Kwestionariusz Godina (GLTEQ) – jak policzyć aktywność fizyczną

Autor: Konrad Hryniewicz · Opublikowano: 1 listopada 2026

Czym jest kwestionariusz Godina (GLTEQ)

Kwestionariusz aktywności fizycznej w czasie wolnym Godina i Sheparda (Godin Leisure-Time Exercise Questionnaire, GLTEQ, nazywany też Godin-Shephard Leisure-Time Physical Activity Questionnaire, GSLTPAQ) to jedno z najkrótszych narzędzi do pomiaru aktywności fizycznej. Godin i Shephard (1985) sprawdzili go u 306 zdrowych dorosłych. Kryteriami trafności były wydolność tlenowa (VO₂max) i ilość tkanki tłuszczowej. Najsilniej z wydolnością wiązała się raportowana aktywność intensywna, a autorzy uznali narzędzie za przydatne do oceny aktywności w czasie wolnym i jej zmian po programach promocji zdrowia. W 2011 roku Godin opisał historię kwestionariusza, sam kwestionariusz i sposób liczenia wyniku w osobnym artykule (Godin, 2011).

W pracach dyplomowych kwestionariusz pojawia się najczęściej na kierunkach wychowanie fizyczne i sport, fizjoterapia oraz zdrowie publiczne: jako miara aktywności studentów, pacjentów albo uczestników programu ruchowego. Ogólne zasady analizy na tych kierunkach opisują wpisy o statystyce w pracy z wychowania fizycznego i sportu, statystyka dla fizjoterapeuty i statystyka w pracy ze zdrowia publicznego. Jeśli wahasz się między tym narzędziem a IPAQ, zajrzyj do wpisu IPAQ – jak policzyć wynik. IPAQ pyta o dni i minuty i daje wynik w MET-min/tydzień, a kwestionariusz Godina pyta tylko o liczbę sesji ruchu w tygodniu.

Budowa: cztery pytania, trzy liczby do wyniku

Kwestionariusz ma cztery pozycje do samodzielnego wypełnienia. Trzy pierwsze pytają, ile razy w typowym tygodniu badany podejmuje w czasie wolnym aktywność intensywną, umiarkowaną i lekką trwającą co najmniej 15 minut. Przy każdym poziomie intensywności podano przykłady aktywności (Amireault i in., 2015). Odpowiedzi to więc liczby sesji, a nie punkty na skali. Czwarta pozycja dotyczy aktywności, przy której dochodzi do pocenia się. Godin i Shephard (1985) używali jej w analizach trafności, ale nie wchodzi ona do wskaźnika wyniku. Treści pytań nie przytaczamy. Pełną wersję znajdziesz w artykule Godina (2011).

Wagi i granicę klasyfikacji podajemy za publikacjami, których współautorem jest twórca kwestionariusza. Odsyłają one do artykułu Godina (2011), w którym opisano oba wyniki.

Jak policzyć wynik kwestionariusza Godina krok po kroku

Krok 1. Sprawdź dane

Każda z trzech odpowiedzi musi być liczbą całkowitą nie mniejszą niż 0. Odpowiedź „nie wiem” to brak danych, a nie zero. W polu tekstowym formularza online zdarzają się wpisy w rodzaju „3–4” albo „codziennie”, więc ujednolić je trzeba przed liczeniem (zob. jak policzyć wynik kwestionariusza). Cytowane źródła nie podają reguły obcinania nieprawdopodobnie dużych liczb, jaką ma np. protokół IPAQ. Ustal więc własną regułę przed analizą, np. sprawdzanie każdej wartości powyżej 21 sesji tygodniowo, i opisz ją w pracy.

Krok 2. Policz wskaźnik LSI

Wskaźnik aktywności w czasie wolnym (Leisure Score Index, LSI) to suma liczby sesji pomnożonych przez wagi odpowiadające wartościom MET (Amireault i in., 2015):

Przykład: ktoś podaje 2 sesje intensywne, 3 umiarkowane i 4 lekkie. LSI = 9 × 2 + 5 × 3 + 3 × 4 = 18 + 15 + 12 = 45. Zapisz LSI jako nową kolumnę, czyli zmienną pochodną, i zachowaj surowe liczby sesji.

Krok 3. Policz wynik z aktywności umiarkowanej i intensywnej

Do klasyfikacji używa się tylko aktywności umiarkowanej i intensywnej, bez lekkiej (Amireault i Godin, 2015). W przykładzie wyżej ten wynik wynosi 18 + 15 = 33. W tym wpisie nazywamy go wynikiem MVPA (od moderate-to-vigorous physical activity).

Krok 4. Przypisz kategorię, jeśli jest potrzebna

Osoby z wynikiem MVPA 24 lub wyższym klasyfikuje się jako aktywne, a z wynikiem 23 lub niższym jako niewystarczająco aktywne (Amireault i Godin, 2015). Granicę wyprowadzono z północnoamerykańskich zaleceń aktywności fizycznej dla zdrowia publicznego. Grupa niewystarczająco aktywnych odpowiada szacowanemu wydatkowi energetycznemu poniżej 14 kcal na kilogram masy ciała tygodniowo (Amireault i in., 2015). Osoba z przykładu (33) trafia więc do aktywnych.

Interpretacja: porządkowanie osób i klasyfikacja

Wyższy LSI oznacza większą aktywność w czasie wolnym. Przegląd 212 badań onkologicznych, którego współautorem jest Godin, stwierdza, że dowody wspierają przede wszystkim używanie wersji oryginalnej i interpretowanie LSI do porządkowania osób od najmniej do najbardziej aktywnych (Amireault i in., 2015). LSI to liczba ważonych sesji, a nie minuty ani MET-min/tydzień. Nie porównuj go więc wprost z wynikami IPAQ i nie przeliczaj na minuty, bo kwestionariusz nie pyta o czas trwania sesji.

Klasyfikacja na aktywnych i niewystarczająco aktywnych ma dowody trafności u zdrowych dorosłych. U 100 członków klubu fitness osoby aktywne według kwestionariusza miały wyższą wydolność, mniej tkanki tłuszczowej i więcej zarejestrowanych wizyt w klubie (Amireault i Godin, 2015). Klasyfikacja to jednak przybliżenie, nie pomiar spełnienia zaleceń. Żadnych porad dotyczących aktywności nie przekazuj uczestnikom na podstawie wyniku – kwestionariusz służy do badania grup.

Ten sam przegląd pokazał, że w 81% badań używano wersji zmodyfikowanej, np. z dopisanym czasem trwania, innym okresem odniesienia albo wynikiem w minutach tygodniowo (Amireault i in., 2015). Jeśli dodajesz pytanie o minuty, wynik w minutach jest wynikiem innego narzędzia i trzeba to napisać. Pamiętaj też o ograniczeniach samoopisu. Jacobs i in. (1993) porównali dziesięć kwestionariuszy aktywności i stwierdzili, że nawet bardzo proste wiązały się z aktywnością intensywną i wydolnością, a słabiej z aktywnością lekką i umiarkowaną. Odpowiedzi mogą też zniekształcać aprobata społeczna i błędy pamięci.

Przykład: aktywność 240 osób studiujących

Dane są symulowane i możesz je pobrać jako plik CSV. Kolumny s, m i l to liczby sesji intensywnych, umiarkowanych i lekkich, a s2, m2 i l2 – drugi pomiar po dwóch tygodniach u 70 osób. Trzy osoby pominęły jedno pytanie. Jedna osoba wpisała 35 sesji lekkich tygodniowo, co według reguły ustalonej przed analizą potraktowaliśmy jako brak. Analiza obejmuje 236 osób.

Rozkład LSI jest wyraźnie prawostronnie skośny: większość osób ma umiarkowane wyniki, a kilka bardzo wysokie. Dlatego w tekście podaj medianę z kwartylami, a do porównań grup użyj testów nieparametrycznych albo modeli dla danych skośnych.

Odsetek aktywnych i porównanie grup

Jako aktywne zaklasyfikowano 129 z 236 osób, czyli 54.7%, 95% CI [48.3, 60.9]. Przedział policzyliśmy metodą Wilsona, opisaną w haśle przedział ufności dla proporcji. Mediana LSI wyniosła 40 [21.5, 58] u mężczyzn (n = 104) i 34.5 [21, 54] u kobiet (n = 132). Test Manna–Whitneya nie wykazał istotnej różnicy, W = 6457, p = .435, a korelacja rangowo-biseryjna wyniosła r_rb = −.06, 95% CI [−.21, .09]. Aktywnych było 59.6% mężczyzn i 50.8% kobiet, χ²(1) = 1.84, p = .175. Jak porównać odsetki z przedziałem dla różnicy, pokazuje wpis jak porównać odsetki w dwóch grupach.

Dlaczego nie alfa Cronbacha?

Alfa trzech liczb sesji wyniosła .32, a korelacje Spearmana między nimi od .06 do .28. Taka alfa nic nie mówi o jakości pomiaru. Ktoś, kto często biega, nie musi często spacerować. Trzy pytania nie są wskaźnikami jednej cechy, które powinny ze sobą korelować, tylko składnikami sumy. Przypomina to wskaźnik formatywny opisany w haśle o modelach refleksyjnych i formatywnych. Z tego samego powodu nie liczymy omegi. Spójność wewnętrzna nie jest tu właściwą miarą rzetelności. Właściwą jest rzetelność test–retest.

Test–retest po dwóch tygodniach

U 70 osób, które wypełniły kwestionariusz drugi raz, ICC(2,1) dla LSI (model dwuczynnikowy losowy, zgodność bezwzględna, pojedynczy pomiar) wyniósł .87, 95% CI [.80, .92]. Dla wyniku MVPA wartość była taka sama: .87, 95% CI [.80, .92]. Według wskazówek Koo i Li (2016) przedział od .80 do .92 oznacza rzetelność dobrą lub doskonałą. Korelacja Spearmana LSI między pomiarami wyniosła ρ = .84. Klasyfikacja była zgodna u 87.1% osób, a kappa Cohena wyniosła κ = .74, 95% CI [.58, .90]. Szerzej o ICC i kappie piszemy w poradniku o zgodności sędziów.

Największe rozbieżności dotyczą osób z wysokimi wynikami. Liczba sesji to dane zliczeniowe, więc ich zmienność rośnie wraz z poziomem. W małej próbie kilka takich osób może mocno wpłynąć na ICC, dlatego zawsze pokaż wykres.

Jak opisać kwestionariusz Godina w pracy

Wzory zawierają liczby z przykładu. W nawiasach kwadratowych uzupełnij dane wersji, której używasz.

Ogólny schemat opisu narzędzia znajdziesz w poradniku opis narzędzia badawczego – wzór, a przedział dla odsetka sprawdzisz w kalkulatorze przedziału ufności.

Licencja i polska wersja

Pełny kwestionariusz zawiera artykuł Godina (2011). Według strony czasopisma (odczyt 1.11.2026) artykuł udostępniono na licencji Creative Commons Uznanie autorstwa – Użycie niekomercyjne – Bez utworów zależnych 4.0 (CC BY-NC-ND 4.0). Strona nie zawiera osobnego oświadczenia o zasadach używania kwestionariusza w badaniach. Licencja dotyczy tekstu artykułu, więc w razie wątpliwości co do użycia lub modyfikacji kwestionariusza skontaktuj się z autorami albo z wydawcą. Polskiej wersji nie weryfikowaliśmy. Jeśli z niej korzystasz, zacytuj publikację, w której ją opisano. Jak przebiega rzetelna adaptacja, opisuje wpis adaptacja kulturowa kwestionariusza.

# B259 – GLTEQ (Godin–Shephard): wskaźnik LSI, wynik MVPA, klasyfikacja, porównanie grup i test–retest (dane symulowane, set.seed(25901)).
# 240 osób studiujących; liczba sesji aktywności trwających ponad 15 minut w typowym tygodniu na trzech poziomach intensywności:
# s – intensywna, m – umiarkowana, l – lekka. Wagi 9, 5 i 3 oraz granica 24 według Godina (2011) i Amireault i Godina (2015).
# Pomiar powtórzony po dwóch tygodniach u 70 osób (kolumny s2, m2, l2). Treści pytań nie podajemy.
suppressPackageStartupMessages({ library(psych); library(effectsize) })
set.seed(25901)
n <- 240
plec <- factor(sample(c("kobieta", "mężczyzna"), n, replace = TRUE, prob = c(.58, .42)))
akt <- rnorm(n) + 0.30 * (plec == "mężczyzna")                      # skłonność do aktywności
sesje <- function(mu, b, x = akt) rnbinom(n, size = 2.5, mu = exp(log(mu) + b * x))
dane <- data.frame(id = 1:n, plec, s = sesje(1.6, .55), m = sesje(2.2, .35), l = sesje(3.2, .15))
dane$m[c(15, 122)] <- NA; dane$s[77] <- NA                             # braki odpowiedzi
dane$l[203] <- 35                                                     # wartość nieprawdopodobna do sprawdzenia
ret <- sort(sample(setdiff(1:n, c(15, 77, 122, 203)), 70))
zmien <- function(x) pmax(0, round(x * exp(rnorm(length(x), 0, .30)) + rnorm(length(x), 0, .8)))
dane[c("s2", "m2", "l2")] <- NA
dane[ret, c("s2", "m2", "l2")] <- sapply(dane[ret, c("s", "m", "l")], zmien)
write.csv(dane, "../glteq-dane-przyklad.csv", row.names = FALSE, na = "")  # plik do pobrania

# Krok 1. Kontrola danych: liczby całkowite ≥ 0, braki, wartości skrajne do sprawdzenia
sapply(dane[, c("s", "m", "l")], function(x) c(calkowite_nieujemne = all(x[!is.na(x)] %% 1 == 0 & x[!is.na(x)] >= 0),
  braki = sum(is.na(x)), max = max(x, na.rm = TRUE)))
dane[which(dane$l > 21), c("id", "s", "m", "l")]                     # reguła własna, ustalona przed analizą
dane$l[dane$id == 203] <- NA                                         # nieprawdopodobne: traktujemy jako brak

# Krok 2. Wskaźnik LSI (9 × s + 5 × m + 3 × l) i wynik MVPA (9 × s + 5 × m)
lsi  <- function(s, m, l) 9 * s + 5 * m + 3 * l
mvpa <- function(s, m) 9 * s + 5 * m
dane$LSI <- lsi(dane$s, dane$m, dane$l)
dane$MVPA <- mvpa(dane$s, dane$m)
pel <- dane[!is.na(dane$LSI), ]
nrow(pel)
opis <- function(x) round(c(n = length(x), M = mean(x), SD = sd(x), Me = median(x), Q1 = unname(quantile(x, .25)),
  Q3 = unname(quantile(x, .75)), max = max(x), skosnosc = psych::skew(x), proc_0 = 100 * mean(x == 0)), 2)
rbind(LSI = opis(pel$LSI), MVPA = opis(pel$MVPA), s = opis(pel$s), m = opis(pel$m), l = opis(pel$l))

# Krok 3. Klasyfikacja: MVPA ≥ 24 – aktywni, ≤ 23 – niewystarczająco aktywni; odsetek z 95% CI Wilsona
pel$kat <- factor(ifelse(pel$MVPA >= 24, "aktywni", "niewystarczająco aktywni"), levels = c("aktywni", "niewystarczająco aktywni"))
table(pel$kat)
pt <- prop.test(sum(pel$kat == "aktywni"), nrow(pel), correct = FALSE)
round(100 * c(odsetek = unname(pt$estimate), lo = pt$conf.int[1], hi = pt$conf.int[2]), 1)

# Krok 4. Kobiety i mężczyźni: mediany, test Manna–Whitneya, korelacja rangowo-biseryjna i odsetki aktywnych
aggregate(LSI ~ plec, pel, function(x) round(c(n = length(x), Me = median(x), Q1 = quantile(x, .25)[[1]], Q3 = quantile(x, .75)[[1]]), 1))
wilcox.test(LSI ~ plec, data = pel, exact = FALSE)
rank_biserial(LSI ~ plec, data = pel)
tab <- table(pel$plec, pel$kat); tab
round(100 * prop.table(tab, 1), 1)
chisq.test(tab, correct = FALSE)

# Krok 5. Spójność wewnętrzna? Alfa trzech częstości – dla porównania, nie do raportowania
round(suppressMessages(alpha(pel[, c("s", "m", "l")], warnings = FALSE))$total$raw_alpha, 2)
round(cor(pel[, c("s", "m", "l")], method = "spearman"), 2)

# Krok 6. Test–retest po dwóch tygodniach: ICC(2,1) dla LSI, rho Spearmana i kappa Cohena dla klasyfikacji
rt <- dane[!is.na(dane$s2) & !is.na(dane$LSI), ]
rt$LSI2 <- lsi(rt$s2, rt$m2, rt$l2); rt$MVPA2 <- mvpa(rt$s2, rt$m2)
nrow(rt)
ic <- ICC(rt[, c("LSI", "LSI2")], lmer = FALSE)$results
round(ic[ic$type == "ICC2", c("ICC", "lower bound", "upper bound")], 3)
ic2 <- ICC(rt[, c("MVPA", "MVPA2")], lmer = FALSE)$results
round(ic2[ic2$type == "ICC2", c("ICC", "lower bound", "upper bound")], 3)
round(cor(rt$LSI, rt$LSI2, method = "spearman"), 2)
k <- cohen.kappa(cbind(rt$MVPA >= 24, rt$MVPA2 >= 24))
round(c(zgodnosc_proc = 100 * mean((rt$MVPA >= 24) == (rt$MVPA2 >= 24)), kappa = k$kappa,
        lo = k$confid["unweighted kappa", "lower"], hi = k$confid["unweighted kappa", "upper"]), 2)

                     s  m  l
calkowite_nieujemne  1  1  1
braki                1  2  0
max                 16 11 35
     id s m  l
203 203 2 2 35
[1] 236
       n     M    SD Me Q1 Q3 max skosnosc proc_0
LSI  236 42.24 30.06 37 21 57 187     1.59   1.27
MVPA 236 31.92 27.69 27 14 45 181     1.98   5.51
s    236  2.08  2.43  1  0  3  16     2.39  25.42
m    236  2.63  2.36  2  1  4  11     1.40  14.83
l    236  3.44  3.06  3  1  5  19     1.75  11.86

                 aktywni niewystarczająco aktywni 
                     129                      107 
odsetek      lo      hi 
   54.7    48.3    60.9 
       plec LSI.n LSI.Me LSI.Q1 LSI.Q3
1   kobieta 132.0   34.5   21.0   54.0
2 mężczyzna 104.0   40.0   21.5   58.0

	Wilcoxon rank sum test with continuity correction

data:  LSI by plec
W = 6457, p-value = 0.4349
alternative hypothesis: true location shift is not equal to 0

r (rank biserial) |        95% CI
---------------------------------
-0.06             | [-0.21, 0.09]
           
            aktywni niewystarczająco aktywni
  kobieta        67                       65
  mężczyzna      62                       42
           
            aktywni niewystarczająco aktywni
  kobieta      50.8                     49.2
  mężczyzna    59.6                     40.4

	Pearson's Chi-squared test

data:  tab
X-squared = 1.8416, df = 1, p-value = 0.1748

[1] 0.32
     s    m    l
s 1.00 0.28 0.13
m 0.28 1.00 0.06
l 0.13 0.06 1.00
[1] 70
                       ICC lower bound upper bound
Single_random_raters 0.867       0.795       0.915
                       ICC lower bound upper bound
Single_random_raters 0.869       0.797       0.917
[1] 0.84
zgodnosc_proc         kappa            lo            hi 
        87.14          0.74          0.58          0.90 

Najczęstsze błędy przy kwestionariuszu Godina

• Złe wagi albo ich brak. Suma sesji bez mnożenia przez 9, 5 i 3 nie jest wskaźnikiem LSI.
• Klasyfikacja z pełnego LSI. Granica 24 dotyczy wyniku z aktywności umiarkowanej i intensywnej, bez lekkiej.
• Nazywanie LSI minutami albo MET-min. To ważona liczba sesji. Nie porównuj jej wprost z IPAQ.
• Wersja zmodyfikowana bez informacji. Dopisanie minut, zmiana okresu odniesienia czy przykładów tworzy inne narzędzie. Napisz o tym w metodzie.
• Alfa Cronbacha jako miara rzetelności. Trzy liczby sesji nie muszą korelować. Podaj rzetelność test–retest z literatury albo z własnego powtórnego pomiaru.
• Średnia i SD bez mediany. LSI jest skośny, a kilka bardzo aktywnych osób mocno zawyża średnią.

Pełną ścieżkę analizy narzędzia porządkuje przewodnik po analizie kwestionariusza. Jeśli chcesz, żeby ktoś sprawdził liczenie wyniku i klasyfikację w Twojej bazie, możesz skorzystać z konsultacji w ramach oferty analizy statystyczne dla studentów. Wyniki musisz jednak rozumieć i umieć obronić samodzielnie.

Najczęstsze pytania

Skąd w kwestionariuszu Godina wagi 9, 5 i 3?

To wartości MET przypisane aktywności intensywnej, umiarkowanej i lekkiej. Liczbę sesji każdego rodzaju mnoży się przez odpowiednią wagę i sumuje, co daje wskaźnik LSI. Wagi podają publikacje z udziałem autora kwestionariusza, odsyłające do artykułu Godina z 2011 roku.

Czy do granicy 24 w kwestionariuszu Godina liczy się aktywność lekką?

Nie. Klasyfikacja na aktywnych i niewystarczająco aktywnych opiera się tylko na aktywności umiarkowanej i intensywnej: 9 × sesje intensywne + 5 × sesje umiarkowane. Wynik 24 lub wyższy oznacza osobę aktywną, a 23 lub niższy – niewystarczająco aktywną.

Czy wynik LSI można przeliczyć na minuty lub porównać z IPAQ?

Nie wprost. Kwestionariusz pyta o liczbę sesji trwających co najmniej 15 minut, a nie o ich czas, więc LSI to ważona liczba sesji. IPAQ daje wynik w MET-min/tydzień. Jeśli potrzebujesz minut, użyj narzędzia, które o nie pyta, albo opisz własną modyfikację jako inne narzędzie.

Jaką rzetelność podać dla kwestionariusza Godina w pracy?

Rzetelność test–retest, a nie alfę Cronbacha. Trzy liczby sesji nie muszą ze sobą korelować, bo są składnikami sumy, a nie wskaźnikami jednej cechy. Podaj wartości z literatury albo ICC z własnego powtórnego pomiaru po krótkim odstępie, np. dwóch tygodni.

Powiązane hasła

Przeczytaj też

@article{amireault2015godin, author={Amireault, Steve and Godin, Gaston}, title={{The Godin-Shephard Leisure-Time Physical Activity Questionnaire: Validity evidence supporting its use for classifying healthy adults into active and insufficiently active categories}}, journal={Perceptual and Motor Skills}, year={2015}, volume={120}, number={2}, pages={604--622}, doi={10.2466/03.27.pms.120v19x7}}

@article{amireault2015use, author={Amireault, Steve and Godin, Gaston and Lacombe, Jason and Sabiston, Catherine M.}, title={{The use of the Godin-Shephard Leisure-Time Physical Activity Questionnaire in oncology research: A systematic review}}, journal={BMC Medical Research Methodology}, year={2015}, volume={15}, number={1}, eid={60}, doi={10.1186/s12874-015-0045-7}}

@article{godin2011godin, author={Godin, Gaston}, title={{The Godin-Shephard Leisure-Time Physical Activity Questionnaire}}, journal={The Health \& Fitness Journal of Canada}, year={2011}, volume={4}, number={1}, pages={18--22}, doi={10.14288/hfjc.v4i1.82}}

@article{godin1985simple, author={Godin, Gaston and Shephard, Roy J.}, title={{A simple method to assess exercise behavior in the community}}, journal={Canadian Journal of Applied Sport Sciences}, year={1985}, volume={10}, number={3}, pages={141--146}, url={https://pubmed.ncbi.nlm.nih.gov/4053261/}}

@article{jacobs1993simultaneous, author={Jacobs, David R., Jr. and Ainsworth, Barbara E. and Hartman, Terryl J. and Leon, Arthur S.}, title={{A simultaneous evaluation of 10 commonly used physical activity questionnaires}}, journal={Medicine \& Science in Sports \& Exercise}, year={1993}, volume={25}, number={1}, pages={81--91}, doi={10.1249/00005768-199301000-00012}}

@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}}