Bezpłatne programy do analizy statystycznej

Autor: Konrad Hryniewicz · Opublikowano: 21 sierpnia 2026 · Aktualizacja: 22 sierpnia 2026

Krótka rekomendacja: do pierwszych analiz GUI wybierz jamovi lub JASP; do projektu wymagającego pełnej automatyzacji i powtarzalności — R. PSPP sprawdzi się głównie przy podstawowych procedurach podobnych do SPSS.

Porównanie według realnego zadania

Zestawienie informacji omawianych w tej sekcji
Program	Najlepszy wybór, gdy…	Ograniczenie	Powtarzalność
jamovi	chcesz GUI, moduły i szybkie tabele	nie każdy zaawansowany model jest dostępny	zapis pliku analizy
JASP	potrzebujesz analiz klasycznych i bayesowskich	mniejsza elastyczność niż kod	zapis projektu i ustawień
R	liczy się automatyzacja, grafika i modele specjalistyczne	próg wejścia i zależności pakietów	skrypt + środowisko pakietów
PSPP	wykonujesz podstawowe analizy w stylu SPSS	ograniczona oferta nowoczesnych metod	składnia

Minimalny pakiet reprodukowalności

Surowe dane zachowane osobno.
Słownik zmiennych i reguły czyszczenia.
Plik projektu lub skrypt.
Wersja programu i modułów/pakietów.
Eksport tabel oraz opis interpretacji.

Program nie wybiera metody za badacza

Łatwy interfejs nie zwalnia z uzasadnienia modelu, kontroli założeń i interpretacji wielkości efektu. Badania o jamovi i JASP pokazują ich wartość edukacyjną i dostępność, ale poprawność wniosku zależy od projektu i decyzji analitycznych (Şahin & Aybek, 2020).

Pojęcia potrzebne do tego zagadnienia

Definicje poniżej rozwijają najważniejsze terminy, pokazują wzory, przykłady i gotowe raportowanie w APA 7.

Jamovi JASP PSPP R (język programowania)IBM SPSS Statistics NHST (podejście częstościowe)Wartość p (p-value)Styl APA (standard APA)

Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (Şahin i Aybek, 2020).

Przykład reprodukowalny

Kod w R, Pythonie i IBM SPSS Statistics

Polecenia ilustrują ten sam tok pracy w kilku środowiskach, ale nazwy funkcji i wartości domyślne nie są identyczne. Zapisz wersje programu i pakietów oraz porównaj ustawienia przed zestawieniem wyników.

Statystyki opisowe i percentyle

Dane wejściowe: Plik dane.csv; zmienna liczbowa wynik. Braki są oznaczone jako puste pola/NA.

Co odczytać: Odczytaj N ważnych obserwacji, średnią, medianę, SD, wariancję, kwartyle, percentyl 90., zakres, skośność i kurtozę.

dane <- read.csv("dane.csv")
x <- dane$wynik
x <- x[is.finite(x)]

c(
  N = length(x),
  srednia = mean(x),
  mediana = median(x),
  SD = sd(x),
  wariancja = var(x),
  minimum = min(x),
  maksimum = max(x),
  dominanta = as.numeric(names(which.max(table(x))))
)
quantile(x, probs = c(.25, .50, .75, .90), names = TRUE)

# Skośność i kurtoza nadmiarowa bez dodatkowych pakietów.
z <- (x - mean(x)) / sd(x)
skosnosc <- mean(z^3)
kurtoza_nadmiarowa <- mean(z^4) - 3
c(skosnosc = skosnosc, kurtoza_nadmiarowa = kurtoza_nadmiarowa)

Python

import pandas as pd

df = pd.read_csv("dane.csv")
x = df["wynik"].dropna()

wyniki = {
    "N": x.size,
    "srednia": x.mean(),
    "mediana": x.median(),
    "SD": x.std(ddof=1),
    "wariancja": x.var(ddof=1),
    "minimum": x.min(),
    "maksimum": x.max(),
    "dominanta": x.mode().tolist(),
    "Q1": x.quantile(.25),
    "Q3": x.quantile(.75),
    "P90": x.quantile(.90),
    "skosnosc": x.skew(),
    "kurtoza_nadmiarowa": x.kurt()
}
print(wyniki)

IBM SPSS Statistics — Syntax

GET DATA /TYPE=TXT
 /FILE='dane.csv'
 /DELCASE=LINE /DELIMITERS="," /FIRSTCASE=2
 /VARIABLES=wynik F8.2.

FREQUENCIES VARIABLES=wynik
 /STATISTICS=MEAN MEDIAN MODE STDDEV VARIANCE SKEWNESS KURTOSIS RANGE MINIMUM MAXIMUM
 /PERCENTILES=25 50 75 90.

DESCRIPTIVES VARIABLES=wynik
 /STATISTICS=MEAN STDDEV VARIANCE MIN MAX.

Bibliografia oprogramowania i wykorzystanych pakietów

W przykładach użyto: R, Python, IBM SPSS Statistics, pandas. W pracy badawczej podaj również faktycznie użyte wersje, które można odczytać poleceniami sessionInfo() w R oraz pip freeze lub importlib.metadata.version() w Pythonie. Cytuj wyłącznie narzędzia rzeczywiście użyte w końcowej analizie.

R: R Core Team. (2026). R: A language and environment for statistical computing [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
Python: Van Rossum, G., & Drake, F. L., Jr. (2009). Python 3 reference manual. CreateSpace.
IBM SPSS Statistics: IBM Corp. (2025). IBM SPSS Statistics for Macintosh (Version 31.0) [Computer software]. IBM Corp.
pandas: McKinney, W. (2010). Data structures for statistical computing in Python. In S. van der Walt & J. Millman (Eds.), Proceedings of the 9th Python in Science Conference (pp. 56–61). https://doi.org/10.25080/Majora-92bf1922-00a

BibTeX dla oprogramowania i pakietów

@manual{r-core-2026,
  author = {{R Core Team}},
  title = {R: A Language and Environment for Statistical Computing},
  organization = {R Foundation for Statistical Computing},
  address = {Vienna, Austria},
  year = {2026},
  url = {https://www.R-project.org/}
}

@book{vanrossum2009python,
  author = {Van Rossum, Guido and Drake, Fred L., Jr.},
  title = {Python 3 Reference Manual},
  publisher = {CreateSpace},
  year = {2009},
  isbn = {978-1-4414-1269-0}
}

@software{ibm2025spss,
  author = {{IBM Corp.}},
  title = {IBM SPSS Statistics for Macintosh},
  year = {2025},
  version = {31.0},
  publisher = {IBM Corp.}
}

@inproceedings{mckinney2010pandas,
  author = {McKinney, Wes},
  title = {Data Structures for Statistical Computing in Python},
  booktitle = {Proceedings of the 9th Python in Science Conference},
  editor = {van der Walt, Stéfan and Millman, Jarrod},
  year = {2010},
  pages = {56--61},
  doi = {10.25080/Majora-92bf1922-00a}
}

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Oferta dla badaczy Oferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

Şahin, M., & Aybek, E. (2020). Jamovi: An easy to use statistical software for the social scientists. International Journal of Assessment Tools in Education, 6(4), 670–692. https://doi.org/10.21449/ijate.661803
van Doorn, J., van den Bergh, D., Böhm, U., Dablander, F., Derks, K., Draws, T., Etz, A., Evans, N. J., Gronau, Q. F., Haaf, J. M., Hinne, M., Kucharský, Š., Ly, A., Marsman, M., Matzke, D., Komarlu Narendra Gupta, A. R., Sarafoglou, A., Stefan, A., Voelkel, J. G., & Wagenmakers, E.-J. (2021). The JASP guidelines for conducting and reporting a Bayesian analysis. Psychonomic Bulletin & Review, 28, 813–826. https://doi.org/10.3758/s13423-020-01798-5
Wilson, G., Bryan, J., Cranston, K., Kitzes, J., Nederbragt, L., & Teal, T. K. (2017). Good enough practices in scientific computing. PLoS Computational Biology, 13(6), e1005510. https://doi.org/10.1371/journal.pcbi.1005510
Lang, T. A., & Altman, D. G. (2015). Basic statistical reporting for articles published in biomedical journals: The SAMPL guidelines. International Journal of Nursing Studies, 52(1), 5–9. https://doi.org/10.1016/j.ijnurstu.2014.09.006
Appelbaum, M., Cooper, H., Kline, R. B., Mayo-Wilson, E., Nezu, A. M., & Rao, S. M. (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report. American Psychologist, 73(1), 3–25. https://doi.org/10.1037/amp0000191
Wilkinson, L., & Task Force on Statistical Inference. (1999). Statistical methods in psychology journals: Guidelines and explanations. American Psychologist, 54(8), 594–604. https://doi.org/10.1037/0003-066X.54.8.594

Cytowania BibTeX

@article{sahin2020jamovi, author={Şahin, Murat and Aybek, Eren}, title={Jamovi: An Easy to Use Statistical Software for the Social Scientists}, journal={International Journal of Assessment Tools in Education}, year={2020}, volume={6}, number={4}, pages={670--692}, doi={10.21449/ijate.661803}}

@article{vandoorn2021jasp, author={van Doorn, Johnny and van den Bergh, Don and Böhm, Udo and Dablander, Fabian and Derks, Koen and Draws, Tim and Etz, Alexander and Evans, Nathan J. and Gronau, Quentin F. and Haaf, Julia M. and Hinne, Max and Kucharský, Šimon and Ly, Alexander and Marsman, Maarten and Matzke, Dora and Komarlu Narendra Gupta, Akash R. and Sarafoglou, Alexandra and Stefan, Angelika and Voelkel, Jan G. and Wagenmakers, Eric-Jan}, title={The JASP guidelines for conducting and reporting a Bayesian analysis}, journal={Psychonomic Bulletin and Review}, year={2021}, volume={28}, pages={813--826}, doi={10.3758/s13423-020-01798-5}}

@article{wilson2017computing, author={Wilson, Greg and Bryan, Jennifer and Cranston, Karen and Kitzes, Justin and Nederbragt, Lex and Teal, Tracy K.}, title={Good enough practices in scientific computing}, journal={PLoS Computational Biology}, year={2017}, volume={13}, number={6}, pages={e1005510}, doi={10.1371/journal.pcbi.1005510}}

@article{lang2015sampl, author={Lang, Thomas A. and Altman, Douglas G.}, title={Basic statistical reporting for articles published in biomedical journals: the SAMPL guidelines}, journal={International Journal of Nursing Studies}, year={2015}, volume={52}, number={1}, pages={5--9}, doi={10.1016/j.ijnurstu.2014.09.006}}

@article{appelbaum2018jars, author={Appelbaum, Mark and Cooper, Harris and Kline, Rex B. and Mayo-Wilson, Evan and Nezu, Arthur M. and Rao, Stephen M.}, title={Journal article reporting standards for quantitative research in psychology}, journal={American Psychologist}, year={2018}, volume={73}, number={1}, pages={3--25}, doi={10.1037/amp0000191}}

@article{wilkinson1999statistical, author={Wilkinson, Leland and {Task Force on Statistical Inference}}, title={Statistical methods in psychology journals: Guidelines and explanations}, journal={American Psychologist}, year={1999}, volume={54}, number={8}, pages={594--604}, doi={10.1037/0003-066X.54.8.594}}