Seminár V.

– Porovnanie dvoch nominálnych premenných v medzisubjektovom

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

Medzisubjektové porovnanie skupín

Vnútrosubjektové porovnanie skupín

Medzisubjektové porovnanie dvoch/viacerých nominálnych premenných

Príklad postupu pri výpočte chí-kvadrát testu

Predstavme si, že sa vo výskume zaujímame o to, či rôzne typy pomôcok (premenná

„Pomocka“ v našom cvičnom dátovom súbore) ovplyvňujú výkon participantov v úlohe na
štatistické uvažovanie – Bayesovskej úlohe (premenná „Bayes2“). Participantov sme rozdelili
do troch skupín, jednej sme neposkytli žiadnu pomôcku, druhej sme poskytli jednoduchú 2D
pomôcku a tretej skupine sme k riešeniu dali komplexnú 3D pomôcku. Všetky tri skupiny
riešili rovnakú úlohu. Rôzni participanti boli náhodne pridelení do jednej z troch výskumných
skupín, ide teda o medzisubjektový design. Nakoľko úspešnosť v úlohe bola zaznamenaná iba
ako úspech / neúspech, ide o nominálnu premennú a preto na porovnanie použijeme chí-
kvadrát test. Tak ako pri iných štatistických testoch je vhodné si naše premenné najskôr
opísať. Výhodou pri výpočte chí-kvadrátu je, že tak opis premenných ako aj výpočet
štatistického testu vieme získať za pomoci tej istej funkcie: Analyze > Descriptive Statistics >
Crosstabs. Po kliknutí na funkciu sa nám zjaví nasledujúce okno, ktoré slúži tak na vytvorenie
krížovej tabuľky – tabuľky, ktorá zobrazuje početnosti jednotlivých kategórií jednej
nominálnej premennej rozdelené podľa kategórií druhej nominálnej premennej. Teda
napríklad početnosti úspešnosti v ťažšej Bayesovskej úlohe rozdelené podľa typu poskytnutej
pomôcky. Krížová tabuľka zároveň poskytuje vhodný spôsob ako opísať naše nominálne
premenné a zároveň slúži ako základ pre výpočet chí-kvadrát testu.

V prípade našej výskumnej otázky by sme vybrali premennú „Pomocka“ a vložili ju do

kolónky „Row(s)“ (bude teda tvoriť riadky krížovej tabuľky) a premennú „Bayes2“ by sme
vložili do kolónky „Column(s)“ (bude teda tvoriť stĺpce krížovej tabuľky). Pre výpočet chí-
kvadrát testu si ďalej rozklikneme okno „Statistics“, ktoré sa nachádza v pravej lište okna
Crosstabs. V okne „Statistics“ (obr. nižšie) si zaškrtneme možnosti „Chi-square“ aby sme
SPSS povedali, že na základe krížovej tabuľky chceme tiež získať výpočet chí-kvadrát testu
a zaškrtneme tiež pole „Phi and Cramer´s V“ aby sme k chí-kvadrátu dostali tiež miery vecnej
významnosti (sily/veľkosti efektu).
Po tom, ako zaškrtneme tieto možnosti v rámci kolónky „Statistics“, vrátime sa do hlavného
okna funkcie Crosstabs a otvoríme si ešte kolónku „Cells“, ktorá nám umožňuje špecifikovať,
aké hodnoty chceme aby boli v krížovej tabuľke zobrazené. Možnosti „Observed“ a
„Expected“ nám v krížovej tabuľke zobrazia pozorované početnosti (teda namerané počty
jednotlivých kategórií) a očakávané početnosti (ktoré predstavujú početnosti, ktoré by sme
očakávali v prípade, že úspešnosť v Bayesovskej úlohe nie je závislá od typu poskytnutej
pomôcky). Odporúčam tiež zakliknúť možnosti „Row“ a „Total“ percentages, ktoré nám
zobrazia percentuálny podiely jednotlivých kategórií v krížovej tabuľke.

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.

Pri zodpovedaní našej výskumnej hypotézy sa sústreďujeme na riadok „Pearson Chi-Sqaure“,

ktorý zobrazuje výsledky chí-kvadrát testu. Chí-kvadrát test testuje nultú hypotézu, že dve
nominálne premenné sú vzájomne nezávislé. V našom príklade by nultá hypotéza znamenala,
že úspešnosť v Bayesovskej úlohe nie je závislá od typu poskytnutej pomôcky. Tak ako pri
iných testoch považujeme hodnoty p < 0,05 za štatisticky významné a hodnoty p > 0,05 za
štatisticky nevýznamné. Vzhľadom na to, že výsledná hodnota pravdepodobnosti chí-kvadrát
testu je p = 0,154 usuzdujeme, že rozdiel v úspešnosti riešenia Bayesovskej úlohy sa
štatisticky významne NELÍŠI v skupinách s rôznym typom pomôcky. Teda, nezamietame nultú
hypotézu a neprikláňame sa k výskumnej hypotéze, že existuje rozdiel medzi skupinami
s rôznym typom pomôcky. V prípade, že by výsledná hodnota pravdepodobnosti bola napr. p
= 0,032 (teda nižšia ako p = 0,05), usúdili by sme, že existuje štatisticky významný rozdiel
medzi skupinami s rôznym typom pomôcky v riešení ťažšej Bayesovskej úlohy.

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.

Uvádzanie výsledkov chí-kvadrát testu

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

Úspešnosť v riešení Bayesovskej úlohy

Neúspech Úspech

Žiadna pomôcka 13 (65%) 7 (35%)

2D pomôcka 11 (55%) 9 (45%)

3D pomôcka 7 (35%) 13 (65%)

Poznámka. Tabuľka obsahuje početnosti a percentuálne podiely úspešnosti riešení ťažšej
Bayesovskej úlohy rozdelené podľa typu pomôcky. Percentuálne hodnoty vyjadrujú podiel
úspešnosti riešenia v rámci daného typu pomôcky.

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.

V prípade, že sme už v texte uviedli tabuľku, kde je zobrazená úspešnosť participantov

v rôznych skupinách, potom by sme z vyššie uvedeného textu mohli vylúčiť opis úspešnosti
a ponechať iba výsledky chí-kvadrát testu:

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.

Vnútrosubjektové porovnanie dvoch nominálnych premenných

Príklad postupu pri výpočte McNemarovho testu

V prípade, že by sme sa v našom výskume zaujímali napríklad o porovnanie toho, či mali

rovnakí participanti nižšiu úspešnosť v ťažšej (premenná „Bayes2“), ako v ľahšej
Bayesovskej úlohe (premenná „Bayes“), museli by sme zvoliť iný postup ako v príklade
vyššie. Nakoľko všetci participanti zodpovedali rovnaké dve úlohy (ľahšiu a ťažšiu
Bayesovskú úlohu) ide o vnútrosubjektové porovnanie – teda porovnávame jednu skupinu
ľudí (tých istých participantov) v dvoch rôznych podmienkach (v ľahšej a ťažšej úlohe).
Správnym štatistickým testom v takomto prípade by bol tzv. McNemarov test, ktorý slúži na
porovnanie dvoch nominálnych premenných vo vnútrosubjektovom designe. Našťastie,
výpočet tohto testu a jeho uvádzanie je pomerne podobné vyššie uvedenému chí-kvadrátu.
Rovnako, ako v príklade vyššie by sme celý výpočet testu získali pomocou funkcie Analyze >
Descriptive Statistics > Crosstabs.

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).

Uvádzanie výsledkov McNemarovho testu

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:

Tabuľka 2. Krížová tabuľka úspešnosti v ľahšej a ťažšej bayesovskej úlohe

Ľahšia bayesovská úloha

Ťažšia bayesovská úloha neúspech úspech

neúspech 30 (50,0%) 4 (6,7%)

úspech 1 (1,7%) 25 (41,7%)

Poznámka. N = 60. Tabuľka obsahuje početnosti a percentuálne podiely úspešnosti v ľahšej
a ťažšej bayesovskej úlohe. Percentuálne hodnoty vyjadrujú podiel danej kategórie
z celkového výskumného súboru.