Test Shapiro-Wilka bardzo często pojawia się w pracach magisterskich i licencjackich, zwłaszcza wtedy, gdy student wykonuje analizę statystyczną w SPSS, Statistica, Jamovi, R albo innym programie statystycznym. Najczęściej promotor prosi wtedy: „proszę sprawdzić normalność rozkładu”, „proszę uzasadnić wybór testów parametrycznych”, „czy dane spełniają założenia?”, „dlaczego zastosowano test t-Studenta?”, „czy zamiast ANOVA nie powinien być Kruskal-Wallis?”.
Problem polega na tym, że wielu studentów nie wie, co właściwie oznacza wynik testu Shapiro-Wilka. W tabeli pojawia się wartość W i p, ale nie wiadomo, czy rozkład jest normalny, czy nienormalny, czy można zastosować test t-Studenta, korelację Pearsona albo ANOVA, czy trzeba wybrać testy nieparametryczne.
Najczęstszy błąd polega na mechanicznym podejściu: jeśli p < 0,05, student od razu pisze, że „rozkład nie jest normalny” i automatycznie stosuje test nieparametryczny. Jeśli p > 0,05, pisze, że „rozkład jest normalny”. Takie opisy bywają za mocne albo zbyt uproszczone. W pracy magisterskiej lepiej pisać ostrożniej: „nie wykazano podstaw do odrzucenia normalności rozkładu” albo „wynik testu wskazuje na istotne odejście od rozkładu normalnego”.
Test Shapiro-Wilka jest ważny, ale nie powinien być jedynym elementem decyzji o wyborze testu statystycznego. Warto sprawdzić także wykresy, wartości odstające, liczebność próby, rodzaj zmiennej oraz wymagania promotora. Jeżeli nie wiesz, jak opisać normalność rozkładu i dobrać właściwe testy, warto sprawdzić ofertę analizy statystycznej, poradnik analiza statystyczna pracy magisterskiej krok po kroku albo przesłać dane przez formularz kontaktowy.
Po co sprawdza się normalność rozkładu?
Normalność rozkładu sprawdza się po to, żeby ocenić, czy można zastosować niektóre testy parametryczne. Chodzi między innymi o test t-Studenta, ANOVA, korelację Pearsona albo niektóre modele regresji.
Przykład:
Student pisze pracę o poziomie stresu u studentów. Chce porównać poziom stresu u kobiet i mężczyzn. Ma wynik liczbowy w skali stresu. Zanim zastosuje test t-Studenta, powinien sprawdzić, czy rozkład wyników w porównywanych grupach jest akceptowalny dla testu parametrycznego. Jednym z narzędzi może być test Shapiro-Wilka.
Inny przykład:
Student chce sprawdzić, czy poziom satysfakcji z pracy różni się między pracownikami z różnym stażem pracy: do 2 lat, 3–5 lat, 6–10 lat i powyżej 10 lat. Zanim zastosuje ANOVA, powinien sprawdzić założenia, w tym rozkład wyników w grupach i jednorodność wariancji.
Jeszcze inny przykład:
Student chce sprawdzić związek między poziomem stresu a satysfakcją z życia. Jeżeli obie zmienne są wynikami liczbowymi skal i mają akceptowalne rozkłady, można rozważyć korelację Pearsona. Jeśli rozkłady są wyraźnie nienormalne albo występują wartości odstające, bezpieczniejsza może być korelacja Spearmana.
Czym jest test Shapiro-Wilka?
Test Shapiro-Wilka służy do sprawdzenia, czy rozkład analizowanej zmiennej istotnie odbiega od rozkładu normalnego. W uproszczeniu można powiedzieć, że test sprawdza, czy dane są zgodne z rozkładem normalnym na tyle, aby nie odrzucać założenia normalności.
Wynik testu zwykle zawiera:
- nazwę zmiennej,
- wartość statystyki W,
- liczebność próby,
- wartość p.
Najważniejsza dla większości studentów jest wartość p.
| Wynik testu Shapiro-Wilka | Interpretacja |
|---|---|
| p > 0,05 | Brak podstaw do odrzucenia założenia normalności rozkładu |
| p = 0,05 | Wynik graniczny, wymaga ostrożnej interpretacji |
| p < 0,05 | Wynik wskazuje na istotne odejście od rozkładu normalnego |
Warto pamiętać, że p > 0,05 nie oznacza, że „udowodniono normalność rozkładu”. Oznacza raczej, że nie wykazano istotnego odejścia od normalności. To bezpieczniejszy i bardziej naukowy zapis.
Jak czytać wynik testu Shapiro-Wilka?
Przykład wyniku:
| Zmienna | W | p |
|---|---|---|
| Poziom stresu | 0,981 | 0,214 |
| Satysfakcja z życia | 0,934 | 0,006 |
| Motywacja do nauki | 0,972 | 0,081 |
Interpretacja:
- poziom stresu: p = 0,214, więc nie ma podstaw do odrzucenia założenia normalności;
- satysfakcja z życia: p = 0,006, więc rozkład istotnie odbiega od normalnego;
- motywacja do nauki: p = 0,081, więc nie wykazano istotnego odejścia od normalności.
Przykładowy opis do pracy:
„W celu oceny normalności rozkładu analizowanych zmiennych zastosowano test Shapiro-Wilka. Wynik testu dla poziomu stresu nie był istotny statystycznie, W = 0,981; p = 0,214, co oznacza, że nie wykazano podstaw do odrzucenia założenia normalności rozkładu tej zmiennej. W przypadku satysfakcji z życia wynik był istotny statystycznie, W = 0,934; p = 0,006, co wskazuje na istotne odejście rozkładu od normalności.”
Taki opis jest bezpieczny, ponieważ nie mówi kategorycznie „rozkład jest normalny”, tylko ostrożnie interpretuje wynik testu.
Kiedy test Shapiro-Wilka jest potrzebny w pracy magisterskiej?
Test Shapiro-Wilka jest szczególnie przydatny wtedy, gdy student chce zastosować testy parametryczne. Nie zawsze trzeba opisywać go bardzo szeroko, ale warto uwzględnić go w metodologii lub w części wynikowej, jeśli wybór testów zależy od rozkładu danych.
| Sytuacja w pracy | Czy warto sprawdzić normalność? | Dlaczego? |
|---|---|---|
| Porównanie dwóch grup testem t-Studenta | Tak | Test t jest testem parametrycznym |
| Porównanie kilku grup ANOVA | Tak | ANOVA wymaga kontroli założeń |
| Korelacja Pearsona | Tak | Pearson jest wrażliwy na rozkład i wartości odstające |
| Korelacja Spearmana | Niekoniecznie, ale można | Spearman jest nieparametryczny |
| Test chi-kwadrat | Nie w tym sensie | Dotyczy zmiennych jakościowych |
| Statystyki opisowe | Czasem | Rozkład pomaga dobrać średnią lub medianę |
| Regresja liniowa | Tak, ale ważne są zwłaszcza reszty | W regresji ocenia się m.in. rozkład reszt |
| Skala Likerta jako pojedyncze pytanie | Raczej ostrożnie | Dane są porządkowe, nie klasycznie ilościowe |
Nie chodzi o to, żeby bezrefleksyjnie wykonywać Shapiro-Wilka dla każdej kolumny w bazie. Test powinien być związany z planowaną analizą.
Normalność rozkładu a wybór testu statystycznego
W wielu pracach wynik testu Shapiro-Wilka pomaga zdecydować, czy zastosować test parametryczny, czy nieparametryczny.
| Cel analizy | Gdy założenia są akceptowalne | Gdy założenia są naruszone |
|---|---|---|
| Porównanie dwóch niezależnych grup | Test t-Studenta | Test U Manna-Whitneya |
| Porównanie dwóch pomiarów u tych samych osób | Test t dla prób zależnych | Test Wilcoxona |
| Porównanie więcej niż dwóch niezależnych grup | ANOVA | Test Kruskala-Wallisa |
| Porównanie więcej niż dwóch pomiarów zależnych | ANOVA z powtarzanym pomiarem | Test Friedmana |
| Związek dwóch zmiennych liczbowych | Korelacja Pearsona | Korelacja Spearmana |
| Model przewidywania wyniku | Regresja liniowa | Metody odporne, transformacje lub inny model |
To jednak nie oznacza, że sam wynik Shapiro-Wilka automatycznie wybiera test. Trzeba uwzględnić również rodzaj zmiennej, wielkość próby, wartości odstające, rozkład na wykresie i sens merytoryczny analizy.
Test Shapiro-Wilka a liczebność próby
Liczebność próby ma bardzo duże znaczenie. Przy małych próbach test Shapiro-Wilka może nie wykryć odchyleń od normalności. Przy bardzo dużych próbach może natomiast wykazać istotny wynik nawet przy drobnych odchyleniach, które nie muszą mieć dużego znaczenia praktycznego.
| Liczebność próby | Na co uważać? | Jak interpretować? |
|---|---|---|
| Mała próba, np. N < 30 | Test może mieć małą moc | Oprócz p sprawdzić wykresy i wartości odstające |
| Średnia próba, np. N = 30–100 | Test jest przydatny | Łączyć wynik z oceną wykresów |
| Duża próba, np. N > 100 | Nawet małe odchylenia mogą być istotne | Nie opierać decyzji wyłącznie na p |
| Bardzo duża próba | Test może być bardzo czuły | Sprawdzić, czy odchylenie ma znaczenie dla analizy |
Przykład:
Jeżeli w próbie N = 300 wynik Shapiro-Wilka daje p = 0,030, nie oznacza to automatycznie, że każda analiza parametryczna jest zabroniona. Trzeba sprawdzić, jak wygląda rozkład, czy są wartości odstające, czy zmienna jest ilościowa i czy test parametryczny jest odporny na takie odchylenie.
Czy p > 0,05 oznacza, że rozkład jest normalny?
To częsty błąd. Wynik p > 0,05 oznacza, że nie ma podstaw do odrzucenia hipotezy o normalności rozkładu. Nie oznacza to jednak, że rozkład został „udowodniony” jako normalny.
Słaby zapis:
„Rozkład jest normalny, ponieważ p > 0,05.”
Lepszy zapis:
„Wynik testu Shapiro-Wilka nie był istotny statystycznie, co oznacza, że nie wykazano podstaw do odrzucenia założenia normalności rozkładu.”
Jeszcze prostsza wersja:
„Rozkład zmiennej można uznać za akceptowalny dla dalszych analiz parametrycznych.”
Taki zapis jest bezpieczniejszy, bo nie obiecuje więcej, niż wynika z testu.
Czy p < 0,05 oznacza, że trzeba zawsze użyć testu nieparametrycznego?
Nie zawsze. Wynik p < 0,05 oznacza, że rozkład istotnie odbiega od normalnego. To ważna informacja, ale nie jedyny czynnik decydujący o wyborze testu.
Trzeba sprawdzić:
- jak duża jest próba,
- czy odchylenie od normalności jest silne,
- czy występują wartości odstające,
- czy zmienna jest ilościowa czy porządkowa,
- czy porównywane grupy mają podobne liczebności,
- czy test parametryczny jest odporny na dane naruszenie,
- czego wymaga promotor.
Przykład bezpiecznego opisu:
„Ze względu na istotne odejście rozkładu od normalności oraz obecność wartości odstających zdecydowano się zastosować test nieparametryczny U Manna-Whitneya.”
Ten opis jest lepszy niż samo zdanie: „p < 0,05, więc zastosowano test nieparametryczny”.
Tabela: błąd — skutek — jak poprawić
| Błąd w pracy | Skutek | Jak poprawić? |
|---|---|---|
| Student pisze: „rozkład jest normalny”, bo p > 0,05. | Opis jest zbyt kategoryczny. | Napisać: „nie wykazano podstaw do odrzucenia normalności rozkładu”. |
| Student pisze: „rozkład nie jest normalny”, ale nie wyjaśnia skutków. | Nie wiadomo, jaki test wybrano i dlaczego. | Dodać informację, czy zastosowano test nieparametryczny. |
| Student stosuje test t mimo p < 0,05 bez uzasadnienia. | Promotor może zakwestionować dobór testu. | Sprawdzić wykresy, outliery, liczebność próby i uzasadnić decyzję. |
| Student automatycznie zamienia każdy test na nieparametryczny. | Analiza może być zbyt mechaniczna. | Uwzględnić rodzaj zmiennej, próbę, wykresy i założenia testu. |
| Student wykonuje Shapiro-Wilka dla zmiennych jakościowych. | Test jest nieadekwatny. | Dla zmiennych jakościowych stosować liczebności, procenty lub chi-kwadrat. |
| Student nie sprawdza normalności w grupach. | Założenia testu t lub ANOVA mogą być ocenione błędnie. | Sprawdzić rozkład zmiennej w porównywanych grupach. |
| Student ignoruje wartości odstające. | Wynik testu i analiza mogą być zaburzone. | Sprawdzić wykres pudełkowy i rozważyć analizę odporną lub nieparametryczną. |
| Student pokazuje tabelę Shapiro-Wilka bez opisu. | Promotor nie wie, co wynika z tabeli. | Dodać krótką interpretację p i decyzję o dalszych testach. |
| Student myli normalność zmiennych z normalnością reszt w regresji. | Opis metodologiczny jest nieprecyzyjny. | Przy regresji oceniać przede wszystkim reszty modelu. |
| Student nie łączy normalności z doborem testów. | Analiza wygląda przypadkowo. | Napisać, jakie testy dobrano na podstawie wyników i założeń. |
Największy problem polega zwykle nie na samym wykonaniu testu, ale na jego interpretacji i powiązaniu z wyborem dalszych analiz.
Tabela: jaka sytuacja — jaki test/statystyka?
| Sytuacja w pracy | Wynik normalności / rodzaj danych | Właściwy test lub decyzja |
|---|---|---|
| Dwie niezależne grupy, wynik liczbowy, rozkład akceptowalny | p > 0,05, brak silnych outlierów | Test t-Studenta |
| Dwie niezależne grupy, rozkład silnie nienormalny | p < 0,05, skośność, outliery | Test U Manna-Whitneya |
| Dwa pomiary u tych samych osób, rozkład różnic akceptowalny | p > 0,05 dla różnic | Test t dla prób zależnych |
| Dwa pomiary u tych samych osób, rozkład różnic nienormalny | p < 0,05 | Test Wilcoxona |
| Trzy lub więcej grup, zmienna ilościowa, rozkład akceptowalny | p > 0,05 w grupach | ANOVA |
| Trzy lub więcej grup, dane porządkowe lub skośne | p < 0,05 albo skala 1–5 | Kruskal-Wallis |
| Dwie zmienne liczbowe, rozkłady akceptowalne | brak silnych outlierów | Korelacja Pearsona |
| Dwie zmienne porządkowe lub skośne | p < 0,05, skala Likerta | Korelacja Spearmana |
| Zmienne jakościowe | normalność nie dotyczy | Test chi-kwadrat |
| Regresja liniowa | ważna normalność reszt | Diagnostyka reszt, wykresy, ewentualnie korekta modelu |
Ta tabela pokazuje, że test Shapiro-Wilka nie jest celem samym w sobie. Jest narzędziem, które pomaga uzasadnić dalszy dobór testów.
Prosta infografika: jak interpretować test Shapiro-Wilka?
Infografika 1. Co zrobić po teście Shapiro-Wilka?
| Krok | Pytanie | Decyzja |
|---|---|---|
| 1 | Czy zmienna jest ilościowa? | Jeśli nie, Shapiro-Wilk zwykle nie jest potrzebny |
| 2 | Czy zmienna będzie użyta w teście parametrycznym? | Jeśli tak, sprawdź normalność |
| 3 | Czy p > 0,05? | Nie wykazano podstaw do odrzucenia normalności |
| 4 | Czy p < 0,05? | Rozkład istotnie odbiega od normalnego |
| 5 | Czy są wartości odstające? | Sprawdź wykres pudełkowy |
| 6 | Czy próba jest duża? | Nie opieraj decyzji wyłącznie na p |
| 7 | Czy dane są porządkowe? | Rozważ test nieparametryczny |
| 8 | Czy wybór testu jest uzasadniony? | Opisz decyzję w metodologii lub wynikach |
Źródło: opracowanie własne — schemat pomocniczy do artykułu poradnikowego.
Najważniejsza zasada: test Shapiro-Wilka pomaga w decyzji, ale nie zastępuje myślenia statystycznego. Trzeba połączyć wynik p z typem danych, wykresami i planowanym testem.
Wykres: co najczęściej sprawia problem przy normalności rozkładu?
Poniższy wykres ma charakter poglądowy i może być wykorzystany jako element poradnikowy w artykule.
Wykres 1. Najczęstsze problemy przy opisie normalności rozkładu
| Problem w analizie | Skala problemu | Wykres |
|---|---|---|
| Mechaniczne traktowanie p < 0,05 | 94% | ██████████ |
| Zbyt kategoryczny zapis „rozkład jest normalny” | 88% | █████████ |
| Brak połączenia normalności z doborem testu | 85% | █████████ |
| Brak sprawdzenia wykresów i outlierów | 81% | ████████ |
| Sprawdzanie normalności dla zmiennych jakościowych | 76% | ████████ |
| Brak opisu tabeli Shapiro-Wilka | 72% | ███████ |
| Mylenie zmiennych z resztami w regresji | 66% | ███████ |
| Brak uzasadnienia testów nieparametrycznych | 61% | ██████ |
Źródło: opracowanie własne — przykład poglądowy do artykułu poradnikowego.
Wykres pokazuje, że problemem nie jest sam test Shapiro-Wilka, ale jego mechaniczna interpretacja. Promotor zwykle oczekuje nie tylko tabeli, ale też informacji, co wynik oznacza dla dalszej analizy.
Jak opisać test Shapiro-Wilka w metodologii?
W metodologii wystarczy zwykle krótki opis. Nie trzeba pisać długiej definicji testu. Ważne, żeby pokazać, po co został użyty i jak wpłynął na wybór dalszych analiz.
Przykład ogólny:
„Normalność rozkładu zmiennych ilościowych oceniono za pomocą testu Shapiro-Wilka. Wyniki testu wykorzystano jako jeden z elementów doboru dalszych analiz statystycznych. W przypadku zmiennych o rozkładach akceptowalnych stosowano testy parametryczne, natomiast przy istotnych odchyleniach od normalności lub porządkowym charakterze danych wykorzystywano testy nieparametryczne. Za poziom istotności statystycznej przyjęto p < 0,05.”
Przykład przy porównaniu dwóch grup:
„Przed porównaniem wyników w dwóch grupach oceniono normalność rozkładu zmiennej zależnej za pomocą testu Shapiro-Wilka. W przypadku spełnienia założeń stosowano test t-Studenta dla prób niezależnych, natomiast przy niespełnieniu założeń wykorzystywano test U Manna-Whitneya.”
Przykład przy korelacji:
„Przed analizą korelacji sprawdzono rozkład analizowanych zmiennych ilościowych z wykorzystaniem testu Shapiro-Wilka. Dla zmiennych o akceptowalnym rozkładzie oraz liniowym charakterze zależności stosowano korelację Pearsona, natomiast w przypadku zmiennych porządkowych lub rozkładów odbiegających od normalności stosowano korelację Spearmana.”
Taki opis pokazuje, że test Shapiro-Wilka był częścią logicznego procesu doboru metod.
Jak opisać wynik Shapiro-Wilka w rozdziale wyników?
Dobry opis wyniku powinien zawierać:
- informację, jaką zmienną sprawdzono;
- nazwę testu;
- wartość W i p;
- interpretację;
- decyzję dotyczącą dalszej analizy.
Przykład 1 — wynik nieistotny:
„Wynik testu Shapiro-Wilka dla poziomu stresu nie był istotny statystycznie, W = 0,982; p = 0,178. Oznacza to, że nie wykazano podstaw do odrzucenia założenia normalności rozkładu tej zmiennej. W związku z tym w dalszej analizie porównawczej zastosowano test t-Studenta.”
Przykład 2 — wynik istotny:
„Wynik testu Shapiro-Wilka dla satysfakcji z życia był istotny statystycznie, W = 0,931; p = 0,004, co wskazuje na istotne odejście rozkładu od normalności. Z tego względu w dalszej analizie zastosowano test nieparametryczny U Manna-Whitneya.”
Przykład 3 — kilka zmiennych:
„Analiza normalności rozkładu wykazała, że poziom stresu i motywacja do nauki nie odbiegały istotnie od rozkładu normalnego, natomiast rozkład satysfakcji z życia istotnie odbiegał od normalności. W związku z tym dla zmiennych spełniających założenia zastosowano testy parametryczne, a dla zmiennej niespełniającej założenia normalności — testy nieparametryczne.”
Warto unikać bardzo długiego opisywania każdej zmiennej osobno, jeśli zmiennych jest dużo. Lepiej przygotować tabelę i krótki komentarz.
Przykład tabeli normalności rozkładu do pracy
Tabela 1. Wyniki testu Shapiro-Wilka dla analizowanych zmiennych
| Zmienna | W | p | Interpretacja |
|---|---|---|---|
| Poziom stresu | 0,982 | 0,178 | Brak podstaw do odrzucenia normalności |
| Satysfakcja z życia | 0,931 | 0,004 | Istotne odejście od normalności |
| Motywacja do nauki | 0,974 | 0,092 | Brak podstaw do odrzucenia normalności |
| Wsparcie społeczne | 0,946 | 0,018 | Istotne odejście od normalności |
Źródło: opracowanie własne na podstawie wyników badań.
Przykładowy opis pod tabelą:
„Dane przedstawione w tabeli wskazują, że rozkład poziomu stresu oraz motywacji do nauki nie odbiegał istotnie od rozkładu normalnego. W przypadku satysfakcji z życia oraz wsparcia społecznego wynik testu Shapiro-Wilka był istotny statystycznie, co wskazuje na odejście od normalności rozkładu. Informacje te uwzględniono przy doborze dalszych testów statystycznych.”
Taka tabela jest czytelna, ponieważ nie tylko pokazuje W i p, ale też od razu podaje interpretację.
Czy trzeba pokazywać histogramy i wykresy Q-Q?
Nie zawsze, ale często warto je sprawdzić. W samej pracy magisterskiej nie trzeba zwykle wstawiać wszystkich wykresów normalności, szczególnie jeśli jest dużo zmiennych. Można jednak wspomnieć, że oprócz testu Shapiro-Wilka oceniono wykresy rozkładu lub wartości odstające.
Histogram pokazuje, jak rozkładają się wyniki. Wykres Q-Q pomaga ocenić, czy punkty układają się blisko linii odpowiadającej rozkładowi normalnemu. Wykres pudełkowy pomaga wykryć wartości odstające.
| Narzędzie | Do czego służy? |
|---|---|
| Test Shapiro-Wilka | Statystyczna ocena zgodności z rozkładem normalnym |
| Histogram | Wizualna ocena kształtu rozkładu |
| Wykres Q-Q | Ocena zgodności punktów z rozkładem normalnym |
| Wykres pudełkowy | Wykrywanie wartości odstających |
| Skośność i kurtoza | Liczbowa ocena kształtu rozkładu |
| Średnia i mediana | Wstępna ocena symetrii rozkładu |
Jeżeli promotor wymaga dokładnego uzasadnienia doboru testów, warto oprzeć się nie tylko na Shapiro-Wilku, ale również na wykresach i statystykach opisowych.
Normalność w całej próbie czy w grupach?
To ważne pytanie. Jeśli porównujesz grupy, normalność warto sprawdzać w porównywanych grupach, a nie tylko w całej próbie. Przykładowo, jeśli porównujesz poziom stresu u kobiet i mężczyzn, warto sprawdzić rozkład stresu osobno u kobiet i osobno u mężczyzn.
Przykład:
| Grupa | W | p | Interpretacja |
|---|---|---|---|
| Kobiety | 0,976 | 0,164 | Brak podstaw do odrzucenia normalności |
| Mężczyźni | 0,942 | 0,021 | Istotne odejście od normalności |
W takiej sytuacji trzeba ostrożnie dobrać test. Jeśli jedna grupa wyraźnie odbiega od normalności, a dodatkowo są wartości odstające lub mała próba, można rozważyć test U Manna-Whitneya.
Przykładowy opis:
„Normalność rozkładu poziomu stresu oceniono osobno w porównywanych grupach. W grupie kobiet wynik testu Shapiro-Wilka nie był istotny statystycznie, natomiast w grupie mężczyzn wskazywał na istotne odejście od normalności. Z tego względu, po uwzględnieniu liczebności grup oraz wykresów rozkładu, do porównania grup zastosowano test U Manna-Whitneya.”
Taki opis jest znacznie lepszy niż ogólne zdanie: „sprawdzono normalność rozkładu”.
Test Shapiro-Wilka przy korelacji Pearsona i Spearmana
Przy analizie korelacji normalność rozkładu może pomóc w wyborze między korelacją Pearsona a Spearmana. Pearson jest stosowany dla zmiennych ilościowych, przy zależności liniowej i braku silnych wartości odstających. Spearman jest bezpieczniejszy przy zmiennych porządkowych, skośnych albo zawierających wartości odstające.
Przykład:
Student chce sprawdzić związek między poziomem stresu a satysfakcją z życia.
| Zmienna | W | p | Decyzja |
|---|---|---|---|
| Stres | 0,984 | 0,221 | Rozkład akceptowalny |
| Satysfakcja z życia | 0,928 | 0,003 | Rozkład odbiega od normalności |
W takiej sytuacji można rozważyć korelację Spearmana, zwłaszcza jeśli rozkład satysfakcji jest wyraźnie skośny albo występują wartości odstające.
Przykładowy opis:
„Ze względu na istotne odejście rozkładu satysfakcji z życia od normalności oraz brak spełnienia założeń korelacji parametrycznej, zależność między poziomem stresu a satysfakcją z życia oceniono za pomocą korelacji Spearmana.”
To pokazuje, że wybór Spearmana nie był przypadkowy.
Test Shapiro-Wilka przy regresji
Przy regresji liniowej często pojawia się błąd: student sprawdza normalność wszystkich zmiennych i uznaje, że to wystarczy. Tymczasem w regresji bardzo ważna jest ocena reszt modelu, czyli różnic między wartościami obserwowanymi i przewidywanymi.
W prostych pracach magisterskich nie zawsze opisuje się to bardzo szczegółowo, ale jeśli promotor wymaga diagnostyki regresji, trzeba pamiętać, że chodzi między innymi o:
- normalność reszt,
- liniowość zależności,
- homoscedastyczność,
- brak silnych wartości odstających,
- brak współliniowości w modelach z wieloma predyktorami.
Przykładowy opis:
„W przypadku analizy regresji oceniono rozkład reszt modelu oraz wykresy diagnostyczne. Rozkład reszt nie wykazywał istotnych odchyleń uniemożliwiających interpretację modelu.”
Jeżeli praca nie wymaga zaawansowanej diagnostyki, nie warto komplikować opisu. Trzeba jednak unikać błędnego stwierdzenia, że w regresji wystarczy normalność każdej zmiennej osobno.
Jak nie opisywać testu Shapiro-Wilka?
W pracach dyplomowych często pojawiają się sformułowania nieprecyzyjne albo zbyt kategoryczne.
| Niebezpieczne sformułowanie | Dlaczego jest problemem? | Bezpieczniejsza wersja |
|---|---|---|
| „Rozkład jest normalny.” | Test nie udowadnia normalności. | „Nie wykazano podstaw do odrzucenia normalności rozkładu.” |
| „Rozkład jest nienormalny.” | Brzmi potocznie i kategorycznie. | „Wynik wskazuje na istotne odejście od rozkładu normalnego.” |
| „p wyszło dobrze.” | Potoczny opis, bez sensu statystycznego. | „Wynik testu nie był istotny statystycznie.” |
| „p wyszło źle.” | Wynik nie jest dobry ani zły. | „Wynik testu był istotny statystycznie.” |
| „Shapiro zdecydował o teście.” | Zbyt mechaniczne. | „Wynik testu uwzględniono przy doborze dalszych analiz.” |
| „Wszystkie dane są normalne.” | Zbyt ogólne i nieprecyzyjne. | „Dla większości zmiennych nie wykazano istotnego odejścia od normalności.” |
| „Ponieważ p < 0,05, nie można nic liczyć.” | To błędny wniosek. | „Zastosowano testy nieparametryczne lub inne metody adekwatne do danych.” |
| „Normalność sprawdzono dla płci.” | Płeć jest zmienną jakościową. | „Normalność sprawdzono dla zmiennych ilościowych.” |
Bezpieczny język jest bardzo ważny, ponieważ promotor może zakwestionować nie sam test, ale sposób jego interpretacji.
Co najczęściej pisze promotor przy normalności rozkładu?
Promotorzy zwykle oczekują nie tylko tabeli z testem Shapiro-Wilka, ale też wyjaśnienia, jak wynik wpłynął na dobór dalszych testów.
| Komentarz promotora | Co może oznaczać? | Co trzeba poprawić? |
|---|---|---|
| „Proszę sprawdzić normalność rozkładu.” | Brakuje uzasadnienia testów parametrycznych. | Dodać test Shapiro-Wilka lub opis diagnostyki rozkładu. |
| „Dlaczego zastosowano test t?” | Nie wiadomo, czy założenia były spełnione. | Pokazać normalność, rodzaj zmiennej i brak silnych outlierów. |
| „Proszę rozważyć test nieparametryczny.” | Dane mogą nie spełniać założeń testu parametrycznego. | Sprawdzić rozkład i ewentualnie zastosować U Manna-Whitneya, Wilcoxona lub Kruskala-Wallisa. |
| „Brakuje interpretacji tabeli.” | Tabela Shapiro-Wilka została wstawiona bez komentarza. | Dopisać, które zmienne spełniają założenia, a które nie. |
| „Nie wiadomo, jaki test wybrano po sprawdzeniu normalności.” | Brak połączenia diagnostyki z analizą. | Dodać decyzję o testach parametrycznych lub nieparametrycznych. |
| „Proszę nie pisać, że rozkład jest udowodniony jako normalny.” | Opis jest zbyt kategoryczny. | Użyć ostrożniejszego sformułowania. |
| „Normalność sprawdzono nie dla tych zmiennych.” | Test wykonano dla niewłaściwych danych. | Sprawdzić zmienne ilościowe używane w analizach. |
| „Przy regresji proszę sprawdzić reszty.” | Autor sprawdził tylko zmienne, a nie diagnostykę modelu. | Dodać ocenę reszt i wykresów diagnostycznych. |
Jeżeli praca wróciła z takimi komentarzami, trzeba poprawić nie tylko tabelę, ale też metodologię, dobór testów i opis wyników.
Przykład pełnego opisu normalności do pracy magisterskiej
Poniżej znajduje się przykładowy fragment, który można dostosować do własnej pracy.
„Przed przystąpieniem do analiz porównawczych oceniono normalność rozkładu zmiennych ilościowych za pomocą testu Shapiro-Wilka. Dla poziomu stresu wynik testu nie był istotny statystycznie, W = 0,982; p = 0,178, co oznacza, że nie wykazano podstaw do odrzucenia założenia normalności rozkładu. W przypadku satysfakcji z życia wynik był istotny statystycznie, W = 0,931; p = 0,004, co wskazuje na istotne odejście od rozkładu normalnego. Z tego względu w dalszych analizach dla zmiennych spełniających założenia stosowano testy parametryczne, natomiast dla zmiennych o rozkładach odbiegających od normalności zastosowano testy nieparametryczne.”
Ten opis jest poprawny, ponieważ zawiera:
- nazwę testu;
- zmienne, których dotyczy analiza;
- wartości W i p;
- interpretację;
- decyzję o dalszych testach;
- bezpieczny język metodologiczny.
Jak przygotować dane przed sprawdzeniem normalności?
Przed wykonaniem testu Shapiro-Wilka warto uporządkować bazę danych. Normalność sprawdza się dla zmiennych liczbowych, które mają być użyte w analizach parametrycznych.
Przykład poprawnej bazy:
| ID | Płeć | Stres | Satysfakcja | Motywacja | Grupa |
|---|---|---|---|---|---|
| 1 | Kobieta | 28 | 21 | 35 | A |
| 2 | Mężczyzna | 34 | 18 | 30 | B |
| 3 | Kobieta | 19 | 27 | 41 | A |
| 4 | Mężczyzna | 42 | 14 | 25 | B |
W tym przykładzie normalność można sprawdzić dla zmiennych: stres, satysfakcja, motywacja. Nie sprawdza się jej dla płci ani dla grupy, bo są to zmienne kategoryczne.
Jeżeli zmienne są odpowiedziami tekstowymi, np. „niski”, „średni”, „wysoki”, trzeba najpierw ustalić, czy mają charakter porządkowy i czy w ogóle powinny być analizowane testami parametrycznymi.
Jak nie zepsuć opisu normalności rozkładu?
Najważniejsze zasady:
- Sprawdzaj normalność dla zmiennych ilościowych, a nie jakościowych.
- Nie pisz kategorycznie, że test „udowodnił normalność”.
- Przy p > 0,05 pisz, że nie wykazano podstaw do odrzucenia normalności.
- Przy p < 0,05 pisz, że wynik wskazuje na istotne odejście od normalności.
- Nie wybieraj testu tylko na podstawie jednego p.
- Sprawdź wykresy, wartości odstające i liczebność próby.
- Przy porównaniu grup sprawdzaj rozkład w grupach.
- Przy regresji pamiętaj o resztach modelu.
- Połącz wynik normalności z wyborem dalszych testów.
- Nie wstawiaj tabeli bez komentarza.
- Używaj prostego i ostrożnego języka.
- Odnieś decyzję do hipotez i rodzaju danych.
Dobrze opisany test Shapiro-Wilka wzmacnia analizę statystyczną, ponieważ pokazuje, że testy nie zostały dobrane przypadkowo.
Kiedy warto skorzystać z pomocy?
Pomoc warto rozważyć wtedy, gdy:
- promotor napisał, że brakuje sprawdzenia normalności rozkładu;
- nie wiesz, jak odczytać wynik testu Shapiro-Wilka;
- nie wiesz, czy p < 0,05 oznacza konieczność zmiany testu;
- nie wiesz, czy zastosować test parametryczny czy nieparametryczny;
- masz wyniki z SPSS, ale nie umiesz ich opisać;
- nie wiesz, czy sprawdzać normalność w całej próbie czy w grupach;
- masz skale Likerta i nie wiesz, czy traktować je jako ilościowe;
- promotor zakwestionował test t, ANOVA albo korelację Pearsona;
- nie wiesz, jak przygotować tabelę normalności;
- praca wróciła z komentarzem „brak uzasadnienia doboru testów”.
Wsparcie może obejmować:
- sprawdzenie hipotez;
- ocenę rodzaju zmiennych;
- przygotowanie bazy danych;
- wykonanie testu Shapiro-Wilka;
- sprawdzenie wykresów i wartości odstających;
- dobór testów parametrycznych lub nieparametrycznych;
- przygotowanie tabel wynikowych;
- opis normalności rozkładu;
- interpretację wyników;
- poprawę rozdziału badawczego po komentarzach promotora.
Jeżeli chcesz sprawdzić, jak opisać normalność rozkładu w Twojej pracy, możesz przesłać temat, hipotezy, ankietę, bazę danych albo komentarze promotora przez formularz kontaktowy. Warto też sprawdzić ofertę oraz cennik, ponieważ koszt analizy zależy od liczby zmiennych, liczby hipotez, jakości bazy danych, rodzaju testów i zakresu interpretacji.
Pytania studentów: test Shapiro-Wilka i normalność rozkładu
Czy test Shapiro-Wilka jest obowiązkowy w pracy magisterskiej?
Nie zawsze, ale często jest potrzebny, szczególnie jeśli stosujesz testy parametryczne, takie jak test t-Studenta, ANOVA albo korelacja Pearsona. Jeżeli promotor wymaga sprawdzenia normalności, warto go uwzględnić.
Co oznacza p > 0,05 w teście Shapiro-Wilka?
Oznacza, że nie wykazano podstaw do odrzucenia założenia normalności rozkładu. Nie należy pisać, że normalność została udowodniona.
Co oznacza p < 0,05 w teście Shapiro-Wilka?
Oznacza, że wynik testu wskazuje na istotne odejście rozkładu od normalności. W takiej sytuacji trzeba rozważyć test nieparametryczny albo dokładniej sprawdzić dane.
Czy jeśli p < 0,05, zawsze trzeba użyć testu nieparametrycznego?
Nie zawsze. Trzeba uwzględnić liczebność próby, rodzaj zmiennej, wykresy, wartości odstające i odporność planowanego testu. W wielu pracach p < 0,05 jest jednak ważnym argumentem za testem nieparametrycznym.
Czy normalność sprawdza się dla każdej zmiennej?
Nie. Normalność sprawdza się przede wszystkim dla zmiennych ilościowych używanych w analizach parametrycznych. Nie sprawdza się normalności dla płci, miejsca zamieszkania, wykształcenia czy odpowiedzi tak/nie.
Czy normalność trzeba sprawdzać osobno w grupach?
Przy porównywaniu grup zwykle warto sprawdzić rozkład zmiennej w porównywanych grupach. Jeśli porównujesz kobiety i mężczyzn, sprawdzasz rozkład analizowanej zmiennej osobno u kobiet i osobno u mężczyzn.
Czy test Shapiro-Wilka wystarczy do wyboru testu?
Nie powinien być jedynym kryterium. Warto sprawdzić także wykresy, wartości odstające, rodzaj danych, liczebność próby i wymagania promotora.
Czy przy dużej próbie test Shapiro-Wilka może być zbyt czuły?
Tak. Przy dużych próbach nawet niewielkie odchylenia od normalności mogą dawać wynik istotny statystycznie. Dlatego przy dużych próbach warto sprawdzić również wykresy i znaczenie praktyczne odchylenia.
Czy przy skali Likerta trzeba robić Shapiro-Wilka?
Dla pojedynczych pytań w skali Likerta normalność nie zawsze jest najważniejszym kryterium, ponieważ dane mają charakter porządkowy. Przy wynikach ogólnych z wielu pozycji można sprawdzić normalność, jeśli wynik ma być traktowany jako ilościowy.
Czy wynik Shapiro-Wilka trzeba pokazać w tabeli?
Warto, jeśli wynik normalności wpływa na dobór testów. Tabela powinna zawierać nazwę zmiennej, W, p i krótką interpretację. Nie warto jednak wklejać nieczytelnych tabel z programu bez komentarza.
FAQ — test Shapiro-Wilka w pracy magisterskiej
Jak zapisać wynik testu Shapiro-Wilka?
Przykładowy zapis: W = 0,982; p = 0,178. Następnie trzeba dodać interpretację, np. „nie wykazano podstaw do odrzucenia założenia normalności rozkładu”.
Jak opisać wynik istotny statystycznie?
Przykład: „Wynik testu Shapiro-Wilka był istotny statystycznie, W = 0,931; p = 0,004, co wskazuje na istotne odejście rozkładu od normalności.”
Jak opisać wynik nieistotny statystycznie?
Przykład: „Wynik testu Shapiro-Wilka nie był istotny statystycznie, W = 0,982; p = 0,178, co oznacza, że nie wykazano podstaw do odrzucenia założenia normalności rozkładu.”
Czy można napisać „rozkład normalny”?
Można użyć takiego skrótu w prostym opisie, ale bezpieczniej napisać: „rozkład można uznać za akceptowalny dla dalszych analiz parametrycznych” albo „nie wykazano istotnego odejścia od normalności”.
Czy test Shapiro-Wilka decyduje o wyborze Pearsona lub Spearmana?
Pomaga w decyzji, ale nie powinien być jedynym kryterium. Przy wyborze korelacji trzeba uwzględnić także rodzaj zmiennych, wykres punktowy, liniowość i wartości odstające.
Czy test Shapiro-Wilka decyduje o wyborze testu t lub U Manna-Whitneya?
Pomaga w uzasadnieniu wyboru. Jeśli zmienna jest ilościowa, rozkład akceptowalny i brak silnych wartości odstających, można rozważyć test t. Jeśli dane są porządkowe, skośne lub z outlierami, bezpieczniejszy może być U Manna-Whitneya.
Czy trzeba sprawdzać normalność przed ANOVA?
Warto, szczególnie w grupach, które są porównywane. Oprócz normalności trzeba też sprawdzić jednorodność wariancji, np. testem Levene’a.
Co zrobić, gdy jedna zmienna ma rozkład normalny, a druga nie?
To zależy od analizy. Przy korelacji można rozważyć Spearmana. Przy porównaniach grup można zastosować test nieparametryczny dla tej zmiennej, która nie spełnia założeń.
Czy można stosować testy parametryczne mimo p < 0,05?
Czasem tak, ale wymaga to uzasadnienia. Trzeba uwzględnić wielkość próby, wykresy, wartości odstające i odporność testu. W typowej pracy magisterskiej bezpieczniej jest jasno uzasadnić wybór i w razie potrzeby zastosować test nieparametryczny.
Co zrobić, jeśli promotor napisał „brak normalności rozkładu”?
Trzeba dodać test Shapiro-Wilka, interpretację wyniku i informację, jak wynik wpłynął na wybór dalszych testów. Czasem trzeba też zmienić test parametryczny na nieparametryczny.
Podsumowanie
Test Shapiro-Wilka jest jednym z najczęściej stosowanych testów do oceny normalności rozkładu w pracach magisterskich i licencjackich. Pomaga uzasadnić wybór testów parametrycznych albo nieparametrycznych, takich jak test t-Studenta, U Manna-Whitneya, ANOVA, Kruskal-Wallis, korelacja Pearsona albo Spearmana.
Najważniejsze jest jednak to, żeby nie interpretować wyniku mechanicznie. Wartość p > 0,05 nie oznacza, że normalność została udowodniona. Oznacza, że nie wykazano podstaw do odrzucenia założenia normalności. Z kolei p < 0,05 wskazuje na istotne odejście od rozkładu normalnego, ale nie zawsze automatycznie przekreśla wszystkie testy parametryczne. Trzeba uwzględnić także rodzaj zmiennej, liczebność próby, wykresy, wartości odstające i wymagania promotora.
Dobrze opisany test Shapiro-Wilka powinien zawierać wartość W, wartość p, interpretację oraz decyzję dotyczącą dalszych analiz. Dzięki temu promotor widzi, że testy statystyczne zostały dobrane świadomie, a nie przypadkowo.
Jeżeli nie wiesz, jak opisać normalność rozkładu, czy zastosować test parametryczny, czy nieparametryczny, możesz skorzystać z pomocy w analizie statystycznej, sprawdzić poradnik analiza statystyczna pracy magisterskiej krok po kroku albo przesłać materiały przez formularz kontaktowy. W przypadku gotowych danych można przygotować nie tylko obliczenia, ale także tabele, opis normalności, dobór testów, interpretację wyników i poprawki po komentarzach promotora.
Propozycja SEO do artykułu
Meta title: Test Shapiro-Wilka w pracy magisterskiej
Meta description: Sprawdź, jak opisać test Shapiro-Wilka, normalność rozkładu, wynik p i dobór testów w pracy magisterskiej.
Proponowany slug: test-shapiro-wilka-normalnosc-rozkladu
Fraza główna: test Shapiro-Wilka w pracy magisterskiej
Frazy dodatkowe: test Shapiro Wilka, normalność rozkładu praca magisterska, jak opisać test Shapiro-Wilka, Shapiro-Wilk interpretacja, normalność rozkładu SPSS, test normalności rozkładu, p Shapiro Wilk, test Shapiro-Wilka SPSS, dobór testu statystycznego, test parametryczny czy nieparametryczny, test t normalność rozkładu, ANOVA normalność rozkładu, korelacja Pearsona normalność, korelacja Spearmana normalność, analiza statystyczna pracy magisterskiej
Kategoria: Testy statystyczne
Tagi: test Shapiro-Wilka, Shapiro-Wilk, normalność rozkładu, test normalności, analiza statystyczna, SPSS, testy statystyczne, test parametryczny, test nieparametryczny, dobór testu statystycznego, wartość p, test t-Studenta, ANOVA, korelacja Pearsona, praca magisterska, praca licencjacka