Dziewięciolatek, jego matka i dwa różne wyniki
Dziecko zaznacza dużo lęku przed szkołą, rodzic mało. Kto ma rację? W badaniach z udziałem dzieci to pytanie wraca przy każdym wyniku, bo źródło informacji jest częścią pomiaru. Ten wpis dotyczy właśnie pomiaru w badaniach ilościowych: jakie narzędzie pasuje do wieku, kogo pytać, jak policzyć zgodność rodzica i dziecka oraz co zniekształca próbę w szkole.
Reszta tematu ma osobne strony. Typowe analizy w pracy dyplomowej i przykład z klasami opisuje wpis o statystyce w pracy z pedagogiki, a wyniki jednego popularnego kwestionariusza – wpis o SDQ. Normy i oceny nagrań omawia praca z logopedii, małe grupy – praca z pedagogiki specjalnej, a dojrzewanie w testach sprawności – praca z WF.
Przykład przewodni (fikcyjny, dane symulowane). Studentka bada 120 par: dziecko w wieku 9–15 lat i jego rodzica. Oboje wypełniają tę samą, wymyśloną skalę lęku szkolnego (0–40 punktów). Taka skala nie istnieje, a treści prawdziwych narzędzi tu nie publikujemy. Wpis nie służy ocenie konkretnego dziecka ani stawianiu rozpoznań.
Zgody w jednym akapicie
Przy badaniu osób niepełnoletnich mówi się zwykle o dwóch decyzjach: zgodzie rodzica lub opiekuna oraz o własnym przyzwoleniu dziecka, czyli asentymencie (ang. assent). Wytyczne dla badań edukacyjnych wskazują też na dostosowanie materiałów do wieku i umiejętności czytania oraz na zwrócenie się do osób decydujących o dostępie do szkoły (British Educational Research Association, 2024). Wieku, od którego wystarcza czyjaś zgoda, ani obowiązujących przepisów tu nie podajemy: sprawdź zasady komisji i placówki. Formalności opisują hasła o świadomej zgodzie i RODO oraz o zgodzie komisji bioetycznej, a także wpisy o wniosku do komisji i piśmie do dyrekcji. Gdy badasz własnych uczniów, zajrzyj do wpisu o badaniu we własnym miejscu pracy. O tym, jak zgody zmieniają skład próby, piszemy niżej.
Narzędzie według wieku
Nie ma jednego wieku, od którego dziecko „umie” wypełniać kwestionariusze. Granicę wyznacza konkretne narzędzie i dowody zebrane w danej grupie wiekowej. Varni i współpracownicy (2007), na próbie 8591 dzieci w wieku 5–16 lat, uzyskali dla jednego kwestionariusza jakości życia wystarczającą rzetelność i trafność także u pięciolatków, ale narzędzie było dostosowane do wieku i badane w wąskich przedziałach. Wersja samoopisowa SDQ przewidziana jest natomiast dla starszych dzieci. Dlatego pierwszy krok to podręcznik albo artykuł walidacyjny: dla jakiego wieku i dla którego informatora powstała dana wersja.
| Wiek (orientacyjnie) | Kto zwykle odpowiada | Forma | Na co uważać |
|---|---|---|---|
| przedszkolny | rodzic, nauczyciel; dziecko w zadaniach | obserwacja, zadania, krótka rozmowa z prowadzącym | samoopis to wyjątek; pomiar trwa krótko, a wynik zależy od kontaktu z osobą badającą |
| wczesnoszkolny | dziecko z pomocą oraz dorosły | pytania czytane na głos, indywidualnie; krótkie skale | rozumienie słów, liczby na skali, zmęczenie |
| starsze dzieci | dziecko, jeśli wersja to przewiduje, oraz dorosły | samoopis w małej grupie z instrukcją na głos | czytanie, przeczenia, odpowiadanie „jak sąsiad” |
| nastolatki | zwykle samoopis, dorosły uzupełnia | samoopis, także online | aprobata społeczna, obecność dorosłych; wersja dla dorosłych tylko po sprawdzeniu dopasowania |
Tabela jest obserwacją ogólną, nie normą: przedziały przesuwają się zależnie od narzędzia, tematu i dzieci, a o wyborze rozstrzyga dokumentacja.
Skala odpowiedzi: buźki i liczby
Format odpowiedzi też jest pomiarem. Mellor i Moore (2014) sprawdzili 111 dzieci w wieku 6–13 lat: pięciopunktowa skala z liczbami dawała niską zgodność z odpowiedzią tak/nie w każdej grupie wieku, a etykiety słowne wyższą, choć nie pełną. Liczba na skali Likerta nie jest więc oczywista dla dziecka. Szerzej o skali Likerta w haśle.
Buźki nie są neutralnym ułatwieniem. W badaniu 75 dzieci w wieku 5–12 lat, oceniających ból po nakłuciu żyły, skale, w których brak bólu oznaczała uśmiechnięta twarz, dawały wyższe oceny bólu niż skale z twarzą neutralną (Chambers i in., 1999). To wynik z badań nad bólem, ale ostrzeżenie jest ogólne: wyraz twarzy może mierzyć także nastrój. Nie mieszaj wersji w jednym badaniu, nie twórz własnych buziek do cudzej skali i nie zakładaj, że wynik buziek da się przeliczyć na wynik wersji słownej.
Rozumienie, język i długość
Zanim zaczniesz, sprawdź na kilkorgu dzieci z najmłodszego rocznika, jak rozumieją pytania i skalę. Służy do tego wywiad poznawczy. Okres odniesienia „ostatnie 7 dni” to dla dziecka trudniejsze zadanie, niż wygląda, co pokazuje wpis o pytaniach o częstotliwość. Własne tłumaczenie ani uproszczenie skali nie zachowa jej właściwości; przeczytaj o adaptacji kulturowej. Przegląd ustaleń o dzieciach jako respondentach i o wpływie rozwoju poznawczego na jakość odpowiedzi podają Borgers i współpracownicy (2000). Metryczkę dla dzieci skróć do tego, czego użyjesz; wiek zapisz dokładnie, w latach i miesiącach, a ogólne reguły kodowania znajdziesz we wpisie o metryczce.
Rodzic a dziecko: niska zgodność jest regułą
Achenbach, McConaughy i Howell (1987) zestawili korelacje między informatorami z 269 prób w 119 badaniach dzieci i młodzieży w wieku od półtora do 19 lat. W metaanalizie 341 badań z lat 1989–2014 średnia korelacja między informatorami wyniosła r = .25 dla problemów internalizacyjnych, r = .30 dla eksternalizacyjnych i r = .28 ogółem (De Los Reyes i in., 2015). Dotyczy to oceny problemów psychicznych, ale podobny układ spotkasz też gdzie indziej: w badaniu bólu po nakłuciu żyły zgodność dziecka i rodzica była niska, a rodzice przeszacowywali ból (Chambers i in., 1999).
Co to znaczy? Niska korelacja nie mówi, że ktoś kłamie ani że jedna osoba się myli. Rodzic, dziecko i nauczyciel widzą różne sytuacje i różne fragmenty zachowania; De Los Reyes i współpracownicy (2015) pytają wprost, kiedy można odczytywać rozbieżność jako różnice między kontekstami. Na rozbieżność działają też cechy samych informatorów, a De Los Reyes i Kazdin (2005) zaproponowali ramę teoretyczną do jej badania. Rodzic jest tu respondentem zastępczym: jego wynik to nie gorsza kopia wyniku dziecka, tylko inna informacja.
| Co mierzysz | Zwykle pierwszy wybór | Uzupełnienie | Uwaga |
|---|---|---|---|
| stany wewnętrzne (lęk, nastrój) | dziecko, jeśli wersja jest dla tego wieku | rodzic | dorośli mają do nich dostęp pośredni |
| zachowanie w domu | rodzic | dziecko | rodzic nie widzi szkoły |
| zachowanie w szkole | nauczyciel | rówieśnicy, dziecko | nauczyciel ocenia wielu uczniów i zna ich oceny |
| najmłodsze dzieci | rodzic, nauczyciel, obserwacja | zadanie z prowadzącym | samoopis tylko z dowodami dla tego wieku |
| zachowania ryzykowne nastolatków | nastolatek, anonimowo | – | rodzic często nie ma wiedzy; zadbaj o poufność |
To obserwacje ogólne. Wybór uzasadnij w metodzie i ustal przed obejrzeniem wyników, który informator daje wynik główny.
Czego nie uśredniać bezrefleksyjnie
Średnia z rodzica i dziecka wygląda rozsądnie, ale łączy dwie różne informacje w jedną liczbę. Zanim ją policzysz, odpowiedz na trzy pytania. Czy podręcznik przewiduje łączenie? Czy obie wersje mają te same pozycje i skalę? Czy interesuje Cię jedno zjawisko, czy to, jak widzą je różne osoby? Jeśli nie umiesz odpowiedzieć, policz analizy osobno dla każdego informatora i wskaż wcześniej główny. Modele z wieloma informatorami wykraczają zwykle poza pracę dyplomową.
Jak policzyć zgodność rodzica i dziecka
Wybór miary opisuje szerzej wpis o zgodności sędziów. Tu różnica polega na tym, że rodzic i dziecko nie są wymiennymi sędziami, więc nie szukasz jednej liczby, tylko opisujesz zgodność z trzech stron. Wszystkie wyniki pochodzą z kodu na końcu wpisu.
| Miara | Pytanie | Wynik | Czego nie mówi |
|---|---|---|---|
| korelacja Pearsona | Czy dzieci z wyższym wynikiem mają rodziców z wyższym wynikiem? | r = .42, 95% CI [.26, .56] | Nic o różnicy poziomów |
| różnica średnich w parach | Czy jedna strona ma systematycznie wyższy wynik? | 4.28 pkt, 95% CI [3.18, 5.37], t(119) = 7.73, p < .001 | Nic o pojedynczych parach |
| granice zgodności Blanda–Altmana | O ile różnią się dwa wyniki w jednej parze? | od −7.60 do 16.15 pkt | Czy taka różnica jest ważna: to musisz uzasadnić |
| ICC(C,1) | Zgodność układu, bez różnicy poziomów | .418, 95% CI [.258, .555] | Stałego przesunięcia |
| ICC(A,1) | Zgodność bezwzględna | .325, 95% CI [.058, .528] | Skąd bierze się niska wartość |
| kappa przy umownym progu ≥ 20 | Czy obie strony wskazują tę samą grupę? | κ = .163; zgodność 61.7% | Dokładnych różnic punktów |
Korelacja .42 nie mówi nic o poziomie odpowiedzi. Mówi o nim dopiero średnia różnica: dzieci zaznaczają średnio o 4.28 punktu więcej (M = 18.63, SD = 5.90 wobec M = 14.36, SD = 5.31), przy dz = 0.71. Dlatego ICC(A,1), w którym poziom liczy się do zgodności, spada do .325. Kierunek w tym przykładzie ustawiono ręcznie, a w innych danych bywa odwrotny (Chambers i in., 1999). Korelacja, jak ostrzegają Bland i Altman (1986), nie mierzy więc zgodności dwóch sposobów pomiaru.
Z wykresu Blanda–Altmana odczytasz to, czego nie pokaże żadna średnia. Granice zgodności są od siebie oddalone o 23.75 punktu na skali 0–40, a 64 ze 120 par (53.3%) różni się o co najmniej 5 punktów. Przedział górnej granicy to [14.25, 18.04], a dolnej [−9.49, −5.70], więc same granice też są szacunkami. Nachylenie różnicy względem średniej jest małe (b = 0.149, p = .206), czyli bez wyraźnej zależności od poziomu wyniku.
Przy progu 20 punktów dziecko „przekracza” go w 53 parach, rodzic w 17, a oboje w 12. Zgodność 61.7% wygląda znośnie, ale po uwzględnieniu zgodności przypadkowej κ = .163. Próg jest tu umowny i niczego nie rozpoznaje. Podając ICC, zawsze określ model, typ i definicję (Koo i Li, 2016). Koo i Li proponują interpretację ICC według przedziału ufności, ale mówią o rzetelności, a dwóch różnych informatorów nie traktuj jak dwóch jednakowych sędziów. Kappę policzysz też w kalkulatorze kappy.
Warunek wstępny: różnicę średnich, wykres Blanda–Altmana i ICC(A,1) licz tylko wtedy, gdy obie wersje mają tę samą skalę. Jeśli formularze różnią się pozycjami, surowa różnica nic nie znaczy i zostają zgodność układu oraz porównania wyników przeliczonych według dokumentacji.
Co ukrywa uśrednienie
W tych samych danych związek wyniku z wiekiem zależy od tego, kogo pytasz. Dla samoopisu dzieci r = .006, 95% CI [−.173, .185], dla rodziców r = −.254, 95% CI [−.414, −.078], a średnia z obu daje r = −.138, 95% CI [−.310, .042]. Różnica dziecko minus rodzic rośnie z wiekiem o 0.68 punktu na rok (SE = 0.27, p = .012). Średnia z dwóch informatorów ukryłaby pytanie najciekawsze w tym zbiorze: dlaczego to właśnie rodzice starszych dzieci widzą mniej lęku.
Klasy, wiek, czas i miejsce
Klasy. Uczniowie jednej klasy są do siebie podobni, a zwykłe testy tego nie uwzględniają; pełny przykład z 12 klasami jest we wpisie o pedagogice. Skalę problemu szybko oszacujesz z efektu schematu, DEFF = 1 + (m − 1) × ICC, gdzie m to liczba uczniów w klasie. Dla 300 uczniów w 12 klasach po 25 osób ICC = .05 daje DEFF = 2.20, czyli liczebność efektywną około 136. Przy ICC = .10 to 3.40 i 88 osób, a 20 klas po 15 osób przy ICC = .05 daje 1.70 i 176. Te liczby dotyczą przede wszystkim średnich i efektów przypisanych całym klasom. Sam efekt sprawdzisz w kalkulatorze ICC, a analizę opisuje model wielopoziomowy krok po kroku. Gdy program przydzielasz całym klasom, przeczytaj o randomizacji klastrowej.
Wiek i rozwój. Wynik surowy dziewięciolatka i piętnastolatka zwykle znaczy co innego. Porównując różne roczniki, korzystaj z norm wiekowych albo standaryzacji względem wieku i podaj rok norm. Pułapkę przedziałów wiekowych przy dwóch pomiarach pokazuje wpis o logopedii. Pamiętaj, że badanie przekrojowe porównuje różne dzieci w różnym wieku, a nie zmianę jednego dziecka; to drugie wymaga schematu podłużnego. Dziecko rozwija się też między pomiarami, więc przed–po bez grupy porównawczej łatwo przypisuje programowi zwykły rozwój.
Czas i miejsce. Zapisz porę dnia, okres roku szkolnego i to, czy badanie nie wypadło w tygodniu sprawdzianów. Instrukcję czytaj zawsze tak samo. W sali najlepiej nie ma nauczyciela, który ocenia badanych; w domu dziecko nie powinno wypełniać ankiety przy rodzicu, a rodzic przy dziecku, bo obie wersje przestają być niezależne, a odpowiedzi poddają się aprobacie społecznej. Aby połączyć pary bez nazwisk, użyj kodu identyfikacyjnego. To obserwacje ogólne: dopasuj je do zasad placówki.
Zgoda rodziców a skład próby
Przy aktywnej zgodzie (opt-in) w badaniu zostają tylko dzieci, których rodzice odesłali formularz. Dla oceny danych odsetek odpowiedzi to za mało: liczy się, kto odpadł, czyli błąd selekcji i błąd braku odpowiedzi. W eksperymencie z 14 okręgami szkolnymi aktywna zgoda obniżyła odsetek uczestnictwa, zaniżyła udział chłopców i starszych uczniów oraz dawała niższe odsetki używania substancji i zachowań antyspołecznych (Courser i in., 2009). W amerykańskim sondażu 143 szkół uczestnictwo wyniosło 86.7% przy zgodzie biernej i 77.3% przy aktywnej, a szacunki różniły się istotnie tylko w 2 z 26 zachowań (Eaton i in., 2004). Te wyniki nie muszą być sprzeczne: Eaton i współpracownicy wiążą brak różnic z wysokimi odsetkami uczestnictwa. Która procedura jest u Ciebie dopuszczalna, rozstrzygają komisja i placówka; wytyczne BERA preferują zgodę aktywną (British Educational Research Association, 2024).
Symulacja (założenia fikcyjne) pokazuje dwa wnioski. Po pierwsze, sam odsetek zgód niczego nie przesądza: gdy zgoda nie zależy od wyniku, 30% zgód daje 15.0% powyżej progu, tyle co w populacji. Po drugie, gdy zależy, nawet 90% zgód nie wystarcza: przy silnej zależności widać 12.7% zamiast 15%, a przy 30% zgód tylko 5.2%, ze średnią niższą o 0.50 SD. Korelacja dwóch zmiennych zmienia się tu mniej (r = .379 przy 30% zgód i silnej zależności, wobec .400 w populacji), co dotyczy jednak tego prostego modelu.
W metodzie podaj liczby na każdym etapie: zaproszeni, odesłane zgody rodziców, zgody dzieci, obecni, komplet danych. Układ znajdziesz we wpisie o diagramie przepływu respondentów. Jeśli to możliwe, porównaj osoby ze zgodą i bez niej na danych zbiorczych dostępnych w szkole, nie zbierając nowych informacji o osobach, które odmówiły.
Gotowe zdania i poprawki
| Jak bywa napisane | Co nie tak | Poprawione |
|---|---|---|
| „Rodzice zaniżają wyniki dzieci.” | Różnica nie wskazuje, kto się myli | „Rodzice oceniali lęk niżej niż dzieci (różnica 4.28 pkt).” |
| „Zgodność była dobra, r = .42.” | Korelacja nie mierzy zgodności | „Związek był umiarkowany, ale granice zgodności wyniosły od −7.60 do 16.15 pkt.” |
| „Wynik obliczono jako średnią z oceny rodzica i dziecka.” | Brak uzasadnienia, informatorzy nie są wymienni | „Analizowano osobno wynik dziecka (główny) i rodzica.” |
| „Dzieci z klasy IIb oceniono skalą z buźkami, a pozostałe ze skalą słowną, lecz wyniki połączono.” | Format odpowiedzi to inny pomiar | „Wszystkie dzieci odpowiadały w tym samym formacie.” |
| „Zgodę uzyskano od rodziców wszystkich uczestników.” | Brak mianownika: kto nie wziął udziału | „Zaproszono 240 uczniów, zgodę wyraziło 156 rodziców (65.0%).” (liczby fikcyjne) |
Najczęstsze błędy
- Wybór narzędzia po tytule, bez sprawdzenia, dla jakiego wieku i informatora jest ta wersja.
- Użycie wersji dla dorosłych u nastolatków albo samodzielne „uproszczenie” pozycji i dodanie buziek.
- Ogłoszenie jednego informatora „prawdziwym” po obejrzeniu, który daje korzystniejszy wynik.
- Traktowanie braku wyniku rodzica jak braku przypadkowego: często zależy od sytuacji rodziny.
- Podanie samej korelacji jako zgodności albo samego testu t jako braku zgodności.
- Uśrednienie rodzica i dziecka bez uzasadnienia.
- Pominięcie klas w analizie albo podawanie klasy i płci przy małych grupach, gdy dziecko da się rozpoznać.
- Interpretowanie umownego progu jak rozpoznania albo przekazywanie rodzicom wyników pojedynczych dzieci bez ustalonej wcześniej procedury.
- Podanie samej końcowej liczebności bez odsetka zgód. Sposób opisu wyjaśnia wpis o ograniczeniach badania.
Dziecko i rodzic w R: zgodność, zgody, klasy
Dwa przepisy liczą wszystkie liczby z tekstu. Parametry symulacji (zawarte w kodzie) ustawiono ręcznie jako ilustrację; dane są fikcyjne, a ziaren nie wybierano pod wynik. Rysunki przygotowano w osobnym skrypcie.
120 par dziecko–rodzic: korelacja, różnica, Bland–Altman, ICC, kappa
R
# Przykład fikcyjny: 120 par dziecko–rodzic (dane symulowane)
# Ta sama fikcyjna skala lęku szkolnego (0–40) w wersji dla dziecka i rodzica
library(psych)
# Zapis jak w APA: bez zera przed kropką
bz <- function(x, d = 3) sub("(^|-)0\\.", "\\1.", sprintf(paste0("%.", d, "f"), x))
pf <- function(p) if (p < .001) "p < .001" else paste("p =", bz(p))
set.seed(514)
n <- 120
wiek <- sample(9:15, n, replace = TRUE)
wspolny <- rnorm(n) # to, co widzą oboje
dziecko_u <- rnorm(n) # to, co wie tylko dziecko
rodzic_u <- rnorm(n) # to, co widzi tylko rodzic
dziecko <- 18 + 6 * (0.60 * wspolny + 0.80 * dziecko_u)
rodzic <- 14 - 0.70 * (wiek - 12) + 5 * (0.60 * wspolny + 0.80 * rodzic_u)
dziecko <- round(pmin(pmax(dziecko, 0), 40))
rodzic <- round(pmin(pmax(rodzic, 0), 40))
dane <- data.frame(id = 1:n, wiek, dziecko, rodzic)
# 1. Opis i korelacja
cat("Dziecko: M =", round(mean(dziecko), 2), "SD =", round(sd(dziecko), 2), "\n")
cat("Rodzic: M =", round(mean(rodzic), 2), "SD =", round(sd(rodzic), 2), "\n")
kor <- cor.test(dziecko, rodzic)
cat("r =", bz(kor$estimate), " 95% CI [",
bz(kor$conf.int[1]), ",", bz(kor$conf.int[2]), "]\n\n")
# 2. Różnica średnich (dziecko minus rodzic)
roznica <- dziecko - rodzic
tt <- t.test(dziecko, rodzic, paired = TRUE)
cat("Różnica =", round(mean(roznica), 2), " 95% CI [",
round(tt$conf.int[1], 2), ",", round(tt$conf.int[2], 2), "]\n")
cat("t(", tt$parameter, ") =", round(tt$statistic, 2), " ", pf(tt$p.value), "\n")
cat("d_z =", round(mean(roznica) / sd(roznica), 2), "\n\n")
# 3. Bland–Altman
srednia <- (dziecko + rodzic) / 2
bias <- mean(roznica)
s_d <- sd(roznica)
dolna <- bias - 1.96 * s_d
gorna <- bias + 1.96 * s_d
se_gr <- sqrt(3 * s_d^2 / n) # przybliżony SE granicy zgodności
t_kr <- qt(.975, n - 1)
cat("Bland-Altman: średnia różnica =", round(bias, 2), " SD różnic =", round(s_d, 2), "\n")
cat("Granice zgodności: [", round(dolna, 2), ",", round(gorna, 2), "]\n")
cat("95% CI dolnej granicy: [", round(dolna - t_kr * se_gr, 2), ",",
round(dolna + t_kr * se_gr, 2), "]\n")
cat("95% CI górnej granicy: [", round(gorna - t_kr * se_gr, 2), ",",
round(gorna + t_kr * se_gr, 2), "]\n")
cat("Par poza granicami:", sum(roznica < dolna | roznica > gorna), "z", n, "\n")
cat("Par różniących się o co najmniej 5 pkt:", sum(abs(roznica) >= 5), "z", n,
"(", round(100 * mean(abs(roznica) >= 5), 1), "%)\n")
nach <- summary(lm(roznica ~ srednia))$coefficients
cat("Nachylenie różnicy względem średniej: b =", round(nach[2, 1], 3),
" ", pf(nach[2, 4]), "\n\n")
# 4. ICC ręcznie z dwuczynnikowej ANOVA (2 informatorów, n par)
dl <- data.frame(y = c(dziecko, rodzic),
os = factor(rep(1:n, 2)),
inf = factor(rep(c("dziecko", "rodzic"), each = n)))
tab <- anova(lm(y ~ os + inf, data = dl))
MSR <- tab["os", "Mean Sq"]
MSC <- tab["inf", "Mean Sq"]
MSE <- tab["Residuals", "Mean Sq"]
k <- 2
icc_kons <- (MSR - MSE) / (MSR + (k - 1) * MSE)
icc_abs <- (MSR - MSE) / (MSR + (k - 1) * MSE + k / n * (MSC - MSE))
cat("ICC(C,1), zgodność układu rang =", round(icc_kons, 3), "\n")
cat("ICC(A,1), zgodność bezwzględna =", round(icc_abs, 3), "\n")
kontrola <- ICC(cbind(dziecko, rodzic), lmer = FALSE)$results
print(kontrola[c(2, 3), c("type", "ICC", "lower bound", "upper bound")],
digits = 3, row.names = FALSE)
cat("\n")
# 5. Zgodność kategorii przy fikcyjnym, umownym progu 20 punktów
d_wys <- dziecko >= 20
r_wys <- rodzic >= 20
tk <- table(dziecko = d_wys, rodzic = r_wys)
print(tk)
po <- sum(diag(tk)) / n
pe <- sum(rowSums(tk) * colSums(tk)) / n^2
cat("Zgodność procentowa =", round(100 * po, 1), "% kappa =",
round((po - pe) / (1 - pe), 3), "\n")
cat("Wynik >= 20: dziecko", sum(d_wys), " rodzic", sum(r_wys),
" obie strony", sum(d_wys & r_wys), "\n\n")
# 6. Co ukrywa uśrednienie: związek z wiekiem
sr_inf <- (dziecko + rodzic) / 2
wiek_r <- function(y) {
w <- cor.test(wiek, y)
paste0("r = ", bz(w$estimate), ", 95% CI [", bz(w$conf.int[1]), ", ", bz(w$conf.int[2]), "]")
}
cat("Wiek a wynik dziecka: ", wiek_r(dziecko), "\n")
cat("Wiek a wynik rodzica: ", wiek_r(rodzic), "\n")
cat("Wiek a średnia obu: ", wiek_r(sr_inf), "\n")
mw <- summary(lm(roznica ~ wiek))$coefficients
cat("Różnica a wiek: b =", round(mw[2, 1], 2), " SE =", round(mw[2, 2], 2),
" ", pf(mw[2, 4]), "\n")Wynik
Dziecko: M = 18.63 SD = 5.9
Rodzic: M = 14.36 SD = 5.31
r = .420 95% CI [ .260 , .557 ]
Różnica = 4.28 95% CI [ 3.18 , 5.37 ]
t( 119 ) = 7.73 p < .001
d_z = 0.71
Bland-Altman: średnia różnica = 4.28 SD różnic = 6.06
Granice zgodności: [ -7.6 , 16.15 ]
95% CI dolnej granicy: [ -9.49 , -5.7 ]
95% CI górnej granicy: [ 14.25 , 18.04 ]
Par poza granicami: 4 z 120
Par różniących się o co najmniej 5 pkt: 64 z 120 ( 53.3 %)
Nachylenie różnicy względem średniej: b = 0.149 p = .206
ICC(C,1), zgodność układu rang = 0.418
ICC(A,1), zgodność bezwzględna = 0.325
type ICC lower bound upper bound
ICC2 0.325 0.0582 0.528
ICC3 0.418 0.2582 0.555
rodzic
dziecko FALSE TRUE
FALSE 62 5
TRUE 41 12
Zgodność procentowa = 61.7 % kappa = 0.163
Wynik >= 20: dziecko 53 rodzic 17 obie strony 12
Wiek a wynik dziecka: r = .006, 95% CI [-.173, .185]
Wiek a wynik rodzica: r = -.254, 95% CI [-.414, -.078]
Wiek a średnia obu: r = -.138, 95% CI [-.310, .042]
Różnica a wiek: b = 0.68 SE = 0.27 p = .012 Zgoda aktywna a skład próby oraz efekt schematu
R
# Selekcja przy zgodzie aktywnej (opt-in) i efekt schematu (parametry fikcyjne)
set.seed(5142)
N <- 200000 # fikcyjna populacja uczniów
z <- rnorm(N) # wynik problemu (standaryzowany)
y <- 0.40 * z + sqrt(1 - 0.40^2) * rnorm(N) # druga zmienna, r = .40
prog <- qnorm(.85) # fikcyjny próg: 15% populacji
# b0 dobieramy tak, by uzyskać zadany odsetek zgód
dobierz_b0 <- function(odsetek, b1) {
uniroot(function(b0) mean(plogis(b0 + b1 * z)) - odsetek, c(-8, 8))$root
}
siatka <- expand.grid(odsetek = c(.30, .50, .70, .90), b1 = c(0, -0.4, -0.8))
wyniki <- t(mapply(function(o, b1) {
b0 <- dobierz_b0(o, b1)
zg <- runif(N) < plogis(b0 + b1 * z)
c(zgody_proc = 100 * mean(zg),
obciazenie_SD = mean(z[zg]) - mean(z),
powyzej_proc = 100 * mean(z[zg] > prog),
r_zgody = cor(z[zg], y[zg]))
}, siatka$odsetek, siatka$b1))
tabela <- cbind(siatka, round(wyniki, 3))
print(tabela, row.names = FALSE)
cat("\nW całej populacji: powyżej progu =", round(100 * mean(z > prog), 2),
"%, r =", sub("^0", "", sprintf("%.3f", cor(z, y))), "\n\n")
# Efekt schematu i liczebność efektywna, 300 uczniów
m <- c(15, 25)
icc <- c(.02, .05, .10, .20)
deff <- expand.grid(uczniow_w_klasie = m, ICC = icc)
deff$klas <- ceiling(300 / deff$uczniow_w_klasie)
deff$DEFF <- 1 + (deff$uczniow_w_klasie - 1) * deff$ICC
deff$N_efektywne <- round(300 / deff$DEFF)
print(deff, row.names = FALSE)Wynik
odsetek b1 zgody_proc obciazenie_SD powyzej_proc r_zgody
0.3 0.0 29.946 0.000 15.002 0.396
0.5 0.0 50.067 0.005 15.155 0.400
0.7 0.0 69.860 -0.001 14.970 0.401
0.9 0.0 90.087 0.000 15.058 0.401
0.3 -0.4 29.898 -0.272 9.145 0.399
0.5 -0.4 50.026 -0.194 10.552 0.392
0.7 -0.4 70.045 -0.116 12.119 0.395
0.9 -0.4 90.109 -0.040 13.912 0.397
0.3 -0.8 30.081 -0.496 5.199 0.379
0.5 -0.8 49.996 -0.351 6.891 0.378
0.7 -0.8 70.121 -0.213 9.286 0.384
0.9 -0.8 90.004 -0.077 12.679 0.392
W całej populacji: powyżej progu = 15.03 %, r = .400
uczniow_w_klasie ICC klas DEFF N_efektywne
15 0.02 20 1.28 234
25 0.02 12 1.48 203
15 0.05 20 1.70 176
25 0.05 12 2.20 136
15 0.10 20 2.40 125
25 0.10 12 3.40 88
15 0.20 20 3.80 79
25 0.20 12 5.80 52Bibliografia oprogramowania
Wyniki na tej stronie pochodzą z uruchomienia pokazanego kodu w R 4.5.3 z pakietem psych; rysunki przygotowano w pakietach ggplot2, patchwork i svglite. W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).
- R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
- psych (wersja 2.6.5): Revelle, W. (2026). psych: Procedures for psychological, psychometric, and personality research (R package version 2.6.5) [Computer software]. Northwestern University. https://CRAN.R-project.org/package=psych
- ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
- patchwork (wersja 1.3.2): Pedersen, T. L. (2025). patchwork: The composer of plots [R package]. https://doi.org/10.32614/CRAN.package.patchwork
- svglite (wersja 2.2.2): Wickham, H., Henry, L., Pedersen, T. L., Luciani, T. J., Decorde, M., & Lise, V. (2025). svglite: An ‘SVG’ graphics device [R package]. https://doi.org/10.32614/CRAN.package.svglite
Lista kontrolna
- Sprawdziłem(-am) w dokumentacji wiek i informatora dla każdej wersji narzędzia oraz prawa do jej użycia (opis narzędzia).
- Format odpowiedzi jest taki sam dla wszystkich, a najmłodszy rocznik przeszedł wywiad poznawczy.
- Przed badaniem wskazałem(-am) informatora głównego i regułę postępowania z rozbieżnościami.
- Zasady zgody rodzica i asentymentu dziecka ustaliłem(-am) z komisją i placówką.
- Rodzic i dziecko wypełniają wersje niezależnie; pary łączy kod, nie nazwisko.
- Zaplanowałem(-am) korelację, różnicę w parach, Bland–Altmana i ICC z podanym modelem; próg (jeśli jest) ma uzasadnienie.
- Uwzględniam klasy (ICC, efekt schematu, model) i wiek (normy, rocznik).
- Zapisuję porę, okres roku i warunki zbierania.
- Mam liczby zaproszonych, zgód i kompletnych danych; zbiorczo porównałem(-am) osoby, które wzięły udział, z tymi, które nie wzięły, o ile było to dopuszczalne.
- W pracy nie ma wniosków o rozpoznaniu pojedynczych dzieci.
W opisie metody i ograniczeń przydadzą się też hasła o ograniczeniach badania i o modelu wielopoziomowym.
Najczęstsze pytania
Od jakiego wieku dziecko może wypełniać kwestionariusz samodzielnie?
Nie ma jednej granicy: zależy ona od narzędzia i dowodów dla danego wieku. Jedno badanie kwestionariusza jakości życia wykazało wystarczającą rzetelność nawet u pięciolatków, ale przy wersji dostosowanej do wieku. Sprawdź dokumentację, a najmłodszy rocznik przetestuj wywiadem poznawczym.
Czy wynik dziecka i rodzica można uśrednić?
Tylko jeśli przewiduje to dokumentacja narzędzia albo potrafisz to uzasadnić. Informatorzy widzą różne sytuacje, więc średnia może ukryć ważne różnice. Bezpieczniej wskazać przed zebraniem danych wynik główny i analizować obie wersje osobno.
Dlaczego rodzic i dziecko odpowiadają inaczej?
Rodzice i dzieci widzą różne sytuacje i mają inny dostęp do stanów wewnętrznych, a znaczenie mają też cechy informatorów. W metaanalizie korelacje między informatorami wynosiły średnio około .28. Rozbieżność nie oznacza więc, że któraś strona kłamie.
Jak policzyć zgodność rodzica i dziecka?
Podaj korelację, różnicę średnich w parach z przedziałem ufności, granice Blanda–Altmana i ICC z opisanym modelem. Dla wyniku w kategoriach użyj kappy. Różnice poziomów licz tylko wtedy, gdy obie wersje mają tę samą skalę.
Czy niski odsetek zgód rodziców psuje badanie w szkole?
Sam odsetek nie przesądza o błędzie: znaczenie ma to, czy zgoda zależy od badanej cechy. Podaj liczby zaproszonych, zgód i kompletnych danych, a ograniczenie opisz. O dopuszczalnej procedurze zgody decydują komisja i placówka.
Powiązane hasła
Przeczytaj też
Statystyka w pracy z pedagogiki przedszkolnej
Obserwacja, nauczyciel a rodzic, przed–po, dwa oddziały, ankieta rodziców i wiek w miesiącach: testy, wielkość efektu, zdania APA i kod R.
Czytaj →PoradnikAnkieta ujawnia zagrożenie uczestnika
Anonimowość a możliwość reakcji, stała informacja o pomocy, progi przesiewowe, rola promotora i gotowe teksty do wniosku oraz ankiety.
Czytaj →PoradnikZgodność sędziów: kappa, ICC, alfa
Kappa Cohena i ważona, kappa Fleissa, formy ICC i alfa Krippendorffa na jednym przykładzie z trzema sędziami: wybór miary, paradoksy kappy i raport.
Czytaj →PoradnikStatystyka w pracy z pedagogiki
Ankiety wśród nauczycieli i rodziców: skala Likerta, chi-kwadrat i test Fishera, testy rangowe z korektą Holma, procenty w tabelach i uczniowie w klasach.
Czytaj →PoradnikSDQ – mocne strony i trudności: jak policzyć wynik
Pięć skal 0–10, trudności ogółem, wpływ, pozycje odwrócone i reguła braków z oficjalnej strony, rodzic a nauczyciel, prawa autorskie – z przykładem w R.
Czytaj →Masz dane od dzieci i rodziców i nie wiesz, jak je zestawić?
Dobierzemy analizę zgodności, policzymy ją w R lub SPSS, uwzględnimy klasy i wyjaśnimy wyniki tak, żebyś umiał(a) samodzielnie je opisać i obronić.
Oferta dla studentówWyceń analizęBibliografia i dalsza literatura naukowa (APA 7)
- Achenbach, T. M., McConaughy, S. H., & Howell, C. T. (1987). Child/adolescent behavioral and emotional problems: Implications of cross-informant correlations for situational specificity. Psychological Bulletin, 101(2), 213–232. https://doi.org/10.1037/0033-2909.101.2.213
- Bland, J. M., & Altman, D. G. (1986). Statistical methods for assessing agreement between two methods of clinical measurement. The Lancet, 327(8476), 307–310. https://doi.org/10.1016/s0140-6736(86)90837-8
- Borgers, N., de Leeuw, E., & Hox, J. (2000). Children as respondents in survey research: Cognitive development and response quality. Bulletin of Sociological Methodology/Bulletin de Méthodologie Sociologique, 66(1), 60–75. https://doi.org/10.1177/075910630006600106 ● Otwarty dostęp: pełny tekst
- British Educational Research Association. (2024). Ethical guidelines for educational research (5th ed.). https://www.bera.ac.uk/publication/ethical-guidelines-for-educational-research-fifth-edition-2024-online ● Otwarty dostęp
- Chambers, C. T., Giesbrecht, K., Craig, K. D., Bennett, S. M., & Huntsman, E. (1999). A comparison of faces scales for the measurement of pediatric pain: Children's and parents' ratings. Pain, 83(1), 25–35. https://doi.org/10.1016/s0304-3959(99)00086-x
- Courser, M. W., Shamblen, S. R., Lavrakas, P. J., Collins, D., & Ditterline, P. (2009). The impact of active consent procedures on nonresponse and nonresponse error in youth survey data: Evidence from a new experiment. Evaluation Review, 33(4), 370–395. https://doi.org/10.1177/0193841x09337228 ● Otwarty dostęp: pełny tekst
- De Los Reyes, A., & Kazdin, A. E. (2005). Informant discrepancies in the assessment of childhood psychopathology: A critical review, theoretical framework, and recommendations for further study. Psychological Bulletin, 131(4), 483–509. https://doi.org/10.1037/0033-2909.131.4.483
- De Los Reyes, A., Augenstein, T. M., Wang, M., Thomas, S. A., Drabick, D. A. G., Burgers, D. E., & Rabinowitz, J. (2015). The validity of the multi-informant approach to assessing child and adolescent mental health. Psychological Bulletin, 141(4), 858–900. https://doi.org/10.1037/a0038498 ● Otwarty dostęp
- Eaton, D. K., Lowry, R., Brener, N. D., Grunbaum, J. A., & Kann, L. (2004). Passive versus active parental permission in school-based survey research. Evaluation Review, 28(6), 564–577. https://doi.org/10.1177/0193841x04265651
- Koo, T. K., & Li, M. Y. (2016). A guideline of selecting and reporting intraclass correlation coefficients for reliability research. Journal of Chiropractic Medicine, 15(2), 155–163. https://doi.org/10.1016/j.jcm.2016.02.012 ● Otwarty dostęp
- Mellor, D., & Moore, K. A. (2014). The use of Likert scales with children. Journal of Pediatric Psychology, 39(3), 369–379. https://doi.org/10.1093/jpepsy/jst079
- Varni, J. W., Limbers, C. A., & Burwinkle, T. M. (2007). How young can children reliably and validly self-report their health-related quality of life?: An analysis of 8,591 children across age subgroups with the PedsQL 4.0 Generic Core Scales. Health and Quality of Life Outcomes, 5(1), Article 1. https://doi.org/10.1186/1477-7525-5-1 ● Otwarty dostęp
Cytowania BibTeX
@article{achenbach1987child, author={Achenbach, Thomas M. and McConaughy, Stephanie H. and Howell, Catherine T.}, title={{Child/adolescent behavioral and emotional problems: Implications of cross-informant correlations for situational specificity}}, journal={Psychological Bulletin}, year={1987}, volume={101}, number={2}, pages={213--232}, doi={10.1037/0033-2909.101.2.213}}@article{bland1986statistical, author={Bland, J. Martin and Altman, Douglas G.}, title={{Statistical methods for assessing agreement between two methods of clinical measurement}}, journal={The Lancet}, year={1986}, volume={327}, number={8476}, pages={307--310}, doi={10.1016/s0140-6736(86)90837-8}}@article{borgers2000children, author={Borgers, Natacha and de Leeuw, Edith and Hox, Joop}, title={{Children as respondents in survey research: Cognitive development and response quality}}, journal={Bulletin of Sociological Methodology/Bulletin de Méthodologie Sociologique}, year={2000}, volume={66}, number={1}, pages={60--75}, doi={10.1177/075910630006600106}}@techreport{bera2024ethical, author={{British Educational Research Association}}, title={{Ethical guidelines for educational research}}, year={2024}, edition={5}, url={https://www.bera.ac.uk/publication/ethical-guidelines-for-educational-research-fifth-edition-2024-online}}@article{chambers1999comparison, author={Chambers, Christine T. and Giesbrecht, Kelly and Craig, Kenneth D. and Bennett, Susan M. and Huntsman, Elizabeth}, title={{A comparison of faces scales for the measurement of pediatric pain: Children's and parents' ratings}}, journal={Pain}, year={1999}, volume={83}, number={1}, pages={25--35}, doi={10.1016/s0304-3959(99)00086-x}}@article{courser2009impact, author={Courser, Matthew W. and Shamblen, Stephen R. and Lavrakas, Paul J. and Collins, David and Ditterline, Paul}, title={{The impact of active consent procedures on nonresponse and nonresponse error in youth survey data: Evidence from a new experiment}}, journal={Evaluation Review}, year={2009}, volume={33}, number={4}, pages={370--395}, doi={10.1177/0193841x09337228}}@article{delosreyes2005informant, author={De Los Reyes, Andres and Kazdin, Alan E.}, title={{Informant discrepancies in the assessment of childhood psychopathology: A critical review, theoretical framework, and recommendations for further study}}, journal={Psychological Bulletin}, year={2005}, volume={131}, number={4}, pages={483--509}, doi={10.1037/0033-2909.131.4.483}}@article{delosreyes2015validity, author={De Los Reyes, Andres and Augenstein, Tara M. and Wang, Mo and Thomas, Sarah A. and Drabick, Deborah A. G. and Burgers, Darcy E. and Rabinowitz, Jill}, title={{The validity of the multi-informant approach to assessing child and adolescent mental health}}, journal={Psychological Bulletin}, year={2015}, volume={141}, number={4}, pages={858--900}, doi={10.1037/a0038498}}@article{eaton2004passive, author={Eaton, Danice K. and Lowry, Richard and Brener, Nancy D. and Grunbaum, Jo Anne and Kann, Laura}, title={{Passive versus active parental permission in school-based survey research}}, journal={Evaluation Review}, year={2004}, volume={28}, number={6}, pages={564--577}, doi={10.1177/0193841x04265651}}@article{koo2016guideline, author={Koo, Terry K. and Li, Mae Y.}, title={{A guideline of selecting and reporting intraclass correlation coefficients for reliability research}}, journal={Journal of Chiropractic Medicine}, year={2016}, volume={15}, number={2}, pages={155--163}, doi={10.1016/j.jcm.2016.02.012}}@article{mellor2014use, author={Mellor, David and Moore, Kathleen A.}, title={{The use of Likert scales with children}}, journal={Journal of Pediatric Psychology}, year={2014}, volume={39}, number={3}, pages={369--379}, doi={10.1093/jpepsy/jst079}}@article{varni2007how, author={Varni, James W. and Limbers, Christine A. and Burwinkle, Tasha M.}, title={{How young can children reliably and validly self-report their health-related quality of life?: An analysis of 8,591 children across age subgroups with the PedsQL 4.0 Generic Core Scales}}, journal={Health and Quality of Life Outcomes}, year={2007}, volume={5}, number={1}, eid={1}, doi={10.1186/1477-7525-5-1}}