Strona korzysta z plików cookies w celu realizacji usług i zgodnie z polityką plików cookies.
Możesz określić warunki przechowywania lub dostępu do plików cookies w Twojej przeglądarce.

Grupy nierównoliczne


Badacze często napotykają problem nierównolicznych grup chcąc przeprowadzić analizę statystyczną zebranych danych z przeprowadzonych badań. Czy stanowi to problem analityczny? Czy trzeba "dobadać" kilka osób, aby grupy były równoliczne? Nie,
nie trzeba.

Przykład: Badacz chciał sprawdzić, czy kobiety różnią się od mężczyzn pod względem poziomu inteligencji. Badanie przeprowadził wśród 100 losowo wybranych osób. Po przeprowadzeniu badania okazało się, że kobiet w badaniu było 57, a mężczyzn 43. Przeprowadził test zgodności chi-kwadrat w celu sprawdzenia czy grupy były równoliczne. Analiza nie wykazała istotnych statystycznie różnic pomiędzy liczbą kobiet i liczbą mężczyzn w badaniu. 

Po pierwsze, aby nazwać badane grupy nierównolicznymi należy przeprowadzić odpowiednie testy statystyczne, które sprawdzają, czy zaobserwowana różnica w liczebności osób jest istotna statystycznie. Różnice 1 czy 2 osób nie będzie istotna. 

underline;">Masz problem z analizą statystyczna? Przejdź TU! 

Wśród niektórych naukowców obowiązuje również zasada, że jeżeli jedna z grup nie przekracza liczbą osób dwukrotnie innej grupy to można określić te grupy jako równoliczne. My polecamy dla pewności wykonać odpowiedni test statystyczny. 

Jednakże, gdy badacze napotkają na grupy nierównoliczne (istotna statystycznie różnica) to nadal dane mają duży potencjał analityczny. Faktem jest, że część testów statystycznych, takich jak: testy t-Studenta, analiza wariancji wymagają, aby porównywane grupy były równoliczne. Jednakże istnieje szereg testów statystycznych, nie wymagających takiego założenia, np: test Kruskala-Wallisa, test U Manna-Whitneya. Są to nieparametryczne testy statystyczne. Analitycy często wykorzystują tego rodzaju testy z racji występowania nierównoliczności w badanych grupach.

Nierównoliczność grup nie stanowi problemu pod względem przeprowadzenia analizy statystycznej.