Jesteś autorem/wydawcą tego dokumentu/książki i zauważyłeś że ktoś wgrał ją bez Twojej zgody? Nie życzysz sobie, aby podgląd był dostępny w naszym serwisie? Napisz na adres
a my odpowiemy na skargę i usuniemy zabroniony dokument w ciągu 24 godzin.
Zobacz podgląd pliku o nazwie 10793 PDF poniżej lub pobierz go na swoje urządzenie za darmo bez rejestracji. Możesz również pozostać na naszej stronie i czytać dokument online bez limitów.
STATYSTYKA
Wprowadzenie do analizy danych
sonda�owych i eksperymentalnych
Gra�yna Wieczorkowska
oraz
Piotr Kocha�ski
Magdalena Eljaszuk
STATYSTYKA
Wprowadzenie do analizy danych
sonda�owych i eksperymentalnych
Wydawnictwo Naukowe Scholar
Redakcja i korekta: Magdalena Eljaszuk, Magdalena Pluta
Projekt ok�adki: Marta Karczewska
Grafiki w tek�cie i na ok�adce: Rafa� Kucharczuk
Copyright � 2004 by Wydawnictwo Naukowe Scholar, Sp�ka z o.o., Warszawa
ISBN 83-7383-083-9
Wydawnictwo Naukowe �Scholar" Sp�ka z o.o.
ul. Krakowskie Przedmie�cie 62, 00-322 Warszawa
tel./fax 828 95 63, 826 59 21, 828 93 91
dzia� handlowy 635 74 04 wew. 219 lub jw. wew. 105,108
e-mail:
[email protected]
http://www.scholar.com.pl
Wydanie drugie poprawione
Sk�ad i �amanie: WN �Scholar" (Jerzy �azarski)
Druk i oprawa: Paper & Tinta, Warszawa
Spis tre�ci
Wst�p........................................................ 9
Literatura................................................ 14
Rozdzia� 1.
Naukowy spos�b poszukiwania zwi�zk�w mi�dzy zmiennymi.
Rodzaje bada� ................................................ 15
1.1. Wprowadzenie............................................. 15
1.2. Operacjonalizacja zmiennych teoretycznych...................... 18
1.3. Badania korelacyjne......................................... 20
1.4. Badania eksperymentalne..................................... 22
1.5. Por�wnanie bada� eksperymentalnych i korelacyjnych............. 24
1.6. Analiza przyk�ad�w bada�.................................... 27
1.7. Test intuicji psychologicznej: zbi�r danych �LEARN".
Spos�b zapisywania wynik�w w komputerze..................... 30
1.8. Co oznaczaj� liczby w naukach spo�ecznych? Skale pomiarowe.
Zmienne nominalne, porz�dkowe i ilo�ciowe
(przedzia�owe i ilorazowe).................................... 35
1.9. Typ skali pomiarowej a rodzaj dopuszczalnych przekszta�ce�........ 41
Rozdzia� 2.
Rozk�ad zmiennej w pr�bie i w populacji. Miary tendencji centralnej
i rozproszenia.................................................. 45
2.1. Rozk�ad zmiennej w pr�bie................................... 45
2.2. Statystyki opisowe rozk�adu zmiennej. Miary tendencji centralnej
i rozproszenia.............................................. 51
2.3. Standaryzacja.............................................. 60
2.4. Rozk�ad zmiennej w populacji................................. 63
2.5. Rozk�ad normalny (rozk�ad Gaussa)............................ 66
2.6. Sposoby wykorzystania informacji dotycz�cej normalno�ci rozk�adu
zmiennej w populacji........................................ 70
Rozdzia� 3.
Wizualizacja danych. Tworzenie wska�nik�w z�o�onych.............. 75
3.1. Tworzenie wska�nik�w...................................... 75
3.2. Typowe problemy wyst�puj�ce przy tworzeniu wska�nik�w......... 80
3.3. Trafno�� i rzetelno�� wska�nika. Wsp�czynnik a Cronbacha........ 83
3.4. Ograniczenia i wady a Cronbacha.............................. 86
3.5. Przyk�ad zastosowania analizy czynnikowej do tworzenia
wska�nik�w............................................... 88
3.6. Wprowadzenie do wizualizacji danych.......................... 97
3.7. Wizualizacja rozk�adu zmiennej ............................... 99
3.8. Wizualizacja zale�no�ci mi�dzy zmiennymi...................... 111
Rozdzia� 4.
Testowanie hipotez statystycznych. Rozk�ad statystyki................ 117
4.1. Jak na podstawie pr�by mo�emy wnioskowa� o ca�ej populacji? ..... 117
4.2. Rozk�ad zmiennej w populacji i w pr�bie oraz rozk�ad statystyki,
na przyk�adzie populacji marsja�skiej........................... 118
4.3. Miary tendencji centralnej rozk�adu statystyki.................... 123
4.4. Miary rozproszenia rozk�adu statystyki ......................... 124
4.5. W jaki spos�b praktycznie wykorzystujemy znajomo�� rozk�adu
�rednich (statystyki M)l ..................................... 126
4.6. Por�wnanie trzech typ�w rozk�ad�w............................ 128
4.7. Centralne Twierdzenie Graniczne.............................. 130
4.8. Hipotezy statystyczne ....................................... 134
4.9. Kierunkowe i bezkierunkowe hipotezy badawcze.................. 138
4.10. Etapy testowania hipotez..................................... 140
4.11. Etapy wnioskowania statystycznego na podstawie wydruku
komputerowego............................................ 154
4.12. Ryzyko b��du.............................................. 155
Rozdzia� 5.
Test t Studenta. Przedzia� ufno�ci................................. 159
5.1. Rozk�ad t Studenta ......................................... 159
5.2. Zastosowanie testu t Studenta do testowania hipotezy
dla pojedynczej pr�by....................................... 161
5.3. Zastosowanie testu t do testowania hipotezy o r�wno�ci �rednich
na podstawie dw�ch pr�b zale�nych (schemat badawczy:
Pretest-Posttest) ........................................... 166
5.4. Zastosowanie testu t do por�wnania �rednich na podstawie
pr�b niezale�nych .......................................... 172
5.5. Przedzia� ufno�ci dla �rednich................................. 181
Rozdzia� 6.
Jednoczynnikowa analiza wariancji............................... 186
6.1. Ograniczenia stosowalno�ci testu t Studenta.
Dlaczego 3 jest lepsze ni� 2?.................................. 186
6.2. Jednoczynnikowa analiza wariancji............................. 187
6.3. Rozk�adFFishera.......................................... 190
6.4. Zastosowanie analizy wariancji do testowania hipotez
o r�wno�ci �rednich......................................... 193
6.5. Testy por�wna� poszczeg�lnych �rednich w analizie wariancji....... 210
Rozdzia� 7.
Dwuczynnikowa analiza wariancji................................ 217
7.1. Efekt interakcji ............................................ 217
7.2. Testowanie efekt�w g��wnych i interakcyjnych................... 221
7.3. Por�wnanie wynik�w jednoczynnikowej analizy wariancji
z analiz� dwuczynnikowa.................................... 232
7.4. Analiza wariancji z powtarzanymi pomiarami.................... 237
Rozdzia� 8.
Pomiar zwi�zku mi�dzy zmiennymi ilo�ciowymi: wsp�czynnik korelacji
liniowej i analiza regresji........................................ 242
8.1. Zwi�zek liniowy mi�dzy zmiennymi ilo�ciowymi.
Wykres korelacyjny (rozrzutu)................................. 242
8.2. Przewidywanie wynik�w zmiennej zale�nej na podstawie warto�ci
zmiennej niezale�nej. B��d predykcji............................ 245
8.3. Testowanie istotno�ci wsp�czynnika korelacji.................... 253
8.4. Problemy w interpretacji wsp�czynnika korelacji................. 257
8.5. Zastosowanie analizy regresji w badaniu LEARN.
Modyfikuj�cy wp�yw trzeciej zmiennej (grupa eksperymentalna)
na otrzymane zale�no�ci ..................................... 258
8.6. Regresja wielokrotna. Okre�lanie zwi�zku zmiennej zale�nej
z wi�cej ni� jednym predyktorem.............................. 260
8.7. Korelacje cz�stkowe........................................ 264
8.8. Wprowadzenie zmiennych nominalnych do r�wnania regresji........ 267
Rozdzia� 9.
Test % dla zmiennych nominalnych .............................. 270
9.1. Test hipotezy o zgodno�ci rozk�adu empirycznego z teoretycznym
(oczekiwanym)............................................. 270
9.2. Test hipotezy o niezale�no�ci dw�ch zmiennych nominalnych 275
9.3. Wyliczanie wsp�czynnik�w si�y zwi�zku........................ 285
Rozdzia� 10.
Podsumowanie i wskaz�wki dotycz�ce wyboru testu statystycznego .... 288
Tablice ....................................................... 303
Ksi��k� dedykuj� Januszowi Grzelakowi i Eugene 'owi Burnsteinowi,
moim profesorom, wsp�pracownikom i przyjacio�om
(w chronologicznej kolejno�ci).
Sp�dzi�am z nimi wiele godzin, analizuj�c
dane zar�wno eksperymentalne, jak i sonda�owe.
G.W.
Wst�p
Od kilkunastu lat by�am namawiana do napisania podr�cznika do statystyki. Na-
legali na to zar�wno psychologowie, jak i lekarze, kt�rych dane (tak eksperymental-
ne, jak i sonda�owe) analizowa�am i kt�rzy cenili sobie wysoko wyniki wsp�pracy.
Jest tak zapewne dlatego, �e mimo uko�czonych studi�w matematycznych statysty-
ka interesuje mnie tylko o tyle, o ile pomaga nam w wydobywaniu interesuj�-
cych informacji ze zgromadzonych danych. Sama od ponad 20 lat rozwi�zuj� za-
gadki psychologiczne i jestem przekonana, �e wiedzieliby�my ju� znacznie wi�cej,
gdyby badacze rozumieli, po co zbieraj� dane i co dalej si� z nimi dzieje. Zrozu-
mienie istoty statystyki jest potrzebne tak�e tym, kt�rzy sami nie przeprowa-
dzaj� bada�, ale je wykorzystuj�. Wszyscy dowiadujemy si�, �e wyniki bada�
wykaza�y wzrost notowa� rz�du, �e nale�y pi� sok pomidorowy itd. Je�eli nie rozu-
miemy istoty statystyki, nie jeste�my w stanie trafnie oceni� tych doniesie�.
Analizowa�am sporo bada� z r�nych dziedzin psychologii, socjologii, edukacji,
medycyny i widzia�am bezradno�� na przyk�ad w oczach lekarzy, kt�rzy nie rozumie-
li, co mog�, a czego nie mog�powiedzie� na podstawie otrzymanych wynik�w. A prze-
cie� nie jest to trudne. Trzeba mie� tylko dobrego nauczyciela lub dobry podr�cznik,
kt�ry wska�e drog�.
Niniejszy podr�cznik jest efektem do�wiadczenia, jakie zebra�am w czasie pro-
wadzenia dwuletniej specjalizacji �Metodologia bada� spo�ecznych" na Wydziale
Psychologii Uniwersytetu Warszawskiego i wyk�adu �Metodologia ze statystyk�"
w Szkole Wy�szej Psychologii Spo�ecznej.
Zaprosi�am do wsp�pracy dw�jk� m�odych asystent�w, kt�rzy ucz� �Zastosowa�
komputer�w w psychologii" w SWPS. Piotr Kocha�ski (kt�ry napisa� m.in. cz��
dotycz�c� wizualizacji wynik�w) jest doktorem fizyki od lat pracuj�cym z psychologa-
mi. Magda Eljaszukjest magistrem psychologii i doktorantk� Instytutu Studi�w Spo-
�ecznych Uniwersytetu Warszawskiego. To, jak nale�y uczy� analizy danych wszyscy
troje mieli�my okazj� podpatrywa� u mistrz�w - profesor�w wyk�adaj�cych w najlep-
szej szkole letniej w zakresie metodologii bada� ilo�ciowych w naukach spo�ecznych,
organizowanej ju� od 40 lat przez ICPSR (Inter-University Consortium for Political
Science). Ja w 1990 roku, Piotr w 1999, Magda w 2002 roku. By�o to mo�liwe dzi�ki
stypendiom uzyskanym za po�rednictwem Instytutu Studi�w Spo�ecznych UW od In-
stitute for Social Research, University of Michigan, Ann Arbor.
Wst�p
10
Moi koledzy dziwi� si�, �e nie nudzi mi si� uczenie, co to jest wariancja, wynik
istotny statystycznie itd. Nie nudzi mi si�, poniewa� ca�y czas szukam najlepszego
sposobu przekazania tej wiedzy. Zdecydowana wi�kszo�� moich student�w to ofiary
nauczycieli matematyki, kt�rzy wyrobili w nich przekonanie, �e ta dziedzina nauki
jest dla nich nie do poj�cia. Czasem mam wra�enie, �e zamiast kursu statystyki pro-
wadz� kurs zmiany postaw. Na pocz�tku wielu student�w twierdzi, �e oni niczego,
co jest zwi�zane z matematyk�, nie s� w stanie si� nauczy�. My�l� sobie wtedy nie
najlepiej o ich wiedzy psychologicznej. Powinni przecie� wiedzie�, �e zamiast pyta-
nia �CZY" nale�y postawi� pytanie �JAK". I -jak wynika ze znanego porzekad�a
�Kto chce, szuka sposob�w, kto nie chce, szuka powod�w", nale�y si� zastano-
wi�, w jaki spos�b zorganizowa� nauk�, aby jak najlepiej odpowiada�a naszym pre-
ferencjom poznawczym.
�Statystyka" - to brzmi dla wi�kszo�ci humanist�w bardzo gro�nie. Tym
samym terminem okre�lany jest przedmiot wyk�adany na matematyce, ekonomii,
zarz�dzaniu, socjologii, psychologii. Uczy si� tam jednak innych rzeczy - na mate-
matyce przypomina to nauk� budowy samochodu, na psychologii kurs jazdy samo-
chodem. Cz�owiek, kt�ry zna teori� budowy samochodu mo�e czu� si� bezradny, gdy
usi�dzie za kierownic�. Dobry kierowca mo�e nie zna� takich szczeg��w - cho� jest
du�o lepiej, je�eli rozumie og�lne zasady funkcjonowania pojazdu.
Podr�cznik jest pisany dla praktyk�w, a nie teoretyk�w, i dlatego jest pe�en
uproszcze�. Stosuj�c analogi� do nauki sztuki kulinarnej, nie b�dziemy studiowa�
proces�w chemicznych zachodz�cych podczas duszenia mi�sa, a skoncentrujemy si�
wy��cznie na heurystykach i algorytmach, jakie trzeba zastosowa�, aby to mi�so smacz-
nie przyrz�dzi�. Tak jak w r�kach kiepskiego kucharza mi�so mo�e zosta� spalone na
w�giel, tak w r�kach kiepskiego badacza ciekawe wyniki empiryczne mog� zosta�
niezauwa�one. Umiej�tno�� stosowania statystyki te� wymaga artyzmu. Ale zanim
stan� si� Pa�stwo artystami w analizowaniu danych, cz�sto obarczonych sporym szu-
mem, czeka nas sporo palc�wek. Prosz� mi zaufa�, cho� cz�sto b�d� si� one wyda-
wa�y sztuczne, to wykonywanie �wicze� ma g��bszy sens, ni� si� Pa�stwu wydaje.
Do nauki statystyki nale�y podej�� jak do nauki j�zyka. Najpierw trzeba na-
uczy� si� s��wek i sposobu budowania zda�. Wymaga to systematyczno�ci. Cz�ci
tych s��wek b�dziemy si� uczy� w dw�ch j�zykach r�wnocze�nie: angielskim i pol-
skim, poniewa� og�lnie przyj�te skr�ty, takie jak SS na okre�lenie sum kwadrat�w,
pochodz� od angielskich termin�w (SS-sum ofs�uares). Tak jak w ka�dym j�zyku,
i tu jest sporo synonim�w. Przyk�adowo, prawdopodobie�stwo pope�nienia b��du I.
rodzaju okre�lane jest jako poziom istotno�ci lub poziom ufno�ci. Symbol /? oznacza
zar�wno prawdopodobie�stwo pope�nienia b��du II rodzaju, jak i standaryzowany
wsp�czynnik regresji itd.
Tre�ci zawarte w podr�czniku s� maksymalnie uproszczone. Ka�dy jest w sta-
nie je przyswoi�, o ile tylko zechce, tzn. b�dzie szuka� sposob�w, a nie powod�w.
Trzeba jednak czyta� skrypt aktywnie - z o��wkiem, ewentualnie kalkulatorem, spraw-
dza� wszystkie obliczenia po kolei. Tylko aktywno�� w�asna mo�e przynie�� efek-
ty. Po latach oszcz�dzania niepotrzebnego wysi�ku uczniowi, karier� robi japo�ska
szko�a nauczania matematyki, kt�ra podstawow� rol� przypisuje wyuczeniu pew-
Wst�p
nych umiej�tno�ci, uzyskanie za� wgl�du jest zadaniem wt�rnym. Do tego podej�cia
zach�cam Czytelnika. Prosz� mi wierzy� - wykonanie �wicze� zawartych w pod-
r�czniku jest konieczne. Zosta�y czasem zostawione puste miejsca po to w�a�nie,
aby sk�oni� Czytelnika do si�gni�cia po o��wek. Po ka�dym rozdziale jest kolorowa
kartka, na kt�rej warto zapisa� to, co powinni�my zapami�ta�. Inaczej b�dzie to jak
ogl�danie kasety z nauk� jazdy samochodem. Oczywi�cie, �e mo�na obejrze�, ale
warto te� usi��� za kierownic�. Rozwi�zywanie �wicze� w podr�czniku jest jak jaz-
da z instruktorem. Przygotuje to Pa�stwa do samodzielnego prowadzenia samocho-
du. Nawet je�eli jeste�my przekonani, �e zrozumieli�my co to jest wariancja, b��d
standardowy, etapy testowania hipotez, to prawdziwe ukorzenienie tej wiedzy nast�-
pi dopiero wtedy, gdy samodzielnie przetestujemy kilkadziesi�t hipotez statystycz-
nych. �wiczenia zosta�y tak dobrane, aby by�o to bardzo proste.
O tym, �e przyj�ta przeze mnie metoda dydaktyczna jest skuteczna, przekonuj�
mnie wysokie oceny student�w. Na 318 oceniaj�cych mnie w lutym 2003 roku stu-
dent�w mediana oceny na pi�ciopunktowej skali na wymiarach: ciekawy wyk�ad,
kontakt ze s�uchaczami, zrozumia�o�� wyk�adu wynios�a odpowiednio 4, 5, 4. To
bardzo dobre oceny, bior�c pod uwag� fakt, �e gdy wchodz� na sal� po raz pierwszy,
studenci patrz� na mnie z wielk� niech�ci� ze wzgl�du na nazw� przedmiotu. Zupe�-
nie inaczej jestem witana na pierwszym wyk�adzie z psychologii spo�ecznej. Dlatego
ciesz� mnie do��czone do ankiet anonimowe uwagi:
� ten wyk�ad jest zrozumia�y nawet dla � zatwardzia�ych humanist�w ";
� � dzi�ki" relacjom moich znajomych statystyka jawi�a mi si� jako koszmar jakichkol-
wiek studi�w. Dzi�ki pani otwarto�ci wobec student�w oraz wyrozumia�ej �opatologii,
zaskakuj�c sam� siebie -polubi�am statystyk�;
� poniewa� nie przypuszcza�am, abym rzeczywi�cie w �yciu zawodowym korzysta�a z wie-
dzy przekazywanej w ramach przedmiotu - brak mi motywacji; JEDNAK�paniprof.
tak interesuj�co prowadzi wyk�ady, i� zaczynam wierzy�, �e naprawd� warto;
� nigdy nie lubi�am statystyki, ale pani prof. ma talent, s� to najlepsze wyk�ady, jakie
mam w tym roku. Przedmiot trudny, wyk�ady bardzo pomagaj�, ale materia�y s� dla
mnie nieczytelne.
Odpowiedzi� na ostatni� uwag� jest podr�cznik, kt�ry stanowi pr�b� zast�pienia
moich wyk�ad�w. Na ile udan� - oceni� to Czytelnicy.
Cho� najwi�kszy nacisk po�o�yli�my na wyt�umaczenie, co to jest wynik istotny
statystycznie, to nie nale�y oczekiwa�, �e stanie si� to jasne po przeczytaniu pod-
r�cznika w ci�gu jednego wieczoru. Pomalutku! Poznanie wnioskowania statystycz-
nego mo�na por�wna� do wchodzenia po drabinie. Najpierw trzeba opanowa� nowe
s��wka, potem regu�� budowania zda�, aby pod koniec niespodziewanie spostrzec,
�e m�wimy �po francusku" lub przynajmniej rozumiemy (mo�e nie na 100%, ale du-
�o) ten j�zyk.
Statystyki nie mo�na nauczy� si� wyrywkowo. Nie mo�na dotrze� na szczyt
drabiny, je�eli opu�cili�my par� szczebli. Wi�cej, szczebel #4 nie da si� zdoby�, je�li
opu�cili�my szczebel #3. Dlatego, w odr�nieniu od nauk humanistycznych, syste-
11
Wst�p
12
matyczno�� jest podstaw� sukcesu. Nie chc� powiedzie�, �e nie mo�na wej�� na
szczebel #4, je�eli si� nie zrozumia�o 100% materia�u ze szczebla #3. Nieprawda -
pe�ne zrozumienie r�nych tre�ci mo�e przyj�� dopiero p�niej. Zanim wejdziemy
na nast�pny szczebel, trzeba zapami�ta� symbole, definicje, przyk�ady bez wzgl�du
na to, czy si� rozumie je w 100%, czy 20%. Osoby, kt�re nie potrafi� przej�� dalej
dop�ki nie zrozumiej� wszystkiego doskonale, b�d� mia�y sporo problem�w, ponie-
wa� ten podr�cznik z definicji musi by� pe�en uproszcze�. Nie dowodzimy �adnego
z wykorzystywanych twierdze�, nie omawiamy wszystkich opcji, bo podr�cznik roz-
r�s�by si� do ogromnego tomiska, kt�re odstrasza�oby wi�kszo�� Czytelnik�w.
Ten podr�cznik zawiera tylko niezb�dne minimum potrzebne psychologom,
pedagogom, socjologom, specjalistom z innych nauk spo�ecznych, w tym tak�e leka-
rzom itd. do rozpocz�cia przygody z analiz� i interpretacj� danych. Jest to dziwne
minimum, bo mimo podstawowego doboru tre�ci, znalaz�y si� tu zaawansowane,
ale cz�sto wykorzystywane metody - na przyk�ad u�ycia analizy czynnikowej do
budowania wska�nik�w, analizy wariancji z powtarzanymi pomiarami czy regresji
wielokrotnej, wizualizacji danych. Ze zrozumia�ych wzgl�d�w nie s� one wyczer-
puj�co om�wione (odsy�amy do literatury) - tu pokazali�my tylko, jak zinterpreto-
wa� wyniki, kt�re dzi�ki pakietom statystycznym ka�dy mo�e �atwo wyprodukowa�,
ale du�o gorzej jest z interpretacj�. Niestety!
�atwo by�oby napisa� podr�cznik pe�en wzor�w matematycznych, starali�my si�
jednak ogranicza� je do niezb�dnego minimum. We wszystkich wzorach dla uprosz-
czenia zak�adamy r�wn� liczebno�� pr�b, poniewa� i tak wi�ksze analizy wykony-
wane s� przy u�yciu pakiet�w statystycznych. Aby je jednak zrozumie�, konieczne
jest przeprowadzenie kilkunastu analiz samodzielnie. Pomijamy te� cz�sto indeksy
przy wzorach sumowania, zast�puj�c je komentarzem. Podane przyk�ady zada� do-
tycz� �miesznie ma�ych pr�b po to, aby maksymalnie upro�ci� obliczenia.
U�ywaj�c statystyki w badaniach spo�ecznych, mo�na stosowa� standardy sta-
nu idealnego: sprawdza� rygorystycznie wszystkie za�o�enia, lub stanu normalne-
go, zgodnie z tym, co robi� inni badacze. Przyk�adowo, nie ma dowod�w na to, �e
skala odpowiedzi: (1) zdecydowanie si� zgadzam, (2) zgadzam si�, (3) trudno powie-
dzie�, (4) nie zgadzam si�, (5) zdecydowanie si� nie zgadzam, ma charakter prze-
dzia�owy, a jednak w badaniach publikowanych w najlepszych czasopismach jest ona
tak traktowana. Dlatego w podr�czniku stosujemy standardy nie rygorystyczne, ale
uznawane w �rodowisku badaczy.
Sama nie lubi� powt�rze�, jednak dwudziestoletnie do�wiadczenie dydaktyczne
nauczy�o mnie, �e s� one niezb�dne. Dlatego w skrypcie starali�my si� nie unika�
powtarzania wa�nych informacji.
Podr�cznik mo�na pisa�, podaj�c formu�y og�lne lub te� koncentruj�c si� na
�wiczeniu wybranych przyk�ad�w w nadziei, �e ich opanowanie pozwoli zapewne
na generalizacj�. Dlatego przez ca�y podr�cznik prowadzimy Czytelnika, pos�uguj�c
si� przyk�adami z fikcyjnego badania LEARN i prowadzonego od pocz�tku lat 90.
Polskiego Generalnego Sonda�u Spo�ecznego.
Nie zak�adamy, �e Czytelnik, kt�ry dobrnie z nami do ko�ca podr�cznika b�dzie
umia� analizowa� dane z bada� spo�ecznych. Nie od razu Krak�w zbudowano. Cel
Wst�p
zostanie osi�gni�ty, je�eli b�dzie on potrafi� przeprowadzi� (fizycznie i/lub mental-
nie) wybrane analizy przedstawione w podr�czniku. Gwarantujemy jednak, �e sta-
tystyka przestanie by� czarn� magi�.
Do fizycznego przeprowadzenia analiz du�ego zbioru danych potrzebny jest do-
st�p do jakiego� pakietu statystycznego i umiej�tno�� pos�ugiwania si� komputerem
oraz tym programem. Wszystkie przyk�ady i sposoby prezentowane w skrypcie s�
wynikami u�ywania pakietu statystycznego Statistical Package for Social Sciences
(SPSS). Jest to bardzo pot�ne narz�dzie do analizy danych i dlatego od pocz�tkuj�-
cych (ale nie tylko) wymaga umiej�tno�ci ignorowania du�ej liczby informacji. Na
wydruku znajduje si� wiele statystyk, kt�re nie wnosz� do badania potrzebnych da-
nych. Pocz�tkuj�cy u�ytkownik, kt�ry zechcia�by zrozumie� wszystko, co jest wy-
drukowane, b�dzie skazany na kl�sk�.
Chocia� nasze nazwiska figuruj� na ok�adce tego podr�cznika, to trudno nazwa�
nas autorami zawartych w nim tre�ci. Nie my pierwsi opisali�my rozk�ad normalny,
analiz� wariancji, etapy testowania hipotez statystycznych. Szukaj�c najprostszego
sposobu przekazu, korzystali�my z prac innych. Pomys� populacji marsja�skiej (cho�
nie tak si� ona nazywa�a) i niekt�rych zada� pochodzi z podr�cznik�w ameryka�-
skich. Zosta�y one jednak znacznie przystosowane do naszej koncepcji uczenia.
Podr�cznik powstawa� ewolucyjnie z przygotowywanych (i zmienianych co roku)
materia��w do nauki statystyki. W pracy nad wersj� sprzed paru lat brali udzia�:
dr Grzegorz Kr�l, mgr Jerzy Madej, mgr Irena Zinserling, dr Dorota Kr�l, dr Piotr
Radkiewicz, mgr Agata Bieniek, mgr Rafa� Tomicki. Korekta pierwszej wersji zada�
jest zas�ug� mgr Ireny Zinserling, kt�rej serdecznie dzi�kujemy.
Najwy�sze s�owa uznania nale�� si� profesorowi Jerzemu Brzezi�skiemu, kt�re-
go szczeg�owe uwagi przyczyni�y si� do znacznego ulepszenia tekstu.
Mam �wiadomo�� tego, �e zbli�aj�cy si� kolejny rok akademicki wymusza za-
ko�czenie pracy, cho� tyle rzeczy warto by�oby poprawi�, doda�. No c�, jak powie-
dzia� Montaigne: �Umiej�tno�ci i sztuki nie powstaj� gotowe, jakoby odlane w for-
mie, jeno tworz� si� i kszta�tuj� poma�u, gdy si� je obrabia i szlifuje..."
B�dziemy wdzi�czni Czytelnikom za sygnalizowanie nam nie�cis�o�ci i propo-
zycje zmian. Uspokaja mnie troch� to, co us�ysza�am od dziekana MINI Politechniki
Warszawskiej, �e nawet w XX wydaniu zbioru zada� Gdowskiego i Pluci�skiego
wci�� s� notowane b��dy. Mog� obieca�, �e do�o�ymy stara�, aby kolejne wydanie
tego bardzo potrzebnego podr�cznika by�o jeszcze lepsze. Na stronie WWW.CO-
me.uw.edu.pl/gw znajd� Pa�stwo odpowiedzi do �wicze�, zbiory danych, komen-
tarze. Pracujemy te� nad przygotowaniem kursu internetowego ze statystyki.
Podr�cznik stanowi wprowadzenie w problematyk� i jestem przekonana, �e
po przeczytaniu go si�gn� Pa�stwo z zainteresowaniem do pozycji podanych
w bibliografii.
Gra�yna Wieczorkowska (
[email protected])
www.come.uw.edu.pl/gw
7 maja 2003 roku
13
Wst�p
Literatura
[1] Aronson E., Ellsworth P.C., Carlsmith J.M., Gonzales M.H. (1990, 2 wydanie). Me-
thods ofresearch in social psychology. New York: McGraw-Hill.
[2] Aronson E., Wieczorkowska G. (2001). Kontrola naszych my�li i uczu� (Sk�d my to
wszystko wiemy, s. 19-32, Jak odpowiada� na interesuj�ce pytania?, s. 113-181). War-
szawa: Santorski.
[3] Blalock H.M. (1977). Statystyka dla socjolog�w (t�um. M. Tabin i in.). Warszawa: Pa�-
stwowe Wydawnictwo Naukowe.
[4] Brzezi�ski J. (red.). (1987). Wielozmiennowe modele statystyczne w badaniach psycho-
logicznych. Warszawa-Pozna�: Pa�stwowe Wydawnictwo Naukowe.
[5] Brzezi�ski J. (1996). Metodologia bada� psychologicznych. Warszawa: Wydawnictwo
Naukowe PWN.
[6] Brzezi�ski J. (2000). Badania eksperymentalne w psychologii i pedagogice. Warszawa:
Wydawnictwo Naukowe �Scholar".
[7] Cichomski B. (2000). Polskie Generalne Sonda�e Spo�eczne: skumulowany kompute-
rowy zbi�r danych 1992-1999. Warszawa: Instytut Studi�w Spo�ecznych, Uniwersytet
Warszawski.
[8] Clegg F. (1994). Po prostu statystyka (t�um. E. �akoma, W. Rzewuski). Warszawa:
Wydawnictwa Szkolne i Pedagogiczne.
[9] Cohen J., Cohen P. (1983). Applied multiple regression/correlation analysis for the be-
havioral Sciences. Hillsdale: Lawrence Erlbaum.
[10] Ferguson G.A., Takane Y. (1997). Analiza statystyczna w psychologii i pedagogice (t�um.
M. Zagrodzki). Warszawa: Wydawnictwo Naukowe PWN.
[11] G�ralski P. (1987). Metody opisu i wnioskowania statystycznego w psychologii
i pedagogice. Warszawa: Pa�stwowe Wydawnictwo Naukowe.
[12] G�rniak J., Wachnicki J. (2000). Pierwsze kroki w analizie danych. SPSS PL for Win-
dows. Krak�w: SPSS Polska.
[13] Jacoby W.G. (1997). Statistical graphicsfor univariate and bivariate data. Thousand
Oaks: Sag� Publications.
[14] Kr�l G., Wieczorkowska G. (1996). Przyk�ady zastosowa� modelowania strukturalne-
go w badaniach spo�ecznych. Warszawa: Zeszyty Naukowe ISS. Seria: Prace Metodolo-
giczne.
[15] Mitchell M., Jolley J. (1996). Research design explained. Fort Worth: Harcourt Brace
College Publishers.
[16] Nowojczyk M. (2002). Przewodnikpo statystyce dla socjolog�w. Krak�w: SPSS Polska.
[17] Pagano R.R., Follett W.C. (1986). Understanding statistics in the behavioral sciences.
St. Paul: West Publishing Co.
[18] Paszkiewicz E. (1985). Podstawy procesu badawczego w psychologii, w: L. Wo�oszy-
nowa, Materia�y do nauczania psychologii. Seria III, t. 4. (s. 128�158). Warszawa:
Pa�stwowe Wydawnictwo Naukowe.
[19] Shaughnessy J.J., Zechmeister E.B., Zechmeister J.S. (2002). Metody badawcze w psy-
chologii. Gda�sk: Gda�skie Wydawnictwo Psychologiczne.
[20] Sk�ad M., Wieczorkowska G. (2001). Sztuka uk�adania ankiet ewaluacyjnych, w: M. Le-
wicka, J. Grzelak (red.), Psychologia spo�eczna: jednostka - spo�ecze�stwo �pa�stwo
(s. 250-266). Gda�sk: Gda�skie Wydawnictwo Psychologiczne.
[21] Wieczorkowska G., Kr�l G. (1995/1997). O typowym zastosowaniu analizy czynniko-
wej i skalowania wielowymiarowego w badaniach spo�ecznych. Warszawa: Zeszyty
14 Naukowe ISS. Seria: Prace Metodologiczne.
ildzdzia�l
Naukowy spos�b poszukiwania
zwi�zk�w mi�dzy zmiennymi.
Rodzaje bada�
Poj�cia kluczowe: badania eksperymentalne i korelacyjne; zmienne:
teoretyczne i empiryczne (wska�niki), niezale�ne, zale�ne i kontrolowane,
nominalne, porz�dkowe i ilo�ciowe (przedzia�owe i ilorazowe), ci�g�e i nieci�g�e
(dyskretne), wyja�niaj�ce i wyja�niane, istotne i uboczne; operacjonalizacja;
skale pomiarowe
Wprowadzenie
Czy normalny cz�owiek musi zna� statystyk�? Wys�ucha�am [GW] niedawno
audycji radiowej o �ywieniu. Wyst�puj�ca w niej pani doktor wypowiada�a si� auto-
rytatywnym tonem o tym, jak nale�y si� od�ywia�. Z pe�nym przekonaniem formu�o-
wa�a wnioski, kt�re w rzeczywisto�ci nie by�y uzasadnione, np. �e wysoki poziom
cholesterolu we krwi wsp�wyst�puje z chorobami uk�adu krwiono�nego, zatem nie
nale�y je�� potraw zawieraj�cych cholesterol. Zale�no�� mi�dzy spo�ywaniem cho-
lesterolu i wysokim poziomem tego sk�adnika we krwi jest modyfikowana przez wie-
le innych zmiennych (np. w du�o wi�kszym stopniu zale�y od czynno�ci w�troby ni�
od rodzaju spo�ywanego po�ywienia). Stosuj�c taki schemat wnioskowania, mo�na
by za�o�y�, �e przy ��taczce nie nale�y je�� ��tych produkt�w. Analogicznie nasze
wnioski dotycz�ce po�ytk�w ze stosowania diety wegetaria�skiej s� ograniczone ze
wzgl�du na s�abo�� bada�. Wegetarianie r�ni� si� od os�b niestosuj�cych tego ro-
dzaju diety tak�e na innych wymiarach, np. pod wzgl�dem troski o w�asne zdrowie.
Gdy zadzwoni�am do radia i zwr�ci�am uwag� na ten aspekt redaktor prowadz�cej
audycj�, by�a oburzona. �Co pani opowiada, to s� przecie� wyniki bada� nauko-
15
Rozdzia� 1. Naukowy spos�b poszukiwania zwi�zk�w mi�dzy zmiennymi. Rodzaje bada�
16
wych!". Tak, ale badania naukowe prowadz� do konkluzji o r�nej sile pewno�ci
(wi�kszo�� z nich tylko uprawdopodobni� pewne tezy).
Nawet je�li sami nie prowadzimy bada� naukowych, to jednak obserwujemy
rzeczywisto��, usi�uj�c formu�owa� wnioski o zale�no�ciach przyczynowych
mi�dzy zmiennymi. Wyobra�my sobie nast�puj�c� sytuacj�. Znowu zasypiam nad
sprawdzaniem prac magisterskich. Dobrze spa�am w nocy, wi�c jestem wyspana.
Mo�e to pogoda? Musz� to zrobi� do jutra. Wypij� zielon� herbat�. Nic nie pomaga,
pij� nast�pn�. Po godzinie czuj� si� �wie�a i wypocz�ta. Czy to zas�uga zielonej
herbaty? Trudno powiedzie�, poniewa� mog�y nast�pi� zmiany w moich procesach
biochemicznych, kt�re s� niezale�ne od tego, co robi�am. Aby by� pewn� wp�ywu
zielonej herbaty, musia�abym by� pewna, �e JA o godzinie 10 i JA o godzinie 11 to
ten sam obiekt i nic, poza wypiciem zielonej herbaty, si� nie zmieni�o. Tego nie mog�
zagwarantowa�, powinnam wi�c powt�rzy� eksperyment z zielon� herbat� w wielu
punktach czasowych. Losuj� dni tygodnia i godziny i o okre�lonej porze oceniam
swoje samopoczucie, nast�pnie pij� zielon� herbat� i po jakim� czasie oceniam po-
nownie. Podstawowe pytanie brzmi: po jakim czasie? Po 15 minutach, godzinie, 2 go-
dzinach? Zielona herbata mo�e mie� bardzo r�ny wp�yw, gdy pij� j�, kiedy jestem
wyspana, zm�czona, podekscytowana... Sama czynno�� picia mo�e mie� wp�yw na
zmian� samopoczucia, tak jak przyjemno�� jedzenia mo�e wynika� nie tylko z przyj-
mowania pokarm�w, ale samego faktu u�ywania mi�ni, kt�re zosta�y skojarzone
z przyjemno�ci�. Nasza pami�� zapisana jest tak�e w mi�niach. Badania pokaza�y
na przyk�ad, �e dowcipne rysunki podobaj�nam si� bardziej, gdy w czasie ogl�dania
trzymamy w ustach d�ugopis w spos�b, kt�ry wymaga uk�adu mi�ni takiego jak
w�wczas, kiedy si� u�miechamy, ni� wtedy gdy nasze mi�nie uk�adaj � si� w smutny
wzorzec.
Pojawia si� problem badacza znaj�cego hipotezy. Je�eli na przemian w wylo-
sowanych punktach czasowych pij� herbat� czarn� i zielon�, to jestem �wiadoma,
jak� herbat� pij� i to mo�e wp�ywa� na moje oceny. Lepiej by�oby przygotowa� mie-
szanki zielonej i czarnej herbaty o r�nym sk�adzie procentowym, zaklei�, ich opis
schowa� do szafy pancernej i by� nie�wiadom�, co w danej chwili pij�.
My�l�, �e nie musz� dalej przekonywa�, �e bycie badanym i badaczem w jednej
osobie jest bardzo trudne, je�eli nie niemo�liwe. Lepszym rozwi�zaniem by�oby zba-
danie wp�ywu zielonej herbaty na inne osoby. Mog� si� zastanawia�, kto z moich
znajomych pije zielon�, a kto czarn� herbat�, nast�pnie oszacowa� ich �redni� ospa-
�o�� i policzy� wsp�czynnik korelacji (co to dok�adnie oznacza, wyja�nione jest
w rozdziale 8.) mi�dzy cz�sto�ci� picia zielonej herbaty a interesuj�c� mnie zmien-
n�. Za��my, �e zaobserwowali�my dodatni zwi�zek-ci, kt�rzy pij� zielon� herbat�,
maj� wy�szy poziom energii ni� ci, kt�rzy pij�herbat� czarn�. Czy mog� stwierdzi�,
�e zielona herbata redukuje ospa�o��? Niekoniecznie, poniewa� ludzie pij�cy zielon�
herbat� mog� r�ni� si� od pozosta�ych stopniem dbania o zdrowie, cz�sto�ci� po-
dejmowania aktywno�ci fizycznej itd. Znalaz�am w�a�nie tekst informuj�cy, �e picie
okre�lonego zestawu zi� zwi�ksza poziom energii. Broszura zawiera bardzo przeko-
nuj�ce opisy os�b, kt�rych �ycie po rozpocz�ciu picia tej mieszanki zio�owej zmieni-
Wprowadzenie
�o si� radykalnie. Czy mog� wierzy� tym argumentom? Nie bardzo! Aby oceni� wp�yw
tej zmiennej, musia�abym mie� informacj� tak�e o tych, kt�rzy pili i im nie pomog�o.
Nie ma metody, leku, kt�ry by�by skuteczny w 100% dla wszystkich. Analizuj�c
takie dane, musimy por�wna� cztery rodzaje informacji, tj. liczb� os�b:
(D kt�re pi�y i wykaza�y popraw�;
kt�re nie pi�y i wykaza�y popraw�;
kt�re pi�y i nie by�o poprawy;
(4) kt�re nie pi�y i nie by�o poprawy.
Dopiero wtedy mog� okre�li� stopie� zwi�zku mi�dzy obiema zmiennymi. Wszyst-
kie materia�y reklamowe, kt�re �przekonuj�" nas o cudownych �rodkach gwarantu-
j�cych pozbycie si� nadwagi, cellulitu, tr�dziku itp. zawieraj� tylko jedn� z tych in-
formacji i dlatego s� bezwarto�ciowe. W USA wprowadzono nakaz rzetelnego infor-
mowania konsument�w i we wszystkich telewizyjnych materia�ach reklamowych po-
jawia si� male�ki napis: �Rezultaty mog� si� r�ni� u r�nych os�b".
Nie da si� ukry�, �e biznes �eruj�cy na naszych marzeniach, aby sta� si� pi�kny-
mi i m�odymi bez �trudu i b�lu", kwitnie. �adnie to opisa� ju� Fromm w Sztuce
istnienia. Co mamy zatem robi�, aby oceni� skuteczno�� nowego, wspania�ego �rod-
ka? Jedynym rozwi�zaniem jest stosowanie metod naukowych, kt�re:
Ul sk�adaj� si� z szeregu uporz�dkowanych procedur, stosowanych do analizo-
wania i rozwi�zywania problem�w;
Ul korzystaj� z informacji zebranych w obiektywny spos�b jako faktycznej pod-
stawy do wyci�gania wniosk�w;
HH opieraj� si� na empirycznym materiale dowodowym;
HH polegaj� na stosowaniu nietendencyjnych metod przeprowadzania obser-
wacji, zbierania danych i formu�owania hipotez i twierdze� (o tym, czy co�
jest prawdziwe lub uznawane, nie decyduj� ani autorytet, ani osobiste prze-
konania).
Spe�nienie wy�ej wymienionych warunk�w powoduje, �e uzyskujemy dane, kt�-
re mo�na zademonstrowa� wielokrotnie; zar�wno mo�e czyni� to naukowiec, kt�ry
je odkry�, jak i inne osoby. Wyniki, kt�rych nie da si� uzyska� ponownie (zrepli-
kowa�) nie s� godne zaufania.
Dla odpowiedzi na pytanie o wp�yw zielonej herbaty najlepsz� metod� jest eks-
peryment. Wystarczy�oby podzieli� losowo grup� ochotnik�w na dwie cz�ci. Na-
st�pnie zmierzy� ich nastr�j, poziom energii. Zaproponowa� im potem do wypicia
zielon� lub czarn� herbat� (niestety, nie mo�na im pozwoli� wybiera�), zaj�� ich
czym� przez nast�pn� godzin� i zn�w mierzy� ich poziom energii.
Czy chcemy tego czy nie, podejmujemy codzienne decyzje, kieruj�c si� wynikami
bada�, b�d�my wi�c �wiadomi ich warto�ci. Wszystkie badania maj� pewne cechy
wsp�lne. Zaczniemy od wprowadzenia i zdefiniowania podstawowych poj��. Badanie
17
Rozdzia� 1. Naukowy spos�b poszukiwania zwi�zk�w mi�dzy zmiennymi. Rodzaje bada�
naukowe zaczyna si� od postawienia pytania. Czy zielona herbata podnosi poziom
naszej energii? Czy prze�ywanie stresu prowadzi do zwi�kszonej podatno�ci na choro-
by somatyczne? Jak wp�ywa na nasze zachowanie ogl�danie przemocy w TV?
Pytanie jest dobrze sformu�owane, je�eli mo�na na nie odpowiedzie�, dokonuj�c
obserwacji. Ka�de pytanie mo�e sta� si� naukowym, pod warunkiem �e spe�nia wy-
m�g empirycznej rozstrzygalno�ci, a wi�c mo�liwe jest okre�lenie, jakie fakty, zja-
wiska czy procesy nale�y zaobserwowa�, aby udzieli� na nie odpowiedzi. Takiej
mo�liwo�ci nie daje np. pytanie o wp�yw wyboru p�ci i IQ (ilorazu inteligencji) nie-
narodzonego dziecka na struktur� spo�eczn�, poniewa� rodzice jeszcze nie mog� po-
dejmowa� takich decyzji. Po sformu�owaniu �rozstrzygalnego empirycznie" za-
gadnienia musimy zdecydowa�, co dok�adnie chcemy obserwowa�, �eby odpowie-
dzie� na pytanie.
18
lllliOperacjonalizacja zmiennych teoretycznych
Podej�cie naukowe wymaga opisu rzeczywisto�ci za pomoc� zmiennych. Je�eli
chcemy sprawdzi�, czy frustracja (przerwanie zachowania ukierunkowanego na cel
np. z powodu jakiej� arbitralnej ingerencji innej osoby) wzbudza negatywny afekt,
kt�ry wywo�uje agresywne my�li, gniew oraz sk�onno�� do zachowa� agresywnych,
to mamy dwie zmienne teoretyczne: frustracja i agresja. Je�eli interesuje nas wp�yw
obserwacji przemocy na agresywno�� zachowania, to w tak og�lnie sformu�owanym
pytaniu mamy te� dwie zmienne teoretyczne: ogl�danie przemocy i agresja.
Aby pytanie spe�nia�o wym�g empirycznej rozstrzygalno�ci, musimy wyst�puj�-
ce w nim zmienne teoretyczne zoperacjonalizowa�, czyli wskaza� operacje, kt�re
trzeba wykona�, aby okre�li� warto��, jak� przyjmuje zmienna.
Zmienn� mo�e by� ka�da cecha, kt�ra przyjmuje r�ne warto�ci (a wi�c nie jest
sta�a, jak np. p�e� zakonnik�w w zakonie m�skim) i jest w spos�b jednoznaczny przy-
pisana interesuj�cym nas obiektom. Niekt�re zmienne, takie jak wzrost, s� ci�gle i mo-
g� przyjmowa� ka�d� warto�� z interesuj�cego nas zakresu (a wi�c 173 cm i 1 mm,
173 cm i 2 mm itd.), cho� nasze narz�dzia pomiarowe cz�sto czyni� z ci�g�ych zmien-
nych zmienne nieci�gle (dyskretne, skokowe) - przyjmuj�ce tylko ca�kowite warto-
�ci z kontinuum. Inne zmienne, takie jak np. konkretne zachowania w sytuacji ekspery-
mentalnej (1 - pom�g�, 2 - odm�wi� pomocy, 3 - obieca� pom�c p�niej) s� z definicj i
nieci�g�e, bo mog� przyjmowa� tylko okre�lon� liczb� warto�ci.
Aby zoperacjonalizowa� zmienne teoretyczne, musimy okre�li�, jak obserwacje
otaczaj�cej nas rzeczywisto�ci mo�na prze�o�y� na co�, co b�dziemy mogli analizo-
wa�, czyli na dane. Celem pomiaru jest umieszczenie os�b badanych na pewnym kon-
tinuum, tak aby odleg�o�� dw�ch os�b (r�nica w wynikach w danej zmiennej empi-
rycznej) odzwierciedla�a ich odleg�o�� na kontinuum przedstawiaj�cym zmienn� teo-
retyczn�. Je�eli nasz� zmienn� teoretyczn� jest POZIOM WIEDZY ze statystyki zope-
racjonalizowany w postaci zmiennej empirycznej: WYNIKI z egzaminu, to oczekuje-
my, �e r�nica mi�dzy poziomem wiedzy Kasi i Janka powinna odpowiada� r�nicy
Operacjonalizacja zmiennych teoretycznych
w ich wynikach na egzaminie. Wiemy te�, �e zmienna empiryczna WYNIK egzamina-
cyjny mo�e by� lepszym lub gorszym wska�nikiem zmiennej teoretycznej POZIOM
WIEDZY, poniewa� na jej warto�ci wp�ywaj� tak�e zmienne zak��caj�ce, takie jak:
stopie� motywacji, poziom koncentracji, b��dy w systemie oceniania, pomy�ki itd. Je-
�eli nasz egzamin sk�ada si� z dw�ch pyta�, to jego wynik b�dzie zapewne du�o gor-
szym wska�nikiem zmiennej teoretycznej ni� wtedy, gdy pyta� by�o dwadzie�cia.
Zmienn� teoretyczn� OGL�DANIE PRZEMOCY w TV mo�emy doprecyzo-
wa�, m�wi�c o ilo�ci czasu, jaki dana osoba po�wi�ca na ogl�danie program�w za-
wieraj�cych przemoc. Mo�emy pr�bowa� mierzy� zwi�zek mi�dzy ilo�ci� czasu, jaki
dziecko sp�dza na ogl�daniu akt�w przemocy w telewizji, a jego tendencj� do wy-
bierania agresywnych rozwi�za� dla swych problem�w. Musimy ustali�, jak zmie-
rzymy obie zmienne. Analogicznie, musimy podj�� wiele podobnych decyzji, budu-
j�c wska�nik agresywno�ci zachowania. I tu pojawia si� cz�sto zadawane przez stu-
dent�w pytanie: jak zmierzy� agresywno�� zachowania?
Odpowiadaj�c na
to pytanie, mo�na przy-
toczy� anegdot� o pro-
fesorze, kt�ry pokaza�
swoim studentom
ziemniaka i zapyta�, jak
go zmierzy�. Studenci
podeszli tw�rczo do
problemu i prze�cigali
si� w propozycjach,
aby poda� jego wag�,
kszta�t, kolor, stopie�
zawarto�ci wody itd.
Dopiero po chwili zro-
zumieli, �e nie mo�na
odpowiedzie� na to pytanie, zanim nie ustali si�, co nas w tym ziemniaku interesuje.
Chc�c okre�li� agresywno�� zachowania, musimy powiedzie� dok�adnie, jaki aspekt
agresywno�ci nas interesuje i sprecyzowa�, o co b�dziemy pyta� rodzic�w, nauczy-
cieli, r�wie�nik�w. Wska�nikiem ilo�ci czasu mog� by� odpowiedzi badanych na
pytania dotycz�ce tego, jakie programy ogl�daj� i jak cz�sto. Mo�emy o to samo
zapyta� rodzic�w. Musimy te� oceni�, kt�re programy s� niebezpieczne, np. na pod-
stawie oceny ekspert�w. Je�eli Ada� m�wi, �e ogl�da systematycznie filmy pe�ne
scen przemocy, to nasz wska�nik powinien mie� dla niego wy�sz� warto�� ni� dla
Krzysia, kt�ry nie ogl�da tych film�w, a jedynie filmy przyrodnicze. Bez wzgl�du na
to, jaki jest nasz stosunek do matematyki, operacjonalizacja zmiennej OGL�DANIE
PRZEMOCY w TV zako�czy si� przypisaniem ka�demu dziecku pewnej liczby. Szcze-
g�y tej operacji poznamy w nast�pnym rozdziale. Przy budowaniu wska�nik�w zmien-
nych teoretycznych wskazane jest odwo�ywanie si� do operacjonalizacji opisanych
w pracach innych autor�w.
19
Rozdzia� 1. Naukowy spos�b poszukiwania zwi�zk�w mi�dzy zmiennymi. Rodzaje bada�
Terminem zmienna okre�lamy zar�wno zmienne teoretyczne, jak i obserwacyjne,
inaczej empiryczne. Badacze cz�sto okre�laj� swoje zmienne na r�nym poziomie
og�lno�ci (np. agresywno��, sk�onno�� do udzia�u w bijatykach, wynik w kwestiona-
riuszu mierz�cym agresj�). Brak standardowych operacjonalizacji zmiennych teore-
tycznych powoduje, �e cz�sto badacze tworz� w�asne definicje (i operacjonalizacje).
Po latach walki o definicje takich poj��, jak inteligencja, motywacja czy osobowo��,
uznano, �e s� to poj�cia naturalne, kt�rych w spos�b tradycyjny (przez podanie warun-
k�w koniecznych i wystarczaj�cych) zdefiniowa� si� nie da. Nie spos�b por�wna�
wynik�w bada� np. nad zale�no�ci�dobrostanu od inteligencji, je�eli nie znamy opera-
cjonalizacji zmiennych. Konsekwencj� tego jest tendencja do formu�owania hipotez
w j�zyku zmiennych empirycznych, a nie zmiennych teoretycznych. Spotkamy si� wi�c
cz�sto ze sformu�owaniem �wp�yw systemu nagradzania na wynik w te�cie", cho� mo�na
s�dzi�, �e badacz jest w rzeczywisto�ci zainteresowany funkcjonowaniem intelektual-
nym, a nie tylko wynikiem w konkretnym te�cie. Zalecane jest jednak formu�owanie
hipotez w terminach nieobserwowalnych zmiennych teoretycznych z r�wnoczesnym
wskazywaniem operacjonalizacji, czyli sposobu budowania zmiennych empirycznych
(czytaj: zwi�zk�w wska�nik�w ze zmiennymi teoretycznymi).
Nie spos�b przeceni� roli teorii w badaniach naukowych. W tym podr�czniku
po�wi�conym analizie danych jest ona pomini�ta, ale zak�adamy, �e Czytelnik zapo-
zna si� z literatur� metodologiczn� [1, 5, 19].
Badania korelacyjne
Je�eli badamy zwi�zek mi�dzy dwiema zmiennymi, np. poziomem stresu egza-
minacyjnego a wynikiem w te�cie, to mo�e si� okaza�, �e jest on:
1. pozytywny (wsp�czynnik korelacji mi�dzy dwiema zmiennymi ilo�ciowymi
- om�wiony w rozdziale 8. -jest dodatni: patrz rysunek 1.1), co oznacza
(je�eli jest istotny statystycznie), �e im wy�szy poziom stresu, tym wy�szy
wynik w te�cie
lub
2. negatywny (ujemny - patrz rysunek 1.2), co oznacza (je�eli jest istotny staty-
stycznie), �e im wy�szy poziom stresu, tym ni�szy wynik w te�cie.
Je�eli zwi�zek mi�dzy poziomem stresu a sprawno�ci� intelektualn� jest krzy-
woliniowy, wsp�czynnik korelacji liniowej mo�e wynie�� zero, co przez pocz�tku-
j�cych badaczy bywa b��dnie interpretowane jako brak zwi�zku (patrz rysunek 1.3),
a oznacza jedynie brak zwi�zku liniowego.
Badania, w kt�rych obserwujemy jedynie wsp�wyst�powanie zmiennych nazy-
wane s� badaniami korelacyjnymi.
20
Badania korelacyjne
Ka�da osoba bior�ca udzia� w badaniu jest przedstawiona jako punkt, kt�rego pierwsza wsp�-
rz�dna (X) odpowiada jej poziomowi stresu, natomiast druga wsp�rz�dna (Y) jej wynikowi
w te�cie.
Rysunek 1.1. Przyk�ad pozytywnego (dodatniego) liniowego zwi�zku mi�dzy pozio-
mem stresu a sprawno�ci� intelektualn� (wsp�czynnik korelacji wynosi 0,77)
Rysunek 1.2. Przyk�ad negatywnego (ujemnego) liniowego zwi�zku mi�dzy poziomem
stresu a sprawno�ci� intelektualn� (wsp�czynnik korelacji wynosi -0,80)
Rysunek 1.3. Przyk�ad krzywoliniowego zwi�zku mi�dzy poziomem stresu a spraw-
no�ci� intelektualn� (wsp�czynnik korelacji wynosi 0,05)
21
Rozdzia� 1. Naukowy spos�b poszukiwania zwi�zk�w mi�dzy zmiennymi. Rodzaje bada�
Badania eksperymentalne
Za��my, �e stwierdzili�my dodatni� korelacj� mi�dzy zmiennymi OBSERWA-
CJA PRZEMOCY i AGRESJA. Czy to oznacza, �e ogl�danie agresji w TV jest przy-
czyn� agresywno�ci u dzieci? Niekoniecznie. Mo�e to tak�e znaczy�, �e dzieci z na-
tury agresywne, po prostu lubi� ogl�da� przemoc i �e by�yby one r�wnie agresywne,
nawet gdyby ca�ymi dniami ogl�da�y ckliwe dobranocki. Aby wykaza� zale�no��
przyczynow� mi�dzy ogl�daniem przemocy w TV a zwi�kszeniem agresywno�ci,
musimy przeprowadzi� badania eksperymentalne.
Jak mo�na to zrobi�? Na przyk�ad dziel�c losowo dzieci na dwie grupy. Jednej
grupie (grupa eksperymentalna) pokazujemy odcinek serialu telewizyjnego, w kt�-
rym ludzie zachowuj� si� bardzo agresywnie przez 50 minut w ci�gu odcinka. Inne
dzieci, przydzielone losowo do grupy kontrolnej, przez tyle samo czasu ogl�daj�
film niezawieraj�cy przemocy. Najwa�niejsze jest to, �e ka�de dziecko ma r�wne
szans�, i� b�dzie wybrane do ogl�dania serialu, dzi�ki temu w eksperymencie zo-
staj� zneutralizowane wszelkie r�nice mi�dzy dwiema grupami eksperymental-
nymi pod wzgl�dem charakteru dzieci. Je�eli dzieci, kt�re ogl�da�y serial, wykazy-
wa�y potem wi�ksz� agresywno�� w zabawach ni� dzieci, kt�re ogl�da�y neutralny
film, to fakt ten wyra�nie sugeruje, �e ogl�danie przemocy mo�e doprowadzi� do jej
stosowania.
Gdy interesuje nas zale�no�� przyczynowa, hipotetyczn� przyczyn� nazywamy
zmienn� niezale�n�, poniewa� to eksperymentator ustala jej warto�ci - manipulu-
je ni�. Jest ona niezale�na od innych wp�yw�w.
Zmienn� niezale�n� nazywamy t�, kt�rej wp�yw chcemy zbada�.
Zmienna zale�na jest tym, co mierzymy,
aby oceni� skutki �dzia�ania" zmiennej niezale�nej.
22
W omawianym eksperymencie �manipulowali�my" rodzajem ogl�danej audy-
cji telewizyjnej - zmienn� niezale�n� by�o ogl�danie lub nieogl�danie filmu poka-
zuj�cego przemoc. Zmienna niezale�na przyjmowa�a wi�c dwie warto�ci (0 - film
bez przemocy; 1 - film z przemoc�). Efekt manipulacji eksperymentalnej powi-
nien si� przejawi� w zmianach zmiennej zale�nej, nazwanej tak, poniewa� eks-
perymentator spodziewa si� wyniku zale�nego od zmian wprowadzonych przez
zmienn� niezale�n�. W tym eksperymencie zmienn� zale�n� by� stopie� agresji
przejawianej w zachowaniu.
Model teoretyczny tworzony przed rozpocz�ciem bada� zawiera zazwyczaj wi�-
cej zmiennych ni� te, kt�rych pomiaru dokonamy.
Brzezi�ski [5] proponuje, aby podzieli� je na istotne i nieistotne, wyr�ni� zmienne
uboczne - zak��caj�ce.
Badania eksperymentalne
Cz�sto zbieramy dodatkowe informacje, kt�re mog� by� wykorzystywane w dal-
szych analizach, np. notujemy p�e�, wiek badanych, mierzymy u nich poziom l�ku.
Tego typu zmienne nazywane s� zmiennymi kontrolowanymi, poniewa� mo�emy
je wprowadzi� do analizy.
Operacjonalizacja zmiennej niezale�nej
w badaniach eksperymentalnych
W eksperymencie psychologicznym warto�ci zmiennej niezale�nej wyznaczane s�
przez r�nice w sytuacjach eksperymentalnych, a zmienna zale�na jest pomiarem reak-
cji badanego. Zmienna musi mie� co najmniej dwie warto�ci - inaczej by�aby sta��.
Potrzebne s� co najmniej dwie warto�ci zmiennej niezale�nej, by m�c zademonstro-
wa�, �e manipulacja przynios�a efekt, podczas gdy eksperyment z tylko jedn� warto-
�ci� zmiennej niezale�nej nie pozwala okre�li�, czyjego rezultat, wyra�any za pomoc�
warto�ci zmiennej zale�nej, ma co� wsp�lnego z obecno�ci� zmiennej niezale�nej.
W eksperymencie AGRESJA wprowadzono dwie warto�ci zmiennej niezale�nej:
ogl�danie filmu z przemoc� lub bez, i to one wyznacza�y podzia� na grup� eksperymen-
taln� (z przemoc�) i grup� kontroln� (bez przemocy). Zmienne niezale�ne nazywane
s� cz�sto czynnikami, a ich warto�ci poziomami czynnika. Stosuj�c t� terminologi�,
powiedzieliby�my, �e w naszym badaniu czynnik �przemoc" mia� dwa poziomy.
Kiedy pytanie zostanie ju� przekszta�cone w twierdzenie stanowi�ce hipotez�
badawcz�, eksperymentator musi zdecydowa�, jak zaprojektowa� procedur� ekspe-
rymentaln�. Jednym z najtrudniejszych zada� badacza jest prze�o�enie hipotezy na
specyficzne, obserwowalne zdarzenia.
Je�eli chcemy si� dowiedzie�, czy ludzie szybciej reaguj� (naciskaj�c odpowied-
ni klawisz) na zapalaj�ce si� �wiat�o, gdy towarzyszy mu d�wi�k, zmienna niezale�-
na jest okre�lona w spos�b oczywisty - obecno�� lub brak d�wi�ku. Je�eli jednak
chcemy okre�li�, czy agresywno�� dzieci wzrasta po obejrzeniu filmu z du�� dawk�
przemocy, zmienna niezale�na - przemoc, jest du�o trudniejsza do zdefiniowania.
Potrzebujemy definicji operacyjnej, czyli operacjonalizacji naszej zmiennej teore-
tycznej. Oznacza to, �e musimy okre�li� operacje, jakie trzeba wykona�, aby wpro-
wadzi� dan� warto�� zmiennej niezale�nej. Operacjonalizacja przypomina prze-
pis kulinarny, poniewa� okre�la dok�adnie, co inny badacz, kt�ry chce zreplikowa�
nasz eksperyment, powinien zrobi�.
W badaniu po�wi�conym wp�ywowi ogl�danej w telewizji agresji operacjonali-
zacja zmiennej niezale�nej musi okre�la�, co nale�y zrobi�, aby uzna� dany film za
�niebezpieczny", tzn. zawieraj�cy du�o akt�w przemocy. Mo�emy pokaza� r�ne
filmy losowo wybranej grupie 100 os�b i okre�li� jako niebezpieczny ten, kt�ry uzy-
ska ponad 75% wskaza�. Innym sposobem jest zadanie 10 pyta� typu: �Czy w filmie
pokazywano b�jki?", �Czy kt�ry� z bohater�w poni�a� inn� osob�?" itp. Mo�emy
za�o�y�, �e film, kt�ry otrzyma� co najmniej dwie odpowiedzi TAK, jest niebez-
pieczny. Analogiczny problem pojawi si� przy operacjonalizacji zmiennej zale�nej.
23
Rozdzia� 1. Naukowy spos�b poszukiwania zwi�zk�w mi�dzy zmiennymi. Rodzaje bada�
W eksperymencie mo�emy obserwowa� zachowanie dziecka w pokoju z zabawkami
po obejrzeniu �niebezpiecznego" filmu i por�wnywa� je z zachowaniami dzieci, kt�-
re ogl�da�y �bezpieczny" film. Potrzebne b�d� skale, na kt�rych obserwatorzy (okre-
�lani jako s�dziowie kompetentni) b�d� ocenia� zachowanie dzieci.
Operacjonalizacja zmiennych teoretycznych jest podstawowym i bardzo trud-
nym krokiem, poniewa� w naukach spo�ecznych brak jest standardowych proce-
dur. Dla bardzo wielu zmiennych teoret