Prace dyplomowe · Raportowanie wyników

Tabele APA w pracy z psychologii – 16 wzorów z przykładami i notą pod tabelą

Styl APA to wspólny język psychologów — także w tabelach. Zobacz, jak zbudowana jest tabela APA, i skorzystaj z 16 gotowych wzorów, które tworzą cały rozdział „Wyniki” pracy dyplomowej: z liczbami z prawdziwego badania, opisem w tekście i plikami .docx.

Strona główna / Blog / Tabele APA — wzory i przykłady
W skrócie: styl APA to wspólny język psychologów — także w tabelach. Tabela APA ma numer (pogrubiony), tytuł kursywą, tylko linie poziome i notę pod spodem. W tym poradniku znajdziesz 16 wzorów tabel, które tworzą kompletny rozdział „Wyniki” pracy licencjackiej lub magisterskiej z psychologii — od charakterystyki próby po konfirmacyjną analizę czynnikową — wszystkie policzone w R na jednym zbiorze danych (N = 303), z opisem w tekście, przyciskiem „Kopiuj do Worda” i plikami .docx. Na końcu pokazujemy rysunki w stylu APA i bardziej złożone rysunki stosowane w innych dziedzinach nauki.

Pobierz komplet 16 wzorów tabel (.docx)

APA jako wspólny język psychologów

Psychologia jest nauką kumulatywną: pojedyncze badanie nabiera znaczenia dopiero wtedy, gdy inni mogą je zrozumieć, sprawdzić, porównać z własnymi wynikami i włączyć do metaanalizy. Dlatego psychologowie od dziesięcioleci korzystają ze wspólnego standardu zapisu — stylu Amerykańskiego Towarzystwa Psychologicznego (APA). Obecnie obowiązuje 7. wydanie podręcznika publikacyjnego (American Psychological Association, 2020), a jego zasady stosują czasopisma psychologiczne na całym świecie i większość polskich wydziałów psychologii.

Wspólny standard działa jak wspólny język. Zapis „t(251.9) = 5.50, p < .001, d = 0.65” zrozumie badaczka w Warszawie i recenzent w Melbourne — bez dodatkowych objaśnień, co oznacza każdy symbol. Tabela przygotowana według tych samych reguł pozwala czytelnikowi od razu znaleźć liczebność próby, średnie, wielkość efektu i niepewność oszacowania. Dla autora pracy dyplomowej to także praktyczna korzyść: promotor i recenzent oceniają rozdział „Wyniki” szybciej i życzliwiej, gdy wygląda on tak, jak w artykułach, które sami czytają.

Styl APA nie jest zbiorem arbitralnych reguł estetycznych. Każdy element — kursywa przy symbolach statystycznych, brak linii pionowych, nota pod tabelą — służy temu, żeby wynik dało się odczytać jednoznacznie. Zasady opisuje też hasło styl APA, a wymagania dotyczące sekcji „Metoda” i „Wyniki” — poradnik wytyczne APA w metodologii i statystyce.

Jak psychologia komunikuje wyniki badań

Sposób raportowania wyników w psychologii zmienił się w ostatnich dekadach. Już raport grupy zadaniowej APA (Wilkinson i Task Force on Statistical Inference, 1999) zalecał podawanie wielkości efektu i przedziałów ufności zamiast samego „p < .05”. Ten kierunek wzmocniła tzw. nowa statystyka (Cumming, 2014) i kryzys replikacji. Obecne standardy raportowania badań ilościowych JARS (Appelbaum i in., 2018) wymagają m.in.:

  • pełnych statystyk opisowych dla wszystkich analizowanych zmiennych;
  • dokładnych wartości p (a nie tylko „ns” czy gwiazdek), wielkości efektu i przedziałów ufności;
  • informacji o brakach danych, wykluczeniach i rzetelności narzędzi w badanej próbie;
  • wyników wszystkich zaplanowanych analiz — również nieistotnych.

Tabele są najwygodniejszym miejscem na te informacje: zbierają w jednym miejscu dziesiątki liczb, które w tekście byłyby nieczytelne. Tekst pracy przywołuje tabelę i interpretuje najważniejsze wyniki, a tabela podaje pełne dane.

Tekst, tabela czy rysunek?

Zanim przygotujesz tabelę, zdecyduj, czy w ogóle jest potrzebna. Jeden lub dwa wyniki lepiej opisać w zdaniu. Tabela sprawdza się, gdy czytelnik ma odczytać wiele dokładnych wartości (np. statystyki kilku zmiennych lub współczynniki modelu). Rysunek wybierz, gdy ważniejszy od samych liczb jest wzór: trend, interakcja albo kształt rozkładu.

Schemat: kilka liczb — tekst, wiele dokładnych wartości — tabela, wzór lub trend — rysunek

Anatomia tabeli APA

Każda tabela w stylu APA 7 składa się z tych samych elementów (American Psychological Association, b.d.):

Anatomia tabeli APA: numer, tytuł, nagłówek grupujący, nagłówki kolumn, kolumna boczna, treść, linie poziome i nota
  1. Numer tabeli — pogrubiony, nad tabelą: Tabela 1. Tabele numeruje się w kolejności przywoływania w tekście.
  2. Tytuł — w nowej linii, kursywą; krótki, ale mówiący, czego dotyczy tabela („Porównanie kobiet i mężczyzn…”, a nie „Wyniki testu t”).
  3. Nagłówek grupujący — obejmuje kilka kolumn (np. „Kobiety” nad kolumnami M i SD); pod nim krótka linia.
  4. Nagłówki kolumn — zwięzłe; symbole statystyczne kursywą (M, SD, t, p), litery greckie bez kursywy (α, β, η²).
  5. Kolumna boczna — nazwy wierszy wyrównane do lewej; podkategorie wcięte.
  6. Treść — liczby wyrównane, ta sama liczba miejsc po kropce w kolumnie; puste komórki zostawia się puste, kreska oznacza „nie dotyczy”.
  7. Linie — tylko poziome: nad nagłówkiem, pod nagłówkiem i pod ostatnim wierszem. Bez linii pionowych, bez cieniowania.
  8. Nota — pod tabelą, w trzech możliwych rodzajach i tej kolejności: ogólna (Uwaga. N = …, objaśnienia skrótów), szczegółowa (indeksy literowe przy konkretnych komórkach) i o prawdopodobieństwie (*p < .05).

APA w polskiej pracy: decyzje przed startem

  • Kropka czy przecinek dziesiętny? W tym poradniku stosujemy oryginalną konwencję APA: kropkę dziesiętną. Wiele polskich wydziałów wymaga jednak przecinka (0,45). Obie wersje są poprawne, jeśli stosujesz je konsekwentnie — sprawdź wytyczne swojej uczelni.
  • Zero przed kropką. W APA pomija się je przy wartościach, które nie mogą przekroczyć 1: p = .023, r = .45, α = .87, R² = .59, CFI = .962. Zero zostaje przy wartościach, które mogą przekroczyć 1: M = 2.76, d = 0.65, β = 0.50, t = 5.50.
  • Wartości p. Podawaj dokładnie (.023), a bardzo małe jako p < .001 — nigdy „p = .000”.
  • Nazewnictwo. W polskiej pracy piszemy „Tabela 1”, „Rysunek 1” i „Uwaga.”, ale zostawiamy międzynarodowe symbole statystyczne (M, SD, df, CI).
  • Najpierw wytyczne promotora. Jeśli wydział ma własny wzór (np. numerację w rozdziałach, tytuł pod tabelą), ma on pierwszeństwo przed APA.

Przykładowe badanie i kolejność tabel

Wszystkie tabele przygotowano na jednym zbiorze danych z badania ankietowego akceptacji samochodów autonomicznych (N = 303), opartego na modelu akceptacji technologii (TAM). Badani ocenili łatwość korzystania, użyteczność i intencję zakupu (po cztery pozycje, skala 1–5) oraz obawy i cele (wyniki ogólne). Dzięki temu liczby w tabelach są ze sobą spójne — tak jak w prawdziwym rozdziale „Wyniki”. Kolejność tabel odpowiada typowej kolejności tego rozdziału: opis próby, statystyki opisowe i rzetelność, związki między zmiennymi, porównania grup, modele regresji, a na końcu analizy struktury narzędzia. Wszystkie wartości policzono w R; kod znajdziesz w hasłach słownika podlinkowanych pod tabelami.

Pod każdą tabelą jest przycisk „Kopiuj tabelę do Worda” (kopiuje tabelę ze sformatowaniem APA) i link do wzoru .docx.

16 wzorów tabel APA z przykładami

Tabela 1. Charakterystyka próby

Kiedy: Otwiera opis osób badanych: liczebności i odsetki w kategoriach oraz średni wiek.

Tabela 1

Charakterystyka socjodemograficzna osób badanych

Zmiennan%
Płeć
Kobiety17357.1
Mężczyźni13042.9
Wiek (lata)
20–2410936.0
25–2911638.3
30+7825.7
Wykształcenie
Podstawowe20.7
Średnie13042.9
Wyższe17156.4

Uwaga. N = 303. Wiek: M = 27.52, SD = 5.87, zakres 20–51 lat.

Pobierz wzór .docx

W tekście: W badaniu wzięły udział 303 osoby, w tym 173 kobiet (57.1%), w wieku od 20 do 51 lat (M = 27.52, SD = 5.87; Tabela 1).

Jak dobrać cechy do opisu i jak napisać akapit o próbie: wzór przedstawienia charakterystyki próby.

Tabela 2. Statystyki opisowe zmiennych

Kiedy: Najważniejsza tabela przed testowaniem hipotez: średnie, odchylenia, rozkład i rzetelność.

Tabela 2

Statystyki opisowe zmiennych modelu akceptacji technologii

ZmiennaMożliwy zakresMin–MaksMSDMdnSkośnośćKurtozaα
Łatwość korzystania1–51.00–5.003.610.793.75−0.520.51.90
Użyteczność1–51.00–5.003.240.893.25−0.32−0.05.87
Intencja zakupu1–51.00–5.002.761.032.750.03−0.68.87
Obawy1–41.00–4.002.790.712.80−0.31−0.57—
Cele1–41.00–4.002.150.742.000.45−0.21—
Wiek (lata)—20–5127.525.8726.001.471.86—

Uwaga. N = 303. Wyniki skal to średnie z odpowiedzi na pozycje; wyższe wartości oznaczają wyższy poziom zmiennej. Skośność i kurtozę (kurtoza nadwyżkowa) obliczono tak jak w SPSS; SE skośności = 0.14, SE kurtozy = 0.28. α = alfa Cronbacha; dla obaw i celów dostępne były wyłącznie wyniki ogólne, dlatego nie podano rzetelności.

Pobierz wzór .docx

W tekście: Badani wysoko oceniali łatwość korzystania (M = 3.61, SD = 0.79), a intencja zakupu była umiarkowana (M = 2.76, SD = 1.03; Tabela 2).

Szczegóły, warianty, kod R i wzór do pobrania: tabela statystyk opisowych w APA.

Tabela 3. Rzetelność skal

Kiedy: Do rozdziału „Narzędzia badawcze”: alfa z przedziałem ufności i omega McDonalda.

Tabela 3

Rzetelność skal kwestionariusza

SkalaLiczba pozycjiα95% CI dla αωrśrrit
Łatwość korzystania4.90[.86, .92].90.68.68–.82
Użyteczność4.87[.84, .90].87.63.71–.75
Intencja zakupu4.87[.84, .89].87.62.62–.77

Uwaga. N = 303. α = alfa Cronbacha (przedział ufności metodą bootstrap, 2000 prób); ω = omega McDonalda z jednoczynnikowej konfirmacyjnej analizy czynnikowej; rśr = średnia korelacja między pozycjami; rit = zakres skorygowanych korelacji pozycja–skala.

Pobierz wzór .docx

W tekście: Wszystkie skale miały wysoką rzetelność, od α = .87 (intencja zakupu) do α = .90 (łatwość korzystania; Tabela 3).

Szczegóły, warianty, kod R i wzór do pobrania: tabela rzetelności w APA.

Tabela 4. Średnie, odchylenia standardowe i korelacje

Kiedy: Najczęstsza tabela w pracach korelacyjnych: macierz r w dolnym trójkącie z M i SD.

Tabela 4

Średnie, odchylenia standardowe i korelacje Pearsona między zmiennymi

ZmiennaMSD123456
1. Łatwość korzystania3.610.79(.90)
2. Użyteczność3.240.89.48***(.87)
3. Intencja zakupu2.761.03.35***.72***(.87)
4. Obawy2.790.71−.29***−.45***−.41***—
5. Cele2.150.74.25***.60***.64***−.39***—
6. Wiek27.525.87−.05−.02.02.03−.05—

Uwaga. N = 303. Na przekątnej w nawiasach podano alfę Cronbacha. Wiek wyrażono w latach.

*p < .05. **p < .01. ***p < .001.

Pobierz wzór .docx

W tekście: Intencja zakupu korelowała najsilniej z użytecznością, r = .72, p < .001, i ujemnie z obawami, r = −.41, p < .001 (Tabela 4).

Szczegóły, warianty, kod R i wzór do pobrania: tabela korelacji w APA (także wariant z przedziałami ufności).

Tabela 5. Porównanie dwóch grup (test t)

Kiedy: Kilka zmiennych zależnych w jednej tabeli; grupy jako nagłówki grupujące.

Tabela 5

Porównanie kobiet i mężczyzn w zakresie zmiennych modelu akceptacji technologii

ZmiennaKobiety (n = 173)Mężczyźni (n = 130)tdfpd Cohena95% CI dla d
MSDMSD
Intencja zakupu2.730.952.811.13−0.63250.0.527−0.08[−0.30, 0.15]
Użyteczność3.180.823.330.98−1.42247.8.156−0.17[−0.40, 0.06]
Łatwość korzystania3.520.753.730.84−2.24260.4.026−0.26[−0.49, −0.04]
Obawy2.980.632.530.745.50251.9< .0010.65[0.42, 0.89]

Uwaga. N = 303. Zastosowano test t Welcha (bez założenia równości wariancji), stąd ułamkowe stopnie swobody. Dodatnie wartości t i d oznaczają wyższe wyniki kobiet; d obliczono z łączonego odchylenia standardowego.

Pobierz wzór .docx

W tekście: Kobiety zgłaszały więcej obaw niż mężczyźni, t(251.9) = 5.50, p < .001, d = 0.65, 95% CI [0.42, 0.89] (Tabela 5).

Szczegóły, warianty, kod R i wzór do pobrania: tabela testu t w APA.

Tabela 6. Dwa pomiary tych samych osób

Kiedy: Test t dla prób zależnych: różnica średnich z przedziałem ufności i dz.

Tabela 6

Porównanie ocen łatwości korzystania i użyteczności (pomiary zależne)

ZmiennaMSDRóżnicat(302)pdz
Mdiff95% CI
Łatwość korzystania3.610.790.37[0.27, 0.47]7.46< .0010.43
Użyteczność3.240.89

Uwaga. N = 303. Obie skale mierzono na skali 1–5 u tych samych osób; korelacja między pomiarami r = .48. Mdiff = różnica średnich (łatwość − użyteczność); dz = średnia różnica podzielona przez odchylenie standardowe różnic, 95% CI [0.31, 0.55].

Pobierz wzór .docx

W tekście: Łatwość korzystania oceniano wyżej niż użyteczność, t(302) = 7.46, p < .001, dz = 0.43 (Tabela 6).

Tabela 7. ANOVA jednoczynnikowa (wyniki nieistotne)

Kiedy: Trzy lub więcej grup; pełne statystyki także wtedy, gdy różnic brak.

Tabela 7

Porównanie zmiennych modelu akceptacji technologii w grupach wieku

Zmienna20–24 (n = 109)25–29 (n = 116)30+ (n = 78)F(2, 300)pη2
MSDMSDMSD
Intencja zakupu2.771.042.711.062.830.980.35.702.00
Użyteczność3.270.853.250.903.200.940.15.863.00
Łatwość korzystania3.660.743.590.823.580.830.29.749.00
Obawy2.750.722.800.722.820.700.26.769.00

Uwaga. N = 303. Wiek w latach podzielono na trzy przedziały. η2 = eta kwadrat. Ponieważ żaden test F nie był istotny, nie przeprowadzano porównań post hoc.

Pobierz wzór .docx

W tekście: Grupy wieku nie różniły się intencją zakupu, F(2, 300) = 0.35, p = .702, η² = .002 (Tabela 7).

Szczegóły, warianty, kod R i wzór do pobrania: tabela ANOVA w APA.

Tabela 8. ANOVA z testami post hoc

Kiedy: Litery przy średnich pokazują, które grupy różnią się istotnie.

Tabela 8

Zmienne modelu akceptacji technologii w grupach o różnym poziomie postrzeganej użyteczności

ZmiennaNiska (n = 133)Średnia (n = 91)Wysoka (n = 79)F(2, 300)pη2
MSDMSDMSD
Intencja zakupu2.12a0.842.91b0.743.68c0.8693.60< .001.38
Cele1.73a0.542.27b0.592.73c0.7766.66< .001.31
Łatwość korzystania3.28a0.813.75b0.564.02c0.7627.53< .001.16
Obawy3.13a0.602.67b0.592.34c0.7340.34< .001.21

Uwaga. N = 303. Grupy utworzono przez podział wyników skali użyteczności na tercyle (niska: ≤ 3.00, średnia: 3.25–3.75, wysoka: ≥ 4.00); podział służy wyłącznie ilustracji formatu tabeli — przy zmiennej ilościowej lepszą analizą jest regresja.

Średnie w tym samym wierszu oznaczone różnymi literami w indeksie dolnym różnią się istotnie (p < .05, test HSD Tukeya). η2 = eta kwadrat (odsetek wariancji wyjaśnianej przez grupę).

Pobierz wzór .docx

W tekście: Intencja zakupu rosła wraz z poziomem użyteczności, F(2, 300) = 93.60, p < .001, η² = .38, a wszystkie grupy różniły się parami (Tabela 8).

Tabela 9. ANOVA dwuczynnikowa

Kiedy: Układ „źródło zmienności”: efekty główne, interakcja i cząstkowe η².

Tabela 9

Dwuczynnikowa analiza wariancji obaw: płeć i grupa wieku

Źródło zmiennościdfFpη2p95% CI dla η2p
Płeć131.84< .001.097[.042, .165]
Grupa wieku20.52.598.003[.000, .023]
Płeć × grupa wieku20.14.872.001[.000, .012]
Błąd297

Uwaga. N = 303. Sumy kwadratów typu III. η2p = cząstkowe eta kwadrat. Kobiety (M = 2.98, SD = 0.63) zgłaszały więcej obaw niż mężczyźni (M = 2.53, SD = 0.74).

Pobierz wzór .docx

W tekście: Istotny był tylko efekt główny płci, F(1, 297) = 31.84, p < .001, η²p = .10 (Tabela 9).

Tabela 10. Tabela krzyżowa z testem chi-kwadrat

Kiedy: Dwie zmienne jakościowe: liczebności i procenty w wierszach, wynik testu w nocie.

Tabela 10

Odsetek osób z co najmniej umiarkowaną intencją zakupu wśród kobiet i mężczyzn

PłećIntencja ≥ 3Intencja < 3
n%n%
Kobiety8247.49152.6
Mężczyźni6650.86449.2

Uwaga. N = 303. Procenty obliczono w wierszach. χ2(1, N = 303) = 0.34, p = .561, φ = −.03; OR = 0.87, 95% CI [0.55, 1.38].

Pobierz wzór .docx

W tekście: Odsetek osób z co najmniej umiarkowaną intencją zakupu nie różnił się między kobietami a mężczyznami, χ2(1, N = 303) = 0.34, p = .561 (Tabela 10).

Test chi-kwadrat krok po kroku i kalkulator: tabela krzyżowa.

Tabela 11. Regresja liniowa wieloraka

Kiedy: b, SE, przedział ufności, β, t i p dla każdego predyktora; R² i F w nocie.

Tabela 11

Wyniki regresji liniowej wielokrotnej dla intencji zakupu

PredyktorbSE95% CI dla bβtp
LLUL
Stała0.130.33−0.510.780.41.682
Łatwość korzystania0.020.06−0.090.130.020.36.723
Użyteczność0.580.060.460.700.509.48< .001
Obawy−0.090.06−0.210.03−0.06−1.45.149
Cele0.430.070.300.560.316.60< .001

Uwaga. N = 303. R2 = .59, skorygowane R2 = .58, F(4, 298) = 106.68, p < .001. b = współczynnik niestandaryzowany; β = współczynnik standaryzowany; LL i UL = dolna i górna granica przedziału ufności. Współczynniki VIF mieściły się w zakresie 1.30–2.01.

Pobierz wzór .docx

W tekście: Model wyjaśniał 59% wariancji intencji zakupu; najsilniejszym predyktorem była użyteczność, β = 0.50, p < .001 (Tabela 11).

Szczegóły, warianty, kod R i wzór do pobrania: tabela regresji w APA.

Tabela 12. Regresja hierarchiczna

Kiedy: Kroki modelu, R² i ΔR² z testem F zmiany.

Tabela 12

Hierarchiczna regresja liniowa: predyktory intencji zakupu

Krok i predyktorbSEβpR2ΔR2
Krok 1.00.00
Płeć (mężczyzna)0.080.120.04.529
Wiek0.000.010.02.700
Krok 2.52.52***
Płeć (mężczyzna)−0.050.08−0.03.516
Wiek0.010.010.04.297
Łatwość korzystania0.020.060.01.780
Użyteczność0.830.050.72< .001
Krok 3.59.07***
Płeć (mężczyzna)−0.060.08−0.03.504
Wiek0.010.010.05.147
Łatwość korzystania0.030.060.02.637
Użyteczność0.570.060.50< .001
Obawy−0.100.06−0.07.110
Cele0.430.070.31< .001

Uwaga. N = 303. Płeć zakodowano: 0 = kobieta, 1 = mężczyzna. Zmiana R2 w kroku 2: F(2, 298) = 161.71; w kroku 3: F(2, 296) = 25.71.

*p < .05. **p < .01. ***p < .001.

Pobierz wzór .docx

W tekście: Zmienne modelu TAM zwiększyły odsetek wyjaśnionej wariancji o 52 punktów procentowych ponad płeć i wiek (Tabela 12).

Tabela 13. Regresja logistyczna

Kiedy: Wynik dwuwartościowy: B, Wald, iloraz szans z przedziałem ufności.

Tabela 13

Regresja logistyczna: predyktory co najmniej umiarkowanej intencji zakupu

PredyktorBSEWaldpOR95% CI dla OR
LLUL
Stała−6.591.4919.44< .0010.001
Łatwość korzystania−0.120.240.26.6080.890.561.41
Użyteczność1.680.2835.24< .0015.373.089.36
Obawy−0.200.250.63.4260.820.511.33
Cele0.940.2711.98< .0012.551.504.34

Uwaga. N = 303. Zmienna zależna: intencja zakupu ≥ 3 (1; n = 148) wobec < 3 (0; n = 155). Model: χ2(4) = 141.22, p < .001; R2 Nagelkerkego = .50; poprawnie sklasyfikowano 75.9% osób (próg .50). OR = iloraz szans; Wald = statystyka Walda z 1 stopniem swobody.

Pobierz wzór .docx

W tekście: Wyższa użyteczność zwiększała szanse co najmniej umiarkowanej intencji zakupu, OR = 5.37, 95% CI [3.08, 9.36] (Tabela 13).

Szczegóły, warianty, kod R i wzór do pobrania: tabela regresji logistycznej w APA.

Tabela 14. Mediacja

Kiedy: Ścieżki a, b, c′, efekt całkowity i pośredni z bootstrapowym przedziałem ufności.

Tabela 14

Mediacyjna rola użyteczności w związku łatwości korzystania z intencją zakupu

EfektbSE95% CIβp
LLUL
a: łatwość korzystania → użyteczność0.540.060.420.650.48< .001
b: użyteczność → intencja zakupu0.830.050.730.930.72< .001
c′: efekt bezpośredni (łatwość → intencja)0.010.06−0.110.130.01.872
c: efekt całkowity0.460.070.310.600.35< .001
ab: efekt pośredni0.450.050.340.550.35—

Uwaga. N = 303. Przedziały ufności wyznaczono metodą bootstrap percentylową (5000 prób); dla efektu pośredniego o istotności świadczy przedział ufności niezawierający zera. β = efekt standaryzowany. Model wyjaśniał 23.2% wariancji użyteczności i 51.9% wariancji intencji zakupu.

Pobierz wzór .docx

W tekście: Efekt pośredni łatwości korzystania przez użyteczność był istotny, ab = 0.45, 95% CI [0.34, 0.55] (Tabela 14).

Szczegóły, warianty, kod R i wzór do pobrania: tabela mediacji w APA.

Tabela 15. Eksploracyjna analiza czynnikowa

Kiedy: Ładunki po rotacji, komunalności, % wariancji; korelacje czynników w nocie.

Tabela 15

Ładunki czynnikowe pozycji kwestionariusza w eksploracyjnej analizie czynnikowej

PozycjaCzynnik 1:
łatwość
Czynnik 2:
użyteczność
Czynnik 3:
intencja
h2
ŁK1.83−.02.01.68
ŁK2.89.00.00.80
ŁK3.68.02.07.52
ŁK4.88.01−.03.77
UŻ1.03.83.04.75
UŻ2.04.90−.08.75
UŻ3−.06.52.32.55
UŻ4.10.46.29.56
IZ1.03.40.37.51
IZ2.02−.07.89.72
IZ3.03.01.82.70
IZ4−.02.16.70.65
Suma kwadratów ładunków2.832.522.61
% wyjaśnianej wariancji23.521.021.8

Uwaga. N = 303. Metoda największej wiarygodności, rotacja oblimin. Pogrubiono ładunki ≥ .30. h2 = komunalność. ŁK = łatwość korzystania, UŻ = użyteczność, IZ = intencja zakupu. KMO = .90; test Bartletta χ2(66) = 2327.33, p < .001. Korelacje czynników: 1–2 r = .52, 1–3 r = .32, 2–3 r = .68.

Pobierz wzór .docx

W tekście: Trzy czynniki wyjaśniały łącznie 66.3% wariancji pozycji (Tabela 15).

Szczegóły, warianty, kod R i wzór do pobrania: tabela analizy czynnikowej w APA.

Tabela 16. Dopasowanie modeli CFA

Kiedy: Porównanie modeli konkurencyjnych: χ², CFI, TLI, RMSEA, SRMR i test różnicy χ².

Tabela 16

Wskaźniki dopasowania konkurencyjnych modeli konfirmacyjnej analizy czynnikowej

Modelχ2dfpCFITLIRMSEA90% CI RMSEASRMRAICΔχ2 (Δdf)
Jednoczynnikowy615.5854< .001.671.598.214[.199, .230].1399172.2213.93 (3)***
Dwuczynnikowy215.5253< .001.911.889.112[.097, .128].0638620.069.10 (2)***
Trzyczynnikowy121.8351< .001.962.951.075[.058, .092].0488504.5—

Uwaga. N = 303. Estymator MLR; podano skalowane χ2 oraz odporne CFI, TLI i RMSEA. Model dwuczynnikowy łączy użyteczność i intencję zakupu w jeden czynnik. Δχ2 = skalowany test różnicy względem modelu trzyczynnikowego. W modelu trzyczynnikowym standaryzowane ładunki wynosiły od .70 do .89.

***p < .001.

Pobierz wzór .docx

W tekście: Model trzyczynnikowy był dopasowany najlepiej, CFI = .962, RMSEA = .075, SRMR = .048 (Tabela 16).

Szczegóły, warianty, kod R i wzór do pobrania: tabela dopasowania modelu w APA.

Rysunki w stylu APA

Rysunek w APA ma taką samą „ramę” jak tabela: numer pogrubiony (Rysunek 1), tytuł kursywą nad rysunkiem i notę pod nim. Sam wykres powinien być czytelny w druku czarno-białym, mieć opisane osie z jednostkami i nie zawierać zbędnych ozdobników (cieni, efektów 3D, tła). Zamiast słupków ze średnimi na skali, która nie zaczyna się od zera, lepiej pokazać średnie z przedziałami ufności i rozkład danych (Weissgerber i in., 2015).

Rysunek 1

Intencja zakupu w grupach o różnym poziomie postrzeganej użyteczności

Czarno-biały wykres średnich intencji zakupu z przedziałami ufności i punktami danych w trzech grupach użyteczności

Uwaga. N = 303. Białe punkty to średnie, odcinki — 95% przedziały ufności, szare punkty — wyniki poszczególnych osób.

Poza APA: złożone rysunki z innych dziedzin nauki

APA to standard psychologii i nauk społecznych, ale w innych dziedzinach wyniki pokazuje się inaczej — często za pomocą bogatszych rysunków. W biologii i medycynie standardem stają się wykresy pokazujące wszystkie obserwacje, w epidemiologii — wykresy lasu, w psychometrii sieciowej — grafy korelacji, a w modelowaniu strukturalnym — diagramy ścieżek. Poniższe rysunki wygenerowano na tych samych danych pakietami i paletami kolorów używanymi w procedurach aplikacji analitycznej SZTOS (qgraph, semPlot, ggdist, ggplot2). W pracy z psychologii możesz je umieścić obok tabeli lub w aneksie — zawsze z numerem, tytułem i notą.

Sieć korelacji zmiennych
Sieć korelacji (psychometria sieciowa). Grubość i kolor krawędzi pokazują siłę i kierunek związku; zamiennik dużej macierzy korelacji.
Wykres raincloud obaw u kobiet i mężczyzn
Wykres raincloud (biologia, neuronauki). Rozkład, wykres pudełkowy i wszystkie obserwacje w jednym rysunku.
Linie łączące dwa pomiary tych samych osób
Pomiary powtarzane (medycyna kliniczna). Każda linia to jedna osoba — widać, u ilu osób wynik wzrósł, a u ilu spadł.
Wykres współczynników regresji
Wykres współczynników (ekonomia, nauki polityczne). Oszacowania z przedziałami ufności zamiast tabeli regresji.
Diagram ścieżek modelu mediacji
Diagram ścieżek (SEM, nauki o zarządzaniu). Model mediacji ze standaryzowanymi współczynnikami.
Diagram modelu konfirmacyjnej analizy czynnikowej
Diagram CFA (psychometria). Czynniki latentne, wskaźniki i ładunki standaryzowane.
Wykres rozbieżny odpowiedzi na skali Likerta
Wykres rozbieżny Likerta (badania sondażowe). Odsetki odpowiedzi „na nie” i „na tak” dla każdej pozycji.

Więcej o każdym z tych rysunków — wraz z tabelą, której mogą towarzyszyć — znajdziesz w hasłach słownika: korelacje, test t, regresja, mediacja, CFA i rzetelność.

Najczęstsze błędy w tabelach

  1. Zrzut ekranu z SPSS lub JASP zamiast tabeli w formacie APA.
  2. Linie pionowe, siatka i kolorowe tło.
  3. „p = .000” — zapisuj p < .001.
  4. Różna liczba miejsc po kropce w jednej kolumnie.
  5. Brak liczebności próby (N w nocie lub n w nagłówkach).
  6. Skróty niewyjaśnione w nocie (ŁK, IZ, LL, UL…).
  7. Powtarzanie całej tabeli w tekście zamiast interpretacji najważniejszych wyników.
  8. Same gwiazdki bez wielkości efektu i przedziałów ufności.
  9. Tytuł opisujący analizę, a nie treść („Wyniki ANOVA” zamiast „Obawy w grupach wieku”).
  10. Mieszanie konwencji — kropki i przecinki dziesiętne lub różny zapis zer w jednej pracy.
  11. Tabela bez odwołania w tekście albo umieszczona przed pierwszym odwołaniem.
  12. Ukrywanie wyników nieistotnych.

Z SPSS, JASP i R do Worda

  • SPSS: eksportuj wyniki (Plik → Eksportuj → Word) i przepisz potrzebne liczby do pustego wzoru tabeli — nie formatuj tabel SPSS „na siłę”.
  • JASP: włącz Settings → Results → APA format; tabele kopiuje się do Worda jednym kliknięciem, ale zwykle wymagają poprawienia tytułu i noty.
  • R: wartości z kodu w hasłach słownika wklejasz do wzoru .docx; zaawansowani mogą generować tabele pakietami takimi jak flextable lub papaja.
  • Wzory .docx: komplet 16 tabel albo wzory pojedynczych tabel w hasłach słownika — zastąp liczby swoimi wynikami.
  • Generator online: w serwisie Ankieta za ankietę (zakładka „Tabele APA”, za darmo z kontem) wstawisz własne wyniki, a narzędzie złoży z nich tabelę APA gotową do wklejenia.

Lista kontrolna przed oddaniem pracy

☐ Każda tabela ma numer (pogrubiony) i tytuł kursywą.
☐ Każda tabela jest przywołana w tekście przed swoim miejscem.
☐ Tylko linie poziome; brak siatki i kolorów.
☐ Ta sama liczba miejsc po przecinku/kropce w kolumnie; jedna konwencja w całej pracy.
☐ Symbole statystyczne kursywą; p podane dokładnie lub jako p < .001.
☐ W nocie: N, objaśnienia skrótów, sposób liczenia wyników, znaczenie gwiazdek.
☐ Podano wielkości efektu i (gdzie to możliwe) przedziały ufności.
☐ Tekst interpretuje tabelę, ale jej nie powtarza.
☐ Rysunki mają numer, tytuł i notę oraz są czytelne w czerni i bieli.

Najczęstsze pytania

Jak zrobić tabelę w stylu APA?

Nad tabelą wpisz numer pogrubiony (Tabela 1), pod nim tytuł kursywą. W tabeli użyj tylko linii poziomych (nad nagłówkiem, pod nagłówkiem i na dole), wyrównaj liczby i zachowaj tę samą liczbę miejsc po kropce. Pod tabelą dodaj notę zaczynającą się od słowa „Uwaga.” zapisanego kursywą.

Co pisze się w nocie pod tabelą APA?

Notę ogólną (liczebność próby, objaśnienia skrótów, sposób liczenia wyników), notę szczegółową (objaśnienia oznaczone literami w indeksie przy konkretnych komórkach) i notę o prawdopodobieństwie (znaczenie gwiazdek, np. *p < .05).

Czy w polskiej pracy używać kropki czy przecinka dziesiętnego?

Oryginalny styl APA używa kropki i pomija zero przed kropką przy wartościach, które nie mogą przekroczyć 1 (p = .023, r = .45). Wiele polskich uczelni wymaga przecinka — sprawdź wytyczne wydziału i stosuj jedną konwencję w całej pracy.

Czy można wkleić tabelę z SPSS do pracy?

Nie jako zrzut ekranu. Tabele z SPSS zawierają zbędne informacje i nie spełniają wymogów APA. Przepisz potrzebne wartości do tabeli w Wordzie albo skorzystaj z wzorów .docx z tego artykułu.

Gdzie umieścić tabele: w tekście czy w aneksie?

Najważniejsze tabele umieszcza się w tekście, zaraz po akapicie, w którym po raz pierwszy się do nich odwołujesz. Bardzo obszerne lub pomocnicze tabele (np. pełne macierze, wyniki dodatkowych analiz) można przenieść do aneksu.

Czy tabela może zawierać wyniki nieistotne?

Tak i powinna. Pełne statystyki wyników nieistotnych są potrzebne do oceny badania i do metaanaliz; ukrywanie ich zniekształca obraz wyników.

Jak numerować tabele w pracy dyplomowej?

Kolejnymi liczbami arabskimi w porządku pojawiania się w tekście (Tabela 1, Tabela 2…). Niektóre uczelnie wymagają numeracji w rozdziałach (Tabela 3.1) — wtedy stosuj ją konsekwentnie.

Czy rysunki też mają format APA?

Tak: rysunek ma numer pogrubiony (Rysunek 1), tytuł kursywą nad rysunkiem i notę pod spodem. Sam wykres powinien być czytelny w czerni i bieli, z opisanymi osiami i jednostkami.

Potrzebujesz pomocy z rozdziałem „Wyniki”?

Przeprowadzimy analizy i przygotujemy komplet tabel oraz rysunków w stylu APA — z opisem wyników gotowym do pracy dyplomowej.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). https://doi.org/10.1037/0000165-000
  2. American Psychological Association. (b.d.). Table setup. APA Style. Pobrano 8 października 2026 z https://apastyle.apa.org/style-grammar-guidelines/tables-figures/tables https://apastyle.apa.org/style-grammar-guidelines/tables-figures/tables ● Otwarty dostęp
  3. American Psychological Association. (b.d.). Sample tables. APA Style. Pobrano 9 października 2026 z https://apastyle.apa.org/style-grammar-guidelines/tables-figures/sample-tables https://apastyle.apa.org/style-grammar-guidelines/tables-figures/sample-tables ● Otwarty dostęp
  4. 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
  5. 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
  6. Cumming, G. (2014). The new statistics: Why and how. Psychological Science, 25(1), 7–29. https://doi.org/10.1177/0956797613504966
  7. Weissgerber, T. L., Milic, N. M., Winham, S. J., & Garovic, V. D. (2015). Beyond bar and line graphs: Time for a new data presentation paradigm. PLOS Biology, 13(4), Article e1002128. https://doi.org/10.1371/journal.pbio.1002128 ● Otwarty dostęp
  8. Lakens, D. (2013). Calculating and reporting effect sizes to facilitate cumulative science: A practical primer for t-tests and ANOVAs. Frontiers in Psychology, 4, Article 863. https://doi.org/10.3389/fpsyg.2013.00863 ● Otwarty dostęp
  9. Preacher, K. J., & Hayes, A. F. (2008). Asymptotic and resampling strategies for assessing and comparing indirect effects in multiple mediator models. Behavior Research Methods, 40(3), 879–891. https://doi.org/10.3758/BRM.40.3.879 ● Otwarty dostęp
  10. Costello, A. B., & Osborne, J. (2005). Best practices in exploratory factor analysis: Four recommendations for getting the most from your analysis. Practical Assessment, Research, and Evaluation, 10, Article 7. https://doi.org/10.7275/jyj1-4868 ● Otwarty dostęp
  11. Hu, L., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling, 6(1), 1–55. https://doi.org/10.1080/10705519909540118

Cytowania BibTeX

@book{apa2020manual, author={{American Psychological Association}}, title={Publication Manual of the American Psychological Association}, edition={7}, publisher={American Psychological Association}, address={Washington, DC}, year={2020}, doi={10.1037/0000165-000}}
@misc{apa_table_setup, author={{American Psychological Association}}, title={Table setup}, howpublished={APA Style}, url={https://apastyle.apa.org/style-grammar-guidelines/tables-figures/tables}, note={Pobrano 8 października 2026}}
@misc{apa_sample_tables, author={{American Psychological Association}}, title={Sample tables}, howpublished={APA Style}, url={https://apastyle.apa.org/style-grammar-guidelines/tables-figures/sample-tables}, note={Pobrano 9 października 2026}}
@article{appelbaum2018journal, 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: The APA Publications and Communications Board task force report}, 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{cumming2014the, author={Cumming, Geoff}, title={The new statistics: Why and how}, journal={Psychological Science}, year={2014}, volume={25}, number={1}, pages={7--29}, doi={10.1177/0956797613504966}}
@article{weissgerber2015beyond, author={Weissgerber, Tracey L. and Milic, Natasa M. and Winham, Stacey J. and Garovic, Vesna D.}, title={Beyond bar and line graphs: Time for a new data presentation paradigm}, journal={PLOS Biology}, year={2015}, volume={13}, number={4}, eid={e1002128}, doi={10.1371/journal.pbio.1002128}}
@article{lakens2013calculating, author={Lakens, Dani{\"e}l}, title={Calculating and reporting effect sizes to facilitate cumulative science: A practical primer for t-tests and ANOVAs}, journal={Frontiers in Psychology}, year={2013}, volume={4}, eid={863}, doi={10.3389/fpsyg.2013.00863}}
@article{preacher2008asymptotic, author={Preacher, Kristopher J. and Hayes, Andrew F.}, title={Asymptotic and resampling strategies for assessing and comparing indirect effects in multiple mediator models}, journal={Behavior Research Methods}, year={2008}, volume={40}, number={3}, pages={879--891}, doi={10.3758/BRM.40.3.879}}
@article{costello2005best, author={Costello, Anna B. and Osborne, Jason}, title={Best practices in exploratory factor analysis: Four recommendations for getting the most from your analysis}, journal={Practical Assessment, Research, and Evaluation}, year={2005}, volume={10}, eid={7}, doi={10.7275/jyj1-4868}}
@article{hu1999cutoff, author={Hu, Li-tze and Bentler, Peter M.}, title={Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives}, journal={Structural Equation Modeling}, year={1999}, volume={6}, number={1}, pages={1--55}, doi={10.1080/10705519909540118}}
R