Cel opisu próby: umożliwić czytelnikowi ocenę, do kogo odnoszą się wyniki i jak rekrutacja mogła wpłynąć na wniosek.
Dobierz cechy do pytania badawczego
Wiek i płeć nie zawsze wystarczają. W badaniu klinicznym ważne mogą być czas trwania choroby, leczenie i ciężkość stanu; w edukacji — poziom kształcenia i typ szkoły; w badaniu organizacji — staż i stanowisko. Uwzględnij cechy mogące modyfikować efekt lub ograniczać uogólnienie.
Miara opisowa zależy od rozkładu
Dla danych zbliżonych do symetrycznych podaj M i SD; dla silnie skośnych — medianę i kwartyle; dla kategorii — n oraz procent z jednoznacznym mianownikiem. Zakres min–max może uzupełniać, ale nie zastępuje rozproszenia.
Checklista autora
- Podano kryteria włączenia i wyłączenia.
- Wiadomo, skąd i kiedy rekrutowano uczestników.
- Pokazano początkowe i końcowe N.
- Każdy procent ma jasny mianownik.
- Opisano braki danych.
- Nie nazwano próby reprezentatywną bez uzasadnienia.
Nie testuj każdej cechy bazowej tylko po to, by znaleźć p > .05
W badaniu randomizowanym przypadkowe różnice bazowe są oczekiwane. Ważniejszy jest ich rozmiar i znaczenie dla modelu niż mechaniczny test „jednorodności”.
Pojęcia potrzebne do tego zagadnienia
Definicje poniżej rozwijają najważniejsze terminy, pokazują wzory, przykłady i gotowe raportowanie w APA 7.
Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (Appelbaum et al., 2018).
Kod w R, Pythonie i IBM SPSS Statistics
Dopasuj listę zmiennych do kryteriów włączenia, schematu doboru i skali pomiaru. Liczebności raportuj z jawnym mianownikiem, a braki i odpowiedzi „nie podano” pozostaw widoczne zamiast automatycznie je usuwać.
Charakterystyka próby
R
dane <- read.csv("dane.csv")
# Cała próba.
c(N = nrow(dane), braki_wiek = sum(is.na(dane$wiek)))
with(dane, c(M = mean(wiek, na.rm = TRUE),
SD = sd(wiek, na.rm = TRUE),
Me = median(wiek, na.rm = TRUE)))
prop.table(table(dane$plec, useNA = "ifany")) * 100
# Wiek według grup.
aggregate(wiek ~ grupa, data = dane,
FUN = function(x) c(N = sum(!is.na(x)), M = mean(x, na.rm = TRUE),
SD = sd(x, na.rm = TRUE)))Python
import pandas as pd
df = pd.read_csv("dane.csv")
print("N =", len(df))
print(df["wiek"].describe(percentiles=[.25, .50, .75]))
print(pd.crosstab(df["plec"], columns="n", margins=True))
print(pd.crosstab(df["plec"], columns="procent", normalize=True) * 100)
tabela_grup = df.groupby("grupa", dropna=False)["wiek"].agg(
N="count", M="mean", SD="std", Me="median"
)
print(tabela_grup)IBM SPSS Statistics — Syntax
GET DATA /TYPE=TXT
/FILE='dane.csv'
/DELCASE=LINE /DELIMITERS="," /FIRSTCASE=2
/VARIABLES=wiek F8.2 plec A20 grupa A20.
FREQUENCIES VARIABLES=plec grupa
/ORDER=ANALYSIS.
MEANS TABLES=wiek BY grupa
/CELLS=COUNT MEAN STDDEV MEDIAN 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 badaczyOferta dla studentówBibliografia i dalsza literatura naukowa (APA 7)
- 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
- 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
- Altman, D. G. (2015). Making research articles fit for purpose: Structured reporting of key methods and findings. Trials, 16, 53. https://doi.org/10.1186/s13063-015-0575-7
- Lakens, D. (2022). Sample size justification. Collabra: Psychology, 8(1), 33267. https://doi.org/10.1525/collabra.33267
- Maxwell, S. E., Kelley, K., & Rausch, J. R. (2008). Sample size planning for statistical power and accuracy in parameter estimation. Annual Review of Psychology, 59, 537–563. https://doi.org/10.1146/annurev.psych.59.103006.093735
Cytowania BibTeX
@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}}@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{altman2015reporting, author={Altman, Douglas G.}, title={Making research articles fit for purpose: structured reporting of key methods and findings}, journal={Trials}, year={2015}, volume={16}, pages={53}, doi={10.1186/s13063-015-0575-7}}@article{lakens2022sample, author={Lakens, Daniël}, title={Sample size justification}, journal={Collabra: Psychology}, year={2022}, volume={8}, number={1}, pages={33267}, doi={10.1525/collabra.33267}}@article{maxwell2008samplesize, author={Maxwell, Scott E. and Kelley, Ken and Rausch, Joseph R.}, title={Sample size planning for statistical power and accuracy in parameter estimation}, journal={Annual Review of Psychology}, year={2008}, volume={59}, pages={537--563}, doi={10.1146/annurev.psych.59.103006.093735}}