Co oznacza Percentyl?
Zastosowanie, warunki i dobre praktyki
Percentyl określa pozycję wyniku w uporządkowanym rozkładzie odniesienia, a nie procent poprawnych odpowiedzi. Odstępy między percentylami nie są równe na skali wyniku: różnica między 50. i 60. percentylem ma inne znaczenie niż między 90. i 100. Interpretacja wymaga wskazania populacji normatywnej, daty norm i reguły interpolacji.
Najważniejsze zastosowanie: Stosuj percentyl do określenia wartości, poniżej której znajduje się wskazany odsetek rozkładu, z podaniem metody interpolacji.
Jak to się oblicza i co oznaczają symbole?
p określa pozycję procentową w uporządkowanym rozkładzie. Różne programy stosują nieco odmienne reguły interpolacji, dlatego przy małych próbach warto podać metodę obliczeń.
Jak poprawnie stosować i interpretować hasło „Percentyl”?
Zastosowanie pojęcia „Percentyl” zaczyna się od rozpoznania skali zmiennej, jej jednostki i kształtu rozkładu. Dla interpretacji hasła „Percentyl” miara centrum powinna być zestawiona z miarą rozproszenia i liczebnością, ponieważ pojedyncze podsumowanie może ukryć skośność, wiele skupień albo wartości skrajne. W odniesieniu do hasła „Percentyl” dla kategorii ważne są liczebności i procenty z jawnym mianownikiem, a dla danych ilościowych także wykres przedstawiający pełny zakres obserwacji.
Przy ocenie „Percentyl” należy sprawdzić braki danych, wartości niemożliwe i sposób agregacji powtarzanych pomiarów. Przy ocenie hasła „Percentyl” różnice między średnią, medianą i dominantą mogą być informacją o rozkładzie, a nie błędem do usunięcia. W analizie dotyczącej hasła „Percentyl” wyniki dla małych podgrup wymagają ostrożności, bo pozornie duże różnice mogą być niestabilne i zależne od pojedynczych obserwacji.
Co trzeba opisać w raporcie?
Opis pojęcia „Percentyl” powinien zawierać nazwę zmiennej, jednostkę, liczebność analizowaną oraz właściwe miary położenia i zmienności. Dla interpretacji hasła „Percentyl” trzeba osobno podać zakres braków i zasady ich traktowania. W odniesieniu do hasła „Percentyl”, jeżeli wynik porównuje grupy, identyczny zestaw podsumowań należy pokazać dla każdej z nich, zachowując wspólną skalę prezentacji.
Zakres raportowania dla hasła „Percentyl”: Podaj definicję grupy odniesienia i metodę wyznaczenia, zwłaszcza w normach.
Przykład praktyczny i gotowa interpretacja
Sytuacja: Wynik 72 znajdował się w 90. percentylu normy wiekowej, czyli był nie niższy niż około 90% wyników tej grupy odniesienia.
Jak ją zinterpretować: Wynik wskazuje pozycję względem grupy normatywnej, a nie procent poprawnych odpowiedzi. Różnica dziesięciu percentyli nie ma stałej wielkości na skali surowej, szczególnie w ogonach rozkładu.
Najczęstsza pułapka i granica interpretacji
Percentyl opisuje pozycję względem normy, a nie procent poprawnych odpowiedzi ani równą odległość wyników.
Samo podsumowanie za pomocą „Percentyl” nie stanowi testu hipotezy i nie uzasadnia uogólnienia poza próbę. Przy ocenie hasła „Percentyl” miara opisowa charakteryzuje dane, ale nie rozstrzyga, jaki mechanizm je wytworzył.
Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (Appelbaum et al., 2018).
Powiązane hasła
Poradniki, w których użyjesz tego pojęcia
Wartość p: co naprawdę oznacza i jak ją poprawnie interpretować
Wartość p bez mitów: definicja, interpretacja, typowe błędy oraz sposób raportowania wraz z wielkością efektu i przedziałem ufności.
Czytaj →PoradnikRegresja logistyczna: założenia, interpretacja i raportowanie modelu
Regresja logistyczna w praktyce: założenia, iloraz szans, diagnostyka, kalibracja, AUC oraz zasady rzetelnego raportowania modelu.
Czytaj →PoradnikModelowanie równań strukturalnych (SEM): od teorii do raportu
SEM bez skrótów myślowych: model pomiarowy i strukturalny, CB-SEM a PLS-SEM, dopasowanie, założenia oraz raportowanie wyników.
Czytaj →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
- Wasserstein, R. L., & Lazar, N. A. (2016). The ASA statement on p-values: Context, process, and purpose. The American Statistician, 70(2), 129–133. https://doi.org/10.1080/00031305.2016.1154108
- Greenland, S., Senn, S. J., Rothman, K. J., Carlin, J. B., Poole, C., Goodman, S. N., & Altman, D. G. (2016). Statistical tests, P values, confidence intervals, and power: A guide to misinterpretations. European Journal of Epidemiology, 31(4), 337–350. https://doi.org/10.1007/s10654-016-0149-3
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{wasserstein2016pvalues, author={Wasserstein, Ronald L. and Lazar, Nicole A.}, title={The ASA Statement on p-Values: Context, Process, and Purpose}, journal={The American Statistician}, year={2016}, volume={70}, number={2}, pages={129--133}, doi={10.1080/00031305.2016.1154108}}@article{greenland2016misinterpretations, author={Greenland, Sander and Senn, Stephen J. and Rothman, Kenneth J. and Carlin, John B. and Poole, Charles and Goodman, Steven N. and Altman, Douglas G.}, title={Statistical tests, P values, confidence intervals, and power: a guide to misinterpretations}, journal={European Journal of Epidemiology}, year={2016}, volume={31}, number={4}, pages={337--350}, doi={10.1007/s10654-016-0149-3}}