Professional Documents
Culture Documents
Seminár VI.
Seminár VI.
Seminár VI.
Pre opis výsledkov participantov v teste kreativity a zistenie normality týchto hodnôt môžeme
použiť už dobre známu funkciu Analyze > Descriptive Statistics > Explore do ktorej zadáme
„Test kreativity“ do poľa „Dependent list“ a premennú „Rod“ do kolónky „Factor list“ aby
sme získali opis skór kreativity separátne u mužov a žien. Nesmieme tiež zabudnúť zaškrtnúť
možnosť „Normality plots with tests“ aby sme popri opise kreativity získali aj test normality
pre túto premennú. Na základe výsledkov funkcie explore by sme mohli spísať deskripciu
premenných a ich normalitu nasledovne:
Už na základe tohto opisu vieme povedať, že ženy v našej vzorke boli v priemere
kreatívnejšie ako muži, avšak na to, aby sme zistili či je tento rozdiel aj štatisticky významný,
musíme použiť nezávislý t-test. Tento získame pomocou funkcie Analyze > Compare Means
> Independent-Samples T Test. Po otvorení funkcie sa nám zjaví nasledujúce okno:
Pre otestovanie rozdiel v kreativite musíme našu premennú „Kreativ“ vložiť do hlavného poľa
označeného ako „Test Variable(s)“. Pod týmto poľom sa nachádza ešte okno „Grouping
Variable“, do ktorého vložíme premennú, podľa ktorej chceme kreativitu participantov
porovnať, teda v našom príklade ide o premennú „Rod“. Pre správne fungovanie nezávislého
t-testu musíme taktiež špecifikovať, ktoré dve konkrétne kategórie chceme v kreativite
porovnať – táto špecifikácia sa nám sprístupní po kliknutí na tlačítko „Define Groups“.
Nakoľko premenná „Rod“ má iba dve kategórie (1 = muž, 2 = žena), číselné označenia týchto
kategórii vložíme do políčok „Group 1“ a „Group 2“ ako na obrázku vyššie. Ďalej už stačí
potvrdiť špecifikáciu kategórií na porovnanie a spustiť funkciu stlačením „OK“. V SPSS by
sa nám mal zjaviť nasledujúci output (output na obrázku je mierne okresaný kvôli
jednoduchosti):
V tabuľke s výsledkami nezávislého t-testu sa zameriame na prvý riadok, pričom nás najviac
zaujímajú tri stĺpce označené ako „t“ (hodnota t-test štatistiky), „df“ (degrees of freedom,
alebo stupne voľnosti), a „Sig“ (hladina štatistickej významnosti, alebo pravdepodobnosti).
Nakoľko nezávislý t-test testuje nulovú hypotézu, že dve skupiny sa od seba nelíšia, hodnota
signifikancie p < 0,05 pri ňom vedie k zamietnutiu nultej hypotézy a konštatovaniu štatisticky
významného rozdielu medzi dvoma skupinami. Nakoľko v našich výsledkoch je hodnota
významnosti p = 0,369 (čo je značne vyššie ako p = 0,05), nezamietame nulovú hypotézu
a teda konštatujeme, že medzi mužmi a ženami neexistuje významný rozdiel v skóre
v teste kreativity.
Zatiaľ čo ženy dosahovali v teste kreativity vyššie skóre (M = 16,8; SD = 6,34) ako muži (M =
15,4; SD = 5,62), tento rozdiel sa neukázal ako štatisticky významný, t(58) = –0,905; p =
0,369.
Ak by sme chceli na grafe zobraziť rozdiely medzi mužmi a ženami v teste kreativity, potom
premennú „Kreativ“ presunieme do kolónky „Y-axis“ a na „X-axis“ pridáme premennú
„Rod“. Nakoniec, aby sme v grafe získali taktiež tzv. chybové úsečky (z angl. error bars),
klikneme na možnosť „Display error bars“, ktorá sa nachádza v okne „Element Properties“
napravo od hlavného okna pre vytvorenie grafu. Po kliknutí na túto možnosť by sa nám
automaticky malo zaškrtnúť políčko „Confidence intervals“ s hodnotou „95“. Túto možnosť
môžeme ponechať, voľbu však treba potvrdiť kliknutím na „Apply“, inak sa nám chybové
úsečky v grafe nezobrazia. Nakoniec, graf vytvoríme kliknutím na „OK“. V outpute by sa
nám mal zjaviť nasledujúci graf:
Graf zobrazuje priemerné skóre v teste kreativity u mužov a žien. Zároveň, chybové úsečky
zobrazujú 95% interval spoľahlivosti (niekedy tiež konfidenčný interval) okolo týchto
priemerov. Takýto interval slúži ako miera variability dát (podobne ako štandardná odchýlka)
a najčastejšie sa používa na grafoch zobrazujúcich rozdiely medzi dvoma, alebo viacerými
skupinami v kardinálnej normálne rozloženej premennej. Nazýva sa 95% interval
spoľahlivosti preto, že keby sme spravili nový výskum kde by sme takisto dali participantom
riešiť test kreativity, priemerné hodnoty kreativity u mužov a žien by sa s 95% istotou
pohybovali niekde v rámci týchto intervalov. Pre nás je ale dôležité, že interval spoľahlivosti
môžeme veľmi rýchlo použiť na vizuálne určenie rozdielu medzi skupinami. Platí totiž
pravidlo, že pokiaľ sa 95% intervaly spoľahlivosti dvoch skupín neprekrývajú, potom medzi
skupinami existuje významný rozdiel. Nakoľko interval spoľahlivosti u mužov sa prekrýva do
značnej miery s intervalom spoľahlivosti u žien, očakávame že rozdiel medzi mužmi a ženami
v kreativite nie je významný. Tento výsledok sa nám ostatne už vyššie potvrdil za pomoci
nezávislého t-testu.
V prípade že v našej práci chceme uviesť aj vizuálne zobrazenie rozdielov v kreativite medzi
mužmi a ženami, potom môžeme použiť presne takýto typ grafu. Nakoľko graf už zobrazuje
priemerné hodnoty kreativity u mužov a žien a chybové úsečky poskytujú mieru variability
týchto hodnôt (môžete o nich uvažovať ako o alternatívne k štandardnej odchýlke), potom
naše výsledky nemusíme ďalej opisovať v texte, ale stačí odkázať sa na graf a uviesť
výsledky samotného t-testu, ako napr.: (ako sme si už niekoľkokrát povedali, grafy v našich
prácach musia byť upravené podľa požiadaviek Americkej psychologickej spoločnosti, preto
často nestačí prekopírovať graf, ktorý nám SPSS zobrazí. Príklad toho, ako by graf mal byť
upravený podľa požiadaviek APA sa nachádza nižšie)
Obrázok 1. Priemerné skóre v teste kreativity u mužov a žien. Chybové úsečky zobrazujú
95% interval spoľahlivosti okolo priemeru.
Ako vidieť na Obr. 1, ženy dosahovali v teste kreativity v priemere vyššie skóre ako muži,
tento rozdiel však nebol štatisticky významný, t(58) = –0,905; p = 0,369.
Už ste sa naučili, že pri každom type štatistického testu sa môžeme okrem štatistickej
významnosti (pravdepodobnosti, že by sme efekt / vzťah / rozdiel namerali za predpokladu, že
platí nulová hypotéza) zaujímať aj o vecnú významnosť (teda silu alebo veľkosť samotného
efektu / vzťahu / rozdielu, ktorý sme namerali). Je to dôležité preto, lebo pri veľkých
vzorkách niekedy aj veľmi malý rozdiel medzi dvoma skupinami môže byť štatisticky
významný (nakoľko veľké vzorky majú veľmi veľkú štatistickú silu, teda schopnosť odhaliť
aj slabé rozdiely a vzťahy). A naopak, pri výskume s veľmi malými vzorkami niekedy aj
veľký nameraný rozdiel medzi skupinami nemusí byť štatisticky významný (nakoľko malá
vzorka nám poskytne iba obmedzenú štatistickú silu). Pri korelačných koeficientoch ste sa
naučili interpretovať silu vzťahu na základe veľkosti r / rs a pri chí-kvadrát teste ste veľkosť
rozdielu určovali na základe koeficientu Phí, alebo Cramerovho V. Pri nezávislom t-teste je
možno veľkosť rozdielu určiť na základe hodnoty tzv. Cohenovho d. Pri interpretácii tejto
hodnoty používame nasledujúce pravidlá:
Po výpočte tejto hodnoty ju stačí pri uvádzaní výsledkov nezávislého t-testu jednoducho
dosadiť na koniec výsledkov, napr.:
Zatiaľ čo ženy dosahovali v teste kreativity vyššie skóre (M = 16,8; SD = 6,34) ako muži (M =
15,4; SD = 5,62), tento rozdiel bol malý a štatisticky nevýznamný, t(58) = –0,905; p = 0,369;
d = 0,234.
Tak ako pri každom inom teste je nutné si naše dve premenné najskôr opísať. Nakoľko opis
premenných sme preberali už mnohokrát, vo všetkých ďalších príkladoch v osnovách už
budeme uvádzať iba výsledky deskripcie, bez samotného postupu (ak by ste mali problém
s postupom, potom vám odporúčame sa pozrieť do osnov z predchádzajúcich seminárov).
Výsledky deskripcie by sme mohli spísať napríklad:
Po spustení funkcie by sa nám mala v outpute zjaviť nasledujúca tabuľka s výsledkami Mann-
Whitneyho testu:
Pri spisovaní Mann-Whitneyho testu musíme uviesť iba značku tohto štatistického testu
(„U“), hodnotu testovej štatistiky (nachádza sa v tabuľke výsledkov v riadku označenom
„Mann-Whitney U“), a jeho hodnotu štatistickej významnosti. Okrem výsledkov testu treba
taktiež samozrejme uviesť aj opis našich premenných, ktorý sme získali na začiatku analýzy.
Výsledky porovnania uvádzanej spokojnosti so životom u ateistov a veriacich by sme teda
mohli spísať napr. takto:
Tak, ako sme si deskriptívne údaje pri porovnávaní kreativity u mužov a žien zobrazili
v rámci stĺpcového grafu, pri porovnávaní ordinálnej, alebo kardinálnej nenormálne
rozloženej premennej môžeme na vizualizáciu našich premenných použiť krabičkový graf (z
angl. boxplot). Krabičkový graf vytvoríme pomocou funkcie Graphs > Chart Builder.
Po otvorení hlavného okna vyberieme z ponuky vľavo dole kategóriu „Boxplot“ a zaklikneme
hneď prvý graf, označený ako „Simple Boxplot“. Pre porovnanie spokojnosti so životom
u ateistov a veriacich vložíme premennú „Viera“ do kolónky „X-axis“ a premennú „Spokoj“
do kolónky „Y-axis“. Graf nevyžaduje žiadne ďalšie špecifikácie, stačí ho potvrdiť „OK“. Po
vytvorení by sa nám v outpute mal zjaviť nasledujúci krabičkový graf (graf na obrázku nižšie
je upravený tak, aby bol v zhode s požiadavkami APA).
Krabičkový graf zobrazuje stredné hodnoty (horizontálne hrubé čiary v strede krabičky =
Mdn) sebaposúdenia spokojnosti so životom u ateistov a veriacich. Zároveň, veľkosť
samotnej krabičky zobrazuje medzikvartilové rozpätie (napr. u ateistov krabička siaha od 1 po
3, interkvartilové rozpätie je preto 2). Nakoniec, konce chvostov v krabičkovou grafe
zobrazujú najvyššiu a najnižšiu hodnotu sebaposúdenia spokojnosti so životom (u ateistov aj
veriacich hodnoty sebaposúdenia siahali od –3 po 4). V prípade, že by sa v našich dátach
vyskytovali extrémne hodnoty (hodnoty, ktoré sa veľmi výrazne odlišujú od všetkých
ostatných hodnôt, napríklad ak by pri sebaposúdení niekto omylom zapísal hodnotu „15“),
potom sú takéto hodnoty v krabičkovom grafe zobrazené ako hviezdičky, alebo krúžky
vyskytujúce sa za koncami chvostov. Ako vidíme v našom grafe, pri sebaposúdení
spokojnosti so životom sa nevyskytovali žiadne extrémne hodnoty (v grafe nie sú žiadne
krúžky ani hviezdičky). Vzhľadom na to, že graf zobrazuje stredné hodnoty a interkvartilové
rozpätia hodnôt spokojnosti so životom u ateistov a veriacich, ak ho v práci uvedieme,
nemusíme ďalej opisovať naše premenné v texte. V prípade, že by sme uviedli vyššie uvedený
graf, výsledky analýzy by stačilo spísať napr.: