Słownik metodologiczny · Projekt badania

Pytanie kierunkowe – co to jest, jak je uzasadnić i czy wymaga testu jednostronnego?

Pytanie kierunkowe z góry wskazuje, w którą stronę ma pójść różnica lub związek. Pokazujemy, jak przekłada się na hipotezy statystyczne, dlaczego przy trzech grupach potrzebuje kontrastu zamiast testu F, kiedy uzasadnia test jednostronny i ile zyskujesz, a ile ryzykujesz – z przykładem i kodem R.

Strona główna / Słownik / Pytanie kierunkowe
W skrócie: Pytanie kierunkowe wskazuje oczekiwany kierunek różnicy lub związku, np. „czy dłuższy trening wiąże się z niższym stresem?”. Kierunek musi wynikać z teorii lub wcześniejszych badań i zostać zapisany przed zebraniem danych. Przy trzech i więcej grupach przełóż je na zaplanowany kontrast, a nie na niekierunkowy test F. Test jednostronny wybierz tylko wtedy, gdy wynik w przeciwnym kierunku nie miałby dla Ciebie znaczenia – w przeciwnym razie zostań przy dwustronnym.

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:

Pytania kierunkowe i odpowiadające im hipotezy statystyczne
Pytanie kierunkoweAnalizaKierunkowa H1
Czy trening obniża lęk w porównaniu z listą oczekujących?Test t dla dwóch grupμtrening < μkontrola
Czy większe wsparcie wiąże się z niższym stresem?Korelacja Pearsonaρ < 0
Czy samoocena przewiduje wyższą satysfakcję po kontroli wieku?Regresja wielorakaβsamoocena > 0
Czy stres maleje wraz z długością treningu (0, 4, 8 tygodni)?Kontrast liniowy w ANOVAμ0 − 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.

Krzywe mocy dla dwóch grup po 50 osób w zależności od prawdziwego d od −0.8 do 0.8. Test dwustronny ma krzywą symetryczną w kształcie litery U. Test jednostronny ma wyższą moc dla efektów w zapowiedzianym kierunku (przy d = 0.4 moc .63 wobec .51), ale dla efektów przeciwnych jego moc spada praktycznie do zera
Rysunek 1. Moc testu t dla dwóch grup po 50 osób (α = .05). Czerwona krzywa: test jednostronny zgodny z pytaniem kierunkowym; niebieska: test dwustronny. Szare tło: efekty przeciwne do zapowiedzianego – test jednostronny ich nie wykryje. Obliczenia: R.

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.

Na podstawie wcześniejszych badań nad treningiem uważności sformułowano pytanie kierunkowe: czy dłuższy trening wiąże się z niższym poziomem stresu? Przed zebraniem danych zaplanowano kontrast liniowy porównujący grupę bez treningu z grupą po 8 tygodniach treningu i przyjęto test jednostronny (α = .05). Stres był niższy po 8 tygodniach treningu (M = 16.24, SD = 7.26) niż bez treningu (M = 20.16, SD = 5.44), różnica = 3.92, t(72) = 2.29, p = .013 (jednostronnie); 95% CI dla różnicy [0.51, 7.33]. Test łączny różnic między trzema grupami był nieistotny, F(2, 72) = 2.72, p = .072.

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 reprodukowalny

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

Dane wejściowe: 75 osób w trzech grupach po 25 (dane symulowane, set.seed(1863)): długość treningu uważności (0, 4, 8 tygodni) i stres (PSS-10, 0–40).

Co odczytać: średnie grup; F i p w anova(); w tabelach kontrastu kolumny estimate, t.ratio, p.value i granice CI (dla testu jednostronnego górna granica = Inf); moc testów i liczebność na grupę z power.t.test().

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.

  1. 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/
  2. 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
  3. 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

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. 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
  2. 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
  3. 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
  4. 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}}
R