Tag Archive for test t studenta

Test t Studenta

Jeśli przeprowadziłeś prosty schemat badawczy w którym chciałeś sprawdzić np. czy liczba zapamiętanych słów obcojęzycznych przy muzyce klasycznej różni się od liczby zapamiętanych słów obcojęzycznych w warunkach kontrolnych, dobór testu t- studenta będzie najbardziej trafną analizą statystyczną zebranych danych.

Testów t- studenta będziemy używać do przeprowadzenia obliczeń statystycznych za każdym razem, kiedy zechcemy zweryfikować różnicę. Należy jednak pamiętać, iż testy t- studenta możemy zastosować tylko do schematów badawczych, w których porównujemy dwie grupy badawcze (dwa pomiary).  Ponadto nasza zmienna zależna, w powyższym przykładzie jest to liczba zapamiętanych słów obcojęzycznych, musi być mierzona na skali ilościowej. Tylko wtedy będziemy mieli możliwość obliczenia średniego wyniku dla każdej próby i zweryfikowania, czy porównywane grupy, pomiary różnią się istotnie statystycznie. Statystyki opisowe – średnie grupowe takiego jednoznacznego rozstrzygnięcia nie dają.

Rodzina testów opartych na statystyce t- studenta jest dość liczna. Po pierwsze mamy test t- studenta dla danych niezależnych. Po ten rodzaj testu t- studenta sięgniemy, gdy będziemy realizować badanie w prostym schemacie eksperymentalnym, w planie dla grup niezależnych. Odwołując się do przytoczonego na wstępie problemu badawczego, schemat eksperymentalny w tym przypadku wyglądałby następująco: połowa osób badanych uczyłaby się słów obcojęzycznych przy muzyce klasycznej, natomiast druga połowa w warunkach kontrolnych. Powyższy problem badawczy można jednak zweryfikować za pomocą odmiennego schematu eksperymentalnego. Najpierw wszyscy uczestnicy eksperymentu będą się uczyć słów obcojęzycznych w warunkach kontrolnych, a następnie te same osoby badane będą musiały zapamiętać słowa obcojęzyczne o podobnym poziomie trudności słuchając muzyki klasycznej. W tym przypadku do analizy wyników użyjemy testu t- studenta dla danych zależnych. Być może jednak istnieją jakieś dane na temat przeciętnej liczby zapamiętywanych słów obcojęzycznych wśród interesującej nas populacji. Gdyby tak było, moglibyśmy przeprowadzić nasz eksperyment tylko w warunkach z muzyką klasyczną, a następnie zestawić otrzymane wyniki z przeciętną średnią znaną z wcześniejszych opracowań. Do analizy wybralibyśmy wtedy test t- studenta dla jednej próby.

Podsumowując, testy t- studenta znajdują idealne zastosowanie w przypadku najprostszych schematów eksperymentalnych, w których mamy do czynienia z dwuwartościową zmienną niezależną (np. muzyka/ brak muzyki) i zmienną zależną mierzoną na skali ilościowej (np. liczba zapamiętanych słów obcojęzycznych).

PODOBNE ARTYKUŁY

Kurs spss – test t Studenta dla prób niezależnych

Kurs spss – test t Studenta dla prób zależnych

Kurs spss – Test t Studenta dla jednej próby

 

 

Kurs spss – test t Studenta dla prób niezależnych


Kiedy wykorzystujemy test t Studenta dla prób niezależnych ?

test t Studenta dla prób niezależnych stosujemy gdy chcemy porównać ze sobą średnie dwóch grup badawczych. Test Studenta zaliczamy do grupy testów parametrycznych i z tego właśnie powodu zanim z niego skorzystamy powinniśmy sprawdzić założenia takie jak:

– normalność rozkładu zmiennej zależnej

– podobna liczba osób w grupach badawczych

– ilościowy charakter zmiennej zależnej

Gdy testowane zmienne nie spełniają powyższych założeń można do obliczeń statystycznych wykorzystać test nieparametryczny U Manna Whitneya

Kurs spss – test t Studenta dla prób zależnych

 

Kiedy wykorzystujemy test t studenta dla prób zależnych ?

Test t Studenta dla prób zależnych stosujemy wtedy gdy chcemy porównać wyniki dwóch prób zależnych. Statystykę tą zaliczamy do grupy testów parametrycznych przez co testowane przez nas zmienne powinny spełniać pewne założenia.

– zmienne powinny być wyrażone na skali ilościowej

– zmienne powinny charakteryzować się rozkładem normalnym

Jeżeli, nasze zmienne nie spełniają któregoś z założeń możemy zastosować nieparametryczny odpowiednik testu t Studenta dla prób zależnych, którym jest test Wilcoxona.

Kurs spss – Test t Studenta dla jednej próby

Kiedy wykorzystujemy test t Studenta dla jednej próby ?

Test t Studenta dla jednej próby stosujemy wtedy gdy chcemy porównać średnią uzyskaną przez osoby badane np. ze średnią  populacji. Test t dla jednej próby należy do grupy testów parametrycznych co obliguje nas przed jego zastosowaniem do sprawdzenia pewnych założeń. Wymagane założenia jakie musi spełniać nasza zmienna to:

– rozkład wyników w próbie powinien być normalny

– testowana zmienna powinna być wyrażona na skali ilościowej

Kurs spss – Test U Manna Whitneya

Kiedy wykorzystujemy test U Manna Whitneya ?

Test U Manna Whitneya stosujemy wtedy gdy chcemy porównać ze sobą dwie próby niezależne. Warto również dodać, że jest on uważany za nieparametryczny odpowiednik testu t Studenta dla prób niezależnych. Statystykę U Manna Whitneya wykorzystujemy zazwyczaj w przypadku gdy nasza zmienna zależna wyrażona jest na skali porządkowej bądź też ilościowej, jednak nie spełnia założeń wymaganych przez testy parametryczne (takie jak np. test t Studenta dla prób niezależnych).

testy parametryczne

Testy parametryczne to grupa analiz statystycznych, które możemy stosować po uprzednim sprawdzeniu określonych założeń względem naszych zmiennych.  Założenia te najczęściej dotyczą normalności rozkładu testowanych zmiennych, ich charakteru (na jakiej skali są wyrażone) oraz liczebności grup. Do testów parametrycznych zaliczamy statystyki takie jak test t Studenta, Analiza korelacji Pearsona, Analiza Regresji, Analiza wariancji ANOVA, MANOVA itp. Poniżej w wielkim skrócie opiszemy testy parametryczne najczęściej wykorzystywane podczas prowadzenia różnorakich analiz statystycznych.

Test t Studenta dla prób niezależnych to analizy statystyczne służące do porównania dwóch grup niezależnych.  Musimy jednak pamiętać by przed zastosowaniem testu t Studenta sprawdzić czy nasze zmienne spełniają pewne założenia. Po pierwsze nasza zmienna zależna ( czyli wzrost) powinna być wyrażona na skali ilościowej a jej rozkład powinien być normalny. Ponadto  przed analizą statystyczną powinniśmy zwrócić uwagę na liczebność poszczególnych grup (dobrze by grupa mężczyzn  była podobna do grupy kobiet pod względem liczebności).

Test t Studenta dla prób zależnych to analizy statystyczne służące do porównania dwóch grup  zależnych. Np. Jeżeli chcemy sprawdzić czy trening na siłowni zmniejszy poziom wagi u badanych test t Studenta dla prób zależnych będzie do tego celu dobrą statystyką. Oczywiście najpierw powinniśmy sprawdzić założenia dotyczące normalności rozkładu obu pomiarów wagi( a więc waga przed treningiem na siłowni oraz po treningu na siłowni). Oprócz normalności rozkładu powinniśmy sprawdzić czy nasze zmienne (w tym przypadku poziom wagi mierzony przed treningiem oraz poziom wagi mierzony po treningu) są wyrażone na skali ilościowej ( w naszym przypadku waga wyrażona w kg. jest z pewnością wyrażona na skali ilościowej).

Test t Studenta dla jednej próby to analiza statystyczna pozwalająca zbadać czy średnia uzyskana wśród badanych z naszej próby różni się istotnie od wartości testowanej. Np. Jeżeli chcemy sprawdzić czy uczniowie z klasy II b różnią się istotnie poziomem inteligencji od populacji drugoklasistów test t Studenta dla jednej próby będzie idealnym rozwiązaniem. Oczywiście  jak w przypadku każdego innego testu parametrycznego musimy sprawdzić czy rozkład naszej próby ( w naszym przypadku chodzi o uczniów z II b) jest normalny oraz czy parametr, który badamy (a więc współczynnik inteligencji) wyrażony jest na skali ilościowej. Warto zaznaczyć również, że analizy statystyczne z wykorzystaniem testu t Studenta dla jednej próby wymagają od nas znajomości tzw. wartości testowane (a więc w naszym przypadku współczynnika inteligencji dla populacji drugoklasistów).

Korelacja Pearsona to analiza statystyczna, która służy do wykrywania związków liniowych pomiędzy dwoma zmiennymi. Musimy przy tym pamiętać, że na podstawie analiz korelacyjnych nie możemy wysnuwać wniosków przyczynowo skutkowych (jedynie możemy stwierdzić związek pomiędzy dwoma zmiennymi). W przypadku testu parametrycznego jakim jest korelacja Pearsona w pierwszej kolejności powinniśmy sprawdzić czy nasze zmienne posiadają rozkład normalny oraz  czy są wyrażone na skali ilościowej.

Jednoczynnikowa analiza wariancji (ANOVA) to analizy statystyczne pozwalające porównać ze sobą średnie dowolnej liczby grup. Np. jeżeli chcemy porównać czy studenci z różnych uczelni (np. politechnika, uniwersytet, akademia rolnicza) różnią się poziomem inteligencji to ANOVA jest do tego celu idealną analizą statystyczną. Testy parametryczne tego typu tak jak i pozostałe również muszą spełniać pewne założenia. Po pierwsze zmienna zależna (w naszym przypadku poziom inteligencji) musi posiadać rozkład normalny oraz mieć charakter ilościowy. Ponadto warto też zwrócić uwagę na liczbę osób w poszczególnych grupach (dobrze jeżeli liczba studentów politechniki, uniwersytetu i akademii rolniczej jest podobna).

Analiza wariancji z powtarzanymi pomiarami to test parametryczny służący do porównywania ze sobą dowolnej liczby prób zależnych. Np. jeżeli chcemy sprawdzić czy poziom inteligencji wzrasta wraz z wiekiem osób badanych analiza wariancji z powtarzanymi pomiarami będzie do tego celu dobrą statystyką. Załóżmy, że dokonujemy trzech pomiarów inteligencji w naszej próbie (powiedzmy pierwszy pomiar dokonujemy gdy badani mają 15 lat, drugi gdy mają 16 lat i trzeci gdy mają 17 lat). Następnie porównując średnie wyniki uzyskane w poszczególnych pomiarach (odstępach czasu) sprawdzamy czy rzeczywiście wraz z wiekiem badanych rośnie ich poziom inteligencji. By móc wykorzystać analizę wariancji z powtarzanymi pomiarami powinniśmy sprawdzić czy nasze pomiary posiadają rozkład normalny oraz czy zmienna, którą badamy ma charakter ilościowy.

Analiza regresji to test parametryczny, który pozwala sprawdzić wpływ predyktorów (zmiennych niezależnych) na zmienną zależną. Np. Jeżeli chcemy sprawdzić czy zmienne takie jak poziom inteligencji emocjonalnej (zmienna niezależna) i ilość lat nauki (zmienna niezależna) wpływają na poziom zarobków osób badanych (zmienna zależna) – analiza regresji może pomóc w odpowiedzi na to pytanie. Założenia jakie muszą spełniać nasze zmienne to rozkład normalny zarówno predyktorów jak i zmiennej zależnej oraz ich charakter ilościowy (założenia te nie dotyczą regresji logistycznej).

testy parametryczne i nieparametryczne

Testy parametryczne

Są to statystyki, które możemy zastosować jedynie wtedy gdy spełnione są pewne założenia, które są jednak różne w zależności od rodzaju testu. Testy parametryczne posiadają większą moc niż testy zaliczane do grupy nieparametrycznych. Do grupy testów parametrycznych zliczamy; testy t Studenta, korelację Pearsona, Analizę wariancji, Regresję.

 

Testy nieparametryczne

Jest to grupa analiz statystycznych, charakteryzująca się mniejszą mocą niż testy parametryczne. Wykorzystujemy je wtedy gdy nasze zmienne nie spełniają założeń niezbędnych do zastosowania testów parametrycznych. Do testów nieparametrycznych zaliczamy test U Mann Whitneya dla dwóch prób niezależnych(odpowiednik parametryczny test t dla prób niezależnych), test Wilcoxona służący do porównywania dwóch prób zależnych (odpowiednik parametryczny test t dla prób zależnych), test Kruskala Wallisa służący do porównywania wielu grup niezależnych (odpowiednik  jednoczynnikowa analiza wariancji ANOVA) oraz współczynniki korelacji takie jak Rho Spearmana czy Tau Kendalla.

 

 

Test U-Manna Whitneya

Test U Manna Whitneya jest to test nieparametryczny, który pozwala porównywać miedzy sobą dwie grupy niezależne. Jest on odpowiednikiem testu t Studenta dla prób niezależnych a stosujemy go zazwyczaj wtedy gdy nasza zmienna zależna nie spełnia założeń związanych z normalnością rozkładu, bądź też jest wyrażona na skali porządkowej. Przeprowadzając analizę statystyczną za pomocą testu U Manna Whitneya nie porównujemy ze sobą średnich tak jak to się dzieje w przypadku testu t lecz średnie rangi.

PODOBNE ARTYKUŁY:

Kurs spss – Test U Manna Whitneya

Testy nieparametryczne

Zastosowanie testu U Manna Whitneya

Test t Studenta dla prób zależnych

Test t Studenta dla prób zależnych to test parametryczny który służy do porównywania dwóch pomiarów uzyskanych z tej samej próby. Np. Jeżeli chcemy  sprawdzić skuteczność diety odchudzającej, powinniśmy porównać pomiar wagi badanych przed dietą oraz po niej, wtedy dowiemy się czy kuracja odchudzająca przyniosła jakiś efekt. Tak jak w przypadku pozostałych testów parametryczny by móc zastosować test t Studenta dla prób zależnych nasze zmienne powinny charakteryzować się rozkładem normalnym oraz powinny mieć charakter ilościowy.

Testy t Studenta dla jednej próby

Test t Studenta dla jednej próby to test parametryczny, który służy do porównywania średniej naszej próby badawczej z wynikiem, który posiadamy. Np. Jeżeli chcemy porównać czy przebadana przez nas próba koszykarzy różni się istotnie średnią wzrostu od populacji możemy to sprawdzić za pomocą właśnie testu t Studenta dla jednej próby. By móc wykorzystać test t dla jednej próby nasza zmienna powinna spełniać założenia takie jak w przypadku testu te dla prób niezależnych a więc powinna posiadać rozkład normalny i być wyrażona na skali ilościowej.