Statystyki opisowe w pracy akademickiej — co raportować i dlaczego

Masz już ankietę, arkusz z odpowiedziami i pierwsze wyniki z programu statystycznego, ale nie wiesz, które liczby naprawdę powinny trafić do rozdziału wyników. Program pokazuje średnią, medianę, dominantę, odchylenie standardowe, minimum, maksimum, skośność, kurtozę, błędy standardowe i kilka tabel częstości, a promotor oczekuje „krótkiego opisu próby i zmiennych”. Wtedy łatwo wkleić za dużo albo odwrotnie: napisać dwa zdania, które nic nie mówią o danych. Statystyki opisowe w pracy nie są ozdobą przed testami statystycznymi. To pierwszy filtr, który pokazuje, czy dane mają sens, jak rozkładają się odpowiedzi i czy późniejsza interpretacja ma podstawę.

Statystyki opisowe w pracy pokazują, kto lub co zostało zbadane, jakie wartości przyjmują zmienne i czy dane nadają się do dalszej analizy. Raportuj tylko te miary, które pasują do typu zmiennej i pomagają odpowiedzieć na pytanie badawcze: dla kategorii zwykle liczebności i procenty, dla zmiennych ilościowych średnią z odchyleniem standardowym albo medianę z zakresem międzykwartylowym. Dobry opis nie przepisuje całej tabeli, tylko wskazuje najważniejszy wzorzec, rozproszenie i ewentualne nietypowe wartości.

In this guide

• Czym są statystyki opisowe w pracy i po co je raportować?
• Jak opisać statystyki opisowe, żeby promotor widział sens danych?
• Jakie miary raportować dla różnych typów zmiennych?
• Jak przygotować tabelę statystyk opisowych bez przeładowania wyników?
• Jak wygląda wynik statystyki opisowej przykład w różnych dziedzinach?
• Jak połączyć statystyki opisowe z pytaniami badawczymi i hipotezami?
• Jakie błędy studenci najczęściej popełniają przy statystykach opisowych w pracy?
• Jak sprawdzić, czy opis jest gotowy do rozdziału wyników?

Czym są statystyki opisowe w pracy i po co je raportować?

Statystyki opisowe to podstawowe miary, które porządkują dane bez testowania hipotez. W pracy licencjackiej lub magisterskiej służą głównie do opisania próby, zmiennych i pierwszych wzorców w wynikach. Dzięki nim czytelnik widzi, z jakimi danymi pracujesz, zanim przejdziesz do porównań, zależności lub interpretacji.

Definicja bez żargonu

Statystyki opisowe to liczby i zestawienia, które odpowiadają na pytanie: „Jak wyglądają moje dane?”. Nie mówią jeszcze, czy różnica jest statystycznie istotna ani czy jedna zmienna wpływa na drugą. Pokazują natomiast, ile osób odpowiedziało, jakie odpowiedzi dominowały, jaki był typowy wynik i jak bardzo wyniki różniły się między sobą.

W praktyce studenckiej statystyki opisowe pojawiają się najczęściej w dwóch miejscach. Pierwsze to opis próby, np. płeć, wiek, kierunek studiów, staż pracy, oddział szpitalny albo typ organizacji. Drugie to opis zmiennych badawczych, np. poziom stresu, satysfakcja z pracy, wynik testu wiedzy, liczba godzin nauki lub ocena jakości obsługi.

Jeśli dopiero ustalasz, jakie zmienne masz w badaniu, pomocny będzie tekst Od pojęcia do mierzalnej zmiennej. Dobre statystyki opisowe zaczynają się wcześniej niż w arkuszu kalkulacyjnym: od jasnego określenia, co mierzysz i na jakiej skali.

Dlaczego promotorzy pytają o opis danych

Promotor nie prosi o statystyki opisowe po to, żeby wydłużyć rozdział wyników. Chce zobaczyć, czy rozumiesz własne dane. Jeżeli w ankiecie na temat stresu akademickiego masz 92% kobiet i 8% mężczyzn, taki opis zmienia sposób czytania całego badania. Jeżeli średnia wieku wynosi 23 lata, ale zakres to od 19 do 58 lat, trzeba sprawdzić, czy starsze osoby nie tworzą nietypowej podgrupy.

Statystyki opisowe pomagają też wychwycić błędy techniczne. Minimalna wartość „wieku” równa 3 albo maksymalna odpowiedź 99 w skali od 1 do 5 sugerują problem z kodowaniem. Bez opisu danych można przejść do testów, które wyglądają profesjonalnie, ale opierają się na źle przygotowanym zbiorze.

Co statystyki opisowe robią, a czego nie robią

Opis próby mówi, kto znalazł się w badaniu. Opis zmiennych mówi, jakie wartości przyjęły mierzone cechy. Wnioskowanie statystyczne zaczyna się dopiero wtedy, gdy testujesz różnice, zależności lub przewidywania.

W pracy akademickiej warto trzymać te poziomy osobno. Zdanie „kobiety częściej deklarowały wysoki stres” może być opisem, jeśli podajesz wyłącznie procenty. Staje się wynikiem analizy porównawczej dopiero wtedy, gdy pokazujesz test, np. chi-kwadrat albo test U Manna-Whitneya. Jeśli nie masz pewności, jaki test pasuje do danych, zobacz Drzewo decyzji do wyboru testu statystycznego.

Jak opisać statystyki opisowe, żeby promotor widział sens danych?

Opis statystyk opisowych powinien wskazywać najważniejszy wzorzec w tabeli, a nie powtarzać każdą liczbę. Najpierw nazwij zmienną i próbę, potem podaj miarę tendencji centralnej, miarę rozproszenia oraz krótką interpretację. Dobre zdanie odpowiada na pytanie: „Co ta liczba mówi o badanej grupie?”.

Prosta kolejność opisu

Jeśli zastanawiasz się, jak opisać statystyki opisowe w rozdziale wyników, zacznij od stałej kolejności. Nie musi być sztywna w każdej pracy, ale pomaga uniknąć chaotycznego przepisywania tabel.

1. Określ, czego dotyczy zmienna i ile obserwacji obejmuje opis.
2. Podaj właściwą miarę typowego wyniku: średnią, medianę albo najczęstszą kategorię.
3. Dodaj miarę zróżnicowania: odchylenie standardowe, zakres, kwartyle albo procenty.
4. Wskaż wzorzec, który ma znaczenie dla pytania badawczego.
5. Nie interpretuj przyczyn, jeśli nie wykonałeś analizy, która je sprawdza.

Przykład: „W badanej grupie studentów średni wynik w skali stresu akademickiego wyniósł 3.42 przy odchyleniu standardowym 0.81, co wskazuje na umiarkowany poziom stresu i zauważalne zróżnicowanie odpowiedzi”. To jedno zdanie mówi więcej niż lista: „średnia 3.42, SD 0.81, minimum 1.20, maksimum 5.00”.

Słaby i lepszy opis tego samego wyniku

Poniższe porównanie pokazuje, dlaczego sam zestaw liczb nie wystarcza. Student często wie, co ma w tabeli, ale nie przekłada tego na sensowny opis.

Słaba wersja studencka	Lepsza wersja do rozdziału wyników
„Średnia stresu wyniosła 3.42, odchylenie 0.81, minimum 1.20, maksimum 5.00. Wyniki są w tabeli.”	„Średni poziom stresu akademickiego w badanej grupie był umiarkowany (M = 3.42; SD = 0.81). Zakres wyników od 1.20 do 5.00 pokazuje, że w próbie znalazły się zarówno osoby o niskim, jak i bardzo wysokim nasileniu stresu.”
„Kobiet było 70%, mężczyzn 30%.”	„W próbie przeważały kobiety, które stanowiły 70% badanych; dlatego wyniki należy czytać jako opis grupy z wyraźną przewagą respondentek.”
„Satysfakcja ma średnią 4.1.”	„Ocena satysfakcji z obsługi była wysoka (M = 4.10 w skali 1–5), co sugeruje przewagę odpowiedzi pozytywnych.”

Lepsza wersja nie dodaje nieuprawnionych wniosków. Nadal nie mówi, że stres „wynika z” konkretnego czynnika. Pokazuje tylko poziom, rozproszenie i konsekwencję dla czytania dalszych wyników.

Średnia i odchylenie standardowe opis bez nadmiaru formuł

Fraza „średnia i odchylenie standardowe opis” często pojawia się w wyszukiwarkach, bo wielu studentów wie, że ma podać M i SD, ale nie wie, jak to ubrać w zdanie. Najprostszy schemat brzmi: „Średni wynik [zmienna] wyniósł [M], a odchylenie standardowe [SD], co oznacza [krótki opis poziomu i zróżnicowania]”.

Średnia to przeciętny wynik w grupie. Odchylenie standardowe pokazuje, jak bardzo wyniki oddalają się od średniej. Małe SD oznacza, że odpowiedzi były do siebie podobne; duże SD sugeruje większe różnice między badanymi.

W pracy nie trzeba tłumaczyć wzoru na odchylenie standardowe, chyba że promotor tego oczekuje. Lepiej pokazać, co ta miara mówi o danych: „Niskie odchylenie standardowe wskazuje, że większość respondentów oceniała jakość zajęć podobnie”.

Jakie miary raportować dla różnych typów zmiennych?

Dobór miar zależy od tego, czy zmienna jest jakościowa, porządkowa czy ilościowa. Dla kategorii raportuj liczebności i procenty, dla skali porządkowej często medianę oraz rozkład odpowiedzi, a dla zmiennych ilościowych średnią, odchylenie standardowe, minimum i maksimum. Nie każda liczba z programu statystycznego pasuje do każdej zmiennej.

Zmienne jakościowe: liczebności i procenty

Zmienna jakościowa dzieli obserwacje na kategorie, np. płeć, kierunek studiów, miejsce zamieszkania, typ zatrudnienia albo oddział szpitalny. Dla takich danych nie ma sensu podawać średniej. Kod „1 = kobieta, 2 = mężczyzna” jest tylko etykietą techniczną, nie wartością liczbową do uśredniania.

Dla zmiennych jakościowych raportuj najczęściej:

• liczebność kategorii, np. n = 84;
• procent w próbie, np. 63.2%;
• brakujące dane, jeśli są widoczne i mają znaczenie;
• kategorię dominującą, jeśli pomaga opisać próbę.

Przykład z psychologii: w badaniu dobrostanu studentów psychologii można napisać, że 68.5% próby stanowiły osoby studiujące stacjonarnie, a 31.5% niestacjonarnie. Taki opis daje kontekst dla późniejszych wyników dotyczących stresu, snu lub satysfakcji ze studiowania.

Zmienne porządkowe: mediana, kwartyle i rozkład odpowiedzi

Zmienna porządkowa ma kategorie ułożone od niższej do wyższej, ale odległości między nimi nie zawsze są równe. Przykładem są odpowiedzi typu: „zdecydowanie się nie zgadzam”, „raczej się nie zgadzam”, „ani tak, ani nie”, „raczej się zgadzam”, „zdecydowanie się zgadzam”.

W praktyce prac licencjackich i magisterskich skale Likerta często opisuje się średnią i odchyleniem standardowym, zwłaszcza gdy kilka pozycji tworzy sumaryczny indeks. Warto jednak sprawdzić oczekiwania promotora i metodologię przyjętą w danej dyscyplinie. Dla pojedynczych pozycji bezpieczniej bywa pokazać procenty odpowiedzi albo medianę.

Przykład z edukacji: w ankiecie o ocenianiu zdalnym pojedyncze pytanie „Zajęcia online ułatwiały mi aktywny udział” można przedstawić jako rozkład procentowy pięciu odpowiedzi. Jeśli natomiast tworzysz skalę „zaangażowania w naukę online” z 8 pozycji, średnia skali może być uzasadniona.

Zmienne ilościowe: średnia, SD, mediana i zakres

Zmienna ilościowa przyjmuje wartości liczbowe, które mają sens matematyczny, np. wiek, liczba godzin pracy tygodniowo, wynik testu wiedzy, poziom glukozy, czas reakcji albo suma punktów w skali.

Dla takich zmiennych często raportuje się:

• N, czyli liczbę ważnych obserwacji;
• M, czyli średnią;
• SD, czyli odchylenie standardowe;
• Me, czyli medianę;
• min. i maks., czyli zakres obserwowanych wartości.

Przykład z nauk o zdrowiu: w pracy pielęgniarskiej dotyczącej przestrzegania zaleceń lekowych przez pacjentów po wypisie do opieki domowej warto opisać wiek pacjentów, liczbę przyjmowanych leków i wynik skali samoopieki. Jeżeli wiek ma rozkład względnie symetryczny, średnia i SD będą czytelne. Jeżeli liczba leków jest silnie skośna, mediana i zakres międzykwartylowy mogą lepiej oddawać typową sytuację pacjenta.

Jak przygotować tabelę statystyk opisowych bez przeładowania wyników?

Tabela statystyk opisowych powinna zbierać najważniejsze miary w jednym miejscu i ułatwiać czytelnikowi porównanie zmiennych. Nie powinna zawierać wszystkiego, co wygenerował program. Najlepsza tabela jest krótka, konsekwentnie opisana i dopasowana do skali pomiaru.

Co powinno znaleźć się w tabeli

Dobra tabela statystyk opisowych ma jasny tytuł, nazwy zmiennych, liczebności i dobrane miary. Jeśli w tabeli mieszasz zmienne jakościowe i ilościowe, rozważ dwie osobne tabele: jedną dla charakterystyki próby, drugą dla głównych zmiennych badawczych.

Przykładowy układ dla zmiennych ilościowych:

Zmienna	N	M	SD	Me	Min.–Maks.
Stres akademicki	126	3.42	0.81	3.50	1.20–5.00
Satysfakcja ze studiów	126	3.88	0.67	4.00	2.10–5.00
Liczba godzin nauki tygodniowo	124	11.60	6.40	10.00	1.00–35.00

Taki układ pozwala szybko zobaczyć poziom zmiennych i rozproszenie wyników. Jeśli któraś zmienna ma mniejsze N, tabela od razu pokazuje brakujące dane. W opisie pod tabelą możesz wyjaśnić skróty: M — średnia, SD — odchylenie standardowe, Me — mediana.

Kiedy tabela jest za duża

Tabela robi się nieczytelna, gdy próbujesz pokazać każdą odpowiedź z ankiety jako osobną zmienną. Jeśli kwestionariusz ma 40 pytań, nie wszystkie muszą trafić do głównego rozdziału wyników. Część można przenieść do aneksu, a w tekście głównym zostawić skale zbiorcze lub zmienne bezpośrednio powiązane z pytaniami badawczymi.

Problem pojawia się też wtedy, gdy obok każdej zmiennej umieszczasz zbyt wiele kolumn: średnia, mediana, dominanta, wariancja, SD, błąd standardowy, skośność, kurtoza, minimum, maksimum, percentyle. Taki zestaw może wyglądać „naukowo”, ale często utrudnia czytanie. W pracy na poziomie licencjackim lub magisterskim lepiej uzasadnić kilka miar niż zasypać czytelnika liczbami.

Przykład: wersja przeładowana i poprawiona

Wersja przeładowana	Wersja bardziej użyteczna
18 pozycji ankiety dotyczących satysfakcji, każda z osobną średnią, medianą, dominantą, wariancją, SD, skośnością i kurtozą	3 skale zbiorcze: satysfakcja z treści zajęć, satysfakcja z kontaktu z prowadzącym, satysfakcja z organizacji; dla każdej N, M, SD, Me
Tabela częstości dla każdej kategorii wieku: 19, 20, 21, 22, 23 itd.	Opis wieku jako zmiennej ilościowej: M, SD, Me, min.–maks.; ewentualnie grupy wieku, jeśli mają sens analityczny
Wszystkie pytania metryczkowe w jednej tabeli z głównymi zmiennymi badawczymi	Osobna tabela „Charakterystyka próby” i osobna tabela „Statystyki opisowe zmiennych głównych”

Jeżeli dopiero projektujesz ankietę, sposób późniejszego raportowania warto przemyśleć już na etapie pytań i skal. Pomaga w tym tekst Projektowanie ankiety do pracy akademickiej, bo dobrze zbudowane pytanie daje dane, które da się jasno opisać.

Jak wygląda wynik statystyki opisowej przykład w różnych dziedzinach?

Wyniki statystyki opisowej wyglądają inaczej w zależności od dyscypliny, rodzaju próby i zmiennych. W psychologii często opisuje się skale i wyniki testów, w naukach o zdrowiu parametry pacjentów lub wskaźniki opieki, a w zarządzaniu dane o organizacjach, klientach albo pracownikach. Zasada jest ta sama: liczby mają dać kontekst dla późniejszej interpretacji.

Przykład z psychologii i nauk społecznych

Załóżmy, że praca magisterska dotyczy związku między stresem akademickim a jakością snu u studentów. Zmiennymi głównymi są wynik skali stresu i wynik kwestionariusza jakości snu. Opis może wyglądać tak:

„W badanej grupie średni poziom stresu akademickiego wyniósł 3.42 (SD = 0.81) w skali od 1 do 5. Średni wynik jakości snu wyniósł 6.80 punktu (SD = 2.10), przy zakresie od 2 do 14 punktów. Wyniki wskazują na umiarkowany poziom stresu oraz zróżnicowaną jakość snu w badanej próbie.”

Ten opis nie mówi jeszcze, czy stres koreluje ze snem. Przygotowuje grunt pod późniejszą analizę zależności. Jeśli celem pracy jest relacja między zmiennymi, warto upewnić się, że pytania i hipotezy są spójne z danymi; pomocny może być tekst Schemat celu pracy i hipotez badawczych.

Przykład z nauk o zdrowiu i pielęgniarstwa

W pracy licencjackiej z pielęgniarstwa student może badać poziom wiedzy pacjentów po zawale serca na temat zaleceń dietetycznych. Próba obejmuje 80 pacjentów wypisywanych z oddziału kardiologicznego. Zmienne opisowe to wiek, płeć, wykształcenie, liczba wcześniejszych hospitalizacji i wynik testu wiedzy.

Opis może brzmieć:

„Średni wiek badanych pacjentów wyniósł 64.30 roku (SD = 9.70), a zakres wieku mieścił się od 45 do 82 lat. Najliczniejszą grupę stanowiły osoby z wykształceniem średnim (41.3%). Średni wynik testu wiedzy dietetycznej wyniósł 12.40 punktu na 20 możliwych (SD = 3.20), co wskazuje na umiarkowany poziom wiedzy w badanej grupie.”

Tu statystyki opisowe pomagają ocenić, czy próba pasuje do problemu badawczego. Inaczej interpretujesz wyniki u pacjentów młodych, inaczej u osób starszych z kilkoma hospitalizacjami.

Przykład z zarządzania i biznesu

W pracy z zarządzania student może analizować satysfakcję pracowników z komunikacji wewnętrznej w małych firmach usługowych. Próba obejmuje 112 pracowników z 15 organizacji. Zmienne obejmują staż pracy, wielkość firmy, ocenę komunikacji i deklarowaną chęć pozostania w organizacji.

Opis wyników statystyki opisowej może wyglądać tak:

„Respondenci pracowali w obecnych organizacjach średnio 3.80 roku (SD = 2.60), przy zakresie od 0.50 do 14 lat. Średnia ocena komunikacji wewnętrznej wyniosła 3.76 (SD = 0.74) w skali od 1 do 5. Najwyżej oceniano dostępność bezpośredniego przełożonego, natomiast najniżej przepływ informacji między działami.”

Ten fragment od razu pokazuje, które obszary komunikacji mogą wymagać dalszej analizy. Nie trzeba twierdzić, że komunikacja „powoduje” retencję pracowników, jeśli analiza tego nie sprawdza.

Jak połączyć statystyki opisowe z pytaniami badawczymi i hipotezami?

Statystyki opisowe powinny wynikać z pytań badawczych, hipotez i operacjonalizacji zmiennych. Najpierw sprawdzasz, co obiecałeś zbadać, potem wybierasz miary opisowe dla tych zmiennych. Dzięki temu rozdział wyników nie wygląda jak przypadkowy eksport z programu statystycznego.

Od pytania badawczego do tabeli

Jeśli pytanie brzmi: „Jaki jest poziom satysfakcji studentów z zajęć hybrydowych?”, statystyki opisowe są główną odpowiedzią. Wystarczy pokazać średnią, odchylenie standardowe, medianę i rozkład odpowiedzi dla skali satysfakcji.

Jeśli pytanie brzmi: „Czy poziom satysfakcji różni się między studentami studiów stacjonarnych i niestacjonarnych?”, statystyki opisowe nadal są potrzebne, ale jako przygotowanie do testu porównawczego. Wtedy warto pokazać średnią i SD osobno dla obu grup, a następnie wynik testu.

Dobry porządek wygląda tak:

1. Wypisz pytania badawcze i hipotezy.
2. Przy każdym pytaniu zaznacz zmienne, które będą analizowane.
3. Określ skalę pomiaru każdej zmiennej.
4. Dobierz miary opisowe do typu zmiennej.
5. Zdecyduj, czy opis ma dotyczyć całej próby, czy podgrup.
6. Dopiero potem buduj tabelę.

Ta kolejność zmniejsza ryzyko, że w tabeli znajdą się dane „bo program je pokazał”, a zabraknie tych, które są potrzebne do odpowiedzi na pytanie badawcze.

Statystyki opisowe przed testami

Przed testem t, korelacją, regresją albo testem chi-kwadrat zawsze warto pokazać podstawowy opis zmiennych. Czytelnik musi wiedzieć, jakie są średnie, odchylenia i liczebności grup, zanim zobaczy p-value. Sama istotność statystyczna bez opisu poziomu wyników bywa mało informacyjna.

Przykład: jeśli różnica satysfakcji między dwiema grupami jest istotna statystycznie, ale średnie wynoszą 4.12 i 4.28 w skali 1–5, interpretacja będzie ostrożna. Różnica istnieje, lecz jej praktyczne znaczenie może być niewielkie. Statystyki opisowe pomagają więc nie przeceniać samego testu.

Zgodność z rozdziałem metodologicznym

Opis statystyk powinien pasować do tego, co napisałeś w metodologii. Jeśli w rozdziale metodologicznym deklarujesz, że zmienną zależną jest wynik skali satysfakcji, to w wynikach powinna pojawić się statystyka opisowa tej skali. Jeżeli opisujesz tylko pojedyncze pytania, a pomijasz skalę zbiorczą, czytelnik może mieć problem ze zrozumieniem analizy.

Przy projektowaniu części empirycznej przydaje się Schemat wyboru metodologii badań. Statystyki opisowe nie są oderwanym dodatkiem; są konsekwencją wcześniejszych decyzji o metodzie, próbie, narzędziu i zmiennych.

Jakie błędy studenci najczęściej popełniają przy statystykach opisowych w pracy?

Najczęstsze błędy polegają na raportowaniu niewłaściwych miar, przepisywaniu całego wydruku z programu i interpretowaniu opisu tak, jakby był testem hipotezy. Problemem bywa też brak powiązania tabel z pytaniami badawczymi. Poniższe przykłady pokazują realne wersje zdań, które często trafiają do pierwszych szkiców.

Błędy z przykładami i poprawą

1. Uśrednianie kodów kategorii
   Przykład studenta: „Średnia płci wyniosła 1.32, co oznacza przewagę kobiet”.
   Korekta: dla płci podaj liczebności i procenty, np. „Kobiety stanowiły 68.0% próby, a mężczyźni 32.0%”. Kod liczbowy nie jest wynikiem do uśredniania.

2. Przepisywanie tabeli bez interpretacji
   Przykład studenta: „Średnia = 3.56, mediana = 3.50, SD = 0.77, minimum = 1, maksimum = 5”.
   Korekta: dodaj sens wyniku, np. „Ocena jakości kontaktu z prowadzącym była raczej wysoka (M = 3.56; SD = 0.77), choć zakres odpowiedzi wskazuje na obecność ocen skrajnych”.

3. Mylenie opisu z dowodem przyczynowym
   Przykład studenta: „Wysoka średnia stresu pokazuje, że egzaminy powodują pogorszenie snu”.
   Korekta: statystyka opisowa może pokazać wysoki stres, ale nie przyczynę. Napisz: „Wyniki wskazują na podwyższony poziom stresu; związek ze snem sprawdzono w dalszej analizie korelacyjnej”.

4. Brak informacji o skali pomiaru
   Przykład studenta: „Średnia satysfakcji wyniosła 4.2”.
   Korekta: podaj zakres skali, np. „Średnia satysfakcji wyniosła 4.20 w skali od 1 do 5, co oznacza przewagę ocen pozytywnych”.

5. Pomijanie braków danych
   Przykład studenta: „Badanie objęło 150 osób, więc wszystkie analizy wykonano dla N = 150”.
   Korekta: sprawdź liczebność ważnych odpowiedzi dla każdej zmiennej. Jeśli w skali stresu odpowiedziało 143 osób, wpisz N = 143 i krótko wyjaśnij różnicę, jeśli jest istotna.

Dlaczego te błędy obniżają wiarygodność rozdziału wyników

Promotor zwykle szybko zauważa, czy student rozumie skalę pomiaru. Średnia z numerów województw, płci lub kierunków studiów sygnalizuje problem podstawowy: liczby zostały potraktowane mechanicznie. Równie kłopotliwe jest zdanie, które wyciąga wnioski przyczynowe z samej średniej.

Błędy w statystykach opisowych psują też dalszą analizę. Jeśli źle opiszesz zmienne, trudniej będzie uzasadnić wybór testu. Jeśli pominiesz braki danych, czytelnik nie wie, czy różnice w N wynikają z błędu, filtrów ankiety czy niepełnych odpowiedzi. To nie są drobiazgi redakcyjne, lecz element kontroli jakości badania.

Jak sprawdzić, czy opis jest gotowy do rozdziału wyników?

Opis jest gotowy, gdy każda tabela ma jasny cel, każda miara pasuje do typu zmiennej, a tekst podaje sens najważniejszych liczb. Czytelnik powinien zrozumieć próbę i zmienne bez zaglądania do surowego arkusza danych. Przed oddaniem rozdziału warto sprawdzić spójność z metodologią, pytaniami badawczymi i hipotezami.

Ostatnia kontrola jakości

Przeczytaj rozdział wyników tak, jakbyś nie znał własnego badania. Czy wiadomo, ile osób obejmuje analiza? Czy wiadomo, w jakiej skali mierzono główne zmienne? Czy tabela statystyk opisowych odpowiada na pytania badawcze, czy raczej pokazuje wszystko, co było w arkuszu?

Dobrym testem jest próba usunięcia jednej kolumny z tabeli. Jeśli po usunięciu nic nie tracisz, kolumna prawdopodobnie była zbędna. Jeśli natomiast bez niej nie da się zrozumieć poziomu lub rozproszenia wyników, powinna zostać.

Before you move on: lista kontrolna statystyk opisowych

• Każda zmienna w tabeli ma jasną nazwę zgodną z metodologią.
• Dla zmiennych jakościowych podano liczebności i procenty, a nie średnie z kodów.
• Dla zmiennych ilościowych podano N oraz właściwe miary, np. M, SD, Me, min.–maks.
• W tekście wyjaśniono skalę pomiaru tam, gdzie sama liczba byłaby nieczytelna.
• Opis nie powtarza mechanicznie każdej komórki tabeli.
• Wskazano najważniejszy wzorzec, poziom lub rozproszenie wyników.
• Nie wyciągnięto wniosków przyczynowych z samych statystyk opisowych.
• Liczebności w tabelach są zgodne z brakami danych.
• Tabele są oddzielone tematycznie: charakterystyka próby i zmienne główne.
• Opis statystyk prowadzi logicznie do dalszych testów albo odpowiedzi na pytanie opisowe.
• Skróty takie jak M, SD i Me zostały wyjaśnione w podpisie lub przypisie.
• Wyniki są zapisane konsekwentnie pod względem miejsc po przecinku.

Jak zdecydować, ile tekstu wystarczy

W pracy licencjackiej opis statystyk opisowych bywa krótszy, szczególnie jeśli badanie ma prostą ankietę i niewiele zmiennych. W pracy magisterskiej oczekuje się zwykle bardziej świadomego doboru miar, komentarza do rozkładów i powiązania z dalszą analizą. Nie chodzi jednak o długość samą w sobie.

Dla jednej tabeli często wystarczą dwa lub trzy akapity. Pierwszy opisuje próbę lub ogólny poziom zmiennych, drugi wskazuje najważniejsze różnice albo zmienność, a trzeci przygotowuje przejście do testów. Jeśli masz wiele skal, nie opisuj każdej identycznym zdaniem. Wybierz te wyniki, które są ważne dla problemu badawczego.