Czy dwie grupy różnią się średnią? Test t-Studenta
Gdy chcesz porównać dwie grupy pod względem jednej zmiennej — np. poziom lęku u dziennikarzy radiowych i telewizyjnych — sięgasz po test t. Ale zanim go policzysz, musisz sprawdzić, czy wolno, i wiedzieć, jak duża jest różnica.
Grupy zależne i niezależne
Pytanie „czy istnieje różnica pomiędzy grupami w zakresie danej zmiennej?" prowadzi do testu t. Ale najpierw trzeba rozpoznać, jakiego rodzaju są to grupy — bo to decyduje o wyborze odpowiedniej wersji testu.
Grupy zależne (powiązane)
Te same osoby mierzone dwukrotnie albo dobrane w pary. Pomiary są ze sobą powiązane.
Przykład: czy po obejrzeniu filmu „Sonita" zmieniają się postawy studentów wobec uchodźców? Pomiar 1 — przed seansem (pretest), pomiar 2 — po seansie (posttest). Ta sama osoba, dwa pomiary.
→ test t dla prób zależnych (nie omawiamy go w tej lekcji).
Grupy niezależne (osobne)
Dwie różne, osobne grupy osób. Każda osoba należy tylko do jednej z nich.
Przykład: czy dziennikarze pracujący w radiu różnią się poziomem lęku od dziennikarzy pracujących w telewizji? Grupa 1 — radio, grupa 2 — telewizja. To dwie odrębne grupy.
→ test t dla prób niezależnych (temat tej lekcji).
Test t-Studenta dla grup niezależnych
Test porównuje średnie w dwóch niezależnych grupach i odpowiada na pytanie: czy zaobserwowana różnica średnich jest na tyle duża, by uznać ją za realną, a nie przypadkową?
H₀: Różnica pomiędzy średnimi wynosi 0 — średnie są równe, nie ma różnic pomiędzy grupami.
H₁: Różnica pomiędzy średnimi jest inna niż 0 — średnie nie są równe, istnieją różnice pomiędzy grupami.
Logika jest taka sama jak w całym NHST: zakładamy, że różnicy nie ma (H₀), i sprawdzamy, jak nieprawdopodobny byłby nasz wynik w takim świecie. Test zwraca statystykę t oraz wartość p. Jeśli p < α (zwykle 0,05), odrzucamy H₀ — różnica jest istotna statystycznie.
Założenia testu t
Test t jest parametryczny — żeby jego wynik był wiarygodny, dane muszą spełniać trzy warunki. Sprawdzasz je, zanim zinterpretujesz p.
- Normalność rozkładu. Rozkład zmiennej zależnej powinien być zbliżony do normalnego — i to w obu grupach osobno, nie tylko łącznie. Sprawdzasz np. testem Shapiro-Wilka oraz na histogramie.
- Poziom pomiaru. Zmienna zależna musi być co najmniej na poziomie interwałowym (przedziałowym). Uwaga: chodzi o zmienną mierzoną, nie o zmienną grupującą — ta z natury jest nominalna (np. radio / telewizja).
- Homogeniczność wariancji. Inaczej jednorodność wariancji — rozproszenie wyników powinno być podobne w obu grupach. Sprawdzasz to testem Levene'a.
Test Levene'a — czy wariancje są równe?
Test Levene'a to osobny test istotności, który bada trzecie założenie. Jego hipotezy:
H₀: Wariancje w obu grupach są równe.
H₁: Wariancje w obu grupach nie są równe (istotnie się różnią).
Tu chcemy „dobrego" wyniku, czyli p > 0,05 — wtedy nie ma podstaw do odrzucenia H₀, więc założenie jednorodności wariancji jest spełnione i można użyć klasycznego testu Studenta.
Wielkość efektu — d Cohena
p mówi „czy różnica jest", d Cohena mówi „jak duża jest". To miara różnicy między średnimi wyrażona w jednostkach odchylenia standardowego — niezależna od wielkości próby.
d Cohena to po prostu odległość między średnimi obu grup, przeliczona na odchylenia standardowe. d = 0,5 oznacza, że średnie różnią się o pół odchylenia standardowego. Im większe d, tym mocniej grupy się „rozjeżdżają" i tym mniej się nakładają.
📊 Wizualizator d Cohena
Przesuwaj suwak, by zmienić odległość między średnimi dwóch grup. Zobacz, jak rosnące d zmniejsza nakładanie się rozkładów i jak trafia w kolejne przedziały siły efektu. Zielony to grupa 1, niebieski — grupa 2.
Progi interpretacji d Cohena
| d Cohena | Interpretacja |
|---|---|
| < 0,2 | efekt znikomy (trywialny) |
| 0,2 – 0,5 | efekt mały |
| 0,5 – 0,8 | efekt średni |
| ≥ 0,8 | efekt duży |
Progi są umowne — wartości przy granicach (np. d = 0,62) bywają opisywane jako „średni do dużego". To samo zestawienie zawiera progi dla innych miar efektu (r dla korelacji, eta dla ANOVA, Cramer's V dla chi-kwadrat).
Co zrobić, gdy założenia nie są spełnione?
Wybór konkretnego testu zależy od tego, które założenia są spełnione. Trzy najczęstsze opcje to: Student, Welch i Mann-Whitney.
Welch — gdy wariancje nierówne
Gdy rozkłady są w miarę normalne, ale Levene wykazał nierówne wariancje (p < 0,05), używasz testu t z poprawką Welcha. Wciąż parametryczny, tylko bez założenia o równych wariancjach.
Mann-Whitney — gdy brak normalności
Nieparametryczna alternatywa testu t dla grup niezależnych. Stosujesz ją, gdy rozkład istotnie odbiega od normalnego. Działa na rangach, więc nie wymaga normalności.
🧭 Który test wybrać? — interaktywne drzewko decyzyjne
Odpowiedz na pytania o swoje dane, a narzędzie wskaże właściwy test i wyjaśni dlaczego. To praktyczne zastosowanie założeń z poprzedniej sekcji.
Jak to zrobić w JASP?
Cały test t dla prób niezależnych — wraz ze sprawdzeniem założeń i wielkością efektu — wykonasz w jednym oknie modułu T-Tests.
Na przykładzie bazy InvisibilityCloak.jasp (zmienna zależna Mischief — liczba psot, zmienna grupująca Cloak — peleryna niewidka: tak/nie):
- Wybierz T-Tests → Independent Samples T-Test (Classical).
- Przenieś zmienną ilościową do Dependent Variables (np. Mischief), a zmienną dzielącą na grupy do Grouping Variable (Cloak).
- W Tests zaznacz odpowiedni wariant: Student, Welch lub Mann-Whitney.
- W Assumption Checks włącz Normality (Shapiro-Wilk) i Equality of variances (Levene) — żeby sprawdzić założenia.
- W Additional Statistics zaznacz Effect size → Cohen's d oraz Descriptives (średnie i SD grup).
- W Alt. Hypothesis zwykle zostawiasz Group 1 ≠ Group 2 (hipoteza dwustronna).
Przykładowy opis wyniku
Taki opis łączy wszystkie elementy lekcji: decyzję o H₀ (odrzucona), statystykę testu (t, p), kierunek różnicy z opisem grup (M i SD), oraz wielkość efektu (d). Zwróć uwagę: źródło opisuje d = 0,62 jako „duże", choć wg progów Cohena (duży ≥ 0,8) to raczej efekt średni do dużego — granice są umowne, dlatego zawsze podaje się konkretną wartość d.
Słowniczek pojęć
Kliknij kartę, żeby zobaczyć definicję. Szybkie powtórzenie kluczowych pojęć z tej lekcji.
Quiz — sprawdź wiedzę
12 pytań obejmujących cały materiał lekcji. Po każdej odpowiedzi zobaczysz wyjaśnienie.
Kluczowe wnioski
Sześć rzeczy, które powinieneś zapamiętać z tej lekcji.
- 1
Najpierw rozpoznaj typ grup. Te same osoby przed/po → grupy zależne. Dwie różne grupy osób → grupy niezależne (i wtedy test t dla prób niezależnych).
- 2
H₀ testu t: różnica średnich = 0. Test sprawdza, czy różnica między średnimi grup jest na tyle duża, by uznać ją za istotną (p < α), a nie przypadkową.
- 3
Trzy założenia: normalność (w obu grupach), poziom interwałowy zmiennej zależnej, homogeniczność wariancji. Sprawdzasz je przed interpretacją wyniku.
- 4
Levene bada wariancje (H₀: równe). Brak jednorodności wariancji nie wymusza testu nieparametrycznego — wystarczy poprawka Welcha. Dopiero brak normalności kieruje ku Mann-Whitneyowi.
- 5
d Cohena mówi, jak duża jest różnica. To różnica średnich w jednostkach SD, niezależna od N. Progi: 0,2 mały, 0,5 średni, 0,8 duży. Raportuj ją obok p.
- 6
Pełny opis łączy wszystko: decyzję o H₀, statystykę t i p, średnie i SD obu grup oraz wielkość efektu (d). W JASP: T-Tests → Independent Samples T-Test z włączonymi Assumption Checks i Effect size.