości cech osobowości czy właściwości poznawczych. Pamiętać trzeba jednak o dwóch bardzo ważnych rzeczach: skala ilościowa zmiennej zależnej oraz taka sama skala dla 1 i 2 pomiaru. Błędem będzie wykorzystanie innej skali/narzędzia w drugim pomiarze, ponieważ porównanie takie będzie prowadzić do błędnej interpretacji. Poniżej zapisano założenia dla testu dla danych zależnych jakie trzeba spełnić.

Spełnienie założeń ocenić trzeba tak samo jak dla danych niezależnych. Różnicę między zmiennymi i jej rozkład ocenimy tworząc nową zmienną będącą wynikiem odejmowania pomiaru 1 i 2.

Interpretacja

Po ocenie założeń przejść można do analizy właściwej. Istotny wynik testu T Studenta p < 0,05 świadczy o istotnych różnicach między pomiarami, zmiennymi. W przykładowym raporcie zapisać możemy: Analiza testem T Studenta dla danych zależnych wykazała, że poziom koncentracji grupy badanych w pre teście (M = 7,3; SD = 1,95) w porównaniu z wynikiem koncentracji dla pomiaru post test (M = 8,34; SD = 1,64) jest istotnie niższy, t(98) = -2,906; p < 0,05, d = 0,59. Siłę tego efektu ocenić należy jak dużą.” Podobnie tutaj, warto upewnić się, że zapis wyników spełnia wymagania standardów.

Test T dla jednej próby

Jedna próba, jedna grupa porównywana jest w tym teście do konkretnej wartości. Jakiej? Tutaj badacz ma duża dowolność i sam wskazuje na wartości do porównań. Możemy więc ocenić wyniki naszej grupy w teście z matematyki do średniego wyniku z testu z ubiegłego roku. Porównać wyniki grupy studentów do wartości średniej uzyskanej przez studentów innego kraju. Sprawdzić czy wyniki samooceny naszej grupy są znacznie wyższe niż punkt „odcięcia” dla konkretnego narzędzia mówiący o podziale na niską i wysoką samoocenę.

Założenia

By przejść do analizy musimy jednak ocenić założenia.

Jedyną kwestią o jaką musimy zadbać jest ocena rozkładu dla testowanej zmiennej. Wynik nieistotny (p > 0,05) dla testów Shapiro-Wilk lub Kołmogorov-Smirnow będzie w tym momencie dobrą informacją – zmienna posiada rozkład normalny.

Interpretacja

Otrzymany w analizie testem T Studenta dla jednej próby wynik ocenić należy podobnie jak pozostałe. Wynik poziomu istotności p < 0,05 świadczy o istotnej różnicy między wynikiem dla badanej grupy a podaną przez badawcza wartością. W raporcie możemy zapisać: Analiza testem T Student dla jednej próby wykazała, że badana grupa seniorów charakteryzuje się istotnie wyższym wynikiem pamięci krótkotrwałej (M = 8,34; SD = 1,64) niż średni wynik dla osób z tego przedziału wiekowego, t(98) = -2,906; p < 0,05.

Złamane założenia do testów T

Spełnienie wszystkich założeń to sytuacja idealna. Częściej jednak w badaniach społecznych zdarza się zebrane dane nie spełniają wymaganych założeń. Jaki test wybrać dla takich wyników? Sprawdź schemat wyboru analizy. Najczęściej, najłatwiej w takiej sytuacji jest zastosować odpowiedni test nieparametryczny lub poprawić jakość danych.