Leíró statisztika szakdolgozatban: mit érdemes közölni és miért?

Megvan a kérdőíved, letöltötted az Excel- vagy SPSS-táblát, de az eredmények fejezetnél hirtelen minden szám gyanúsnak tűnik: kell az átlag, kell a szórás, de mi legyen a mediánnal, a minimum–maximum értékekkel, a százalékokkal és a diagramokkal? A témavezető azt írja vissza, hogy „mutassa be először a mintát és a változókat”, te pedig nem tudod, ez két mondatot, három táblázatot vagy fél fejezetet jelent. A leíró statisztika szakdolgozatban sok hallgatónál azért lesz bizonytalan, mert nem a statisztikai próba előtt állítják össze, hanem utólag próbálják kitalálni, melyik számot várja az olvasó.

A leíró statisztika szakdolgozatban nem dekoráció, hanem az adatállomány első szakmai bemutatása: megmutatja, kikről vagy miről szólnak az adatok, hogyan oszlanak el a változók, és mennyire megbízható alapra épülnek a későbbi statisztikai próbák. A jó leíró rész változótípushoz illő mutatókat közöl, érthető táblázatokkal dolgozik, és röviden értelmezi, mit jelentenek a számok a kutatási kérdés szempontjából.

Ebben az útmutatóban

• Mit jelent a leíró statisztika szakdolgozatban
• Milyen leíró statisztikát írjak le a változóimhoz
• Hogyan néz ki egy jó leíró statisztika táblázat
• Mikor elég az átlag szórás közlése, és mikor kell más mutató
• Hogyan kapcsolódik a leíró statisztika a statisztikai eredmények bemutatásához
• Milyen hibákat követnek el gyakran a hallgatók a leíró statisztikák bemutatásakor
• Hogyan írjam meg a leíró statisztikát különböző tudományterületeken
• Hogyan ellenőrizzem a leíró statisztika szakdolgozatban szereplő részét leadás előtt

Mit jelent a leíró statisztika szakdolgozatban?

A leíró statisztika szakdolgozatban az adatok összefoglalását jelenti következtető statisztikai állítás nélkül. Nem azt bizonyítja, hogy van-e szignifikáns kapcsolat vagy különbség, hanem azt mutatja meg, milyen a minta, milyen értékeket vettek fel a változók, és milyen mintázatok látszanak első ránézésre. Erre épül minden későbbi próba, hipotézisvizsgálat és értelmezés.

A leíró és a következtető statisztika különbsége

Leíró statisztika: olyan mutatók és táblázatok rendszere, amelyek az adott adatállományt írják le. Ilyen az átlag, a szórás, a medián, a módusz, a gyakoriság, a százalék, a minimum, a maximum és a kvartilis.

Következtető statisztika: olyan elemzések köre, amelyek a mintából a vizsgált populációra vagy egy elméleti kapcsolatra következtetnek. Ilyen például a t-próba, khi-négyzet-próba, korreláció, regresszió vagy varianciaanalízis.

Egy szakdolgozatban a leíró rész gyakran az eredmények fejezet elején jelenik meg. Először bemutatod a mintát: például hány kitöltő vett részt, milyen volt a nemek, életkorok vagy képzési szintek aránya. Ezután jönnek a kulcsváltozók: például motiváció, stressz, elégedettség, teljesítmény, jövedelem, beteg-együttműködés vagy ügyfélmegtartás.

Miért nem elég „csak lefuttatni” a próbákat?

Ha rögtön a hipotézisvizsgálattal kezdesz, az olvasó nem tudja, mire vonatkoznak a számok. Egy korreláció például mást jelent, ha a változók normális eloszláshoz közeli értékeket mutatnak, és mást, ha a válaszok szinte mind egyetlen kategóriába zsúfolódnak.

A leíró rész segít kiszúrni az adatproblémákat is. Ha egy 1–5-ös Likert-skálán az átlag 6.2, akkor valószínűleg kódolási hiba történt. Ha egy változóhoz 200 válasz helyett csak 83 érvényes érték tartozik, akkor a hiányzó adatok kezelését is jelezned kell.

Hol legyen a dolgozatban?

A leggyakoribb elrendezés magyar szakdolgozatokban és diplomamunkákban így néz ki:

1. Módszertani fejezet: minta, mérőeszköz, adatfelvétel, változók, elemzési terv.
2. Eredmények fejezet eleje: leíró statisztikák a mintáról és a fő változókról.
3. Eredmények fejezet további része: hipotézisekhez vagy kutatási kérdésekhez kapcsolódó statisztikai próbák.
4. Megbeszélés: az eredmények értelmezése szakirodalmi és gyakorlati szempontból.

Ha még a változók definiálásánál tartasz, érdemes előbb tisztázni, pontosan mit mérsz és milyen mérési szinten. Ebben segít a fogalmi változóból mérhető indikátor logikája.

Milyen leíró statisztikát írjak le a változóimhoz?

Arra a kérdésre, hogy „milyen leíró statisztikát írjak le”, a változó mérési szintje adja az első választ. Kategóriaváltozóknál gyakoriságot és százalékot, ordinális változóknál mediánt vagy kategóriaarányokat, skálaváltozóknál átlagot, szórást, minimumot és maximumot szokás közölni. A kutatási kérdés dönti el, melyik mutató kap nagyobb hangsúlyt.

Változótípusok és ajánlott mutatók

Nem minden szám illik minden változóhoz. A „nem”, a „lakóhely típusa” vagy a „munkavégzés formája” kategóriákból áll; ezeknél az átlag értelmetlen lenne. Egy stresszpontszám vagy tanulmányi elégedettségi skála viszont már összegzett vagy átlagolt értékként kezelhető, ha a mérőeszköz kialakítása ezt indokolja.

Változó típusa	Gyenge hallgatói közlés	Erősebb közlés	Miért jobb?
Nem vagy képzési szint	„Az átlagos nem 1.42 volt.”	„A minta 58.0%-a nő, 40.5%-a férfi, 1.5%-a nem kívánt válaszolni.”	Kategóriához gyakoriság és százalék illik.
Életkor	„A kitöltők fiatalok voltak.”	„Az életkor átlaga 22.8 év volt, szórása 3.1 év, a tartomány 19–41 év.”	Konkrét középértéket és szóródást ad.
1–5-ös elégedettségi tétel	„Az elégedettség jó lett.”	„Az elégedettségi tétel mediánja 4, a leggyakoribb válasz a 4-es kategória volt.”	Ordinális tételnél a medián és módusz beszédesebb lehet.
Összesített skálapontszám	„A motiváció magas.”	„A motivációs skála átlaga 3.72, szórása 0.64 volt az 1–5-ös skálán.”	Az átlag értelmezhető, ha több tételből képzett skáláról van szó.

A kutatási kérdés szerinti válogatás

A leíró statisztika nem adatdump. Ha minden oszlophoz automatikusan bemásolod az összes kimenetet, a dolgozat olvashatatlan lesz. A jó válogatás a kutatási kérdésből indul ki.

Például egy pszichológiai szakdolgozatban, amely az egyetemi hallgatók észlelt stressze és alvásminősége közötti kapcsolatot vizsgálja, a minta életkora és neme mellett a stresszskála és az alvásminőség-pontszám leíró mutatói kellenek. Nem kell viszont három oldalon keresztül bemutatni minden háttérkérdés minden kategóriáját, ha azok nem szerepelnek az elemzésben.

Egy gazdálkodás és menedzsment diplomamunkában, amely a gyakornoki program elégedettségét méri, a program típusa, a résztvevők képzési szintje, az elégedettségi skála átlaga és a válaszadói csoportok létszáma lesz lényeges. A későbbi összehasonlításokhoz már itt látni kell, nincs-e túl kicsi alcsoport.

Gyakorlati kiválasztási sorrend

Ha elakadsz, használd ezt a döntési sorrendet:

1. Írd ki a kutatási kérdéseket és hipotéziseket.
2. Jelöld meg, mely változók szerepelnek bennük közvetlenül.
3. Minden változónál azonosítsd a mérési szintet: nominális, ordinális, intervallum- vagy arányskála.
4. Válaszd ki a mérési szinthez illő mutatókat.
5. Ellenőrizd, hogy az alcsoportok elemszámai elegendők-e a tervezett próbákhoz.
6. Csak azokat a háttérváltozókat tartsd meg a főszövegben, amelyek segítik az értelmezést.

Ha a statisztikai próba kiválasztása még bizonytalan, a statisztikai próba kiválasztása döntési logikával segíthet összekötni a változótípust, a kutatási kérdést és az elemzési tervet.

Hogyan néz ki egy jó leíró statisztika táblázat?

Egy jó leíró statisztika táblázat kevés, de értelmezhető oszlopot használ: változónév, elemszám, középérték, szóródás és szükség esetén tartomány vagy százalék. A táblázat címe pontosan megmondja, mit lát az olvasó, a szöveg pedig nem ismétli szó szerint az összes cellát. A táblázat akkor működik jól, ha önmagában is követhető, de a kutatási kérdéshez kötött értelmezést a bekezdés adja meg.

Mit tartalmazzon a táblázat?

A „leíró statisztika táblázat” keresés mögött gyakran az a kérdés áll, hogy mit kell bemásolni az SPSS-ből vagy Excelből. A válasz: nem a nyers programkimenetet, hanem egy dolgozatba szerkesztett változatot.

Skálaváltozóknál gyakori oszlopok:

• változó neve;
• érvényes elemszám;
• átlag;
• szórás;
• minimum;
• maximum.

Kategóriaváltozóknál gyakori oszlopok:

• kategória neve;
• gyakoriság;
• százalék;
• érvényes százalék, ha vannak hiányzó válaszok.

Minta táblázat szakdolgozathoz

Az alábbi példa egy elképzelt hallgatói jóllétkutatásból származó, dolgozatba szerkesztett forma. Nem a konkrét számok a lényegesek, hanem az, hogy a táblázat címe, oszlopai és mértékegységei értelmezhetők.

Változó	N	Átlag	Szórás	Minimum	Maximum
Életkor évben	184	22.6	2.9	18	39
Észlelt stressz pontszám	181	3.41	0.78	1.20	4.90
Alvásminőség pontszám	179	2.87	0.69	1.10	4.50
Tanulmányi elégedettség	183	3.76	0.81	1.00	5.00

A táblázat után nem kell minden számot prózaszövegben megismételni. Inkább azt írd le, ami értelmezést ad:

Gyenge: „Az életkor átlaga 22.6, a szórása 2.9, a minimum 18, a maximum 39. A stressz átlaga 3.41, a szórása 0.78, a minimum 1.20, a maximum 4.90.”

Erősebb: „A minta főként fiatal felnőttekből állt, az életkor átlaga 22.6 év volt. A stresszpontszám átlaga a skála középértéke fölé esett, ami arra utal, hogy a válaszadók körében mérsékelt vagy annál magasabb stresszterhelés jelent meg.”

Kerekítés, címadás és jegyzet

A kerekítésnél legyél következetes. A legtöbb szakdolgozatban két tizedesjegy elegendő, de életkornál vagy elemszámnál nem kell indokolatlan pontosság. A 22.637 év helyett a 22.6 év olvashatóbb.

A táblázat címe legyen tartalmi: „A fő skálaváltozók leíró statisztikái” jobb, mint a „Descriptives” vagy „1. táblázat”. Ha rövidítést használsz, magyarázd meg a táblázat alatt. Ha hiányzó adatok miatt az N változónként eltér, ezt ne rejtsd el; az eltérő elemszám önmagában fontos információ.

Mikor elég az átlag szórás közlése, és mikor kell más mutató?

Az átlag szórás közlése akkor megfelelő, ha a változó legalább közel folytonosként kezelhető, az eloszlás nem szélsőségesen ferde, és az átlag szakmailag értelmezhető. Ha a változó kategóriákból áll, erősen ferde, sok kiugró értéket tartalmaz, vagy egyetlen ordinális tételről van szó, a medián, kvartilisek, gyakoriságok és százalékok informatívabbak lehetnek. A cél nem az, hogy minél több mutatót közölj, hanem hogy az olvasó ne kapjon félrevezető képet az adatokról.

Mikor működik jól az átlag és a szórás?

Az átlag a megfigyelések számtani középértéke. A szórás azt mutatja, hogy az értékek átlagosan mennyire térnek el az átlagtól. Egy 1–5-ös, több tételből képzett skálán, például „tanulmányi motiváció” vagy „munkahelyi elégedettség”, az átlag és szórás gyakran jól használható.

Egészségtudományi vagy ápolástani dolgozatban például vizsgálhatod az otthoni gondozásba bocsátott idős betegek gyógyszerszedési együttműködését egy validált pontszám alapján. Ha a pontszám eloszlása nem szélsőséges, közölheted az átlagot és szórást, majd megadhatod a minimumot és maximumot is. Ez segít látni, hogy a minta mennyire homogén vagy változatos.

Mikor jobb a medián vagy a kategóriaarány?

A medián az az érték, amelynél a megfigyelések fele kisebb vagy egyenlő, fele nagyobb vagy egyenlő. Ferde eloszlásnál gyakran jobban jellemzi a „tipikus” értéket, mint az átlag. A kvartilisek az eloszlás alsó és felső negyedének határait mutatják.

Ha például a havi jövedelmet méred egy hallgatói mintában, néhány nagyon magas érték erősen felhúzhatja az átlagot. Ilyenkor a medián és az interkvartilis tartomány sokkal tisztább képet ad. Ha pedig a változó válaszkategóriákból áll, például „nappali”, „levelező”, „távoktatás”, akkor gyakoriságot és százalékot kell közölni.

Hogyan jelezd az eloszlás problémáit?

Nem kell minden szakdolgozatban mély statisztikai diagnosztikát írni, de néhány jelzést érdemes adni. Ha erős ferdeséget látsz, írd le röviden. Ha kiugró értéket tartasz meg vagy zársz ki, indokold. Ha a minta egy alcsoportja nagyon kicsi, ne kezeld úgy, mintha ugyanolyan stabil eredményt adna, mint egy nagyobb csoport.

A szövegben így lehet természetesen megfogalmazni:

„A heti munkavégzéssel töltött órák eloszlása jobbra ferde volt, mivel néhány válaszadó 40 óránál magasabb értéket jelölt. Emiatt az átlag mellett a mediánt is közlöm; a medián 12 óra, az interkvartilis tartomány 8–20 óra volt.”

Ez a mondat nem csak számokat sorol, hanem megmutatja, miért kellett más mutató is az átlag mellé.

Hogyan kapcsolódik a leíró statisztika a statisztikai eredmények bemutatásához?

A leíró statisztika alapozza meg a statisztikai eredmények bemutatását, mert előre láthatóvá teszi a minta szerkezetét, a változók eloszlását és az alcsoportok méretét. Ha a leíró rész hiányzik vagy gyenge, a későbbi p-értékek és próbaeredmények elszakadnak az adatok valós tartalmától. A jó eredményközlés mindig előbb megmutatja az adatokat, csak utána értékeli a kapcsolatokat vagy különbségeket.

A leíró rész mint ellenőrző pont

Mielőtt t-próbát, korrelációt vagy regressziót közölnél, nézd meg, hogy a változók alkalmasak-e az elemzésre. Egy csoportösszehasonlításnál például nem mindegy, hogy a két csoportban 95 és 92 fő van, vagy 170 és 12. Az utóbbi esetben az eredmény értelmezése óvatosabb hangot kíván.

Ha hipotéziseket is írsz, a leíró statisztikák segítenek megmutatni, hogy a vizsgált változók egyáltalán rendelkeznek-e elegendő szóródással. Egy olyan változó, amelyre szinte mindenki ugyanazt válaszolta, ritkán alkalmas erős kapcsolat kimutatására.

Példa eredményközlési sorrendre

Egy oktatáskutatási szakdolgozatban a hallgatói visszajelzések és az online tanulási elégedettség kapcsolatát vizsgálod. A sorrend lehet ez:

1. Bemutatod a mintát: szak, évfolyam, képzési forma.
2. Leírod a fő változókat: online elégedettség, oktatói visszajelzés gyakorisága, észlelt tanulási hatékonyság.
3. Megadod a skálák átlagát, szórását és tartományát.
4. Ellenőrzöd, van-e nagyon alacsony elemszámú csoport.
5. Ezután közlöd a korrelációt vagy regressziót.
6. A végén visszakötöd az eredményt a kutatási kérdéshez.

Ez a sorrend nem mechanikus formaság. Az olvasó így látja, hogy a statisztikai próba milyen adatokon alapul. Ha a módszertani fejezet szerkezetével is küzdesz, az a módszertani fejezet folyamatábrája hasznos támpontot adhat.

Mit ne írj túl az eredményekben?

Az eredmények fejezetben ne kezdj hosszú szakirodalmi magyarázatba. A leíró statisztikáknál elég annyit mondani, amit az adatok ténylegesen mutatnak. A „bizonyítja”, „egyértelműen igazolja” vagy „teljes mértékben alátámasztja” kifejezések helyett használj óvatosabb megfogalmazást: „arra utal”, „az adatok alapján megfigyelhető”, „a mintában magasabb érték jelent meg”.

A statisztikai eredmények bemutatása akkor lesz védhető, ha különválasztod a három szintet: mit mértél, milyen számokat kaptál, és mit jelenthet ez a kutatási kérdés szempontjából.

Milyen hibákat követnek el gyakran a hallgatók a leíró statisztikák bemutatásakor?

A hallgatói hibák többsége nem számolási probléma, hanem értelmezési és szerkesztési gond. Gyakori, hogy valaki rossz mutatót választ a változóhoz, nyers szoftverkimenetet másol be, vagy minden számot felsorol magyarázat nélkül. A javítás általában azzal kezdődik, hogy a táblázatot a kutatási kérdéshez és a változótípushoz igazítod.

1. hiba: átlagot írni kategóriaváltozóra

Hallgatói példa: „A nem átlaga 1.38, a szórása 0.49 volt.”

Mi a gond? A nem numerikus kódolása technikai megoldás, nem valódi mennyiségi skála. Az 1 és 2 kódokból számolt átlag nem értelmezhető szakmailag.

Javítás: „A válaszadók 62.0%-a nő, 38.0%-a férfi volt.” Ha több válaszkategória van, mindegyik gyakoriságát és százalékát közöld.

2. hiba: túl sok nyers kimenetet bemásolni

Hallgatói példa: A dolgozatban megjelenik egy teljes SPSS-tábla angol fejlécnevekkel, felesleges oszlopokkal és három tizedesjeggyel.

Mi a gond? A nyers kimenet nem olvasóbarát, és gyakran olyan információt is tartalmaz, amelyre a dolgozatban nincs szükség.

Javítás: Szerkessz saját táblázatot magyar változónevekkel, következetes kerekítéssel és csak a szükséges mutatókkal. A programkimenet lehet melléklet, de a főszövegben dolgozatba illesztett táblázat kell.

3. hiba: számokat írni értelmezés nélkül

Hallgatói példa: „Az elégedettség átlaga 3.84, szórása 0.72. A motiváció átlaga 3.51, szórása 0.83. A stressz átlaga 3.29, szórása 0.91.”

Mi a gond? A mondatok csak megismétlik a táblázatot. Az olvasó nem tudja meg, melyik szám lényeges a kutatás szempontjából.

Javítás: „A három skálaváltozó közül az elégedettség átlaga volt a legmagasabb. A stresszpontszám nagyobb szóródást mutatott, ami arra utal, hogy a válaszadók terheltsége eltérőbb volt, mint az elégedettségük.”

4. hiba: hiányzó adatok elrejtése

Hallgatói példa: „A mintában 210 fő szerepelt”, majd minden táblázatban más elemszám jelenik meg magyarázat nélkül.

Mi a gond? Az eltérő N félreértést okoz. A bíráló azt hiheti, hibásan számoltál, vagy nem kezelted tudatosan a hiányzó válaszokat.

Javítás: Jelezd, hogy az egyes változók elemszáma a hiányzó válaszok miatt eltér. Ha sok adat hiányzik egy kulcsváltozónál, röviden írd le, hogyan kezelted.

5. hiba: skálaeredményt közölni skálamagyarázat nélkül

Hallgatói példa: „A jóllét átlaga 27.4 volt.”

Mi a gond? Az olvasó nem tudja, ez magas vagy alacsony érték-e. Nem látszik a skála minimuma, maximuma, iránya és képzési módja.

Javítás: „A jóllétpontszám 10–50 pont között vehetett fel értéket, ahol a magasabb pontszám kedvezőbb jóllétet jelzett. A minta átlaga 27.4 pont volt, ami a skála elméleti középértéke fölé esik.”

Hogyan írjam meg a leíró statisztikát különböző tudományterületeken?

A leíró statisztika alaplogikája ugyanaz, de a hangsúly tudományterületenként változik. Pszichológiában gyakran skálapontszámokat és megbízhatóságot, egészségtudományban klinikai vagy gondozási jellemzőket, üzleti és oktatási dolgozatokban csoportokat, elégedettségi mutatókat és szervezeti változókat kell bemutatni. A terület nyelve határozza meg, melyik szám kap szakmai jelentést.

Pszichológia és társadalomtudomány

Egy pszichológiai szakdolgozatban, amely az önértékelés és vizsgahelyzetben átélt szorongás kapcsolatát vizsgálja, a leíró résznek tartalmaznia kell a résztvevők alapadatait és a skálák mutatóit. Ilyen lehet az életkor, nem, képzési szint, önértékelési skála átlaga, szorongás skála átlaga és szórása.

Ha több alskálád van, ne csak az összpontszámot közöld, ha az alskálák külön kutatási kérdéshez kapcsolódnak. Ha viszont az alskálák nem szerepelnek az elemzésben, ne terheld túl velük a főszöveget.

Egészségtudomány és ápolás

Egy ápolástani diplomamunka például azt vizsgálhatja, hogy az otthoni szakápolásban részesülő idősebb betegek gyógyszerszedési együttműködése hogyan függ össze az egészségértéssel. Itt nemcsak az átlagpontszámok számítanak, hanem a minta klinikai és ellátási jellemzői is: életkor, gondozási idő, társbetegségek száma, gyógyszerek száma, támogatás típusa.

Az egészségtudományi szövegben különösen ügyelj arra, hogy a számokat ne diagnózisként vagy oksági állításként fogalmazd meg, ha a kutatásod keresztmetszeti kérdőíves adatfelvétel volt. A leíró statisztika itt azt mutatja meg, milyen beteg- vagy ellátotti csoportról beszélsz.

Oktatás és üzleti képzés

Egy oktatási témájú dolgozatban, amely a digitális tananyagok használatát vizsgálja középiskolai vagy egyetemi tanulási környezetben, a leíró részben szerepelhet a képzési forma, évfolyam, tantárgyi terület, eszközhasználat gyakorisága és tanulói elégedettség. Ha csoportokat hasonlítasz össze, például nappali és levelező hallgatókat, az alcsoportok elemszáma már a leíró részben jelenjen meg.

Üzleti vagy menedzsment témában, például ügyfél-elégedettség és újravásárlási szándék kapcsolatánál, a leíró statisztikák segítenek megmutatni, milyen vevői vagy válaszadói körből származnak az adatok. A vásárlási gyakoriság, ügyféltípus és elégedettségi skála együtt adja meg az elemzés kontextusát.

Ha még a kutatási terv egészét alakítod, a kutatásmódszertan választási folyamat segít eldönteni, hogy a kvantitatív megközelítés valóban illik-e a kérdésedhez.

Hogyan ellenőrizzem a leíró statisztika szakdolgozatban szereplő részét leadás előtt?

Leadás előtt a leíró statisztika szakdolgozatban szereplő részét három szinten érdemes ellenőrizni: a számítások pontossága, a táblázatok olvashatósága és a kutatási kérdéshez való kapcsolódás szerint. Ha egy mutató nem értelmezhető a változó mérési szintje alapján, vagy nem segíti az eredmények megértését, javítani kell. A végső változatban minden táblázatnak és bekezdésnek világos szerepe legyen.

Technikai ellenőrzés

Nézd meg, hogy a táblázatokban szereplő N-ek összhangban vannak-e a módszertani fejezetben írt mintanagysággal. Az eltérés nem baj, ha hiányzó adatokból származik, de magyarázat nélkül zavaró. Ellenőrizd a kódolást is: a fordított tételek, skálaátlagok és összpontszámok sok hibát okoznak.

A minimum és maximum érték különösen hasznos hibakeresésre. Ha egy 1–5-ös skálán 0 vagy 7 szerepel, javítani kell az adatot vagy jelezni kell a kizárást. Ha egy életkorváltozóban 222 jelenik meg, az valószínűleg adatbeviteli hiba, nem „érdekes szélsőérték”.

Szöveges ellenőrzés

Olvasd el a leíró statisztikák utáni bekezdéseket úgy, mintha nem látnád a táblázatot. Kiderül belőlük, mi a lényeg? Ha csak cellákat ismételnek, írd át őket értelmező mondatokká.

A szövegben ne használj erősebb állítást, mint amit a leíró statisztika megenged. Az „az idősebb hallgatók elégedettebbek” már összehasonlító vagy kapcsolati állítás; ehhez megfelelő próba kell. A leíró részben inkább így fogalmazz: „Az elégedettségi átlag a magasabb életkori csoportban nagyobbnak tűnt, amit a következő alfejezetben statisztikai próbával vizsgálok.”

Leadás előtti ellenőrzőlista

Mielőtt továbblépsz: leíró statisztika ellenőrzőlista

• Minden fő változóhoz a mérési szintnek megfelelő mutatót választottam.
• A kategóriaváltozóknál gyakoriságot és százalékot közlök, nem átlagot.
• A skálaváltozóknál szerepel az N, átlag, szórás, minimum és maximum, ha ezek értelmezhetők.
• Ferde eloszlásnál vagy kiugró értékeknél mediánt vagy kvartiliseket is használok.
• A leíró statisztika táblázat címe pontos, magyar és önmagában érthető.
• A táblázatokban következetes a kerekítés és a tizedesjegyek száma.
• Az eltérő elemszámokat hiányzó adatokkal vagy szűréssel magyarázom.
• A szöveg nem ismétli mechanikusan a táblázat minden celláját.
• A leíró rész kapcsolódik a kutatási kérdésekhez és hipotézisekhez.
• A statisztikai próba eredményeit csak a leíró adatok bemutatása után közlöm.
• Minden skála irányát és értelmezési tartományát megadtam, ha ez szükséges.

Ajánlott belső linkek

(Építési rendszer metaadata — ne távolítsd el ezt a szakaszt.)

• Fogalmi változóból mérhető indikátor
• Statisztikai próba kiválasztása döntési logikával
• A módszertani fejezet folyamatábrája
• Kutatásmódszertan választási folyamat