Описова статистика в дослідженні: що подавати в результатах і навіщо

Ви вже зібрали анкети, експортували таблицю з Google Forms або SPSS, а в розділі результатів зависли на фразі “було проведено аналіз даних”. Саме тут описова статистика в дослідженні часто перетворюється на хаотичний набір чисел: десь середнє, десь відсотки, десь мінімум і максимум, але незрозуміло, чому саме ці показники потрібні читачеві. Керівник може написати на полях: “Опишіть вибірку”, “Додайте SD”, “Не дублюйте таблицю текстом”, “Де пропущені значення?”. Проблема не в тому, що ви не вмієте рахувати. Проблема в тому, що розділ результатів має не просто показати числа, а підготувати читача до висновків: що саме вимірювали, якими вийшли дані, наскільки вони стабільні та чи можна далі застосовувати статистичні тести.

Описова статистика потрібна, щоб коротко й чесно показати структуру даних до інтерпретації та перевірки гіпотез. Для числових змінних зазвичай подають кількість спостережень, середнє, стандартне відхилення, мінімум і максимум або медіану з квартилями; для категоріальних — частоти й відсотки. Добрий опис не переказує кожну клітинку таблиці, а пояснює, які значення є типовими, де є розкид і що це означає для вашого дослідження.

У цьому матеріалі

• Що таке описова статистика в дослідженні і навіщо вона потрібна
• Які описові статистики подавати для різних типів змінних
• Як описати середнє і стандартне відхилення без механічного переказу таблиці
• Як має виглядати таблиця описової статистики в курсовій або магістерській роботі
• Як виглядає описова статистика на прикладах із різних дисциплін
• Чим описова статистика відрізняється від перевірки гіпотез
• Які помилки студенти найчастіше роблять, коли подають описову статистику
• Як перевірити готовність описової статистики перед розділом результатів

Що таке описова статистика в дослідженні і навіщо вона потрібна?

Описова статистика в дослідженні — це набір показників, які стисло описують ваші дані: обсяг вибірки, типові значення, розкид, частоти, пропуски та крайні значення. Вона не доводить причинно-наслідкові зв’язки й не “підтверджує” гіпотезу сама по собі. Її завдання — зробити дані зрозумілими до складніших тестів і показати, що ви контролюєте власний матеріал.

Опис перед поясненням

У студентських роботах часто хочеться одразу перейти до фрази “гіпотеза підтвердилася”. Але читач не може оцінити перевірку гіпотези, якщо не бачить, з яких даних вона виросла. Наприклад, якщо ви досліджуєте зв’язок між навчальною мотивацією і середнім балом, спочатку треба показати, скільки студентів брали участь, який середній рівень мотивації, який середній бал, наскільки ці значення розкидані.

Середнє значення — це арифметичний центр числових даних: сума значень, поділена на їх кількість. Стандартне відхилення — це показник того, наскільки значення віддаляються від середнього. Якщо середнє однакове у двох групах, але стандартне відхилення різне, групи можуть виглядати зовсім по-різному: одна буде однорідною, інша — дуже різною всередині.

Що бачить керівник у доброму описі даних

Керівник або рецензент шукає не “багато статистики”, а логічний мінімум. Вони хочуть побачити, чи відповідають показники вашому типу змінних, чи немає прихованих проблем із вибіркою, чи підготовлені дані до подальшого аналізу.

У кількісній роботі описова статистика зазвичай відповідає на п’ять питань:

1. Скільки спостережень реально проаналізовано?
2. Яке значення є типовим для ключових змінних?
3. Наскільки відповіді або вимірювання відрізняються між собою?
4. Чи є пропущені, нульові або крайні значення?
5. Чи має сенс застосовувати запланований статистичний тест?

Якщо ви ще не визначили змінні, варто спочатку узгодити їх із метою, завданнями й гіпотезою. Для цього допомагає матеріал про схему операціоналізації змінних у кількісному дослідженні, бо описова статистика завжди прив’язана до того, що саме було виміряно.

Чому описова статистика не є “технічною дрібницею”

У курсовій, дипломній або магістерській роботі описова статистика часто займає небагато сторінок, але вона сильно впливає на довіру до результатів. Якщо ви не показали розподіл віку респондентів, частку чоловіків і жінок або середній бал за шкалою, читач не знає, кого саме описують ваші висновки.

Наприклад, фраза “студенти мають середній рівень тривожності” мало що означає без шкали, середнього, стандартного відхилення й кількості учасників. Якщо середнє дорівнює 3.1 за п’ятибальною шкалою, а стандартне відхилення становить 1.4, у вибірці є помітний розкид. Це вже не просто “середній рівень”, а сигнал: частина студентів має низькі значення, частина — високі, і це може бути важливим для подальшого аналізу.

Які описові статистики подавати для різних типів змінних?

Щоб зрозуміти, які описові статистики подавати, спочатку визначте тип кожної змінної: категоріальна, порядкова або числова. Для категорій подають частоти й відсотки; для числових змінних — середнє, стандартне відхилення, мінімум і максимум або медіану з квартилями. Для шкал Лайкерта рішення залежить від того, чи аналізуєте ви окремий пункт, чи сумарний бал за кількома пунктами.

Категоріальні змінні: частоти й відсотки

Категоріальна змінна — це змінна, значення якої є групами або назвами, а не числовою мірою. Наприклад: стать, форма навчання, спеціальність, тип зайнятості, наявність досвіду роботи.

Для таких змінних не треба рахувати середнє. Якщо ви закодували “бакалавр” як 1, а “магістр” як 2, середнє 1.42 не має змісту. Правильніше показати, скільки респондентів належить до кожної категорії та яку частку вибірки вони становлять.

Приклад для розділу результатів:

У вибірці було 86 студентів: 52 студенти бакалаврського рівня (60.5%) і 34 студенти магістерського рівня (39.5%). За формою навчання 61 респондент навчався на денній формі (70.9%), 25 — на заочній (29.1%).

Тут читач одразу бачить склад вибірки. Ви не перевантажуєте текст, але даєте достатньо інформації для оцінки контексту.

Числові змінні: центр і розкид

Числова змінна — це змінна, для якої різниця між значеннями має кількісний зміст. Приклади: вік, кількість годин навчання на тиждень, бал тесту, рівень доходу, сумарний бал за шкалою.

Для числових змінних часто подають:

• N — кількість валідних спостережень;
• M — середнє значення;
• SD — стандартне відхилення;
• Min і Max — мінімальне та максимальне значення;
• Me — медіану, якщо розподіл асиметричний;
• Q1–Q3 або IQR — квартилі чи міжквартильний розмах.

Якщо розподіл приблизно симетричний, середнє і стандартне відхилення зручні для читача. Якщо є сильна асиметрія або крайні значення, медіана часто дає точніше уявлення про типове значення.

Порядкові шкали та анкети

Порядкова змінна — це змінна, де значення можна впорядкувати, але відстань між ними не завжди однакова. Типовий приклад — окремий пункт анкети за шкалою від 1 до 5: “повністю не згоден” — “повністю згоден”.

Якщо ви аналізуєте окремі пункти шкали Лайкерта, можна подати частоти й відсотки для кожної відповіді. Якщо ви об’єднуєте кілька пунктів у сумарний або середній індекс, часто подають середнє, стандартне відхилення, мінімум і максимум. У роботі треба коротко пояснити, як створено індекс: наприклад, “показник академічної мотивації розраховано як середнє значення за шістьма пунктами”.

Швидке зіставлення типу змінної і показників

Тип змінної	Що подавати	Конкретний приклад	Чого не робити
Категоріальна	Частота, відсоток	Форма навчання: денна — 61 (70.9%), заочна — 25 (29.1%)	Не рахувати “середню форму навчання”
Порядкова, окремий пункт	Частоти за варіантами відповіді, іноді медіана	“Задоволеність навчанням”: 1–5 із частками відповідей	Не робити вигляд, що кожен пункт автоматично є точною числовою шкалою
Числова, симетрична	N, M, SD, Min, Max	Вік: M = 20.8, SD = 2.1, Min = 18, Max = 29	Не подавати лише середнє без розкиду
Числова, асиметрична	Me, Q1–Q3, Min, Max	Години роботи на тиждень: Me = 12, Q1–Q3 = 6–24	Не описувати крайні значення як “типові”
Сумарний бал шкали	N, M, SD, діапазон, надійність за потреби	Академічна мотивація: M = 3.42, SD = 0.71	Не забувати вказати, як розраховано бал

Як описати середнє і стандартне відхилення без механічного переказу таблиці?

Щоб зрозуміти, як описати середнє і стандартне відхилення, спочатку поясніть, що означає середній рівень змінної, а потім додайте, наскільки однорідними або різними були значення. Не треба повторювати в тексті кожне число з таблиці. Текст має вибирати головне: найвищі й найнижчі значення, помітний розкид, неочікувані відмінності або показники, важливі для гіпотези.

Слабкий і сильніший опис одного результату

Студенти часто пишуть так, ніби текст існує лише для дублювання таблиці. Через це розділ результатів виглядає сухо й не пояснює, навіщо читачеві ці числа.

Слабкий варіант	Сильніший варіант
Середнє значення мотивації становить 3.42, стандартне відхилення становить 0.71. Середнє значення тривожності становить 2.88, стандартне відхилення становить 1.03.	Середній рівень академічної мотивації був помірно високим (M = 3.42, SD = 0.71), тоді як показники тривожності мали нижче середнє значення, але більший розкид (M = 2.88, SD = 1.03). Це означає, що відповіді щодо тривожності були менш однорідними, ніж відповіді щодо мотивації.
Було пораховано середнє, мінімум, максимум і стандартне відхилення для всіх змінних.	Для ключових змінних подано середнє значення, стандартне відхилення та діапазон, щоб оцінити як типовий рівень показника, так і варіативність відповідей у вибірці.

Сильніший варіант не “прикрашає” результат, а пояснює різницю між показниками. Він показує, що автор розуміє, навіщо потрібне SD, а не просто вставив його з таблиці.

Формула текстового опису

Зручна формула для результатів така:

1. Назвіть змінну й одиницю вимірювання або шкалу.
2. Подайте середнє і стандартне відхилення в дужках.
3. Поясніть рівень показника відносно шкали або контексту.
4. Згадайте розкид, якщо він впливає на інтерпретацію.
5. Не переходьте до причин, якщо ви ще не проводили відповідний тест.

Приклад:

Середній бал академічної мотивації становив 3.42 за п’ятибальною шкалою (SD = 0.71), що вказує на помірно високий рівень показника у вибірці. Розкид відповідей був невеликим, тому більшість учасників тяжіла до близьких значень.

Це доречно, якщо шкала справді від 1 до 5 і ви можете інтерпретувати 3.42 як помірно високий рівень. Якщо шкала інша, треба змінити пояснення.

Як не перебільшити значення середнього

Середнє значення може вводити в оману, якщо розподіл асиметричний. Уявіть, що ви досліджуєте кількість годин підробітку серед студентів. П’ятеро працюють 0–5 годин на тиждень, а кілька студентів працюють по 35–40 годин. Середнє зросте, але воно не буде добре описувати “типового” студента.

У такому разі текст може виглядати так:

Кількість годин підробітку на тиждень мала асиметричний розподіл: медіана становила 10 годин, а міжквартильний діапазон — від 4 до 22 годин. Максимальне значення 40 годин свідчить про наявність окремих респондентів із високою зайнятістю.

Тут ви не приховуєте крайні значення, але й не дозволяєте їм викривити опис вибірки.

Як має виглядати таблиця описової статистики в курсовій або магістерській роботі?

Таблиця описової статистики має бути короткою, читабельною і прив’язаною до ключових змінних дослідження. Зазвичай у ній подають назву змінної, кількість спостережень, середнє, стандартне відхилення, мінімум і максимум або медіану з квартилями. Таблиця не повинна містити всі можливі стовпці з програми, якщо вони не потрібні для відповіді на дослідницьке питання.

Мінімальна структура таблиці

Для курсової або магістерської роботи достатньо простої таблиці, якщо вона відповідає вашій методології. Наприклад:

Змінна	N	M	SD	Min	Max
Академічна мотивація	86	3.42	0.71	1.80	4.90
Навчальна тривожність	86	2.88	1.03	1.00	5.00
Самооцінка успішності	84	3.76	0.82	2.00	5.00

Після таблиці не треба писати: “У таблиці наведено N, M, SD, Min, Max”. Це вже видно. Краще пояснити, що саме помітно: яка змінна має найбільший розкид, де є пропуски, які показники важливі для подальшого аналізу.

Назви, округлення і примітки

Назви змінних мають збігатися з тим, як ви назвали їх у методології. Якщо в методологічному розділі йдеться про “навчальну тривожність”, не варто в таблиці раптово писати “стрес”. Так виникає враження, що змінні не продумані.

Округлення теж має бути послідовним. Для більшості студентських робіт достатньо двох знаків після коми: 3.42, 0.71, 21.35. Якщо показник є кількістю людей, десяткові знаки не потрібні. Якщо ви оформлюєте роботу за конкретним стандартом кафедри, орієнтуйтеся на нього.

Під таблицею можна додати коротку примітку:

Примітка. M — середнє значення; SD — стандартне відхилення; N — кількість валідних спостережень.

Це корисно, якщо в роботі є читачі, які не працюють зі статистикою щодня.

Коли потрібна окрема таблиця для вибірки

Опис вибірки часто краще подавати окремо від опису основних змінних. Наприклад, демографічні характеристики — стать, курс, форма навчання, досвід роботи — можна винести в одну таблицю з частотами та відсотками. Основні шкали або вимірювані показники — в іншу таблицю з середніми й стандартними відхиленнями.

Це особливо зручно для робіт, де є кілька блоків анкети. Якщо ви тільки будуєте логіку розділів, може допомогти ієрархічний план розділів академічної роботи: результати легше писати, коли вибірка, опис змінних і перевірка гіпотез не змішані в одному абзаці.

До і після редагування таблиці

Було в роботі студента	Після редагування
“Результати анкетування показали різні значення за всіма питаннями.”	“Для трьох сумарних шкал подано N, M, SD, Min і Max; окремі демографічні змінні винесено в таблицю частот.”
Таблиця містить 28 окремих питань анкети без групування.	Таблиця містить 4 індекси: мотивація, тривожність, задоволеність, самооцінка успішності.
У стовпцях є “Skewness”, “Kurtosis”, “Std. Error”, але текст їх не пояснює.	Залишено лише показники, які використовуються в описі; асиметрію згадано окремо, якщо вона впливає на вибір тесту.
Назви змінних скорочені як “Q1”, “Q2”, “Q3”.	Назви змінних зрозумілі: “Підтримка викладача”, “Навчальна мотивація”, “Стрес перед іспитом”.

Як виглядає описова статистика на прикладах із різних дисциплін?

Описова статистика виглядає по-різному залежно від дисципліни, але логіка та сама: показати склад вибірки, типові значення й розкид ключових змінних. У психології це можуть бути бали за шкалами, у медсестринстві — клінічні або поведінкові показники, у менеджменті — оцінки процесів чи результативності. Добрий приклад завжди пов’язує число з конкретним вимірюванням, а не залишає його без контексту.

Психологія та соціальні науки

У психологічній курсовій про зв’язок між прокрастинацією і навчальною тривожністю описова статистика може виглядати так:

У дослідженні взяли участь 112 студентів віком від 17 до 24 років (M = 19.8, SD = 1.6). Середній рівень академічної прокрастинації становив 3.27 за п’ятибальною шкалою (SD = 0.84), а середній рівень навчальної тривожності — 3.05 (SD = 0.91). Обидва показники мали помірний розкид, що дає підстави аналізувати індивідуальні відмінності між респондентами.

Тут опис не стверджує, що прокрастинація “спричиняє” тривожність. Він лише показує, якими є два показники у вибірці. Для причинних або кореляційних висновків потрібен окремий аналіз.

Медичні науки та медсестринство

У роботі з медсестринства про прихильність літніх пацієнтів до прийому ліків після виписки на домашній догляд описова статистика має враховувати і соціально-демографічні, і медичні змінні:

Вибірка складалася з 64 пацієнтів віком від 60 до 82 років; середній вік становив 69.4 року (SD = 5.8). Медіана кількості призначених препаратів дорівнювала 4, а міжквартильний діапазон — від 3 до 6 препаратів. Низький рівень прихильності до прийому ліків було зафіксовано у 18 пацієнтів (28.1%), середній — у 31 пацієнта (48.4%), високий — у 15 пацієнтів (23.4%).

Тут медіана доречна, бо кількість препаратів може бути асиметричною: кілька пацієнтів із дуже великою кількістю призначень можуть сильно змінити середнє.

Освіта та педагогіка

У педагогічному дослідженні про вплив формувального оцінювання на залученість студентів описова статистика може поєднувати результати тесту й анкету:

До початку впровадження формувального оцінювання середній бал залученості становив 2.91 (SD = 0.77), після завершення модуля — 3.48 (SD = 0.69). Середній результат підсумкового тесту становив 76.3 бала зі 100 (SD = 8.5). Описові показники свідчать про вищий середній рівень залученості після втручання, але для оцінки статистичної значущості різниці потрібна окрема перевірка.

Останнє речення важливе: описова статистика може показати напрям зміни, але не доводить, що різниця не випадкова.

Бізнес і менеджмент

У роботі з менеджменту про задоволеність працівників внутрішньою комунікацією можна описати дані так:

В опитуванні взяли участь 95 працівників сервісної компанії. Середня оцінка прозорості комунікації становила 3.18 за п’ятибальною шкалою (SD = 0.96), а середня оцінка швидкості отримання управлінської інформації — 2.74 (SD = 1.11). Найбільший розкид відповідей спостерігався за показником швидкості комунікації, що може вказувати на різний досвід працівників у різних підрозділах.

Тут описова статистика допомагає побачити управлінську проблему ще до складного аналізу: оцінки швидкості не лише нижчі, а й менш однорідні.

Чим описова статистика відрізняється від перевірки гіпотез?

Описова статистика описує те, що є у вашій вибірці, а перевірка гіпотез оцінює, чи можна вважати спостережувані відмінності або зв’язки статистично значущими. Середнє, медіана й відсотки не відповідають на питання “чи доведено гіпотезу?”. Для цього потрібні тести: кореляція, t-тест, χ², ANOVA, регресія або інші методи залежно від даних.

Різні питання — різні інструменти

Описова статистика відповідає на питання: “Якими є дані?”. Перевірка гіпотез відповідає на питання: “Чи достатньо сильна різниця або асоціація, щоб не вважати її випадковою в межах обраного методу?”.

Наприклад, ви порівнюєте рівень академічної мотивації студентів бакалаврату й магістратури. Описова статистика може показати:

• бакалаври: M = 3.31, SD = 0.76;
• магістри: M = 3.58, SD = 0.64.

Це ще не означає, що магістри “статистично значуще більш мотивовані”. Для такого висновку треба вибрати відповідний тест. Якщо ви не впевнені, який тест відповідає вашій ситуації, корисною буде візуальна схема вибору статистичного тесту.

Як описова статистика готує вибір тесту

Перед тестом ви дивитеся на тип змінних, розподіл, кількість груп, пропуски й можливі крайні значення. Саме описова статистика показує, чи є підстави для параметричних тестів, чи краще розглянути непараметричні альтернативи.

Наприклад:

1. Якщо залежна змінна числова й приблизно симетрична, можна розглядати t-тест або ANOVA для порівняння груп.
2. Якщо залежна змінна порядкова або розподіл дуже асиметричний, доречними можуть бути непараметричні тести.
3. Якщо обидві змінні категоріальні, частіше потрібна таблиця спряженості та χ².
4. Якщо ви аналізуєте зв’язок між двома числовими змінними, спочатку варто подивитися на описові показники й діаграму розсіювання.

Цей крок не є формальністю. Якщо ви пропустите опис даних, вибір тесту може виглядати випадковим.

Зв’язок із методологією

Описова статистика має відповідати тому, що ви обіцяли в методологічному розділі. Якщо в методології зазначено кількісне опитування з аналізом зв’язку між змінними, у результатах логічно спочатку описати вибірку й змінні, а вже потім подавати кореляції або регресію.

Якщо методологія ще не вибудувана, зверніться до матеріалу про візуальну схему вибору методології дослідження. Описова статистика не існує окремо від дизайну: вона залежить від того, що ви вимірюєте, кого досліджуєте і яку відповідь шукаєте.

Які помилки студенти найчастіше роблять, коли подають описову статистику?

Студенти найчастіше помиляються не в самих обчисленнях, а в логіці подання: рахують середнє для категорій, дублюють таблицю текстом, не пояснюють шкалу, приховують пропуски або роблять причинні висновки з описових чисел. Такі помилки знижують довіру до результатів навіть тоді, коли дані зібрані нормально. Виправлення зазвичай починається з простого питання: який показник допомагає читачеві зрозуміти саме цю змінну?

Типові помилки з реалістичними прикладами

1. Середнє для змінної, де воно не має змісту.
   Приклад студента: “Середнє значення спеціальності становить 2.31”.
   Виправлення: якщо спеціальності закодовані числами, ці числа є лише кодами. Подайте частоти: “Менеджмент — 38 осіб (44.2%), психологія — 27 осіб (31.4%), право — 21 особа (24.4%)”.

2. Переказ усіх клітинок таблиці без аналітичного фокуса.
   Приклад студента: “Мотивація має M = 3.42, SD = 0.71, Min = 1.80, Max = 4.90. Тривожність має M = 2.88, SD = 1.03, Min = 1.00, Max = 5.00”.
   Виправлення: залиште таблицю для чисел, а в тексті назвіть головне: “Найбільший розкид спостерігався за тривожністю, що вказує на неоднорідність відповідей”.

3. Опис без шкали вимірювання.
   Приклад студента: “Середнє значення задоволеності становить 3.8, тобто показник високий”.
   Виправлення: додайте шкалу: “За п’ятибальною шкалою середнє значення задоволеності становило 3.8 (SD = 0.62), що відповідає рівню вище середнього”.

4. Ігнорування пропущених значень.
   Приклад студента: “У дослідженні взяли участь 100 осіб”, але в таблиці для ключової змінної N = 87.
   Виправлення: поясніть різницю: “Для змінної ‘дохід’ валідними були 87 відповідей, оскільки 13 респондентів не надали цю інформацію”.

5. Причинний висновок із описової різниці.
   Приклад студента: “Після тренінгу середній бал став вищим, отже тренінг підвищив результативність”.
   Виправлення: напишіть обережніше: “Після тренінгу середній бал був вищим; для оцінки статистичної значущості цієї різниці потрібен парний t-тест або інший відповідний метод”.

Чому ці помилки часто з’являються в роботах

Більшість помилок виникає через копіювання таблиці з Excel, SPSS або Jamovi без адаптації до дослідницького питання. Програма може видати багато показників, але вона не знає, що саме потрібно вашій роботі. Автор має вирішити, які числа допомагають відповісти на мету й завдання.

Ще одна причина — слабкий зв’язок між темою, змінними та гіпотезою. Якщо мета сформульована загально, описова статистика теж стає загальною. Саме тому перед аналізом варто перевірити, чи дослідницьке питання, змінні та гіпотези узгоджені між собою. Для цього корисний матеріал про схему зв’язку між метою, завданнями та гіпотезою дослідження.

Як перевірити готовність описової статистики перед розділом результатів?

Готова описова статистика має відповідати трьом умовам: кожна змінна описана показниками, доречними для її типу; таблиці не перевантажені зайвими стовпцями; текст пояснює головні патерни, а не дублює всі числа. Перед здачею розділу перевірте також пропуски, одиниці вимірювання, шкали, округлення й узгодженість назв змінних. Якщо після таблиці читач розуміє, кого ви досліджували і якими є ключові дані, опис виконує свою функцію.

Послідовність самоперевірки

Перед тим як переходити до кореляцій, порівнянь або регресії, пройдіть короткий процес:

1. Випишіть усі змінні, які прямо пов’язані з метою, завданнями й гіпотезами.
2. Позначте тип кожної змінної: категоріальна, порядкова, числова.
3. Для кожної змінної виберіть відповідні описові показники.
4. Перевірте кількість валідних відповідей і пропуски.
5. Подивіться, чи немає крайніх значень, які впливають на середнє.
6. Створіть таблиці окремо для вибірки та для основних змінних, якщо це робить розділ зрозумілішим.
7. Напишіть 1–3 абзаци інтерпретації після кожної ключової таблиці.
8. Перевірте, чи не з’явилися причинні висновки там, де були лише описові показники.

Ця послідовність допомагає не загубитися між числами й не перетворити результати на безладну вставку з програми.

Перед переходом далі: чекліст описової статистики

• Для кожної змінної визначено тип шкали вимірювання.
• Категоріальні змінні описано частотами й відсотками.
• Числові змінні описано через N, середнє, стандартне відхилення та діапазон або через медіану й квартилі.
• У таблицях немає зайвих стовпців, які не пояснюються в тексті.
• Назви змінних збігаються з методологічним розділом.
• Пропущені значення не приховані й не створюють плутанини з N.
• Одиниці вимірювання або шкали відповідей зрозумілі читачеві.
• Округлення чисел послідовне в усіх таблицях.
• Текст після таблиці пояснює головні спостереження, а не повторює всі клітинки.
• Описові результати не подані як доказ причинності або статистичної значущості.
• Подальший статистичний тест логічно випливає з типу змінних і структури даних.

Як зрозуміти, що текст уже достатній

Текст достатній, якщо після нього можна відповісти на прості питання: хто був у вибірці, які ключові показники виміряно, які значення є типовими, де є розкид, чи є обмеження даних. Не треба додавати ще одну таблицю лише тому, що програма її створила. Краще мати дві зрозумілі таблиці й точний коментар, ніж п’ять таблиць без пояснення.

У студентській роботі добрий розділ результатів не має виглядати як звіт статистичної програми. Він має бути академічним текстом, де числа підпорядковані дослідницькому питанню. Саме тому описова статистика — це не “додаток до аналізу”, а перший шар аргументації: вона показує, на які дані спирається вся подальша інтерпретація.

Рекомендовані внутрішні посилання

(Метадані системи збірки — не видаляти цей розділ)

• Схема операціоналізації змінних у кількісному дослідженні
• Візуальна схема вибору статистичного тесту
• Ієрархічний план розділів академічної роботи
• Схема зв’язку між метою, завданнями та гіпотезою дослідження