Co to jest pytanie kierunkowe?
Pytanie kierunkowe (ang. directional research question) to pytanie badawcze, które z góry wskazuje oczekiwany kierunek różnicy lub związku. Nie pyta, czy grupy się różnią, tylko czy jedna ma wyniki wyższe od drugiej. Nie pyta, czy zmienne się wiążą, tylko czy związek jest ujemny. Rozpoznasz je po słowach: „obniża”, „zwiększa”, „wyższy niż”, „im więcej…, tym mniej…”.
Przykład: „Czy dłuższy trening uważności wiąże się z niższym poziomem stresu?”. Odpowiedzią na takie pytanie jest hipoteza kierunkowa („im dłuższy trening, tym niższy stres”). Jego przeciwieństwem jest pytanie niekierunkowe, które pozostawia kierunek otwarty.
Kierunek nie jest kwestią stylu. Wynika z teorii albo z wcześniejszych badań i trzeba go uzasadnić. Gdy literatura daje wyniki sprzeczne, pytanie kierunkowe jest nieuczciwe wobec czytelnika.
Jak pytanie kierunkowe przekłada się na hipotezy statystyczne
Pytanie kierunkowe ma sens tylko wtedy, gdy wiadomo, który parametr i w którą stronę ma się zmienić. Lakens i DeBruine (2021) proponują zapisywać przewidywania tak precyzyjnie, by komputer mógł sam ocenić, czy się potwierdziły. Pytanie kierunkowe to pierwszy krok do takiej precyzji. Tabela pokazuje, jak kierunek przenosi się na hipotezy statystyczne w typowych analizach:
| Pytanie kierunkowe | Analiza | Kierunkowa H1 |
|---|---|---|
| Czy trening obniża lęk w porównaniu z listą oczekujących? | Test t dla dwóch grup | μtrening < μkontrola |
| Czy większe wsparcie wiąże się z niższym stresem? | Korelacja Pearsona | ρ < 0 |
| Czy samoocena przewiduje wyższą satysfakcję po kontroli wieku? | Regresja wieloraka | βsamoocena > 0 |
| Czy stres maleje wraz z długością treningu (0, 4, 8 tygodni)? | Kontrast liniowy w ANOVA | μ0 − μ8 > 0 |
Ostatni wiersz jest ważny. Test F w ANOVA z natury nie ma kierunku: pyta tylko, czy jakiekolwiek średnie się różnią. Pytanie kierunkowe o trzy lub więcej grup trzeba więc przełożyć na zaplanowany kontrast, a nie na test łączny z dowolnymi testami post hoc.
Kierunek to minimum precyzji, ale nie maksimum. Mocniejsze pytanie mówi także, jak duży efekt uznasz za ważny, np. „czy trening obniża stres o co najmniej 3 punkty PSS-10?”. Taka granica to najmniejszy interesujący efekt. Pozwala ona zaplanować liczebność próby i odróżnić wynik „istotny, ale znikomy” od wyniku, który ma znaczenie praktyczne. Pytanie kierunkowe z określoną wielkością efektu łatwiej też obalić: wynik w zapowiedzianym kierunku, ale za mały, również jest z nim niezgodny.
Pytanie kierunkowe a test jednostronny
Najbardziej sporna konsekwencja pytania kierunkowego to wybór testu jednostronnego. Test jednostronny umieszcza cały obszar odrzucenia po stronie przewidywanego kierunku. Daje więc większą moc, gdy kierunek się zgadza, i praktycznie zerową, gdy efekt jest przeciwny. W literaturze ścierają się dwa stanowiska:
- Za testem jednostronnym. Cho i Abe (2013) twierdzą, że rutynowe testowanie hipotez kierunkowych testami dwustronnymi wynika z przekonania, że test dwustronny jest „bezpieczniejszy”, i z mylenia hipotezy badawczej ze statystyczną.
- Przeciw – poza wyjątkami. Ruxton i Neuhäuser (2010) dopuszczają test jednostronny tylko wtedy, gdy autor wyjaśni, dlaczego duży efekt w kierunku przeciwnym potraktowałby tak samo jak brak efektu. Lombardi i Hurlbert (2009) stawiają warunek, że wynik przeciwny nie miałby żadnego znaczenia. Przy tym kryterium w przejrzanych przez nich artykułach żadne użycie testu jednostronnego nie było uzasadnione.
Praktyczny wniosek dla pracy dyplomowej: pytanie kierunkowe nie zmusza do testu jednostronnego. Jeśli wynik przeciwny – np. trening zwiększający stres – byłby dla Ciebie ważną informacją, użyj testu dwustronnego. Decyzję zapisz przed zebraniem danych, najlepiej w planie analizy (zob. prerejestracja). Zmiana testu na jednostronny po zobaczeniu, że wartość p wyniosła .07, to p-hacking.
Przykład: długość treningu uważności a stres
W badaniu (dane symulowane) porównano trzy grupy po 25 osób: bez treningu uważności, po 4 i po 8 tygodniach treningu. Stres mierzono skalą PSS-10 (0–40). Pytanie kierunkowe, sformułowane przed badaniem, brzmiało: czy stres jest niższy przy dłuższym treningu? Średnie wyniosły 20.16 (SD = 5.44), 18.88 (SD = 5.26) i 16.24 (SD = 7.26).
- Test łączny F, który odpowiada na pytanie niekierunkowe, dał F(2, 72) = 2.72, p = .072. Według niego nie byłoby podstaw do odrzucenia hipotezy zerowej.
- Kontrast liniowy (grupa bez treningu minus grupa 8 tygodni), czyli bezpośrednie przełożenie pytania kierunkowego, dał różnicę 3.92 punktu, t(72) = 2.29. W wersji dwustronnej p = .025, 95% CI [0.51, 7.33]; w wersji jednostronnej, zgodnej z zapowiedzianym kierunkiem, p = .013.
Przewaga kontrastu nie bierze się z „naciągania”. Kontrast skupia całą moc testu na jednym, zaplanowanym wzorze, a test F rozkłada ją na wszystkie możliwe układy średnich. Warunkiem jest to, że kontrast i jego kierunek ustalono przed obejrzeniem danych.
Rysunek 1 pokazuje cenę i zysk. Przy prawdziwym d = 0.4 i 50 osobach w grupie test jednostronny ma moc .63, a dwustronny .51. Do mocy 80% potrzeba odpowiednio 78 i 100 osób na grupę. Gdy jednak prawdziwy efekt wynosi d = −0.4, test dwustronny wykryje go z mocą .51, a jednostronny praktycznie nigdy (moc < .001).
Jak zapisać pytanie kierunkowe i jego test (APA)
W części metodologicznej podaj pytanie, uzasadnienie kierunku, hipotezę statystyczną i rodzaj testu. W wynikach napisz wprost, czy test był jedno-, czy dwustronny.
Jak przejść od pytania do parametru w modelu, pokazujemy we wpisie pytania badawcze i hipotezy. Jak zapisać kierunek i test w planie analizy przed badaniem – we wpisie plan analizy statystycznej i prerejestracja.
Przykład w R
Kod tworzy dane z przykładu, porównuje test łączny F z zaplanowanym kontrastem (dwu- i jednostronnie) i liczy moc oraz liczebność dla testu jedno- i dwustronnego, także przy efekcie przeciwnym do zapowiedzianego.
Pytanie kierunkowe jako zaplanowany kontrast
R
# Dane symulowane: pytanie kierunkowe „Czy dłuższy trening uważności wiąże się z NIŻSZYM stresem?”
# Trzy grupy po 25 osób: brak treningu, 4 tygodnie, 8 tygodni; stres – skala PSS-10 (0–40).
suppressPackageStartupMessages(library(emmeans))
set.seed(1863)
n <- 25
grupa <- factor(rep(c("0 tyg.", "4 tyg.", "8 tyg."), each = n), levels = c("0 tyg.", "4 tyg.", "8 tyg."))
stres <- round(pmin(pmax(c(20, 18.5, 17)[as.integer(grupa)] + rnorm(3 * n, sd = 5.5), 0), 40))
dane <- data.frame(grupa, stres)
aggregate(stres ~ grupa, data = dane, FUN = function(x) round(c(M = mean(x), SD = sd(x)), 2))
# 1. Test omnibusowy F odpowiada na pytanie NIEKIERUNKOWE: „czy grupy w ogóle się różnią?”
model <- lm(stres ~ grupa, data = dane)
anova(model)
# 2. Pytanie kierunkowe → zaplanowany kontrast liniowy (spadek stresu z długością treningu)
em <- emmeans(model, ~ grupa)
kontrast <- contrast(em, list(spadek = c(1, 0, -1)))
summary(kontrast, infer = TRUE) # test dwustronny
summary(kontrast, infer = TRUE, side = ">") # test jednostronny zgodny z kierunkiem (0 tyg. > 8 tyg.)
# 3. Moc testu dla dwóch grup po 50 osób i d = 0.4: jednostronny vs dwustronny
moc <- function(d, strona) power.t.test(n = 50, delta = d, sig.level = .05,
alternative = strona, strict = TRUE)$power
round(c(dwustronny = moc(0.4, "two.sided"), jednostronny = moc(0.4, "one.sided")), 3)
# ...i gdy prawdziwy efekt ma kierunek PRZECIWNY do zapowiedzianego (d = −0.4)
round(c(dwustronny = moc(-0.4, "two.sided"), jednostronny = moc(-0.4, "one.sided")), 3)
# 4. Liczebność na grupę dla mocy 80% przy d = 0.4
sapply(c(dwustronny = "two.sided", jednostronny = "one.sided"),
function(s) ceiling(power.t.test(delta = 0.4, power = 0.80, alternative = s)$n))Wynik w R
grupa stres.M stres.SD
1 0 tyg. 20.16 5.44
2 4 tyg. 18.88 5.26
3 8 tyg. 16.24 7.26
Analysis of Variance Table
Response: stres
Df Sum Sq Mean Sq F value Pr(>F)
grupa 2 199.79 99.893 2.7238 0.07239 .
Residuals 72 2640.56 36.674
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
contrast estimate SE df lower.CL upper.CL t.ratio p.value
spadek 3.92 1.71 72 0.505 7.33 2.289 0.0250
Confidence level used: 0.95
contrast estimate SE df lower.CL upper.CL t.ratio p.value
spadek 3.92 1.71 72 1.07 Inf 2.289 0.0125
Confidence level used: 0.95
P values are right-tailed
dwustronny jednostronny
0.508 0.634
dwustronny jednostronny
0.508 0.000
dwustronny jednostronny
100 78 Bibliografia oprogramowania
Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 z pakietem emmeans; rysunek przygotowano w pakiecie ggplot2.
- R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
- emmeans (wersja 2.0.2): Lenth, R. V., & Piaskowski, J. (2026). emmeans: Estimated marginal means, aka least-squares means [R package]. https://doi.org/10.32614/CRAN.package.emmeans
- ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
Najczęstsze błędy
- Kierunek bez uzasadnienia. „Spodziewam się, że…” bez odwołania do teorii lub badań to przypuszczenie, nie pytanie kierunkowe.
- Kierunek ustalony po obejrzeniu danych. Pytanie przepisane tak, by pasowało do wyniku, to HARKing.
- Automatyczny test jednostronny. Pytanie kierunkowe nie przesądza o teście; jednostronny wybierz tylko wtedy, gdy wynik przeciwny naprawdę niczego by nie zmienił.
- Ogłaszanie „efektu przeciwnego” po teście jednostronnym. Test jednostronny nie pozwala wykazać efektu w drugą stronę; jeśli taki wynik jest ważny, test powinien być dwustronny.
- Pytanie kierunkowe testowane niekierunkowym F i porównaniami post hoc „wszystkie ze wszystkimi” – tracisz moc i rozmywasz przewidywanie.
- Brak informacji o rodzaju testu w wynikach. Czytelnik musi wiedzieć, czy p pochodzi z testu jedno- czy dwustronnego.
Najczęstsze pytania
Co to jest pytanie kierunkowe?
To pytanie badawcze, które z góry wskazuje oczekiwany kierunek wyniku, np. „Czy trening uważności obniża lęk egzaminacyjny?” albo „Czy większe wsparcie wiąże się z niższym stresem?”. Kierunek musi wynikać z teorii lub wcześniejszych badań, a nie z intuicji.
Czy pytanie kierunkowe wymaga testu jednostronnego?
Nie. Pytanie kierunkowe uzasadnia rozważenie testu jednostronnego, ale ten ma sens tylko wtedy, gdy wynik w przeciwnym kierunku potraktowałbyś tak samo jak brak efektu. Jeśli efekt przeciwny byłby ważny, użyj testu dwustronnego; decyzję zapisz przed zebraniem danych.
Jak przetestować pytanie kierunkowe przy trzech grupach?
Przełóż je na zaplanowany kontrast, np. liniowy dla grup uporządkowanych (0, 4 i 8 tygodni treningu). Test F w ANOVA nie ma kierunku i rozkłada moc na wszystkie możliwe układy średnich, więc zaplanowany kontrast lepiej odpowiada na pytanie kierunkowe.
Kiedy można postawić pytanie kierunkowe?
Wtedy, gdy teoria albo spójne wyniki wcześniejszych badań wskazują, w którą stronę powinien pójść efekt. Gdy badania są sprzeczne albo zjawisko badasz po raz pierwszy, uczciwsze jest pytanie niekierunkowe.
Co jeśli wynik wyszedł w przeciwnym kierunku niż w pytaniu kierunkowym?
Opisz to otwarcie: wynik nie potwierdza przewidywania. Jeśli zastosowano test dwustronny, możesz podać, że efekt był istotny w przeciwnym kierunku; jeśli jednostronny – test nie pozwala na taki wniosek i wynik traktuje się jako niezgodny z hipotezą.
Powiązane hasła
Poradniki, w których użyjesz tego pojęcia
Pytania badawcze i hipotezy: jak przejść od teorii do analizy
Jak formułować pytania badawcze i hipotezy? Od teorii i operacjonalizacji przez kierunek efektu po plan analizy i prerejestrację.
Czytaj →PoradnikPlan analizy statystycznej i prerejestracja
12 elementów planu analizy, moc i SESOI w R, OSF czy AsPredicted, registered reports, tabela odstępstw i wzór planu w Wordzie do pobrania.
Czytaj →PoradnikJak dobrać test statystyczny do hipotezy?
Skala pomiaru, liczba grup i układ badania: tabela doboru testów, trzy przykłady, założenia, skala Likerta, kod R i checklista przed analizą.
Czytaj →Potrzebujesz wsparcia w analizie danych?
Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.
Wyceń analizęOferta dla studentówBibliografia i dalsza literatura naukowa (APA 7)
- Cho, H.-C., & Abe, S. (2013). Is two-tailed testing for directional research hypotheses tests legitimate? Journal of Business Research, 66(9), 1261–1266. https://doi.org/10.1016/j.jbusres.2012.02.023 ● Otwarty dostęp
- Lakens, D., & DeBruine, L. M. (2021). Improving transparency, falsifiability, and rigor by making hypothesis tests machine-readable. Advances in Methods and Practices in Psychological Science, 4(2), Article 2515245920970949. https://doi.org/10.1177/2515245920970949 ● Otwarty dostęp
- Lombardi, C. M., & Hurlbert, S. H. (2009). Misprescription and misuse of one-tailed tests. Austral Ecology, 34(4), 447–468. https://doi.org/10.1111/j.1442-9993.2009.01946.x
- Ruxton, G. D., & Neuhäuser, M. (2010). When should we use one-tailed hypothesis testing? Methods in Ecology and Evolution, 1(2), 114–117. https://doi.org/10.1111/j.2041-210X.2010.00014.x ● Otwarty dostęp
Cytowania BibTeX
@article{cho2013two, author={Cho, Hyun-Chul and Abe, Shuzo}, title={{Is two-tailed testing for directional research hypotheses tests legitimate?}}, journal={Journal of Business Research}, year={2013}, volume={66}, number={9}, pages={1261--1266}, doi={10.1016/j.jbusres.2012.02.023}}@article{lakens2021improving, author={Lakens, Daniël and DeBruine, Lisa M.}, title={{Improving transparency, falsifiability, and rigor by making hypothesis tests machine-readable}}, journal={Advances in Methods and Practices in Psychological Science}, year={2021}, volume={4}, number={2}, eid={2515245920970949}, doi={10.1177/2515245920970949}}@article{lombardi2009misprescription, author={Lombardi, Celia M. and Hurlbert, Stuart H.}, title={{Misprescription and misuse of one-tailed tests}}, journal={Austral Ecology}, year={2009}, volume={34}, number={4}, pages={447--468}, doi={10.1111/j.1442-9993.2009.01946.x}}@article{ruxton2010when, author={Ruxton, Graeme D. and Neuhäuser, Markus}, title={{When should we use one-tailed hypothesis testing?}}, journal={Methods in Ecology and Evolution}, year={2010}, volume={1}, number={2}, pages={114--117}, doi={10.1111/j.2041-210x.2010.00014.x}}