Deskriptivní statistika v práci: co uvádět a proč

Máte výsledky z dotazníku v Excelu nebo SPSS, ale při pohledu na prázdnou kapitolu nevíte, jestli stačí napsat „respondenti odpovídali spíše kladně“, nebo musíte přidat průměry, procenta, směrodatné odchylky a tabulky. Právě tady se deskriptivní statistika v práci často začne rozpadat: někdo vloží deset tabulek bez komentáře, jiný popíše jen nejzajímavější čísla a zbytek nechá být. Vedoucí pak vrací text s poznámkami typu „chybí n“, „není jasné, z čeho je počítán průměr“ nebo „tabulka není interpretovaná“. Popisná statistika přitom není výplň před „opravdovou“ analýzou. Je to první kontrola, zda vaše data dávají smysl a zda čtenář rozumí tomu, s čím dál pracujete.

Deskriptivní statistika v práci má čtenáři ukázat, jak vypadá váš datový soubor ještě před testováním hypotéz: kolik máte platných odpovědí, jaké jsou typické hodnoty a jak moc se odpovědi liší. U kategoriálních proměnných se uvádějí hlavně četnosti a procenta; u číselných proměnných průměr a směrodatná odchylka, případně medián, kvartily, minimum a maximum. Dobrá popisná statistika vždy souvisí s výzkumnou otázkou, ne jen s tím, co umí vyexportovat statistický program.

In this guide

• Proč je deskriptivní statistika v práci víc než povinná tabulka?
• Co uvést v popisné statistice podle typu proměnné?
• Jak reportovat deskriptivní statistiku v textu, tabulce a příloze?
• Kdy použít průměr a směrodatnou odchylku a kdy raději medián?
• Jak má vypadat tabulka deskriptivní statistiky v bakalářské nebo diplomové práci?
• Jaké chyby studenti nejčastěji dělají při reportování deskriptivní statistiky?
• Jak propojit popisnou statistiku s výzkumnou otázkou a další analýzou?
• Jak si před odevzdáním zkontrolovat deskriptivní statistiku v práci?

Proč je deskriptivní statistika v práci víc než povinná tabulka?

Deskriptivní statistika v práci slouží k tomu, aby čtenář viděl základní podobu dat před interpretací vztahů, rozdílů nebo hypotéz. Ukazuje velikost vzorku, rozložení odpovědí, typické hodnoty a variabilitu. Bez ní nejsou pozdější testy dobře čitelné, protože není jasné, z jakých dat vycházejí.

Co popisná statistika dokazuje a co ne

Deskriptivní statistika je soubor postupů, které data popisují, nikoli vysvětlují příčiny. Patří sem například absolutní a relativní četnosti, průměr, medián, směrodatná odchylka, minimum, maximum nebo kvartily. Když napíšete, že průměrná spokojenost zaměstnanců byla 3,8 z 5, zatím netvrdíte, proč tomu tak je. Pouze čtenáři ukazujete, kde se odpovědi v souboru přibližně nacházejí.

To je častý rozdíl mezi „výsledky vypadají zajímavě“ a akademicky použitelným popisem. V bakalářské nebo diplomové práci nestačí říct, že „většina respondentů byla spokojená“, pokud není jasné, kolik respondentů odpovědělo, jaké škály byly použity a zda se odpovědi soustředily kolem jedné hodnoty, nebo byly velmi rozptýlené.

Proč ji vedoucí práce tolik řeší

Vedoucí často neřeší jen samotná čísla, ale jejich dohledatelnost. Pokud v metodologii uvádíte dotazník s pětibodovou škálou, ve výsledcích se očekává, že bude jasné, jak byly odpovědi kódované, kolik odpovědí bylo platných a zda se pracovalo se všemi respondenty. Jestli teprve stavíte výzkumný design, pomůže nejdřív srovnat proměnné a měření v textu Převod pojmu na měřitelnou proměnnou.

Popisná statistika také chrání před přestřelenou interpretací. Když je průměr 3,2, ale směrodatná odchylka 1,4 na pětibodové škále, odpovědi nejsou jednotné. Výrok „respondenti mají středně pozitivní postoj“ může být slabý, pokud polovina odpovědí leží na krajích škály.

Co uvést v popisné statistice podle typu proměnné?

To, co uvést v popisné statistice, závisí hlavně na typu proměnné. U kategorií uvádějte četnosti a procenta, u pořadových škál často medián nebo rozložení odpovědí a u spojitých číselných proměnných průměr, směrodatnou odchylku a rozsah hodnot. Vždy přidejte velikost platného vzorku, protože ne všechny otázky musí mít stejný počet odpovědí.

Kategoriální proměnné: četnosti a procenta

Kategoriální proměnná rozděluje případy do skupin, například pohlaví, ročník studia, typ školy, oddělení v nemocnici nebo právní forma podniku. U takové proměnné většinou nedává smysl počítat průměr. Čtenář potřebuje vědět, kolik případů patří do každé kategorie a jaký je jejich podíl.

Příklad ze sociálních věd: ve výzkumu politické participace studentů můžete popsat, že z 214 respondentů se 68 účastnilo studentských voleb, 91 podepsalo petici a 55 neuvedlo žádnou formu participace. Takový popis je užitečnější než obecná věta „studenti se politicky zapojují různými způsoby“.

Pořadové škály: opatrně s průměrem

Pořadová proměnná má hodnoty seřazené podle intenzity, ale vzdálenost mezi nimi nemusí být přesně stejná. Typickým příkladem je Likertova škála od „zcela nesouhlasím“ po „zcela souhlasím“. V českých bakalářských a diplomových pracích se u těchto škál často reportuje průměr, ale je vhodné doplnit i rozložení odpovědí nebo medián.

Například ve výzkumu spokojenosti pacientů s komunikací sester může být průměr hodnocení 4,2 na škále 1–5. Pokud ale 30 % respondentů zvolilo nejnižší hodnotu a 50 % nejvyšší, průměr zakryje polarizaci. V takové situaci pomůže tabulka četností podle jednotlivých odpovědí.

Číselné proměnné: poloha a variabilita

Číselná proměnná vyjadřuje měřitelnou hodnotu, například věk, počet absencí, délku hospitalizace, měsíční výdaje nebo skóre v testu. U těchto proměnných se běžně uvádí průměr a směrodatná odchylka, minimum, maximum a počet platných pozorování. Pokud jsou data silně nesymetrická, přidejte medián a kvartily.

V práci z managementu můžete popsat délku praxe zaměstnanců: n = 126, průměr = 6,4 roku, směrodatná odchylka = 5,1, medián = 4 roky, rozsah = 0–24 let. Čtenář hned vidí, že ve vzorku jsou jak začátečníci, tak lidé s dlouhou praxí.

Jak reportovat deskriptivní statistiku v textu, tabulce a příloze?

Deskriptivní statistiku reportujte tak, aby text vysvětloval hlavní zjištění, tabulka nesla přesná čísla a příloha obsahovala rozsáhlejší výstupy, které by v hlavní kapitole rušily. V textu neopište každou buňku tabulky. Vyberte hodnoty, které jsou důležité pro výzkumnou otázku, hypotézu nebo interpretaci souboru.

Postup od dat k odstavci výsledků

Mnoho studentů neví, jak reportovat deskriptivní statistiku, protože začnou výstupem ze statistického programu místo logikou výzkumu. Lepší je postupovat od proměnných k textu:

1. Sepište proměnné, které přímo souvisejí s výzkumnou otázkou nebo hypotézami.
2. U každé určete typ proměnné: kategoriální, pořadová, číselná.
3. Vyberte vhodné ukazatele: četnosti, procenta, průměr, směrodatná odchylka, medián, kvartily.
4. Zkontrolujte počet platných odpovědí a chybějící hodnoty.
5. Vytvořte jednu přehlednou tabulku pro hlavní proměnné.
6. Napište krátký komentář, který nepopisuje vše, ale vysvětluje čtenáři, co si má z tabulky odnést.

Tento postup se hodí i tehdy, když teprve plánujete empirickou část. Pokud se ztrácíte už u metodologické kapitoly, pomůže navázat proměnné, sběr dat a analýzu podle schématu v textu Postup metodologické kapitoly od designu k analýze.

Slabá a silnější verze komentáře

Slabá studentská verze	Silnější přepracování
„Respondenti byli různého věku. Průměr byl 24,6 a směrodatná odchylka 3,1. Většina odpověděla spíše kladně.“	„Do analýzy bylo zahrnuto 182 platných odpovědí. Věk respondentů se pohyboval od 19 do 38 let, průměrný věk byl 24,6 roku (SD = 3,1). U položky spokojenosti se studijní podporou převažovaly kladné odpovědi: hodnoty 4 nebo 5 zvolilo 64 % respondentů.“

Silnější verze neobsahuje víc slov jen kvůli délce. Přidává jednotku, rozsah, n, označení směrodatné odchylky a konkrétní procento. Takový odstavec je použitelný, protože čtenář nemusí hádat, co čísla znamenají.

Kdy dát výstup do přílohy

Do přílohy patří dlouhé frekvenční tabulky, kompletní exporty z programu, rozsáhlé členění podle skupin nebo technické výpisy, které nejsou nutné pro hlavní argument. Hlavní text má zůstat čitelný. Pokud máte dotazník s 35 položkami, nemusíte v kapitole výsledků uvést 35 samostatných tabulek, pokud nejsou všechny přímo interpretované.

Pravidlo je jednoduché: v hlavním textu ukažte to, co čtenář potřebuje k porozumění výzkumné otázce. V příloze nechte materiál, který dokládá úplnost zpracování. Odkazujte na něj konkrétně, například „úplné četnosti všech položek jsou uvedeny v příloze B“.

Kdy použít průměr a směrodatnou odchylku a kdy raději medián?

Průměr a směrodatná odchylka se hodí hlavně pro číselné proměnné s přibližně symetrickým rozdělením a bez extrémních hodnot, které by výsledek výrazně posunuly. Medián je vhodnější, když jsou data šikmá, obsahují odlehlé hodnoty nebo popisují pořadovou škálu. U studentských prací často pomůže uvést obojí a stručně vysvětlit, proč je interpretace založená na jednom z nich.

Co znamená průměr, medián a směrodatná odchylka

Průměr je součet hodnot vydělený jejich počtem. Je srozumitelný, ale citlivý na extrémy. Pokud má devět studentů měsíční brigádnický příjem kolem 5 000 Kč a jeden student 60 000 Kč, průměr bude působit vyšší, než jak vypadá typická zkušenost většiny skupiny.

Medián je prostřední hodnota po seřazení dat. Lépe vystihuje typickou hodnotu u šikmých dat, například u příjmů, délky čekání, počtu absencí nebo počtu hospitalizačních dnů. Směrodatná odchylka ukazuje, jak moc se hodnoty rozptylují kolem průměru. Malá směrodatná odchylka znamená, že odpovědi jsou si podobné; velká naznačuje rozdílné odpovědi.

Konkrétní srovnání vhodného reportování

Situace v datech	Slabé reportování	Vhodnější reportování	Proč
Věk studentů 19–26 let, bez extrémů	„Věk byl podobný.“	„Průměrný věk byl 21,8 roku (SD = 1,7; n = 148).“	Průměr a směrodatná odchylka dobře popisují kompaktní soubor.
Délka hospitalizace 1–60 dní	„Průměrná délka byla 8,9 dne.“	„Medián délky hospitalizace byl 4 dny (IQR = 2–9), rozsah 1–60 dní.“	Extrémní případy posouvají průměr.
Odpověď na škále 1–5	„Průměr souhlasu byl 3,6.“	„Medián odpovědi byl 4; hodnoty 4–5 zvolilo 58 % respondentů.“	Pořadová škála se lépe čte přes rozložení odpovědí.
Ročník studia	„Průměrný ročník byl 2,4.“	„Nejvíce respondentů bylo ve 2. ročníku, 76 osob (42 %).“	Ročník je kategorie, ne spojitá veličina.

Tahle tabulka ukazuje, že neexistuje jeden univerzální ukazatel pro všechno. U každé proměnné musíte obhájit, že zvolený popis odpovídá povaze dat.

Příklad ze zdravotnického výzkumu

V bakalářské práci z ošetřovatelství o dodržování režimových opatření u pacientů po propuštění do domácí péče můžete mít věk, počet užívaných léků, skóre adherence a kategorii typu péče. Věk lze popsat průměrem a směrodatnou odchylkou, pokud nejsou hodnoty extrémní. Počet léků ale může být šikmý, protože část pacientů bere dva léky a malá skupina deset i více. Tam je často lepší medián a mezikvartilové rozpětí.

U skóre adherence záleží na konstrukci škály. Pokud součet několika položek tvoří širší skóre a má přijatelný rozsah hodnot, průměr může dávat smysl. U jednotlivých položek Likertovy škály ale bývá čitelnější ukázat procenta odpovědí v kategoriích.

Jak má vypadat tabulka deskriptivní statistiky v bakalářské nebo diplomové práci?

Tabulka deskriptivní statistiky má být přehledná, jednotně zaokrouhlená a přímo navázaná na proměnné, které analyzujete. Měla by obsahovat název proměnné, počet platných pozorování, vhodné ukazatele polohy a variability a jednotku měření, pokud existuje. Nepřebírejte neupravený export ze softwaru, pokud obsahuje zkratky nebo sloupce, které čtenář nepotřebuje.

Základní struktura tabulky

Dobrá tabulka deskriptivní statistiky nemusí být složitá. Často stačí několik sloupců: proměnná, n, průměr, směrodatná odchylka, medián, minimum a maximum. Pokud jde o kategoriální proměnné, použijte místo průměru četnost a procento. Důležité je nemíchat v jedné tabulce neslučitelné proměnné tak, že čtenář nepozná, co která hodnota znamená.

Příklad pro číselné proměnné:

Proměnná	n	Průměr	SD	Medián	Minimum–maximum
Věk respondentů v letech	182	24,6	3,1	24	19–38
Skóre studijní zátěže, 0–40	176	27,4	6,8	28	8–39
Počet hodin brigády týdně	139	14,2	9,5	12	0–45

Pod tabulkou vysvětlete zkratky, například „SD = směrodatná odchylka“. Pokud používáte desetinná místa, držte stejný styl v celé práci. V češtině se v textu běžně používá desetinná čárka; pokud škola požaduje styl podle konkrétní citační normy nebo anglický formát, řiďte se pokyny fakulty.

Popisek, číslování a interpretace

Tabulka má mít číslo a název, například „Tabulka 3: Deskriptivní statistika hlavních proměnných“. Název nemá být tajemný ani příliš obecný. „Výsledky“ je slabé označení, protože neříká, co tabulka obsahuje.

Po tabulce přidejte krátký interpretační odstavec. Neopakujte všechny hodnoty mechanicky. Vysvětlete, co je pro práci relevantní: „Nejvyšší průměrné skóre bylo zjištěno u položky časového tlaku, zatímco největší variabilitu vykazoval počet hodin brigády týdně.“ Tím dáváte čtenáři vodítko, proč je tabulka v textu.

Příklad z pedagogiky a managementu

V pedagogické práci o vztahu mezi domácí přípravou a výsledkem didaktického testu můžete reportovat počet hodin přípravy týdně, skóre testu a ročník žáka. Hodiny přípravy mohou mít šikmé rozdělení, protože část žáků se nepřipravuje vůbec a několik jich uvádí velmi vysoké hodnoty. Skóre testu se naopak může chovat přibližně symetricky.

V managementu, například u tématu pracovní angažovanosti v malém podniku, může tabulka kombinovat skóre angažovanosti, délku praxe a typ pracovního úvazku. Typ úvazku ale patří do samostatné tabulky četností, protože u něj průměr nedává smysl. Právě takové rozhodnutí ukazuje, že student rozumí datům, ne jen nástroji, který je zpracoval.

Jaké chyby studenti nejčastěji dělají při reportování deskriptivní statistiky?

Studenti nejčastěji chybují tím, že používají stejné ukazatele pro všechny proměnné, neuvádějí velikost platného vzorku, zaměňují popis za interpretaci příčin a vkládají do textu neupravené softwarové výstupy. Problémem bývá i to, že tabulky nejsou propojené s výzkumnou otázkou. Oprava většinou neznamená přidat víc čísel, ale vybrat správná čísla a jasně je okomentovat.

Chyby, které se opakují v bakalářkách a diplomkách

1. Průměr z kategorií
   Studentský příklad: „Průměrná forma studia byla 1,37, což ukazuje převahu prezenční formy.“
   Oprava: Forma studia je kategorie. Uveďte četnosti a procenta: „Prezenční formu uvedlo 128 respondentů (70,3 %), kombinovanou 54 respondentů (29,7 %).“

2. Chybějící počet platných odpovědí
   Studentský příklad: „Průměr spokojenosti byl 4,1.“
   Oprava: Doplňte n a případně chybějící odpovědi: „Položku zodpovědělo 169 ze 182 respondentů; průměr byl 4,1 (SD = 0,8).“

3. Závěr o příčině z pouhého popisu
   Studentský příklad: „Vyšší průměr stresu dokazuje, že brigáda zhoršuje studijní výsledky.“
   Oprava: Deskriptivní statistika nic nedokazuje o příčině. Napište: „Skupina studentů s brigádou vykázala vyšší průměrné skóre stresu; vztah je dále ověřen korelační analýzou.“

4. Tabulka bez komentáře
   Studentský příklad: autor vloží tabulku z Excelu a pokračuje rovnou testem hypotézy.
   Oprava: Za tabulku přidejte dvě až čtyři věty, které pojmenují hlavní hodnoty a vysvětlí jejich význam pro výzkumnou otázku.

5. Příliš mnoho desetinných míst
   Studentský příklad: „Průměr = 3,786421, SD = 0,934527.“
   Oprava: Ve společenskovědních a studentských pracích obvykle stačí jedno až dvě desetinná místa: „M = 3,79; SD = 0,93“ nebo „M = 3,8; SD = 0,9“ podle zvyklostí oboru.

Proč tyto chyby vadí čtenáři

Čtenář akademické práce nemá hádat, co jste měřili, kolik odpovědí chybělo a zda se číslo vztahuje k celé skupině nebo jen k části souboru. Když chybí n, nelze posoudit stabilitu výsledku. Když použijete průměr pro kategorie, vypadá to, že mechanicky kopírujete výstup ze softwaru.

Tyto chyby také komplikují další analýzu. Pokud například špatně popíšete proměnnou jako číselnou, můžete později zvolit nevhodný statistický test. Při plánování navazující analýzy se hodí porovnat povahu proměnných s přehledem Rozhodování při výběru statistického testu.

Jak propojit popisnou statistiku s výzkumnou otázkou a další analýzou?

Popisnou statistiku propojte s výzkumnou otázkou tak, že reportujete hlavně proměnné, které se v otázce, cílech nebo hypotézách skutečně používají. Deskriptivní část má připravit čtenáře na inferenční analýzu, ne fungovat jako samostatný katalog všeho, co máte v datech. Každá tabulka by měla mít důvod: popis vzorku, popis hlavních proměnných nebo kontrolu před testem.

Od výzkumné otázky k proměnným

Pokud vaše otázka zní „Jak souvisí míra akademického stresu s počtem hodin brigády u studentů bakalářského studia?“, deskriptivní statistika musí popsat minimálně stresové skóre, počet hodin brigády a charakteristiku vzorku. Není nutné do hlavní části vkládat dlouhou tabulku všech okrajových položek dotazníku, pokud s otázkou nesouvisejí.

U psychologického tématu o vztahu mezi sebehodnocením a úzkostí by čtenář čekal popis skóre obou škál, jejich rozsah, průměr, směrodatnou odchylku a počet platných odpovědí. Pokud se pracuje se skupinami, například muži a ženy nebo bakalářští a magisterští studenti, je vhodné uvést základní deskriptivní statistiku i podle těchto skupin.

Návaznost na hypotézy

Deskriptivní statistika může ukázat, zda má hypotéza prakticky čitelný kontext. Před testem rozdílu mezi skupinami například uveďte průměr a směrodatnou odchylku v každé skupině. Test pak nevisí ve vzduchu. Čtenář vidí, jaký rozdíl se testuje, nejen zda vyšlo p < 0,05.

U hypotézy „Studenti s pravidelnou brigádou vykazují vyšší studijní stres než studenti bez brigády“ může základní report vypadat takto: „Studenti s brigádou měli průměrné skóre stresu 28,1 (SD = 6,2; n = 94), zatímco studenti bez brigády 24,7 (SD = 5,9; n = 76).“ Teprve potom má smysl uvést test rozdílu. Pokud si nejste jistí, zda hypotéza odpovídá cíli práce, pomůže kontrola logiky v textu Vztah mezi cílem práce a hypotézami.

Kdy popisná statistika odhalí problém

Někdy popisná statistika ukáže, že původní plán analýzy není vhodný. Pokud zjistíte, že jedna kategorie má jen čtyři respondenty, srovnání skupin může být slabé. Pokud má proměnná velmi omezený rozptyl, například téměř všichni odpověděli „zcela souhlasím“, korelace s jinou proměnnou může být obtížně interpretovatelná.

To není selhání práce. Je lepší problém přiznat a upravit analýzu než předstírat, že data splňují plán, který vznikl před sběrem. V metodologicky poctivém textu můžete napsat, že některé kategorie byly sloučeny kvůli nízkým četnostem, nebo že určitá položka byla interpretována jen deskriptivně.

Jak si před odevzdáním zkontrolovat deskriptivní statistiku v práci?

Před odevzdáním zkontrolujte, zda každá proměnná má správný typ ukazatelů, jasné n, jednotku, zaokrouhlení a krátkou interpretaci. Tabulky musí odpovídat textu a text nesmí tvrdit víc, než čísla dovolují. Nejlepší kontrola je projít výsledky očima čtenáře, který neviděl váš datový soubor.

Rychlá kontrola konzistence

Začněte tím, že porovnáte metodologii, dotazník a výsledky. Proměnné by se měly jmenovat podobně ve všech částech práce. Pokud v metodologii píšete „studijní zátěž“, ve výsledcích by se neměla najednou objevit „náročnost školy“, pokud nejde o jinou proměnnou.

Zkontrolujte také součty. Procenta v kategoriích by měla dávat dohromady logický celek, s výjimkou zaokrouhlení nebo vícenásobných odpovědí. Pokud otázka umožňovala více odpovědí, napište to. Jinak může čtenář předpokládat, že procenta mají tvořit 100 %.

Než pokračujete: kontrolní seznam pro deskriptivní statistiku

• U každé proměnné je jasné, zda je kategoriální, pořadová nebo číselná.
• V tabulkách je uveden počet platných odpovědí nebo pozorování.
• Kategoriální proměnné jsou popsány četnostmi a procenty, ne průměrem.
• U číselných proměnných je uveden průměr a směrodatná odchylka nebo zdůvodněný medián.
• U hodnot s jednotkami je jednotka uvedena v textu nebo v názvu proměnné.
• Zaokrouhlení je jednotné v celé kapitole výsledků.
• Každá tabulka má číslo, název a krátký komentář.
• Text nevyvozuje příčinné závěry z pouhé popisné statistiky.
• Výsledky navazují na výzkumnou otázku, cíle nebo hypotézy.
• Dlouhé výstupy a doplňkové četnosti jsou přesunuty do přílohy.
• Zkratky jako SD, M nebo IQR jsou vysvětlené.
• Hodnoty v textu odpovídají hodnotám v tabulkách.

Poslední čtení kapitoly výsledků

Při posledním čtení si položte jednoduchou otázku: „Poznal by čtenář z této části, jak můj datový soubor skutečně vypadá?“ Pokud odpověď zní ne, pravděpodobně chybí buď popis vzorku, nebo komentář k hlavním proměnným. Pokud odpověď zní ano, ale kapitola je přeplněná tabulkami, zvažte přesun části materiálu do příloh.

Deskriptivní statistika má být přesná, ale nemusí být nepřehledná. Nejlépe funguje tam, kde každé číslo plní jasnou roli: představuje soubor, popisuje hlavní proměnnou, připravuje navazující test nebo upozorňuje na omezení dat. Takový text působí odborněji než dlouhý export bez vysvětlení.

Doporučené interní odkazy

(Build system metadata — do not remove this section)

• Převod pojmu na měřitelnou proměnnou
• Postup metodologické kapitoly od designu k analýze
• Rozhodování při výběru statistického testu
• Vztah mezi cílem práce a hypotézami

---