Seminár VI.

– Porovnanie dvoch ordinálnych / kardinálnych premenných

v medzisubjektovom (between-subject) a vnútrosubjektovom (within-subject) designe

Medzisubjektové porovnanie skupín

Vnútrosubjektové porovnanie skupín

MEDZISUBJEKTOVÉ porovnanie dvoch ordinálnych / kardinálnych premenných

V prípade, že sa v našom výskume zaujímame o porovnanie dvoch nezávislých skupín alebo

podmienok (nezávislých = v skupinách / podmienkach na nachádzali rôzni ľudia), potom
správnym štatistickým testom pre takéto porovnanie je nezávislý t-test alebo Mann-
Whitneyho test. Prvý z nich používame v prípade, že porovnávame dve skupiny
v kardinálnej normálne rozloženej premennej. Mann-Whitneyho test používame v prípade, že
porovnávame dve skupiny v ordinálnej, alebo kardinálnej no nenormálne rozloženej
premenne. Celý postup analýzy dát pri oboch testoch je ukázaný nižšie na dvoch príkladoch.
V prípade, že v našom výskume porovnávame dve závislé skupiny (závislé = v skupinách sa
nachádzajú tí istí ľudia, teda ide o vnútrosubjektový design) potom volíme párový t-test alebo
Wilcoxonov test, ktoré budú uvedené v osnove z nasledujúceho seminára.

Medzisubjektové porovnanie dvoch kardinálnych normálne rozložených premenných:

príklad postupu pri výpočte nezávislého t-testu

Predstavme si, že by sme sa v našom výskume zaujímali o to, či existujú interpohlavné

rozdiely v kreativite. Mohli by sme napríklad predpokladať, že ženy sú výchovne viac vedené
ku kreatívnemu mysleniu a preto budú dosahovať vyššie skóre v teste kreativity ako muži.
Rozdali by sme teda rovnaký dotazník kreativity napríklad 30 mužom a 30 ženám a následne
by sme porovnávali, či sa ich výkony v teste významne líšia. Dáta pre takéto porovnanie sa
v našom skúšobnom súbore nachádzajú v premenných „Rod“ a „Kreativ“. Skóre v teste
kreativity predstavuje kardinálnu premennú, ktorú ideme porovnávať medzi dvoma
nezávislými skupinami (muži / ženy) preto pre našu analýzu volíme nezávislý t-test (v
prípade, že je skóre v teste kreativity u mužov a žien približne normálne rozložené). Pred
výpočtom samotného t-testu však musíme opísať naše premenné (prípadne spraviť graf)
a zistiť, či sú približne normálne rozložené.

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:

V štúdii participovalo 30 (50%) mužov a 30 (50%) žien. Shapiro-Wilkov test ukázal, že

výsledky testu kreativity sa nelíšili významne od normálneho rozloženia ani u mužov, W(30)
= 0,971; p = 0,559; ani u ženskej časti vzorky, W(30) = 0,986; p = 0,947. Ženy dosahovali
v teste kreativity vyššie skóre (M = 16,8; SD = 6,34), ako muži (M = 15,4; SD = 5,62).

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.

Uvádzanie výsledkov t-testu

Pri uvádzaní výsledkov nezávislého t-testu opäť postupujeme v zhode s tým, čo sme sa naučili
o uvádzaní iných štatistických testov. Značka pre nezávislý t-test je jednoducho malé písmeno
„t“ a pri uvádzaní výsledkov tohto testu musíme zapísať počet stupňov voľnosti (v zátvorke
za značkou „t“), hodnotu samotného t-testu (táto hodnota sa nachádza v SPSS v kolónke
označenej ako „t“) a hladinu štatistickej významnosti. Okrem samotných výsledkov t-testu je
potrebné vždy uviesť aj opis našich premenných v dvoch skupinách, ktoré porovnávame, aby
si čitateľ vedel vyvodiť, aké prípadné rozdiely medzi skupinami existovali. Hodnoty
kreativity u mužov a žien sme získali už v rámci deskripcie pomocou funkcie Explore, stačí
ich preto uviesť v texte spolu s výsledkami t-testu, 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 sa neukázal ako štatisticky významný, t(58) = –0,905; p =
0,369.

Grafické zobrazenie rozdielov medzi skupinami – stĺpcový graf s chybovými úsečkami

Alternatívnym spôsobom ako uviesť deskripciu našich premenných v prípade že

porovnávame dve skupiny v kardinálnej normálne rozloženej premennej je vytvoriť stĺpcový
graf s chybovými úsečkami. Tento typ grafu získame pomocou funkcie Graphs > Chart
Builder kde z ponuky vľavo dole vyberieme skupinu „Bar“ (stĺpcový graf je po anglicky
barchart) a zvolíme rovno prvý graf z ponuky, označený ako „Simple Bar“ (obrázok nižšie).

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.

Veľkosť efektu (vecná významnosť)

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:

d < 0,2: zanedbateľný rozdiel

d = 0,2 – 0,5: malý rozdiel

d = 0,5 – 0,8: stredne veľký rozdiel

d > 0,8: veľký rozdiel

Bohužiaľ, SPSS nám pri výpočte nezávislého t-testu neposkytuje možnosť automaticky
vypočítať aj hodnotu Cohenovho d. Našťastie, tento výpočet vieme veľmi ľahko získať za
pomoci online kalkulačiek veľkosti rozdielu. Jedna z takýchto kalkulačiek sa nachádza na
stránke https://www.psychometrica.de/effect_size.html#cohenb. Pokiaľ by sme túto stránku
chceli využiť na výpočet hodnoty Cohenovho d pre náš nezávislý t-test rozdielov v kreativite
medzi mužmi a ženami, potom by sme do kalkulačky museli pre mužov aj ženy zadať
priemerné skóre kreativity, štandardné odchýlky v skóre kreativity a veľkosť skupiny mužov
a žien (všetky tieto hodnoty získame v rámci deskripcie našich premenných). Keď do
kalkulačky dosadíme všetky hodnoty pre mužov (M = 15,4; SD = 5,618; n = 30) a ženy (M =
16,8; SD = 6,343; n = 30), dostaneme hodnotu Cohenovho d = 0,234. Podľa pravidiel vyššie
túto hodnotu môžeme interpretovať ako malý rozdiel (nachádza sa v intervale 0,2 – 0,5).

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.

Medzisubjektové porovnanie 2 ordinálnych, alebo kardinálnych nenormálne

rozložených premenných: príklad postupu pri výpočte Mann-Whitneyho testu

Tzv. neparametrickou alternatívou nezávislého t-testu, ktorú používame v prípade že

porovnávame dve skupiny v ordinálnej, alebo kardinálnej no nenormálne rozloženej
premennej, je Mann-Whitneyho test. Predstavte si, že by sme v našom výskume chceli zistiť,
či existuje rozdiel medzi veriacimi a ateistami (premenná „Viera“) v uvádzanej spokojnosti
s vlastným životom (premenná „Spokoj“). Mohli by sme napríklad predpokladať, že veriaci
nachádzajú oporu vo svojom hlbokou duchovnom živote a preto budú svoju spokojnosť so
životom hodnotiť vyššie ako ateisti. Nakoľko bola spokojnosť so životom u participantov
meraná na škále od – 4 (úplná nespokojnosť) po 4 (úplná spokojnosť), ide o ordinálnu
premennú na ktorej porovnanie medzi dvoma skupinami použijeme Mann-Whitneyho test.

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:

Vo výskume sa zúčastnilo 37 (61,7%) ateistov a 23 (38,3%) veriacich. Na škále od – 4 po 4

hodnotili ateisti (Mdn = 2; IQR = 2) svoju spokojnosť so životom vyššie ako veriaci (Mdn =
1; IQR = 2).

Nezabudnite, že nakoľko spokojnosť so životom predstavuje ordinálnu premennú, nemusíme

testovať normalitu jej rozloženia, preto v deskripcii stačí uviesť tieto opisné údaje. Už na
základe deskripcie vidíme, že spokojnosť so životom bola v našej vzorke u veriacich
v skutočnosti nižšia ako u ateistov. Aby sme však zistili, či bol tento rozdiel štatisticky
významný, musíme vypočítať Mann-Whitneyho test. Ten získame pomocou funkcie Analyze
> Nonparametric Tests > Legacy Dialogs > 2 Independent Samples.
Po kliknutí na funkciu sa nám zjaví okno na obrázku nižšie. Toto okno vyzerá aj funguje
veľmi podobne, ako nezávislý t-test z príkladu vyššie. Pokiaľ chceme v našom výskume
porovnávať spokojnosť so životom, potom musíme premennú „Spokoj“ preniesť do hlavného
okna označeného ako „Test Variable List“. Do nižšie položené okna „Grouping Variable“
zasa vložíme premennú, podľa ktorej chceme spokojnosť so životom porovnať, teda „Viera“.
Nakoniec musíme špecifikovať, ktoré dve konkrétne skupiny v rámci premennej „Viera“
chceme navzájom porovnávať. Nakoľko premenná „Viera“ v našom výskume obsahuje iba
dve kategórie (0 = ateisti, 1 = veriaci), klikneme si na tlačítko „Define Groups“ a do kolóniek
vpíšeme číselné označenia týchto kategórií. Ďalej už iba potvrdíme kategórie kliknutím na
„Continue“ a nakoľko v možnostiach v dolnej časti okna je už automaticky vybraný Mann-
Whitneyho test, nemusíme robiť nič viac, iba funkciu spustiť pomocou „OK“.

Po spustení funkcie by sa nám mala v outpute zjaviť nasledujúca tabuľka s výsledkami Mann-
Whitneyho testu:

Tabuľka obsahuje viacero hodnôt, my sa však primárne sústredíme na hodnotu Mann-

Whitneyho testu (prvý riadok tabuľky) a na jeho štatistickú významnosť (posledný riadok
tabuľky). Nakoľko Mann-Whitneyho test testuje nulovú hypotézu, že dve skupiny sa
vzájomne neodlišujú, hodnoty štatistickej významnosti p < 0,05 nás vedú k zamietnutiu
nulovej hypotézy a úsudku, že rozdiel medzi skupinami je štatisticky významný. Keďže
v našom príklade je hodnota pravdepodobnosti vyššia ako p = 0,05 (konkrétne p = 0,112),
nezamietame nulovú hypotézu a preto tvrdíme, že medzi ateistami a veriacimi
neexistujú štatisticky významné rozdiely v uvádzanej spokojnosti so životom.

Uvádzanie výsledkov 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:

Vo výskume sa zúčastnilo 37 (61,7%) ateistov a 23 (38,3%) veriacich. Na škále od – 4 po 4

hodnotili ateisti (Mdn = 2; IQR = 2) svoju spokojnosť so životom vyššie ako veriaci (Mdn =
1; IQR = 2), tento rozdiel však nedosiahol úroveň štatistickej významnosti, U = 323,0; p =
0,112.

Grafické zobrazenie rozdielov medzi skupinami – krabičkový graf

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).

Obrázok 2. Krabičkový graf zobrazujúci sebaposúdenie spokojnosti so životom separátne

u ateistov a veriacich

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.:

Vo výskume sa zúčastnilo 37 (61,7%) ateistov a 23 (38,3%) veriacich. Ako vidieť na Obr. 2,

ateisti uvádzali mierne vyššiu spokojnosť so životom ako veriaci. Tento rozdiel však nebol
štatisticky významný, U = 323,0; p = 0,112.