Test t dla prób niezależnych

Czym jest test t dla prób niezależnych?

Test t dla prób niezależnych (nazywany także testem t dla prób niepowiązanych) służy do porównania dwóch oddzielnych grup, aby sprawdzić, czy rzeczywiście się różnią.

Celem jest ustalenie, czy różnica widoczna w danych istnieje w „rzeczywistym świecie”, czy też wynika jedynie z losowego doboru konkretnych prób. Podstawowa logika jest prosta:

• Najpierw obliczasz średnią dla obu grup.
• Następnie test t sprawdza, czy różnica między tymi średnimi jest na tyle duża, że mało prawdopodobne jest, aby była skutkiem przypadku.

Co oznacza „niezależne”? Oznacza to, że osoby z grupy A nie są powiązane z osobami z grupy B, na przykład gdy porównuje się studentów z dwóch różnych uczelni albo „grupę badaną” z „grupą kontrolną”.

Do czego potrzebny jest test t dla prób niezależnych?

Wyobraź sobie, że chcesz odpowiedzieć na ważne pytanie:

„Czy mężczyźni i kobiety w Niemczech zarabiają średnio różne kwoty?”

Ponieważ nie da się zapytać każdej pracującej osoby w kraju o jej wynagrodzenie, zamiast tego wybierasz próbę, na przykład 1000 losowo wybranych osób.

Jest jednak pewien haczyk: nawet jeśli średnie wynagrodzenie kobiet i mężczyzn w całym kraju byłoby dokładnie takie samo, w próbie liczącej 1000 osób różnica między średnimi prawie nigdy nie wyniesie dokładnie zero. Przypadkiem można wybrać na przykład więcej osób o wysokich zarobkach w jednej z grup.

Właśnie dlatego potrzebny jest test t dla prób niezależnych. Pomaga on ocenić, czy różnica wynagrodzeń w badaniu jest:

• tylko „przypadkiem” wynikającym z losowego doboru badanych osób,
• czy też jest na tyle duża, że dane przemawiają za różnicą w całej populacji.

Jak działa test t dla prób niezależnych?

Aby ocenić, czy różnica jest „rzeczywista”, test t nie analizuje wyłącznie średnich. Porównuje różnicę ze zmiennością w danych (określaną jako błąd standardowy).

• Różnica między średnimi to obserwowany efekt.
• Błąd standardowy opisuje losową zmienność oszacowania.

Błąd standardowy informuje, jak bardzo różnica między średnimi może zmieniać się między próbami wskutek losowego doboru obserwacji. Im większy błąd standardowy, tym trudniej odróżnić rzeczywistą różnicę od losowej zmienności.

Im większa jest różnica między grupami i im mniejszy błąd standardowy, tym większa jest wartość bezwzględna statystyki t.

Czym są próby niezależne?

Próby niezależne występują wtedy, gdy obserwacje w obu grupach nie są ze sobą powiązane. Osoba z grupy A nie ma przypisanej pary w grupie B.

Klasyczne przykłady obejmują porównanie:

• kobiet i mężczyzn,
• studentów psychologii i studentów matematyki,
• użytkowników marki A i użytkowników marki B.

W parze czy niezależnie? Którego powinieneś użyć?

Wybór zależy od tego, czy porównujesz różne osoby, czy wielokrotnie mierzysz te same osoby:

• Test t dla prób niepowiązanych (niezależnych): porównujesz dwie odrębne grupy. Każdy uczestnik należy tylko do jednej grupy (np. grupa badana i grupa kontrolna).
• Test t dla prób sparowanych (zależnych): mierzysz jedną grupę dwa razy. Punkty danych są powiązane, ponieważ pochodzą od tych samych osób (np. porównanie „przed” i „po”).

Przykłady zastosowania testu t dla prób niezależnych

Test t dla prób niezależnych stosuje się w wielu dziedzinach, od medycyny po badania rynku. Oto trzy klasyczne przykłady:

Hipotezy

Aby sprawdzić, czy dwie niezależne grupy się różnią, możesz przeprowadzić test t dla prób niezależnych. Najpierw sformułuj pytanie badawcze oraz hipotezę zerową i alternatywną.

Pytanie badawcze do testu t dla prób niezależnych

Pytanie badawcze określa, co chcesz zbadać. Dla testu t dla prób niezależnych ogólne pytanie brzmi: Czy istnieje statystycznie istotna różnica pomiędzy średnimi wartościami dwóch grup?

W przypadku powyższych przykładów pytania badawcze brzmią:

• Czy lek XY pomaga w odchudzaniu?
• Czy istnieje różnica w stanie zdrowia osób z wykształceniem wyższym i bez niego?
• Czy oba zakłady produkcyjne produkują śruby o tej samej średniej masie?

Hipotezy dla testu t dla prób niezależnych

Następnie sformułuj hipotezy wynikające z pytania badawczego. Są to twierdzenia o populacji. W teście formułuje się dwie przeciwstawne hipotezy: hipotezę zerową i hipotezę alternatywną.

Test dwustronny a test jednostronny

Kluczową decyzją jest wybór hipotezy niekierunkowej (test dwustronny) albo kierunkowej (test jednostronny).

Podsumowując, zdecyduj, czy Twoje badanie ma na celu sprawdzenie różnic w obu kierunkach (dwustronnie) lub w określonym kierunku (jednostronnie). Jeśli testujesz w konkretnym kierunku, określ, czy oczekujesz niższych, czy wyższych wartości w pierwszej grupie (test lewo- lub prawostronny).

Założenia testu t dla prób niepowiązanych

Aby obliczyć test t dla prób niezależnych, potrzebna jest jedna zmienna niezależna (np. płeć), która ma dwie kategorie lub grupy (np. kobiety i mężczyźni), oraz jedna metryczna zmienna zależna (np. dochód). Pytanie brzmi, czy grupy różnią się pod względem zmiennej zależnej. Założenia są następujące:

Tabela przeglądowa założeń

Założenia nie zostały spełnione?

Jeśli założenia testu t dla prób niezależnych nie są spełnione, wartość p może być niewiarygodna. Test t jest dość odporny na umiarkowane odchylenia od normalności, zwłaszcza przy większych i podobnie licznych grupach. Przy nierównych wariancjach należy zastosować test t Welcha.

Jeśli dane silnie odbiegają od rozkładu normalnego, można rozważyć test U Manna-Whitneya. Test U Manna-Whitneya jest nieparametryczny alternatywą dla testu t dla prób niezależnych.

Której wersji użyć? Test Studenta a test Welcha

Istnieją dwie popularne wersje testu t dla prób niezależnych. Różnica polega na tym, jak radzą sobie z wariancjami grupowymi.

Aby sprawdzić, czy wariancje grupowe się różnią, możesz użyć testu Levene’a (lub testu Browna-Forsythe’a). Jeśli wynik sugeruje nierówne wariancje, użyj testu t Welcha.

Wskazówka: Test t Welcha sprawdza się również dobrze, gdy wariancje są równe, dlatego często zaleca się go jako ustawienie domyślne. numiqo pokazuje wyniki testu Studenta i testu Welcha.

Obliczanie testu t dla prób niezależnych

W zależności od tego, czy zakłada się, że wariancja między dwiema grupami jest równa, czy nierówna, otrzymuje się inne równanie statystyki testowej t. Równość wariancji można ocenić między innymi za pomocą testu Levene’a. Hipoteza zerowa w teście Levene’a polega na tym, że obie wariancje są równe (jednorodne). Jeśli Jeśli wartość p testu Levene’a jest mniejsza niż 0,05, dane przemawiają przeciwko założeniu równych wariancji.

Równania dla równej wariancji (jednorodne)

Jeśli przyjmuje się równość wariancji, statystykę testową oblicza się następująco:

Wartość p można następnie określić na podstawie tabeli rozkładu t. Liczbę stopni swobody oblicza się ze wzoru

gdzie n₁ i n₂ oznaczają liczebności obu prób.

Wzór na nierówną wariancję (heterogeniczny)

Statystykę testową t dla testu t Welcha oblicza się następująco:

Wartość p wynika następnie z rozkładu t, a stopnie swobody oblicza się za pomocą następującego równania:

Przedział ufności dla różnicy średnich

Różnica średnich obliczona na podstawie prób jest oszacowaniem różnicy w populacji. Przedział ufności pokazuje zakres wartości zgodnych z danymi.

95% przedział ufności dla różnicy średnich można obliczyć za pomocą następującego wzoru:

gdzie t^* jest wartością t uzyskaną przy 97,5% i stopniach swobody df.

Wielkość efektu w teście t dla prób niezależnych

wielkość efektu w teście t dla prób niepowiązanych zwykle oblicza się za pomocą d Cohena (podstawowej standaryzowanej różnicy średnich). Alternatywą jest g Hedgesa, czyli wersja d skorygowana o obciążenie w małych próbach. W kalkulatorze testu t dla prób niezależnych na numiqo.com możesz łatwo uzyskać wielkość efektu.

Do czego potrzebna jest wielkość efektu?

Wartość p zależy między innymi od liczebności próby. W bardzo dużej próbie nawet mała różnica może być statystycznie istotna, choć jej znaczenie praktyczne będzie niewielkie. Dlatego obok wartości p należy podawać wielkość efektu.

Obliczanie testu t dla prób niezależnych w numiqo

Wykładowca chce sprawdzić, czy wyniki egzaminu ze statystyki w semestrze letnim różnią się od wyników w semestrze zimowym. W tym celu zestawia liczbę punktów zdobytych na egzaminie.

Po skopiowaniu powyższych przykładowych danych do kalkulatora testów hipotez na numiqo.com możesz obliczyć test t dla prób niezależnych. Wyniki są następujące:

Statystyki grupowe

Niesparowany test t

Przedział ufności 95%.

Jak interpretować test t dla prób niezależnych?

Aby ocenić, czy wynik jest statystycznie istotny, można użyć jednej z dwóch informacji:

• wartość p (dwustronna)
• dolna i górna granica przedziału ufności dla różnicy

W tym przykładzie dwustronna wartość p wynosi 0,312 (31%). Oznacza to, że gdyby naprawdę nie było różnicy między średnimi w populacji, różnicę co najmniej tak dużą jak w tej próbie obserwowalibyśmy w około 31% przypadków wyłącznie wskutek losowego doboru próby. Ponieważ 0,312 jest większe niż wybrany poziom istotności 0,05 (5%), nie odrzucamy hipotezy zerowej. Innymi słowy, dane nie dostarczają wystarczających dowodów na różnicę między średnimi obu grup w populacji.

Drugim sposobem oceny, czy istnieje istotna różnica, jest użycie przedziału ufności dla różnicy. Jeśli dolna i górna granica obejmują zero, nie ma istotnej różnicy. Jeśli tak nie jest, różnica jest istotna. W tym przykładzie testu t dolna wartość wynosi -6,328, a górna 18,118. Ponieważ zero znajduje się między tymi wartościami, nie ma istotnej różnicy.

Przed obliczeniem testu t dla prób niezależnych warto przedstawić obie próby na wykresie. Odpowiedni jest na przykład wykres pudełkowy, który pokazuje miary tendencji centralnej i miary zmienności w obu próbach.

Raportowanie testu t dla prób niezależnych

Raportowanie testu t dla prób niezależnych w stylu APA polega na jasnym i zwięzłym przedstawieniu najważniejszych wyników:

Statystyka testowa:

Wyraźnie zaznacz, że używasz testu t dla prób niezależnych. Podaj wartość t oraz stopnie swobody w nawiasie.

Poziom istotności:

Zwykle podaje się dokładną wartość p albo odpowiednie porównanie, np. p < 0,001.

Wielkość efektu:

Dobrą praktyką jest uwzględnienie wielkości efektu, np. d Cohena. Informuje ona o wielkości różnicy między grupami.

Średnie i odchylenia standardowe:

Podaj średnie i odchylenia standardowe dla każdej grupy. Nadaje to kontekst wynikowi.

Liczebność próby:

Możesz także podać liczbę uczestników w każdej grupie, jeśli nie podano jej wcześniej.

Oto szablon:

Załóżmy, że przeprowadziłeś test t prób niezależnych, porównujący wyniki testów pomiędzy mężczyznami i kobietami. Załóżmy, że znalazłeś następujące wyniki:

• Mężczyźni: M = 50, SD = 10, n = 30
• Kobiety: M = 55, SD = 9, n = 30
• t(58) = -2,5, p = 0,015, d Cohena = 0,5

Wyniki będą zgłaszane jako:

Jak interpretować przedział ufności?

Przedział ufności (PU) dla różnicy średnich podaje zakres wartości zgodnych z danymi dla prawdziwej różnicy w populacji (np. średnia grupy A minus średnia grupy B). 95% PU oznacza, że przy powtarzanym próbkowaniu 95% takich przedziałów zawierałoby prawdziwą różnicę.

Jeśli 95% PU dla różnicy średnich obejmuje 0, wynik zwykle nie jest statystycznie istotny na poziomie 0,05 (dla testu dwustronnego). Jeśli nie obejmuje 0, sugeruje to statystycznie istotną różnicę. PU jest także przydatny do zrozumienia wielkości i praktycznego znaczenia różnicy, a nie tylko tego, czy jest ona istotna.

Jak raportować to w stylu APA?

W stylu APA podaj statystykę testu, stopnie swobody, wartość p i często średnie grupowe i odchylenia standardowe oraz najlepiej wielkość efektu, np. d Cohena, i przedział ufności dla różnicy). Powszechnym formatem jest:

t(df) = wartość, p = wartość (dwustronna), średnia różnica = wartość, 95% PU [dolny, górny].

Przykład (wpisz swoje liczby):
t(28) = 2,14, p = 0,041, 95% PU [0,12, 4,35], d = 0,78.