Słownik metodologiczny · Dobór próby

Równoliczność grup – dlaczego równe grupy dają więcej mocy i co zrobić, gdy są nierówne

Równe liczebności grup nie są założeniem testu t ani ANOVA, ale przy tej samej liczbie osób dają największą moc i chronią przed skutkami nierównych wariancji. Pokazujemy, ile kosztuje podział 2 : 1 i kiedy test Studenta zaczyna się mylić.

Strona główna / Słownik / Równoliczność grup
W skrócie: Równoliczność grup oznacza taką samą liczbę obserwacji w porównywanych grupach lub komórkach planu. Nie jest założeniem testów, ale przy stałej łącznej liczebności maksymalizuje moc i sprawia, że test t i F są odporne na nierówne wariancje. Przy nierównych grupach używaj testu Welcha, w planach czynnikowych świadomie wybierz typ sum kwadratów, a grup nie wyrównuj przez usuwanie danych.

Co to jest równoliczność grup?

Równoliczność grup (plan zrównoważony, ang. balanced design, equal sample sizes) oznacza, że porównywane grupy lub komórki planu czynnikowego mają tę samą liczbę obserwacji. W eksperymencie z dwiema grupami po 60 osób plan jest równoliczny. W badaniu, w którym 100 osób trafiło do warunku A, a 20 do B – nie. W analizie wariancji dwuczynnikowej równoliczność oznacza tyle samo osób w każdej kombinacji poziomów czynników.

Równoliczność nie jest założeniem testów statystycznych. Test t czy ANOVA działają także przy nierównych grupach. Wpływa jednak na trzy praktyczne sprawy: moc testu przy danej łącznej liczbie osób, odporność testów klasycznych na nierówne wariancje i jednoznaczność wyników w planach czynnikowych.

Dlaczego równe grupy są korzystne

1. Moc. Precyzja porównania dwóch średnich zależy od wyrażenia 1/n1 + 1/n2, a więc od średniej harmonicznej liczebności grup:

nh = 2 / (1/n1 + 1/n2)

Przy stałej łącznej liczebności N średnia harmoniczna jest największa, gdy n1 = n2. Każde odejście od równowagi obniża moc, choć niewielkie różnice kosztują mało, a duże – bardzo dużo.

2. Odporność na nierówne wariancje. Przy równych grupach klasyczny test t Studenta i F są dość odporne na heterogeniczność wariancji. Przy nierównych grupach problem narasta. Gdy większa wariancja występuje w mniejszej grupie, test odrzuca prawdziwą hipotezę zerową za często. Gdy w większej – za rzadko i traci moc. Delacre i in. (2017) wskazują, że założenie równych wariancji rzadko jest spełnione w psychologii, a test Welcha lepiej kontroluje błąd I rodzaju i niewiele traci, gdy założenia są spełnione. Zimmerman (2004) dodaje, że procedura dwuetapowa (najpierw test Levene’a, potem wybór testu) nie chroni poziomu istotności. Przy nierównych grupach najlepszą ochronę daje bezwarunkowe stosowanie testu Welcha.

3. Jednoznaczność w planach czynnikowych. W zrównoważonej ANOVA dwuczynnikowej efekty główne i interakcja są od siebie niezależne, a różne typy sum kwadratów dają ten sam wynik. W planie niezrównoważonym wyniki zależą od wybranego typu sum kwadratów. Langsrud (2003) zauważa, że programy domyślnie stosują typ III, który opiera się na nierealistycznych modelach, i uznaje typ II za lepszy wybór. Smith i Cribbie (2014) również zalecają typ II do testowania efektów głównych, bo przy braku interakcji ma największą moc.

Przy więcej niż dwóch grupach te same zasady przenoszą się na jednoczynnikową ANOVA i porównania parami. Gdy grupy są nierówne, a wariancje różne, zamiast klasycznego F użyj wersji Welcha. Zamiast testu Tukeya wybierz test Gamesa-Howella, który nie zakłada równych wariancji i radzi sobie z różnymi liczebnościami. Moc każdego porównania parami zależy od liczebności tej konkretnej pary grup. Najmniejsza grupa wyznacza więc, jak małe różnice da się w ogóle wykryć.

Przykład: ten sam budżet, różny podział

Załóżmy, że możesz zbadać 120 osób, a spodziewany efekt różnicy dwóch grup to d = 0.5 (α = .05, test dwustronny). Moc testu t zależnie od podziału wynosi:

Moc testu t przy N = 120 i d = 0.5 dla różnych podziałów na grupy
PodziałŚrednia harmonicznaMoc
60 : 6060.0.775
70 : 5058.3.764
80 : 4053.3.726
90 : 3045.0.653
100 : 2033.3.526
108 : 1221.6.371

Podział 70 : 50 prawie nic nie kosztuje, ale przy 100 : 20 moc spada do .526. Odwrotnie: do mocy 80% przy podziale 1 : 1 potrzeba 64 osób w grupie (128 łącznie), a przy podziale 2 : 1 – 144 osób (48 i 96), czyli o 16 więcej. Moc wynosi wtedy .802. Szczegóły planowania liczebności opisuje hasło analiza mocy a priori.

Druga część symulacji (10 000 powtórzeń, hipoteza zerowa prawdziwa, odchylenia standardowe 10 i 5) pokazuje odporność testów. Przy grupach 40 i 40 test Studenta odrzucał H0 w 4.9% prób, a Welcha w 4.8%. Przy grupach 20 i 60 z większym rozrzutem w mniejszej grupie test Studenta odrzucał ją w 14.8% prób, czyli trzy razy częściej niż deklarowane 5%. Test Welcha – w 4.9%. Gdy większy rozrzut był w większej grupie, test Studenta stał się nadmiernie ostrożny (0.7%), a test Welcha nadal trzymał poziom (4.8%), jak na rysunku 1.

Panel A: moc testu t przy N = 120 i d = 0.5 spada z .78 przy podziale 60:60 do .37 przy 108:12. Panel B: odsetek błędów I rodzaju przy różnych wariancjach – test t Studenta 4.9%, 14.8% i 0.7%, test Welcha 4.8%, 4.9% i 4.8%
Rysunek 1. A: moc testu t dla łącznej liczebności 120 osób w zależności od odsetka osób w większej grupie (punkty – podziały z tabeli). B: odsetek wyników p < .05 przy prawdziwej hipotezie zerowej i odchyleniach standardowych 10 i 5 w trzech układach liczebności (10 000 symulacji); przerywana linia – nominalne 5%. Obliczenia: R (dane symulowane).

Kiedy nierówne grupy są w porządku

  • Grupy naturalne (np. osoby z diagnozą i bez niej) mają nierówne liczebności z natury rzeczy; nie ma sensu ich sztucznie wyrównywać.
  • Celowy przydział 2 : 1 bywa uzasadniony etycznie (więcej osób dostaje obiecującą interwencję) albo kosztowo (warunek kontrolny jest tani). Wymaga to zaplanowania nieco większej próby.
  • Niewielka nierównowaga po wykluczeniach i rezygnacjach (np. 58 i 61) praktycznie nie zmienia mocy; ważniejsze jest pytanie, czy rezygnacje zależały od warunku.

Jeśli równoliczność ma znaczenie, zapewnij ją już w planie, np. randomizacją blokową, a nie przez usuwanie danych po badaniu.

Jak opisać liczebności grup w pracy

Podaj liczebność każdej grupy (lub komórki planu) i przyczyny ewentualnej nierównowagi. Przy nierównych grupach wybierz analizę odporną na różne wariancje i nazwij ją w tekście, np. „test t Welcha”. W planach czynnikowych podaj typ sum kwadratów. Wzory tabel znajdziesz w haśle tabela testu t w APA, a całą procedurę porównań grup – w poradniku ANOVA krok po kroku.

Planowano równoliczny przydział 120 uczestników do dwóch warunków; zastosowano randomizację blokową w blokach po 4 osoby. Analizie poddano dane 58 osób z grupy eksperymentalnej i 61 z grupy kontrolnej (jedna osoba zrezygnowała przed pomiarem końcowym). Ze względu na nierówne liczebności grup różnice średnich testowano testem t Welcha, który nie zakłada równości wariancji. Według analizy mocy a priori planowana liczebność (60 osób w grupie) zapewniała przy α = .05 moc 77.5% do wykrycia efektu d = 0.5.
Przykład reprodukowalny

Przykład w R

Kod liczy moc testu t z niecentralnego rozkładu t dla różnych podziałów 120 osób, wyznacza liczebność potrzebną przy podziale 1 : 1 i 2 : 1, a następnie w 10 000 symulacji porównuje błąd I rodzaju testu Studenta i Welcha przy nierównych wariancjach. Liczby w tekście i na rysunku 1 pochodzą z tego kodu.

Moc przy różnych podziałach i błąd I rodzaju testów Studenta i Welcha

Dane wejściowe: parametry planowania (N = 120, d = 0.5, α = .05) oraz symulacja z set.seed(199): grupy 40/40 i 20/60, odchylenia standardowe 10 i 5, równe średnie.

Co odczytać: kolumny n_harmoniczna i moc dla sześciu podziałów, liczebność dla mocy 80% przy podziale 1 : 1 i 2 : 1 oraz tabelę odsetków p < .05 dla testu Studenta i Welcha w trzech scenariuszach.

R
# 1. Moc testu t przy stałej łącznej liczebności N = 120 i różnym podziale na grupy (d = 0.5, α = .05)
moc_t <- function(n1, n2, d, alfa = .05) {
  df <- n1 + n2 - 2; ncp <- d / sqrt(1 / n1 + 1 / n2); kryt <- qt(1 - alfa / 2, df)
  pt(kryt, df, ncp, lower.tail = FALSE) + pt(-kryt, df, ncp)
}
podzial <- data.frame(n1 = c(60, 70, 80, 90, 100, 108), n2 = 120 - c(60, 70, 80, 90, 100, 108))
podzial$n_harmoniczna <- round(2 / (1 / podzial$n1 + 1 / podzial$n2), 1)
podzial$moc <- round(moc_t(podzial$n1, podzial$n2, d = 0.5), 3)
podzial

# Ile osób potrzeba do mocy 80% przy podziale 1:1, a ile przy 2:1?
n_rowne <- ceiling(power.t.test(delta = 0.5, sd = 1, power = .80)$n)    # na grupę
c(rowne_na_grupe = n_rowne, rowne_lacznie = 2 * n_rowne)
k <- 2                                                                   # stosunek liczebności 2:1
N_21 <- ceiling(2 * n_rowne * (1 + k)^2 / (4 * k)); n_male <- ceiling(N_21 / (1 + k))
c(N_przy_2do1 = N_21, mniejsza = n_male, wieksza = N_21 - n_male, moc = round(moc_t(n_male, N_21 - n_male, 0.5), 3))

# 2. Błąd I rodzaju testu t Studenta i testu Welcha, gdy wariancje są różne (SD 2:1), a H0 jest prawdziwa
set.seed(199)
sym <- function(n1, n2, sd1, sd2, R = 10000) {
  p <- replicate(R, { x <- rnorm(n1, 50, sd1); y <- rnorm(n2, 50, sd2)
    c(student = t.test(x, y, var.equal = TRUE)$p.value, welch = t.test(x, y)$p.value) })
  round(rowMeans(p < .05), 3)
}
rbind(`40 i 40, SD 10 i 5`                 = sym(40, 40, 10, 5),
      `20 i 60, większe SD w mniejszej`    = sym(20, 60, 10, 5),
      `20 i 60, większe SD w większej`     = sym(20, 60, 5, 10))
Wynik w R
   n1 n2 n_harmoniczna   moc
1  60 60          60.0 0.775
2  70 50          58.3 0.764
3  80 40          53.3 0.726
4  90 30          45.0 0.653
5 100 20          33.3 0.526
6 108 12          21.6 0.371
rowne_na_grupe  rowne_lacznie 
            64            128 
N_przy_2do1    mniejsza     wieksza         moc 
    144.000      48.000      96.000       0.802 
                                student welch
40 i 40, SD 10 i 5                0.049 0.048
20 i 60, większe SD w mniejszej   0.148 0.049
20 i 60, większe SD w większej    0.007 0.048

Bibliografia oprogramowania

Wyniki na tej stronie pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (tylko funkcje bazowe); rysunek przygotowano w pakiecie ggplot2 (z patchwork). W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  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. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
  3. patchwork (wersja 1.3.2): Pedersen, T. L. (2025). patchwork: The composer of plots [R package]. https://doi.org/10.32614/CRAN.package.patchwork

Najczęstsze błędy

  • Usuwanie losowych osób z większej grupy, żeby wyrównać liczebności. Zmniejsza to moc i nie poprawia niczego, czego nie załatwi test Welcha.
  • Traktowanie równoliczności jak założenia testu, które trzeba „sprawdzić” testem chi-kwadrat. Nierówne grupy nie unieważniają analizy; zmieniają tylko wybór testu i moc.
  • Test t Studenta przy wyraźnie nierównych grupach bez sprawdzenia, w której grupie rozrzut jest większy – w przykładzie dało to trzykrotnie zawyżony błąd I rodzaju.
  • Domyślny typ III sum kwadratów w niezrównoważonej ANOVA bez zastanowienia nad hipotezą; przy braku interakcji typ II ma większą moc (Smith i Cribbie, 2014).
  • Brak informacji o przyczynach nierównowagi. Jeśli z jednej grupy zrezygnowało znacznie więcej osób, problemem nie jest liczebność, lecz możliwe obciążenie wyników.
  • Planowanie mocy dla równych grup, a realizacja 2 : 1. Przelicz moc dla faktycznego podziału albo zwiększ łączną liczebność.

Najczęstsze pytania

Czy grupy w teście t muszą być równoliczne?

Nie. Test t działa przy nierównych grupach, ale wtedy klasyczny test Studenta staje się wrażliwy na nierówne wariancje. Przy nierównych liczebnościach bezpieczniej od razu użyć testu Welcha, który nie zakłada równości wariancji.

Ile mocy traci się przy nierównych grupach?

Zależy od stopnia nierównowagi. Przy 120 osobach i d = 0.5 podział 60 : 60 daje moc .775, 80 : 40 – .726, a 100 : 20 – tylko .526. Moc wyznacza średnia harmoniczna liczebności, która przy stałym N jest największa dla równych grup.

Czy można usunąć osoby, żeby wyrównać liczebność grup?

Nie ma takiej potrzeby, a szkodzi: zmniejsza moc i może wprowadzić obciążenie, jeśli wybór usuwanych osób nie jest losowy. Zamiast tego zastosuj test odporny na nierówne wariancje, a w planach czynnikowych odpowiedni typ sum kwadratów.

Jak zapewnić równe liczebności grup w eksperymencie?

Stosuj randomizację blokową: w każdym bloku (np. 4 lub 6 osób) jest tyle samo miejsc dla każdego warunku, więc po każdym bloku grupy są równe. Prosta randomizacja rzutem monetą przy małych próbach często daje wyraźnie nierówne grupy.

Który typ sum kwadratów wybrać przy nierównych grupach w ANOVA?

Przy nierównych liczebnościach typy I, II i III dają różne wyniki dla efektów głównych. Gdy interakcja jest pomijalna, częściej zaleca się typ II, bo testuje sensowne hipotezy o efektach głównych i ma największą moc; typ III to domyślne ustawienie wielu programów.

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. Delacre, M., Lakens, D., & Leys, C. (2017). Why psychologists should by default use Welch's t-test instead of Student's t-test. International Review of Social Psychology, 30(1), 92–101. https://doi.org/10.5334/irsp.82 ● Otwarty dostęp
  2. Langsrud, Ø. (2003). ANOVA for unbalanced data: Use Type II instead of Type III sums of squares. Statistics and Computing, 13(2), 163–167. https://doi.org/10.1023/A:1023260610025
  3. Smith, C. E., & Cribbie, R. (2014). Factorial ANOVA with unbalanced data: A fresh look at the types of sums of squares. Journal of Data Science, 12(3), 385–404. https://doi.org/10.6339/JDS.201407_12(3).0001 ● Otwarty dostęp
  4. Zimmerman, D. W. (2004). A note on preliminary tests of equality of variances. British Journal of Mathematical and Statistical Psychology, 57(1), 173–181. https://doi.org/10.1348/000711004849222

Cytowania BibTeX

@article{delacre2017why, author={Delacre, Marie and Lakens, Daniël and Leys, Christophe}, title={{Why psychologists should by default use Welch's t-test instead of Student's t-test}}, journal={International Review of Social Psychology}, year={2017}, volume={30}, number={1}, pages={92--101}, doi={10.5334/irsp.82}}
@article{langsrud2003anova, author={Langsrud, Øyvind}, title={{ANOVA for unbalanced data: Use Type II instead of Type III sums of squares}}, journal={Statistics and Computing}, year={2003}, volume={13}, number={2}, pages={163--167}, doi={10.1023/a:1023260610025}}
@article{smith2014factorial, author={Smith, Carrie E. and Cribbie, Robert}, title={{Factorial ANOVA with unbalanced data: A fresh look at the types of sums of squares}}, journal={Journal of Data Science}, year={2014}, volume={12}, number={3}, pages={385--404}, doi={10.6339/jds.201407_12(3).0001}}
@article{zimmerman2004note, author={Zimmerman, Donald W.}, title={{A note on preliminary tests of equality of variances}}, journal={British Journal of Mathematical and Statistical Psychology}, year={2004}, volume={57}, number={1}, pages={173--181}, doi={10.1348/000711004849222}}
R