Metodologia, statystyka i psychometria w praktyce
Poradniki z gotowymi procedurami, przykładami, wzorami raportowania i publikacjami naukowymi — tak, aby materiał dało się zastosować w prawdziwym badaniu.
32 rozbudowanych materiałów
Wartość p: co naprawdę oznacza i jak ją poprawnie interpretować
Wartość p bez mitów: definicja, interpretacja, typowe błędy oraz sposób raportowania wraz z wielkością efektu i przedziałem ufności.
Czytaj poradnik →PsychometriaAlfa Cronbacha: jak oceniać rzetelność skali bez uproszczeń
Alfa Cronbacha krok po kroku: wzór, założenia, interpretacja, ograniczenia i sytuacje, w których lepiej raportować współczynnik omega.
Czytaj poradnik →Modele statystyczneRegresja logistyczna: założenia, interpretacja i raportowanie modelu
Regresja logistyczna w praktyce: założenia, iloraz szans, diagnostyka, kalibracja, AUC oraz zasady rzetelnego raportowania modelu.
Czytaj poradnik →Modele statystyczneModelowanie równań strukturalnych (SEM): od teorii do raportu
SEM bez skrótów myślowych: model pomiarowy i strukturalny, CB-SEM a PLS-SEM, dopasowanie, założenia oraz raportowanie wyników.
Czytaj poradnik →PsychometriaAnaliza czynnikowa EFA i CFA: jak dobrać metodę i uniknąć błędów
EFA i CFA w praktyce: liczba czynników, metoda ekstrakcji, rotacja, ładunki, walidacja oraz najczęstsze błędy w analizie czynnikowej.
Czytaj poradnik →StatystykaWielkość efektu: jak ocenić znaczenie wyniku poza wartością p
Wielkość efektu wyjaśniona praktycznie: Cohen d, Hedges g, r, R², iloraz szans, eta², przedziały ufności i znaczenie praktyczne.
Czytaj poradnik →Metodologia badańDobór liczebności próby: moc, precyzja i uzasadnienie badania
Jak dobrać liczebność próby? Moc testu, precyzja, symulacja, przewidywane braki danych i zasady rzetelnego uzasadnienia liczby uczestników.
Czytaj poradnik →Metodologia badańMetaanaliza: jak rzetelnie połączyć wyniki wielu badań
Metaanaliza krok po kroku: pytanie badawcze, protokół, wyszukiwanie, wielkości efektu, heterogeniczność, model losowy i raport PRISMA 2020.
Czytaj poradnik →Metodologia badańPytania badawcze i hipotezy: jak przejść od teorii do analizy
Jak formułować pytania badawcze i hipotezy? Od teorii i operacjonalizacji przez kierunek efektu po plan analizy i prerejestrację.
Czytaj poradnik →Prace dyplomoweAnaliza ankiety do pracy licencjackiej i magisterskiej
Analiza ankiety do pracy dyplomowej: przygotowanie bazy, kodowanie pytań, skale, testy, modele i raport wyników do licencjatu lub magisterki.
Czytaj poradnik →Metodologia badańAnaliza statystyczna a system antyplagiatowy
Jak opisać standardową metodę własnymi słowami, zachować poprawną terminologię i nie zniekształcić raportu tylko po to, by obniżyć podobieństwo.
Czytaj poradnik →Metodologia badańWzór przedstawienia charakterystyki próby w badaniach naukowych
Gotowy układ tabeli i akapitu: przepływ uczestników, demografia, zmienne kliniczne, braki danych i informacje potrzebne do oceny możliwości uogólniania.
Czytaj poradnik →PsychometriaWzór raportowania alfy Cronbacha i innych miar spójności wewnętrznej
Przykłady zapisu dla alfy, omegi i skal porządkowych wraz z informacją, czego nie wolno wnioskować z pojedynczego współczynnika.
Czytaj poradnik →Metodologia badańBezpłatne programy do analizy statystycznej dla studentów i badaczy
Porównanie jamovi, JASP, R i PSPP według rodzaju analiz, powtarzalności, progu wejścia i możliwości oddania kompletnego raportu.
Czytaj poradnik →Metodologia badańRodzaje badań ankietowych — czym się różnią i kiedy je stosować?
Praktyczny podział według czasu, sposobu rekrutacji, kanału zbierania danych i celu wnioskowania, wraz z konsekwencjami dla analizy.
Czytaj poradnik →Metodologia badańJak opisać charakterystykę próby badawczej?
Co uwzględnić w tekście i tabeli, jak dobrać miary opisowe oraz jak nie ukryć problemów z selekcją i brakami danych.
Czytaj poradnik →Metodologia badańWytyczne APA dla metodologii i raportowania statystyki
Lista kontrolna JARS-Quant prowadząca od projektu i pomiaru do wyników, niepewności, analiz dodatkowych i ograniczeń.
Czytaj poradnik →Metodologia badańJak opisać wprowadzenie do metod statystycznych w pracy badawczej?
Gotowy schemat akapitu, który łączy pytania, zmienne, założenia, modele i kryteria wnioskowania bez listy nazw testów.
Czytaj poradnik →Metodologia badańCzym jest centralne twierdzenie graniczne?
Intuicja, warunki i interaktywna symulacja pokazująca, dlaczego rozkład średnich może zbliżać się do normalnego, choć surowe dane są skośne.
Czytaj poradnik →Prace dyplomoweStatystyka do pracy licencjackiej: analiza krok po kroku
Jak zaplanować analizę statystyczną do pracy licencjackiej, przygotować ankietę i bazę danych oraz otrzymać wyniki, które da się obronić.
Czytaj poradnik →Prace dyplomoweStatystyka do pracy magisterskiej: od planu do raportu
Kompletny proces analizy statystycznej do pracy magisterskiej: plan, przygotowanie danych, psychometria, modele, interpretacja i materiały do obrony.
Czytaj poradnik →Usługi statystyczneAnaliza statystyczna — cena i cennik usług statystycznych
Od czego zależy cena analizy statystycznej, co powinno znaleźć się w wycenie i jak porównać zakres usług bez kupowania samych tabel z programu.
Czytaj poradnik →PsychometriaPo co statystyka jest potrzebna psychologowi?
Statystyka pomaga ocenić pomiar, odróżnić efekt terapii od szumu, rozumieć niepewność i nie powtarzać błędów, które napędzają kryzys replikacyjny.
Czytaj poradnik →Modele statystycznePo co statystyka jest potrzebna lekarzowi?
Od trafności testu diagnostycznego po bezwzględną korzyść z leczenia — statystyka jest językiem ryzyka i niepewności decyzji klinicznych.
Czytaj poradnik →PsychometriaPo co statystyka jest potrzebna fizjoterapeucie?
Pozwala oddzielić naturalną zmienność i błąd pomiaru od rzeczywistej poprawy oraz ocenić, czy efekt interwencji ma znaczenie dla pacjenta.
Czytaj poradnik →Metodologia badańPo co statystyka jest potrzebna studentowi?
Nie po to, by wybrać przycisk w SPSS, lecz by ułożyć pytanie, sprawdzić jakość danych i obronić wniosek przed recenzentem.
Czytaj poradnik →Modelowanie równań strukturalnychPLS-SEM krok po kroku: założenia, model pomiarowy i strukturalny
Praktyczny przewodnik po PLS-SEM: kiedy metoda odpowiada pytaniu, jak odróżnić kompozyt od wspólnego czynnika, ocenić model i uczciwie raportować wynik.
Czytaj poradnik →Modelowanie równań strukturalnychPLS-SEM w R: kompletny przykład w seminr i cSEM
Odtwarzalny przykład PLS-SEM w R: specyfikacja refleksyjna i kompozytowa, PLSc, bootstrap, HTMT, R², f² i ocena predykcyjna w seminr oraz cSEM.
Czytaj poradnik →Psychometria i SEMModel refleksyjny czy formatywny? Jak poprawnie określić konstrukt
Kierunek pomiaru zmienia znaczenie modelu, diagnostykę i interpretację. Zobacz kryteria wyboru modelu refleksyjnego, formatywnego i kompozytowego.
Czytaj poradnik →Modelowanie równań strukturalnychCB-SEM krok po kroku: założenia, dopasowanie i interpretacja
Praktyczny przewodnik po covariance-based SEM: identyfikacja, estymator, brakujące dane, ocena dopasowania, reszty, parametry i raport APA 7.
Czytaj poradnik →Modelowanie równań strukturalnychCB-SEM w R: kompletny przykład w pakiecie lavaan
Odtwarzalny przykład CB-SEM w R i lavaan: model pomiarowy, ścieżki, MLR, FIML, wskaźniki dopasowania, reszty i interpretacja APA 7.
Czytaj poradnik →Modelowanie równań strukturalnychPLS-SEM czy CB-SEM? Porównanie metod i praktyczna decyzja
Neutralne porównanie PLS-SEM i CB-SEM: cel, rodzaj konstruktu, estymacja, dopasowanie, predykcja, próba i raportowanie bez popularnych mitów.
Czytaj poradnik →