Professional Documents
Culture Documents
Seminár V.
Seminár V.
Po zaškrtnutí všetkých možností sa stačí vrátiť do hlavného okna funkcie Crosstabs a voľbu
potvrdiť tlačítkom „OK“. V outpute sa nám zjaví nasledujúca krížová tabuľka:
V tabuľke vidíme pozorované a očakávané početnosti ľudí, ktorí uspeli a neuspeli
v Bayesovskej úlohe, rozdelené podľa typu pomôcky, ktorú mali pri riešení úlohy
k dispozícii. Vieme z nej napríklad vyčítať, že zatiaľ čo v skupine bez pomôcky 7 (35%) ľudí
zodpovedalo úlohu správne, v skupine s 3D pomôckou bolo úspešných až 13 (65%)
participantov. Okrem krížovej tabuľky dostaneme v outpute takisto výsledky chí-kvadrát
štatistiky a tabuľku týkajúcu sa vecnej významnosti pozorovaného efektu.
Ako ste sa naučili na prednáške, okrem hodnôt štatistickej významnosti nás pri výskume
takisto zaujíma vecná významnosť rozdielu, vzťahu, alebo efektu, ktorý vo výskume
nameriame. V prípade chí-kvadrát testu je vecná významnosť vyjadrená koeficientom Phí
alebo Cramerovým V. Vzhľadom na to, že sme v našom príklade porovnávali tri skupiny (bez
pomôcky / s 2D pomôckou / s 3D pomôckou), vznikla nám 3 x 2 krížová tabuľka (3 riadky, 2
stĺpce) a chí-kvadrát štatistika mala preto dva stupne voľnosti (degrees of freedom – df).
V takomto prípade, teda pokiaľ má naša chí-kvadrát štatistika viac ako jeden stupeň voľnosti,
používame na vyjadrenie miery vecnej významnosti hodnotu Cramerovho V. V prípade, že by
sme porovnávali iba dve skupiny (napr. bez pomôcky / s pomôckou), vznikla by nám 2 x 2
krížová tabuľka a náš chí-kvadrát by mal iba jeden stupeň voľnosti. V takom prípade by sme
ako mieru vecnej významnosti uviedli hodnotu koeficientu Phí. V každom prípade, tak Phí
ako aj Cramerovo V majú rovnakú interpretáciu čo sa týka vecnej významnosti (veľkosti
efektu), ktorá je zobrazená na obrázku vyššie. V našom príklade vyšla hodnota Cramerovho V
= 0,250, čo by sme interpretovali ako malú vecnú významnosť.
Tak ako pri iných testoch, tak aj pri chí-kvadráte je vhodné pred uvedením výsledkov
samotného testu najskôr opísať namerané hodnoty našich premenných. V prípade
nominálnych premenných je azda najlepším riešením deskripcie uvedenie krížovej tabuľky,
podobnej tej, ktorú sme dostali v outpute z funkcie Crosstabs. Ako ste sa však dozvedeli na
prednáške, Americká psychologická asociácia (APA) kladie isté nároky na uvádzanie tabuliek
v psychologických prácach. Tieto nároky máte uvedené napríklad v Publikačnom manuály
APA. S ohľadom na to nie je väčšinou vhodné rovno prekopírovať tabuľku, ktorú dostaneme
z SPSS do našej práce, ale treba ju upraviť tak, aby bola v zhode s nárokmi APA. Nižšie je
uvedený príklad toho, ako by sme mohli prezentovať upravenú tabuľku zobrazujúcu
deskripciu našich dvoch premenných (tabuľka zobrazuje iba tie najdôležitejšie hodnoty
z krížovej tabuľky uvedenej v príklade vyššie).
Tabuľka 1. Úspešnosť v riešení ťažšej Bayesovskej úlohy rozdelená podľa typu pomôcky
Neúspech Úspech
Okrem tabuľky musíme samozrejme taktiež v texte popísať výsledky našej analýzy. Výsledky
chí-kvadrát testu sa uvádzajú veľmi podobne ako výsledky iných štatistických testov, teda je
potrebné uviesť označenie testu (χ2 = malé písmeno chí umocnené na druhú), hodnotu
stupňov voľnosti (df), hodnotu chí-kvadrát štatistiky, pravdepodobnosť (p-hodnotu) a index
vecnej významnosti (v tomto prípade Cramerovo V). Celkové spísanie výsledkov by mohlo
vyzerať napríklad takto:
Rozdiel v úspešnosti participantov v ťažšej Bayesovskej úlohe v skupine bez pomôcky (35%;
n = 7), s dvojdimenzionálnou pomôckou (45%; n = 9) a s trojdimenzionálnou pomôckou
(65%; n = 13), bol malý a štatisticky nevýznamný, χ2(2) = 3,737; p = 0,154; V = 0,250.
Rozdiel úspešnosti participantov v ťažšej Bayesovskej úlohe medzi tromi skupinami (Tabuľka
1), bol malý a štatisticky nevýznamný, χ2(2) = 3,737; p = 0,154; V = 0,250.
V prípade, že by sme porovnávali len dve skupiny v úspešnosti v Bayesovskej úlohe (teda,
počet stupňov voľnosti pre chí-kvadrát test by bol 1), uvádzame hodnoty chí-kvadrát testu
rovnako, ale ako mieru vecnej významnosti (veľkosti efektu) by sme uviedli koeficient Phí
(φ) namiesto Cramerovho V:
Rozdiel v úspešnosti pri riešení ľahšej Bayesovskej úlohe medzi mužmi (46,7%; n = 14)
a ženami (40,0%, n = 12) bol malý a štatisticky nevýznamný, χ2(1) = 0,271; p = 0,602; φ =
0,067.
Po otvorení okna Crosstabs by sme postupovali nasledovne. Do poľa „Row(s)“ by sme zadali
premennú „Bayes“ a do poľa „Column(s)“ by sme zadali premennú „Bayes2“. Opäť by sme si
otvorili okno „Statistics“, avšak v prípade McNemarovho testu nám v tomto okne stačí
zaškrtnúť políčko „McNemar“ nachádzajúce sa v pravej dolnej časti okna. Nakoniec, v okne
„Cells“ funkcie Crosstabs, by sme mohli vybrať možnosti „Observed“ početnosti a taktiež
„Row“ a „Total“ percentá.
Po odkliknutí funkcie by sme dostali output na obrázku nižšie:
Opis premenných by sme mali opäť zobrazený v rámci krížovej tabuľky, ktorá nám ukazuje
úspešnosť participantov v ťažšej Bayesovskej úlohe rozdelenú podľa toho, či uspeli alebo
neuspeli v ľahšej Bayesovskej úlohe. Z tabuľky napríklad vieme vyčítať, že z, ľudí ktorí
správne zodpovedali ľahšiu úlohu, iba 1 participant (3,8%) neuspel pri riešení ťažšej úlohy.
Naopak z ľudí, ktorí zlyhali pri riešení ľahšej úlohy, 4 (11,8%) participanti uspeli pri riešení
ťažšej úlohy. Samotná krížová tabuľka nám však nepovie, či bola celková úspešnosť (celková
úspešnosť pre každú z úloh je zobrazená v riadku a stĺpci „Total“) v ľahšej a ťažšej
Bayesovskej úlohe štatisticky významne odlišná. To zistíme preskúmaním druhej časti
outputu, kde sa nachádzajú výsledky McNemarovho testu. Tento test testuje nultú hypotézu,
že úspešnosť v ľahšej a ťažšej Bayesovskej úlohe nie je významne odlišná. Vzhľadom na to,
že naša výsledná hodnota pravdepodobnosti je vyššia ako p = 0,05 (konkrétne p = 0,375)
usudzujeme, že rozdiel v úspešnosti participantov v dvoch úlohách nie je štatisticky
významný. V prípade, že by výsledná hodnota pravdepodobnosti bola nižšia ako 5% (napr. p
= 0,021), usúdili by sme, že úspešnosť participantov v ľahšej a ťažšej Bayesovskej úlohe sa
významne odlišovala (teda, jedna z úloh bola významne ťažšia ako druhá).
Spísanie výsledkov McNemarovho testu je mierne jednoduchšie ako pri iných testoch.
Nakoľko nám SPSS k tomuto testu neposkytuje ani hodnotu testovej štatistiky, ani hodnotu
stupňov voľnosti, či mieru vecnej významnosti, stačí vo výsledkoch uviesť p-hodnotu pre
tento test. Najskôr však samozrejme treba naše premenné opísať, napr:
Úspešnosť participantov v ľahšej (n = 26; 43,3%) a ťažšej Bayesovskej úlohe (n = 29; 48,3%)
sa podľa McNemarovho testu štatisticky významne nelíšila, p = 0,375.
V prípade, že by sme k výsledkom chceli uviesť tiež krížovú tabuľku, mohli by sme ju
prezentovať napríklad takto: