Statisztikai eredmények közlése APA-stílusban: t-próba, korreláció és regresszió dolgozatban

Ott van előtted az SPSS-, Jamovi-, JASP- vagy Excel-kimenet, tele táblázatokkal, tizedesekkel és rövidítésekkel, de a dolgozat eredményfejezetébe valahogy mégsem lehet egyszerűen bemásolni. A témavezető nem azt kéri, hogy „legyen benne a p-érték”, hanem azt, hogy a statisztikai eredmények közlése olvasható, ellenőrizhető és APA-kompatibilis legyen. Ilyenkor könnyű túlírni a szöveget, kihagyni a szabadságfokot, összekeverni a szignifikanciát a gyakorlati jelentőséggel, vagy úgy értelmezni a korrelációt, mintha ok-okozat lenne. Magyar egyetemi szakdolgozatban vagy diplomamunkában külön nehézség, hogy az APA-stílus angol mintáit magyar mondatokba kell átültetni úgy, hogy a számok és jelölések mégis szabályosak maradjanak.

A statisztikai eredmények közlése APA-stílusban akkor működik, ha minden próba mellett megadod a tesztstatisztikát, a szabadságfokot vagy modellmutatókat, a p-értéket, a hatásméretet és egy rövid, óvatos értelmezést. A t-próba, korreláció és regresszió eredményei nem önálló számhalmazok: a hipotézishez, a változókhoz és a kutatási kérdéshez kell kapcsolni őket.

Ebben az útmutatóban

• Miért nehéz a statisztikai eredmények közlése APA-stílusban?
• Mit jelent az APA statisztikai eredmények szabályos megadása?
• Hogyan készítsd elő az eredményközlést az elemzés előtt?
• Hogyan történik a t-próba eredmények közlése APA-stílusban?
• Hogyan néz ki a korreláció közlése APA-formátumban?
• Hogyan történjen a regresszió eredmények bemutatása APA-stílusban?
• Milyen táblázat segít a gyenge és erős eredményközlés megkülönböztetésében?
• Milyen hibákat követnek el gyakran a hallgatók statisztikai eredmények közlésekor?
• Hogyan ellenőrizd az eredményfejezetet leadás előtt?

Miért nehéz a statisztikai eredmények közlése APA-stílusban?

Azért nehéz, mert egyszerre kell statisztikailag pontosnak, nyelvileg érthetőnek és formai szempontból következetesnek lenned. A legtöbb hiba nem a számításnál keletkezik, hanem akkor, amikor a hallgató a programkimenetet dolgozatszöveggé alakítja.

A programkimenet nem kész eredményfejezet

A statisztikai szoftverek sokkal több adatot adnak, mint amennyire a dolgozatban szükség van. Egy független mintás t-próba kimenetében szerepelhet csoportátlag, szórás, standard hiba, Levene-próba, kétféle t-próba sor, konfidenciaintervallum és p-érték. Ezek közül nem mindegyik kerül ugyanazzal a hangsúllyal a szövegbe.

Az APA-stílus lényege itt nem a „szép formázás”, hanem az átlátható közlés. Az olvasónak látnia kell, milyen kérdésre válaszolt a próba, milyen változók szerepeltek benne, mekkora volt a különbség vagy kapcsolat, és mennyire erős az eredmény. Ha csak ennyit írsz: „A t-próba szignifikáns lett”, az kevés, mert nem derül ki, kiket hasonlítottál össze, milyen irányú az eltérés, és milyen nagy a hatás.

A magyar szöveg és az APA-jelölés találkozása

Magyar dolgozatban természetes, hogy magyar mondatokban magyarázod az eredményt, de a statisztikai jelölések többnyire nem fordítandók le. A t, r, β, p, M, SD és R² jelölések maradhatnak az APA-gyakorlat szerint. A mondat magyar, a statisztikai mag pedig szabályos jelölésű.

Például egy pszichológiai szakdolgozatban így nézhet ki egy alapmondat: „A magasabb észlelt stressz gyengébb alvásminőséggel járt együtt, r(118) = .42, p < .001.” Ez magyarul is olvasható, miközben a korrelációs együttható közlése megfelel az APA-logikának. Az eredmény értelmezése külön mondatban jöhet: „Ez közepes erősségű pozitív kapcsolatot jelez a két skálapontszám között.”

A „szignifikáns” nem ugyanaz, mint a „fontos”

Sok hallgató azt hiszi, hogy a p-érték eldönt mindent. A p < .05 azt jelenti, hogy az adott statisztikai modellben az eredmény ritkán fordulna elő, ha a nullhipotézis igaz lenne. Nem jelenti automatikusan, hogy a különbség nagy, gyakorlati szempontból jelentős vagy szakmailag érdekes.

Ezért kell a hatásméret. Hatásméret: olyan mutató, amely a különbség vagy kapcsolat nagyságát fejezi ki, nem csak azt, hogy statisztikailag kimutatható-e. T-próbánál gyakori a Cohen-féle d, korrelációnál maga az r is hatásméretként értelmezhető, regressziónál pedig például az R² mutatja, hogy a modell a függő változó varianciájának mekkora részét magyarázza.

Mit jelent az APA statisztikai eredmények szabályos megadása?

Az APA statisztikai eredmények közlése azt jelenti, hogy a szövegben vagy táblázatban következetes jelöléssel adod meg a teszt nevét, a tesztstatisztikát, a szabadságfokot, a p-értéket, a hatásméretet és az értelmezéshez szükséges leíró adatokat. Nem az a cél, hogy minden szoftverkimenetet bemásolj, hanem hogy az olvasó rekonstruálni tudja az elemzés lényegét.

Mit kell mindig megadni?

A legtöbb kvantitatív dolgozatban az eredményközlés minimuma négy elemre épül. Először nevezd meg, milyen elemzést végeztél. Másodszor add meg azokat a leíró statisztikákat, amelyek nélkül az eredmény nem értelmezhető. Harmadszor közöld a statisztikai próba fő mutatóit. Negyedszer írj egy visszafogott értelmezést.

Leíró statisztika: a minta vagy változó alapjellemzője, például átlag, szórás, elemszám vagy gyakoriság. Ha bizonytalan vagy abban, mit érdemes közölni az inferenciális próba előtt, a Leíró statisztikák rendezett adatábrája jó kiindulópont a változók bemutatásához.

Egy egészségtudományi dolgozatban például nem elég azt írni, hogy „különbség volt a gyógyszerszedési adherenciában”. Meg kell adni, hogy az otthoni szakápolásból frissen hazabocsátott idősebb betegek csoportjai milyen átlagpontszámot értek el, mekkora volt a szórás, és a próba szerint mekkora, milyen irányú eltérés jelent meg.

Milyen számformátumot használj?

APA-stílusban a p-értéket általában három tizedesre szokás megadni, például p = .032. Ha a p-érték kisebb, mint .001, akkor a megszokott forma: p < .001. Az olyan értékeknél, amelyek elvileg nem lehetnek nagyobbak 1-nél, az angol APA-gyakorlatban gyakran elmarad a vezető nulla: p = .048, r = .31. Magyar intézményi útmutatók ettől eltérhetnek, ezért a tanszéki formai követelményt is ellenőrizd.

A statisztikai jelölések többnyire dőlt betűsek: t, p, r, M, SD, F. A görög betűk, például β, gyakran nem dőltek, de a gyakorlat intézményenként változhat. A lényeg a következetesség: ne legyen az egyik bekezdésben „p=0,03”, a másikban „p = .030”, a harmadikban pedig „szign.: 0,030”.

Mikor kell szöveg, és mikor táblázat?

Ha egy vagy két hipotézis eredményét közlöd, általában elég a szöveges forma. Ha több változó, több modell vagy sok összehasonlítás szerepel, egy táblázat sokkal áttekinthetőbb. A táblázat viszont nem helyettesíti teljesen a szöveget: legalább a fő mintázatot és a hipotézisre adott választ mondatban is ki kell emelni.

Egy üzleti vagy menedzsment szakdolgozatban, ahol az ügyfél-elégedettség, észlelt ár-érték arány és újravásárlási szándék kapcsolatát vizsgálod, a teljes korrelációs mátrix táblázatba való. A szövegben elég kiemelni a kutatási kérdés szempontjából döntő kapcsolatokat, például az elégedettség és az újravásárlási szándék közötti együttjárást.

Hogyan készítsd elő az eredményközlést az elemzés előtt?

Az eredményközlés akkor lesz tiszta, ha már az elemzés előtt tudod, melyik hipotézishez melyik változó, melyik próba és melyik mutató tartozik. Ha előbb futtatod a próbákat, és utána próbálod kitalálni, mit jelentsenek, az eredményfejezet szétesik.

Kapcsold a próbát a hipotézishez

Minden statisztikai próba mögött legyen egy konkrét kutatási kérdés vagy hipotézis. Hipotézis: előzetes, tesztelhető állítás két vagy több változó kapcsolatáról vagy csoportok különbségéről. Ha a hipotézis homályos, az eredményközlés is homályos lesz.

Például oktatástudományi dolgozatban ez még nem elég: „A digitális tananyag hat a tanulók teljesítményére.” Jobb így: „A digitális gyakorlófeladatokat használó tanulók matematika teszteredménye magasabb, mint a hagyományos gyakorlást végző tanulóké.” Ebből már látszik, hogy két csoport átlagát hasonlítod össze, tehát valószínűleg t-próba vagy hasonló eljárás jön szóba.

Ha a változók és hipotézisek még nincsenek tisztázva, érdemes visszalépni a kutatási tervhez. A Fogalmi változóból mérhető indikátor segít abban, hogy az elméleti fogalomból mérhető változó legyen, a Kutatási célok és hipotézisek kapcsolata változódiagramon pedig a hipotézisek logikáját rendezi.

Döntsd el előre, milyen mutatót közölsz

A dolgozatban nem kell minden lehetséges statisztikai adatot közölni, de amit közölsz, legyen indokolt. T-próbánál szükség van a csoportátlagokra, szórásokra, t-értékre, szabadságfokra, p-értékre és hatásméretre. Korrelációnál kell az r, a szabadságfok vagy elemszám, a p-érték, és gyakran hasznos a változók átlaga és szórása is. Regressziónál a modell illeszkedését, az R²-t, az F-próbát és az egyes prediktorok együtthatóit kell bemutatni.

Használj rövid előkészítő lépéseket

Az eredményfejezet írása előtt érdemes egy mini térképet készíteni. Ez különösen hasznos szakdolgozatnál és diplomamunkánál, ahol több hipotézis és több változó is szerepelhet.

1. Írd fel minden hipotézis mellé a hozzá tartozó független és függő változót.
2. Jelöld, hogy csoportkülönbséget, együttjárást vagy előrejelzést vizsgálsz.
3. Válaszd ki a próbát: t-próba, korreláció, regresszió vagy más eljárás.
4. Írd előre a közlendő mutatókat: például t, df, p, d.
5. Készíts egy üres eredménymondatot, amelybe később csak a számokat kell beillesztened.
6. Ellenőrizd, hogy a próba megfelel-e a mérési szintnek és a kutatási kérdésnek.

Ha még a próba kiválasztása bizonytalan, a Statisztikai próba kiválasztása döntési logikával segíthet abban, hogy ne a szoftver menüje, hanem a kutatási kérdés alapján dönts.

Hogyan történik a t-próba eredmények közlése APA-stílusban?

A t-próba eredmények közlése APA-stílusban a csoportok leíró adatainak megadásával, majd a t-érték, szabadságfok, p-érték és hatásméret közlésével történik. A mondatnak ki kell derítenie, melyik csoport átlaga volt magasabb, és az eltérés mennyire értelmezhető.

Független mintás t-próba szöveges mintája

A független mintás t-próba két külön csoport átlagát hasonlítja össze. Független mintás t-próba: olyan eljárás, amely két egymástól különálló csoport átlagának különbségét vizsgálja. Ilyen lehet például férfi és női válaszadók, nappali és levelező tagozatos hallgatók, vagy intervenciós és kontrollcsoport összehasonlítása.

Példamondat pszichológiai témában:

„A magas közösségimédia-használatú hallgatók magasabb észlelt stresszpontszámot értek el (M = 28.40, SD = 6.12), mint az alacsony használatú hallgatók (M = 23.85, SD = 5.74). A különbség statisztikailag szignifikáns volt, t(96) = 3.76, p < .001, d = 0.76.”

Ez a forma azért működik, mert először megnevezi az irányt, majd közli a csoportátlagokat, végül megadja a statisztikai próba eredményét. A d érték segít megítélni, hogy a különbség nemcsak „szignifikáns”, hanem mekkora.

Páros mintás t-próba szöveges mintája

A páros mintás t-próba ugyanazon személyek két mérését hasonlítja össze, például előtte-utána mérésben. Páros mintás t-próba: olyan eljárás, amely ugyanazon résztvevők két kapcsolódó átlagát veti össze. Egészségtudományban például vizsgálhatod, csökken-e a fájdalomérték egy edukációs program után.

Példamondat ápolástudományi témában:

„A betegek gyógyszerszedési adherencia pontszáma a betegoktatás után magasabb volt (M = 4.18, SD = 0.61), mint a program előtt (M = 3.72, SD = 0.68). A páros mintás t-próba szignifikáns javulást jelzett, t(44) = 4.21, p < .001, d = 0.63.”

Itt a lényeg nem az, hogy „az oktatás bizonyította a hatását”, hanem hogy a mintában a mérés utáni pontszám magasabb volt. Ha nincs randomizált kontrollcsoport, az ok-okozati állítással óvatosan kell bánni.

Gyenge és erősebb t-próba közlés

Gyenge hallgatói változat	Erősebb APA-stílusú változat
„A két csoport között szignifikáns különbség volt, ezért a hipotézis igazolódott.”	„A digitális gyakorlást végző tanulók magasabb teszteredményt értek el (M = 78.30, SD = 9.84), mint a hagyományos gyakorlást végző tanulók (M = 71.45, SD = 10.12). A különbség szignifikáns volt, t(58) = 2.65, p = .010, d = 0.68, ami közepes nagyságú eltérésre utal.”

A gyenge változatból hiányzik a változó, az irány, a minta szerkezete, a próbaérték és a hatásméret. Az erősebb változat nem hosszabb a szükségesnél, mégis ellenőrizhető. Szakdolgozatban különösen fontos, hogy a „hipotézis igazolódott” helyett inkább azt írd: „az eredmény támogatja a hipotézist” vagy „az eredmény összhangban van a hipotézissel”. Ez óvatosabb és tudományosabb megfogalmazás.

Hogyan néz ki a korreláció közlése APA-formátumban?

A korreláció közlése APA-formátumban az együttjárás irányát, erősségét, az r értéket, a szabadságfokot vagy elemszámot és a p-értéket adja meg. A szövegben mindig jelezni kell, hogy a korreláció nem bizonyít ok-okozati kapcsolatot.

Pearson-korreláció alapformája

A Pearson-féle korreláció két folytonos változó lineáris kapcsolatát méri. Korreláció: két változó együttjárásának mutatója, amely lehet pozitív, negatív vagy nulla közeli. Pozitív kapcsolatnál az egyik változó magasabb értékei a másik változó magasabb értékeivel járnak együtt; negatív kapcsolatnál fordított a mintázat.

Példamondat:

„Az észlelt társas támogatás negatív kapcsolatban állt a depresszív tünetek pontszámával, r(126) = -.36, p < .001. Ez azt jelzi, hogy a magasabb társas támogatás alacsonyabb tünetpontszámmal járt együtt a mintában.”

A „járt együtt” jó kifejezés, mert nem állít ok-okozatot. Kerüld ezt: „A társas támogatás csökkentette a depressziót”, ha a kutatás csak keresztmetszeti kérdőíves adatokat használt.

Korrelációs mátrix dolgozatban

Ha több változó kapcsolatát vizsgálod, táblázatban érdemes közölni az eredményeket. Oktatási témában például szerepelhet tanulási motiváció, tanórai részvétel, önszabályozott tanulás és vizsgaeredmény. Ilyenkor a korreláció közlése APA szerint általában egy mátrixban történik, ahol az átló alatt vagy felett szerepelnek az r értékek, a szignifikanciát pedig jelölés vagy külön oszlop mutatja.

A szövegben ne ismételd el az összes cellát. Írj a fő mintázatról:

„A vizsgaeredmény legerősebben az önszabályozott tanulással függött össze, r(152) = .48, p < .001, míg a tanórai részvétellel gyengébb, de szignifikáns pozitív kapcsolatot mutatott, r(152) = .22, p = .006.”

Ez az olvasónak többet ad, mint egy hosszú felsorolás. A táblázat megőrzi a részleteket, a szöveg pedig értelmezi a kutatási kérdés szempontjából fontos eredményeket.

Irány, erősség és óvatos értelmezés

A korrelációs együttható előjele az irányt mutatja, az abszolút értéke pedig az erősségre utal. Az értelmezéshez használhatsz óvatos kategóriákat, például gyenge, közepes vagy erősebb kapcsolat, de ne kezeld ezeket merev szabályként. A tudományterület és a mérőeszköz is befolyásolja, mit tekintünk érdemi kapcsolatnak.

Egy menedzsment szakdolgozatban például az ügyfél-elégedettség és az újravásárlási szándék közötti r = .55 már szakmailag is figyelemre méltó lehet. Ugyanakkor ez még nem jelenti, hogy az elégedettség önmagában okozza az újravásárlást. Lehetnek közvetítő vagy zavaró tényezők, például árérzékenység, márkahűség vagy szolgáltatási elérhetőség.

Hogyan történjen a regresszió eredmények bemutatása APA-stílusban?

A regresszió eredmények bemutatása akkor jó, ha külön közlöd a teljes modell illeszkedését és az egyes prediktorok szerepét. APA-stílusban szerepeljen az R², az F-próba, a p-érték, valamint a prediktorokhoz tartozó együtthatók, standard hibák, t-értékek és p-értékek.

Mit jelent a regressziós modell?

A regresszió azt vizsgálja, hogy egy vagy több független változó mennyiben jelzi előre a függő változó értékét. Prediktor: olyan független változó, amelyet a modell a függő változó magyarázatára használ. Függő változó: az a kimeneti változó, amelynek alakulását vizsgálod.

Példa üzleti témában: egy hallgató azt vizsgálja, hogy az észlelt szolgáltatásminőség, az ár-érték arány és a márkába vetett bizalom előrejelzi-e az újravásárlási szándékot. Itt az újravásárlási szándék a függő változó, a három másik változó pedig prediktor. Az eredményközlésben először a teljes modellről kell írni, utána a prediktorokról.

Teljes modell közlése

A teljes modell bemutatása megmutatja, hogy a prediktorok együtt magyaráznak-e érdemi varianciát. Példamondat:

„A regressziós modell szignifikánsan jelezte előre az újravásárlási szándékot, F(3, 146) = 24.38, p < .001, R² = .33. A modell a függő változó varianciájának 33%-át magyarázta.”

Ezután jöhetnek az egyes prediktorok:

„Az ár-érték arány pozitív prediktora volt az újravásárlási szándéknak, β = .41, t = 5.62, p < .001, míg a szolgáltatásminőség kisebb, de szignifikáns hozzájárulást mutatott, β = .19, t = 2.44, p = .016. A márkába vetett bizalom ebben a modellben nem volt szignifikáns prediktor, β = .08, t = 1.04, p = .301.”

Prediktorok értelmezése túlzás nélkül

A regresszió csábító, mert az „előrejelzi” szó erősebbnek hangzik, mint a „kapcsolatban áll”. Mégsem szabad automatikusan oksági állítást írni. Ha az adatfelvétel keresztmetszeti, kérdőíves és nem kísérleti, akkor a regresszió statisztikai előrejelzést mutat, nem bizonyított okozati hatást.

Egészségtudományban például vizsgálhatod, hogy az egészségműveltség, életkor és társas támogatás előrejelzi-e a gyógyszerszedési adherenciát. Ha az egészségműveltség szignifikáns prediktor, írhatod, hogy „magasabb egészségműveltség magasabb adherenciapontszámmal társult a modellben”. Ne írd azt, hogy „az egészségműveltség növelte az adherenciát”, ha a kutatási elrendezés ezt nem támasztja alá.

Táblázat regresszióhoz

Több prediktor esetén a regressziós eredmények táblázatban jobban olvashatók. A táblázat tartalmazhatja a nem standardizált együtthatót (B), a standard hibát (SE), a standardizált együtthatót (β), a t-értéket és a p-értéket. A szövegben csak a fő prediktorokat és a hipotézisek szempontjából fontos eredményeket emeld ki.

Ha a módszertani fejezetben még nem világos, hogyan vezetted be a változókat, az eredményfejezet nehezen lesz értelmezhető. A A módszertani fejezet folyamatábrája segíthet abban, hogy az adatfelvétel, változók és elemzési eljárások logikája előbb rendben legyen.

Milyen táblázat segít a gyenge és erős eredményközlés megkülönböztetésében?

A gyenge eredményközlés általában csak azt mondja meg, hogy valami szignifikáns volt-e, míg az erős eredményközlés megadja az irányt, a nagyságot, a statisztikai mutatókat és a kutatási kérdéshez kapcsolódó értelmezést. A különbség legjobban konkrét mondatokon látszik.

Gyenge és erősebb közlések összehasonlítása

Elemzés típusa	Gyenge változat	Erősebb változat
T-próba	„A kontroll és kísérleti csoport között volt különbség.”	„A kísérleti csoport magasabb szövegértési pontszámot ért el (M = 82.10, SD = 7.40), mint a kontrollcsoport (M = 76.25, SD = 8.15), t(62) = 2.96, p = .004, d = 0.75.”
Korreláció	„A motiváció összefüggött a teljesítménnyel.”	„A tanulási motiváció pozitív kapcsolatban állt a vizsgaeredménnyel, r(140) = .34, p < .001, ami közepes erősségű együttjárásra utal.”
Regresszió	„A modell jó lett, mert szignifikáns.”	„A három prediktort tartalmazó modell szignifikánsan jelezte előre a munkahelyi elégedettséget, F(3, 121) = 18.22, p < .001, R² = .31.”
Nem szignifikáns eredmény	„Nem lett eredmény.”	„A csoportok átlagai nem különböztek szignifikánsan, t(54) = 1.12, p = .268, d = 0.30; az adat nem támasztotta alá a várt különbséget.”

A táblázatból látszik, hogy az erősebb változatok nem feltétlenül bonyolultabbak. Inkább pontosabbak: megnevezik az elemzést, megadják az irányt, és nem hagyják az olvasóra, hogy kitalálja, mit jelent a p-érték.

A nem szignifikáns eredmény is eredmény

Sok hallgató pánikba esik, ha a hipotézis nem kap támogatást. Pedig a nem szignifikáns eredmény nem „semmi”, hanem azt jelenti, hogy az adott mintában és elemzési feltételek mellett nem volt kimutatható a várt különbség vagy kapcsolat. Ezt ugyanúgy szabályosan kell közölni.

Például: „A nappali és levelező tagozatos hallgatók tanulmányi énhatékonysága nem különbözött szignifikánsan, t(88) = 0.94, p = .350, d = 0.20.” Ez korrekt. Nem kell elrejteni, és nem kell úgy írni, mintha a kutatás értéktelen lenne. A megbeszélés fejezetben majd értelmezheted, hogy miért nem jelent meg a várt hatás: mintaelemszám, mérőeszköz, csoportok hasonlósága vagy elméleti magyarázat miatt.

Milyen hibákat követnek el gyakran a hallgatók statisztikai eredmények közlésekor?

A leggyakoribb hibák a hiányos mutatók, a túl erős értelmezés, a programkimenet mechanikus másolása és a hipotézishez nem kapcsolt eredményközlés. Ezek javíthatók, ha minden eredménymondatnál megkérdezed: mit vizsgáltam, milyen irányú az eredmény, mekkora a hatás, és mit állíthatok belőle óvatosan?

Tipikus hallgatói hibák és javításuk

1. Csak a p-érték közlése
   Hallgatói példa: „A stressz és az alvás között szignifikáns kapcsolat volt (p = .002).”
   Javítás: Add meg a kapcsolat irányát és erősségét is: „A stressz pozitív kapcsolatban állt a rosszabb alvásminőséggel, r(118) = .29, p = .002.”

2. Ok-okozat írása korrelációból
   Hallgatói példa: „A közösségi média használata növeli a szorongást, mert a korreláció szignifikáns lett.”
   Javítás: Írd együttjárásként: „A gyakoribb közösségimédia-használat magasabb szorongáspontszámmal járt együtt.” Oksági állításhoz kísérleti vagy longitudinális érvelés kellene.

3. A Levene-próba félreértése t-próbánál
   Hallgatói példa: „A Levene-próba szignifikáns lett, ezért a hipotézis igazolódott.”
   Javítás: A Levene-próba a varianciák egyenlőségét vizsgálja, nem a fő hipotézist. Ha szignifikáns, az egyenlőtlen varianciákat feltételező t-próba sort kell használnod.

4. Regressziós modell és prediktor összekeverése
   Hallgatói példa: „A modell szerint minden változó szignifikáns volt, mert az F-próba p-értéke .001.”
   Javítás: Az F-próba a teljes modellre vonatkozik. Az egyes prediktorok jelentőségét külön t-értékek és p-értékek alapján kell megítélni.

5. Hipotézis nélküli eredményfelsorolás
   Hallgatói példa: „Lefuttattam korrelációt, t-próbát és regressziót is, az eredmények a következők.”
   Javítás: Minden elemzést köss konkrét kutatási kérdéshez vagy hipotézishez. Ha nincs ilyen kapcsolat, az olvasó nem fogja érteni, miért szerepel az adott próba.

Miért veszélyes a szoftverkimenet másolása?

A szoftverkimenetben gyakran vannak olyan oszlopnevek, rövidítések és kiegészítő próbák, amelyek önmagukban nem olvasóbarátok. Egy dolgozat nem technikai napló. Nem azt kell bizonyítanod, hogy megnyitottad a statisztikai programot, hanem azt, hogy érted az elemzés logikáját.

A mechanikus másolás ráadásul formai hibákat is okozhat. A táblázat túl széles lesz, angol oszlopnevek maradnak benne, a p-értékek eltérő formátumban szerepelnek, vagy bekerülnek olyan mutatók, amelyeket a szövegben nem magyarázol meg. Jobb egy kisebb, dolgozathoz igazított táblázat, mint egy teljes kimeneti blokk.

Hogyan ellenőrizd az eredményfejezetet leadás előtt?

Az eredményfejezetet úgy ellenőrizd, hogy hipotézisenként végigmész a leíró adatokon, a próba mutatóin, az APA-formátumon és az értelmezés óvatosságán. A jó ellenőrzés nemcsak hibát keres, hanem azt is vizsgálja, hogy az olvasó követni tudja-e az elemzési logikát.

Hipotézisenkénti ellenőrzés

Ne bekezdésenként kezdd az ellenőrzést, hanem hipotézisenként. Írd ki a hipotézist, alá az alkalmazott próbát, majd a közölt eredménymondatot. Ha ez a három nem illeszkedik, ott szerkezeti probléma van.

Például ha a hipotézis csoportkülönbségről szól, de te korrelációt közölsz, valószínűleg rossz próbát választottál, vagy rosszul fogalmaztad meg a hipotézist. Ha a hipotézis előrejelzésről szól, de csak páronkénti korrelációkat mutatsz, a regressziós kérdés nincs teljesen megválaszolva. Az eredményközlés nem menti meg a rosszul illeszkedő elemzési tervet.

Formai és tartalmi utolsó kör

Az utolsó ellenőrzésnél nézd meg, hogy minden statisztikai jelölés egységes-e. Ha egyszer M és SD szerepel, máshol ne írd „átlag” és „szórás” rövidítés nélkül ugyanabban a szerkezetben, hacsak nem tudatosan magyarázó mondatról van szó. A p-értékek formátuma is legyen egységes.

Figyelj arra is, hogy a szignifikáns és nem szignifikáns eredmények nyelvezete ne legyen elfogult. A „sikerült kimutatni” és „nem sikerült kimutatni” néha túl személyes vagy teljesítményközpontú. Jobb: „az eredmény szignifikáns kapcsolatot jelzett”, illetve „az eredmény nem támasztotta alá a várt különbséget”.

Leadás előtti ellenőrzőlista

Mielőtt továbblépsz: statisztikai eredmények közlése ellenőrzőlista

• Minden elemzés egyértelműen kapcsolódik kutatási kérdéshez vagy hipotézishez.
• A t-próba eredmények közlése APA szerint tartalmazza a csoportátlagokat, szórásokat, t-értéket, szabadságfokot, p-értéket és hatásméretet.
• A korreláció közlése APA-formátumban tartalmazza az irányt, az r értéket, a szabadságfokot vagy elemszámot és a p-értéket.
• A regresszió eredmények bemutatása külön kezeli a teljes modellt és az egyes prediktorokat.
• A p-értékek, tizedesek és statisztikai jelölések következetes formában szerepelnek.
• A szöveg nem állít ok-okozatot puszta korreláció vagy keresztmetszeti regresszió alapján.
• A nem szignifikáns eredmények is szabályosan, nem elrejtve jelennek meg.
• A táblázatok nem szoftverkimenetek másolatai, hanem dolgozatba illesztett, olvasható közlések.
• Minden fő eredmény mellett szerepel rövid, szakmailag óvatos értelmezés.
• Az eredményfejezet nem tárgyalja túl a magyarázatokat; a részletes értelmezés a megbeszélés fejezetben kap helyet.

Ajánlott belső hivatkozások

(Rendszer-metaadat — ne távolítsd el ezt a szakaszt)

• Leíró statisztikák rendezett adatábrája
• Fogalmi változóból mérhető indikátor
• Kutatási célok és hipotézisek kapcsolata változódiagramon
• Statisztikai próba kiválasztása döntési logikával

---