Većina studenata i istraživača ne zapne na prikupljanju podataka. Anketa je provedena, baza postoji, hipoteze su napisane. Zastoj nastaje na koraku koji izgleda najmanji: koji statistički test primijeniti? U tom trenutku mnogi otvore SPSS i krenu klikati po izbornicima, nadajući se da će pravi test iskočiti sam. Neće, jer program ne zna što želite provjeriti.
Dobra vijest je da odabir statističkog testa nije pogađanje nego postupak koji se svodi na nekoliko pitanja o Vašem istraživanju. Kad na njih odgovorite, izbor se u većini radova sužava na jedan test i njegovu neparametrijsku alternativu. Ovaj vodič Vas kroz ta pitanja vodi redom, uz dijagram odlučivanja, tablicu za brzu provjeru i primjere iz stvarnih završnih, diplomskih, magistarskih i doktorskih radova.
Prvo pitanje: što zapravo želite dokazati ili provjeriti?
Test se ne bira prema programu koji imate instaliran, nego prema istraživačkom pitanju. Gotovo svako kvantitativno istraživanje svodi se na jednu od nekoliko osnovnih namjera.
Možda želite usporediti dvije grupe: zadovoljstvo poslom kod muškaraca i žena, uspjeh kontrolne i eksperimentalne skupine. Možda uspoređujete tri ili više grupa: stavove studenata triju različitih fakulteta. Možda Vas zanima povezanost dviju varijabli: raste li zadovoljstvo studijem s brojem sati spavanja. Možda želite predvidjeti jednu varijablu na temelju drugih: koliko dobro dob, staž i plaća zajedno objašnjavaju namjeru odlaska iz organizacije. Možda mjerite istu skupinu prije i poslije nekog tretmana ili edukacije. A možda ispitujete odnos dviju kategorijskih varijabli: postoji li veza između spola i odabira studijskog usmjerenja.
Svaka od ovih namjera vodi prema drugoj obitelji testova. Zato prije otvaranja ijednog programa zapišite rečenicu koja počinje s „želim provjeriti postoji li…“. Ta rečenica je pola posla.
Prije testa: prepoznajte tipove varijabli
Drugo pitanje na kojem se lomi izbor testa jest kakve varijable imate. Nema potrebe za dubokom teorijom mjernih skala, dovoljne su tri razine.
Nominalne varijable su čiste kategorije bez ikakvog poretka: spol, studijsko usmjerenje, radni status. Brojka koju im dodijelite u bazi samo je etiketa, bez računske vrijednosti.
Ordinalne varijable imaju poredak, ali razmaci među stupnjevima nisu nužno jednaki: stupanj obrazovanja, ocjena zadovoljstva od „vrlo nezadovoljan“ do „vrlo zadovoljan“ na jednoj čestici. Znamo da je „zadovoljan“ više od „neutralan“, ali ne i jesu li razmaci među stupnjevima jednaki.
Intervalne i omjerne (numeričke) varijable imaju smislene razmake: dob, godine staža, broj bodova na testu znanja, prosjek ocjena. S njima se smije računati prosjek i na njima počivaju parametrijski testovi.
Posebna napomena za skale tipa Likert, jer se pojavljuju u gotovo svakoj studentskoj anketi. Pojedinačna čestica („Zadovoljan sam studijem“, 1 do 5) strogo je ordinalna. No kad se više čestica iste skale zbroji ili uprosječi u kompozitni rezultat, u praksi se takav rezultat vrlo često tretira kao numerička varijabla. To je uobičajen postupak, ali ga u metodološkom dijelu treba jednom rečenicom obrazložiti, ne prešutjeti.
Uz tip varijable, razlikujte i uloge: zavisna varijabla je ono što mjerite kao ishod, nezavisna je ono čiji utjecaj ili razliku ispitujete. U primjeru „razlikuje li se zadovoljstvo studijem između redovnih i izvanrednih studenata“, zadovoljstvo je zavisna varijabla, a status studenta nezavisna.
I na kraju, razlikujte nezavisne i zavisne uzorke. Nezavisni uzorci su različiti ljudi u različitim grupama (muškarci i žene, kontrolna i eksperimentalna skupina); zavisni ili upareni nastaju kad iste osobe mjerite više puta (znanje prije i poslije edukacije). Ova razlika izravno mijenja test, pa ju je opasno preskočiti.
Dijagram odlučivanja: kako odabrati statistički test
Kad znate namjeru i tipove varijabli, izbor se svodi na pet pitanja koja se postavljaju redom.
- Koliko grupa uspoređujete? Jednu (uspoređujete je s poznatom vrijednošću), dvije, ili tri i više. Ako ne uspoređujete grupe nego tražite povezanost ili predviđanje, preskačete na pitanje 5.
- Jesu li uzorci nezavisni ili zavisni? Različiti ljudi u grupama, ili ista skupina mjerena više puta.
- Je li zavisna varijabla numerička ili kategorijska? Numerička vodi prema t-testovima, ANOVA-i, korelaciji i linearnoj regresiji. Kategorijska vodi prema hi-kvadratu i logističkoj regresiji.
- Je li distribucija približno normalna? Ako jest (i ostale pretpostavke drže), koristite parametrijski test. Ako nije, posežete za neparametrijskom alternativom.
- Tražite li usporedbu, povezanost ili predviđanje? Usporedba vodi na testove razlika, povezanost na korelacije, predviđanje na regresije.
Brzi vodič za odabir statističkog testa
Isti tok, sažet u tablici koju možete koristiti kao brzu provjeru:
| Istraživačko pitanje | Tip podataka | Primjer hipoteze | Preporučeni test | Alternativa ako pretpostavke nisu zadovoljene |
|---|---|---|---|---|
| Razlika između 2 nezavisne grupe | numerička ZV, kategorijska NV (2 grupe) | Muškarci i žene razlikuju se u zadovoljstvu poslom | nezavisni t-test | Mann-Whitney U test |
| Razlika prije i poslije (ista skupina) | numerička ZV, 2 mjerenja | Znanje polaznika veće je nakon edukacije | upareni t-test | Wilcoxonov test |
| Razlika između 3+ nezavisnih grupa | numerička ZV, kategorijska NV (3+ grupa) | Studenti triju fakulteta razlikuju se u razini stresa | jednosmjerna ANOVA | Kruskal-Wallis test |
| Razlika kroz 3+ mjerenja iste skupine | numerička ZV, 3+ mjerenja | Motivacija se mijenja tijekom tri semestra | ANOVA ponovljenih mjerenja | Friedmanov test |
| Odnos dviju kategorijskih varijabli | 2 kategorijske varijable | Spol je povezan s odabirom usmjerenja | hi-kvadrat test | Fisherov egzaktni test (male frekvencije) |
| Povezanost dviju numeričkih varijabli | 2 numeričke varijable | Sati učenja povezani su s prosjekom ocjena | Pearsonova korelacija | Spearmanova korelacija |
| Povezanost s ordinalnom varijablom | ordinalna + numerička/ordinalna | Stupanj obrazovanja povezan je sa zadovoljstvom | Spearmanova korelacija | Spearman je već neparametrijski |
| Predviđanje numeričkog ishoda | numerička ZV, 1+ prediktora | Staž i plaća predviđaju namjeru odlaska | linearna regresija | transformacije, robusna regresija |
| Predviđanje pripadnosti kategoriji | kategorijska ZV (najčešće da/ne) | Dob i status predviđaju odustajanje od studija | logistička regresija | logistička ne traži normalnost prediktora |
Tablicu možete povlačiti vodoravno na manjim ekranima.
ZV označava zavisnu, NV nezavisnu varijablu. Tablica pokriva veliku većinu radova; kod složenijih nacrta (više faktora, kovarijate, hijerarhijski podaci) izbor traži dodatnu procjenu.
Ako uspoređujete dvije grupe
Ovo je najčešći scenarij u studentskim radovima.
Nezavisni t-test koristite kad dvije različite skupine ljudi uspoređujete na numeričkoj varijabli: razlikuju li se muškarci i žene u razini zadovoljstva poslom, ili kontrolna i eksperimentalna grupa u rezultatu na testu znanja. Test pretpostavlja približno normalnu distribuciju zavisne varijable u objema grupama i podjednake varijance (SPSS uz rezultat daje Levenov test i korekciju ako varijance nisu jednake).
Upareni t-test koristite kad istu skupinu mjerite dvaput: rezultat prije i poslije edukacije, razina stresa na početku i na kraju semestra. Ovdje se zapravo testira prosjek razlika između dva mjerenja, pa se pretpostavka normalnosti odnosi na te razlike.
Mann-Whitney U test je neparametrijska zamjena za nezavisni t-test. Posežete za njim kad je distribucija izrazito asimetrična, kad je uzorak malen, ili kad je zavisna varijabla ordinalna (na primjer, jedna Likertova čestica, a ne kompozitna skala).
Wilcoxonov test je ista zamjena za upareni t-test, dakle za situacije prije i poslije kad razlike nisu ni približno normalno distribuirane ili je mjerenje ordinalno.
Praktično pravilo: prvo odlučite je li usporedba nezavisna ili uparena, jer je to strukturna odluka koju kasnije ne možete „popraviti“ testom. Tek onda gledajte distribuciju.
Ako uspoređujete tri ili više grupa
Ovdje se događa jedna od najčešćih grešaka: uspoređivanje tri grupe kroz tri odvojena t-testa. Time napuhujete vjerojatnost lažno značajnog nalaza. Umjesto toga koristi se jednosmjerna ANOVA, koja u jednom koraku provjerava postoji li razlika bilo gdje među grupama.
Važno je razumjeti što ANOVA govori, a što ne. Značajan rezultat ANOVA-e znači da barem jedna grupa odstupa, ali ne kaže koja. Za to služe post-hoc testovi (najčešće Tukey ili Bonferroni), koji uspoređuju parove grupa uz kontrolu ukupne pogreške. U radu se zato izvještava oboje: ukupni nalaz ANOVA-e i post-hoc usporedbe.
Kad istu skupinu mjerite tri ili više puta (motivacija na početku, sredini i kraju semestra), koristi se ANOVA ponovljenih mjerenja. Ako pretpostavke za ANOVA-u ozbiljno padaju, neparametrijske zamjene su Kruskal-Wallis za nezavisne grupe i Friedmanov test za ponovljena mjerenja.
Ako analizirate povezanost između varijabli
Pearsonova korelacija mjeri linearnu povezanost dviju numeričkih varijabli i izražava je koeficijentom r od -1 do 1. Spearmanova korelacija radi isto preko rangova, pa je prikladna za ordinalne varijable, male uzorke i odnose koji su monotoni, ali ne nužno linearni.
Uz korelaciju ide upozorenje koje nije fraza nego stvarna zamka: korelacija ne dokazuje uzročnost. Ako nađete da je vrijeme na društvenim mrežama negativno povezano s prosjekom ocjena, pogrešno tumačenje glasi: „mreže uzrokuju lošije ocjene“. Ispravno glasi: „studenti koji provode više vremena na mrežama u prosjeku imaju niži prosjek; podaci ne omogućuju zaključak o smjeru ili uzroku te veze“. Možda mreže smanjuju učenje, možda lošiji uspjeh tjera na bijeg u mreže, možda nešto treće pokreće oboje. Korelacijski nacrt to ne razlučuje i zreo rad to otvoreno kaže.
Ako želite predvidjeti rezultat
Kad pitanje nije „postoji li povezanost“ nego „koliko dobro jedna ili više varijabli objašnjavaju ishod“, prelazite na regresiju.
Linearna regresija predviđa numerički ishod. Primjer: koliko dob, godina studija i broj sati učenja zajedno objašnjavaju zadovoljstvo studijem. Rezultat Vam kaže koliki dio varijance ishoda model objašnjava i koji prediktori pridonose značajno.
Logistička regresija predviđa pripadnost kategoriji, najčešće binarnoj: hoće li ispitanik odustati od studija ili ne, pripada li skupini s povišenim rizikom ili ne. Umjesto varijance objašnjava vjerojatnost ishoda, a doprinosi prediktora izražavaju se omjerima izgleda.
Jedno upozorenje iz prakse: nije dovoljno „ubaciti sve varijable koje postoje u bazi“ i pustiti program da nešto izbaci. Prediktori se biraju na temelju literature i istraživačkog pitanja, jer nasumično natrpan model daje nestabilne i teško obranjive rezultate, posebno na manjim uzorcima. Ako mentor na obrani pita „zašto je ova varijabla u modelu“, odgovor „bila je u anketi“ neće proći.
Što ako podaci nisu normalno distribuirani?
Normalnost distribucije provjerava se prije parametrijskih testova, ali oko nje vlada više straha nego što zaslužuje.
Provjera se u praksi radi kombinacijom: Shapiro-Wilk test (formalni test normalnosti), histogram (vizualni dojam oblika distribucije) i Q-Q plot (koliko točke odstupaju od pravca). Namjerno pišem kombinacijom: kod velikih uzoraka Shapiro-Wilk postaje vrlo osjetljiv i proglasit će značajnim i praktično zanemariva odstupanja, a kod vrlo malih nema snage otkriti ni ozbiljna. Zato uz test uvijek pogledajte i sliku, ne samo p-vrijednost.
Vrijedi znati i da su t-test i ANOVA prilično otporni na umjerena odstupanja od normalnosti kad su uzorci pristojne veličine i približno podjednaki po grupama. Blago zakrivljena distribucija na uzorku od 120 ispitanika rijetko je stvaran problem; izrazita asimetrija na uzorku od 18 ispitanika jest, i tada je neparametrijska alternativa sigurniji izbor.
I još jedna ograda koju dobar rad mora imati: normalnost nije jedini kriterij izbora. Tip varijable, nacrt istraživanja, veličina uzorka i nezavisnost opažanja jednako su važni, a statistička značajnost sama po sebi ne znači da je nalaz praktično važan. Razlika od pola boda na skali do 100 uz velik uzorak može biti statistički značajna i praktično nevažna, pa se u radu uz p-vrijednost sve češće očekuje i veličina učinka.
Najčešće greške pri odabiru statističkog testa
Iz iskustva s radovima koji dolaze na doradu, greške se ponavljaju u prepoznatljivim obrascima. Test se bira prema onome što je u programu najlakše kliknuti, umjesto prema hipotezi. Za tri i više grupa provlači se serija t-testova umjesto ANOVA-e. Upareni podaci (prije i poslije) obrađuju se testom za nezavisne uzorke, čime se gubi upravo ona informacija zbog koje je nacrt i napravljen. Likertove skale tretiraju se kao numeričke bez ijedne rečenice obrazloženja, pa mentor s pravom pita zašto. Veličina uzorka se ignorira, pa se na 15 ispitanika izvode zaključci kao da ih je 500. Korelacija se u interpretaciji pretvara u uzročnost. SPSS output se doslovno prepiše u rad, s tablicama kakve program izbaci, bez rečenice koja objašnjava što brojke znače. I na samom početku svega: hipoteze su postavljene tako općenito da se ni ne mogu testirati.
Nijedna od ovih grešaka nije znak nesposobnosti; one su posljedica toga što se statistika uči kroz formule, a ne kroz odluke. Zato pomaže postupak s početka teksta: pitanje, varijable, grupe, pretpostavke, pa tek onda program.
Kako izgleda dobar proces statističke obrade u SPSS-u, Excelu ili R-u?
Sama analiza je tek jedan korak u sredini procesa. Ozbiljna statistička obrada podataka ide ovim redom: najprije pregled ciljeva i hipoteza, jer se prema njima sve ravna. Zatim provjera varijabli u bazi: jesu li ispravno kodirane, imaju li smislene raspone. Slijedi čišćenje baze od nemogućih vrijednosti, duplikata i obrazaca nesavjesnog ispunjavanja. Tek onda deskriptivna statistika, koja daje prvi uvid u uzorak i distribucije. Nakon nje provjera pretpostavki, pa odabir testa po logici opisanoj gore, provođenje analize i interpretacija rezultata. Posljednji i najčešće podcijenjen korak jest prijenos rezultata u rad: tablice po standardu fakulteta, rečenice koje brojkama daju značenje i povezivanje nalaza s hipotezama iz uvoda.
Ako Vam je uzorak pri ruci, a proces djeluje kao previše koraka uz sve ostale obveze oko rada, dio tog tereta može preuzeti stručna podrška. U okviru usluge statističke obrade moguće je dobiti pomoć u odabiru odgovarajućeg testa, provođenju analize u SPSS-u, Excelu ili R-u i pisanju rezultatskog dijela na temelju Vaših podataka, pri čemu razumijevanje i obrana nalaza ostaju na Vama, uz jasna objašnjenja uz svaki korak.
Kada je dovoljno raditi u Excelu, a kada je bolje koristiti SPSS ili R?
Excel je sasvim dobar za pregled podataka, čišćenje baze, deskriptivu i osnovne grafikone. Za t-test i korelaciju postoje funkcije i Analysis ToolPak, ali izvještaji su oskudni i lako je pogriješiti u postavkama.
SPSS je standard u akademskim radovima društvenih i biomedicinskih usmjerenja: pokriva sve testove iz ovog vodiča, daje strukturirane outpute koje mentori očekuju i ne traži programiranje.
R je najjači kad analiza izlazi iz standardnih okvira, kad je potrebna potpuna reproducibilnost (skripta koja se može ponovno pokrenuti) ili kad rad ide prema znanstvenom članku sa zahtjevnijim metodama.
Nijedan od ovih alata nije „bolji“ u apsolutnom smislu i nijedan ne spašava analizu ako je test pogrešno odabran. Alat izvršava odluku; odluka je i dalje Vaša.
Kratak primjer: od hipoteze do testa
Primjer 1. Hipoteza: „Postoji razlika u razini zadovoljstva studijem između redovnih i izvanrednih studenata.“ Zavisna varijabla je zadovoljstvo studijem, mjereno kompozitnom skalom od osam čestica (tretira se kao numerička, uz obrazloženje u metodologiji). Nezavisna varijabla je status studenta, s dvije kategorije. Grupe su dvije i nezavisne (različiti ljudi). Prvi izbor je nezavisni t-test; ako distribucije ozbiljno odstupaju od normalnosti ili je jedna grupa vrlo mala, alternativa je Mann-Whitney U test. Interpretacija u radu tada glasi otprilike: redovni studenti iskazali su višu (ili nižu) razinu zadovoljstva od izvanrednih, razlika jest ili nije statistički značajna, uz komentar koliko je praktično velika.
Primjer 2. Hipoteza: „Postoji povezanost između spola i odabira studijskog usmjerenja.“ Obje varijable su nominalne (spol; usmjerenje s tri kategorije), pa ovdje nema prosjeka ni korelacije u Pearsonovom smislu. Prikladan je hi-kvadrat test nezavisnosti, a kod vrlo malih očekivanih frekvencija (u praksi manjih od 5) sigurniji je Fisherov egzaktni test. Rezultat se interpretira kroz to razlikuju li se raspodjele usmjerenja između spolova više nego što bi se očekivalo slučajno.
Kada zatražiti stručnu pomoć?
Postoje trenuci u kojima je razumnije potražiti drugo stručno oko nego gubiti tjedne na pokušaje: kad ni nakon dijagrama niste sigurni koji test odgovara hipotezi, kad mentor traži precizniju metodologiju, kad imate gotov SPSS output ali ne znate što prenijeti u rad, kad rezultati nisu ispali značajni pa ne znate kako ih pošteno interpretirati, ili kad rad treba uskladiti sa zahtjevima fakulteta. U takvim situacijama stručna podrška u statističkoj obradi može pomoći u odabiru testa, statističkoj obradi i interpretaciji, na temelju podataka i dokumenata koje dostavite, uz objašnjenja zbog kojih ćete svaki nalaz znati i obraniti.
Odabir statističkog testa prestaje biti misterij onog trenutka kad prestanete kretati od programa i krenete od istraživačkog pitanja. Pitanje određuje namjeru, varijable određuju obitelj testova, broj grupa i vrsta uzorka sužavaju izbor, a pretpostavke odlučuju između parametrijske i neparametrijske verzije. Sve ostalo je izvedba.
Trebate drugo stručno oko za odabir testa i obradu?
Ako imate hipoteze, anketnu bazu ili SPSS output, možete ih poslati na stručnu procjenu. Proexperta može pomoći u odabiru odgovarajućeg testa, statističkoj obradi u SPSS-u, Excelu ili R-u te jasnoj interpretaciji rezultata za rad.
Često postavljena pitanja
Kako znati koji statistički test koristiti? Krenite od istraživačkog pitanja i tipa varijabli, pa prođite pet pitanja iz dijagrama: broj grupa, vrsta uzorka, tip zavisne varijable, normalnost i namjera (usporedba, povezanost ili predviđanje). U većini radova taj postupak sužava izbor na jedan test i njegovu neparametrijsku alternativu.
Kada koristiti t-test, a kada ANOVA-u? T-test uspoređuje dvije grupe, ANOVA tri ili više. Uspoređivanje više grupa serijom t-testova nije ispravno jer napuhuje vjerojatnost lažno značajnog rezultata.
Kada koristiti Mann-Whitney umjesto t-testa? Kad je distribucija zavisne varijable izrazito asimetrična, kad je uzorak malen, ili kad je varijabla ordinalna (na primjer, jedna Likertova čestica). Za kompozitne skale na pristojnim uzorcima t-test je obično u redu.
Je li SPSS bolji od Excela za diplomski rad? Za deskriptivu i pregled podataka Excel je dovoljan. Čim rad traži testove razlika, korelacije ili regresiju s urednim outputima, SPSS je praktičniji i mentori ga očekuju. Loš izbor testa ostaje loš u svakom alatu.
Što ako rezultati nisu statistički značajni? Nesignifikantan rezultat nije neuspjeh rada i ne smije se „popravljati“ mijenjanjem testova dok nešto ne ispadne značajno. Interpretira se pošteno: hipoteza nije potvrđena na ovom uzorku, uz raspravu mogućih razloga (veličina uzorka, mjerenje, stvarni izostanak efekta).
Znači li korelacija da jedna varijabla uzrokuje drugu? Ne. Korelacija pokazuje da se dvije varijable kreću zajedno, ali ne otkriva smjer ni uzrok te veze. Za uzročne tvrdnje potreban je eksperimentalni nacrt.
Može li se statistička obrada napraviti ako hipoteze nisu dobro postavljene? Tehnički da, ali rezultat obično ne odgovara ni na jedno smisleno pitanje. Ispravniji redoslijed je prvo doraditi hipoteze da budu provjerljive, pa tek onda birati testove; ponekad je dovoljna manja preformulacija.
Što poslati za procjenu statističke obrade? Najkorisnije je poslati hipoteze ili ciljeve rada, bazu podataka (Excel ili SPSS format) i upute fakulteta ako postoje. Na temelju toga može se procijeniti koji testovi odgovaraju i koliko posla obrada zahtijeva.