Słownik metodologiczny · Tabele APA

Tabela testu t w stylu APA – porównanie dwóch grup i dwóch pomiarów

Porównanie kobiet i mężczyzn albo dwóch pomiarów to klasyka prac dyplomowych. Zobacz wzory tabel APA dla testu t w obu wariantach — z wielkością efektu i przedziałem ufności — oraz nowoczesne rysunki rozkładów.

Strona główna / Słownik / Tabela testu t w APA
W skrócie: tabela testu t pokazuje M i SD w obu grupach (nagłówki grupujące), statystykę t z df, wartość p i d Cohena z 95% CI. Kilka zmiennych zależnych mieści się w jednej tabeli — każda w osobnym wierszu.

Kiedy używać tabeli testu t?

Gdy porównujesz dwie niezależne grupy na kilku zmiennych (test t dla prób niezależnych) albo dwa pomiary tych samych osób (test t dla prób zależnych). Przy jednej zmiennej wynik wystarczy opisać w tekście. Dla rozkładów wyraźnie odbiegających od normalnego te same tabele stosuje się do testów Manna-Whitneya i Wilcoxona (zamiast M i SD podaje się wtedy medianę).

Wzór tabeli testu t w APA

Porównanie kobiet i mężczyzn w zakresie czterech zmiennych badania.

Tabela 1

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

Wariant dla prób zależnych

Te same osoby oceniły łatwość korzystania i użyteczność, więc porównanie jest wewnątrzosobowe.

Tabela 2

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

Co jest w tabeli i jak ją czytać

  • Nagłówki grupujące — „Kobiety” i „Mężczyźni” obejmują po dwie kolumny (M, SD); liczebności grup podaje się w nagłówku.
  • Test Welcha — nie zakłada równości wariancji i jest dziś zalecany domyślnie; stąd ułamkowe df. Jeśli stosujesz klasyczny test Studenta, df = n1 + n2 − 2.
  • d z przedziałem ufności — pokazuje wielkość różnicy niezależnie od p (Lakens, 2013). Znak d wyjaśnij w nocie.
  • Próby zależne — podaje się różnicę średnich z CI i dz, a w nocie korelację między pomiarami.

Jak opisać tabelę w tekście pracy

W tekście nie powtarzaj wszystkich liczb z tabeli — przywołaj ją i opisz najważniejsze wyniki. Przykład dla danych z tej strony:

Wyniki porównań przedstawiono w Tabeli 1. Kobiety zgłaszały istotnie więcej obaw niż mężczyźni, t(251.9) = 5.50, p < .001, d = 0.65, 95% CI [0.42, 0.89], co odpowiada efektowi średniej wielkości. Mężczyźni nieco wyżej oceniali łatwość korzystania, d = −0.26, p = .026, natomiast płeć nie różnicowała użyteczności ani intencji zakupu. Łatwość korzystania oceniano wyżej niż użyteczność, t(302) = 7.46, p < .001, dz = 0.43 (Tabela 2).

Rysunki rozkładów: raincloud i wykres linii osób

Wykres słupkowy ze średnimi ukrywa rozkład i liczbę obserwacji. W biologii i medycynie zaleca się wykresy pokazujące dane (Weissgerber i in., 2015) — np. raincloud (rozkład, wykres pudełkowy i punkty) albo, dla pomiarów zależnych, linie łączące wyniki tej samej osoby, jak w procedurach analizy powtarzanych pomiarów aplikacji SZTOS.

Rysunek 1

Obawy wobec samochodów autonomicznych u kobiet i mężczyzn

Wykres raincloud: rozkład obaw, wykres pudełkowy i punkty osób w dwóch grupach płci

Uwaga. Kobiety: n = 173, mężczyźni: n = 130. Czerwone punkty z odcinkami to średnie z 95% przedziałem ufności.

Rysunek 2

Ocena łatwości korzystania i użyteczności u tych samych osób

Wykres skrzypcowy dwóch pomiarów z liniami łączącymi wyniki każdej osoby

Uwaga. N = 303. Każda cienka linia to jedna osoba (czerwona — niższa ocena użyteczności niż łatwości); niebieska linia łączy średnie z 95% CI.

Jak przygotować tabelę: SPSS, JASP, R i Word

SPSS: Analiza → Porównywanie średnich → Test t dla prób niezależnych; od wersji 27 SPSS podaje wielkość efektu, a wiersz „Nie założono równości wariancji” to test Welcha. Dla pomiarów zależnych — Test t dla prób zależnych. JASP: T-Tests z opcjami Welch, Effect size i Descriptives.

Jak sformatować tabelę w Wordzie

  1. Wstaw tabelę, a następnie w Projekt tabeli → Obramowania wybierz Bez obramowania.
  2. Dodaj tylko trzy linie poziome: nad wierszem nagłówka, pod nagłówkiem i pod ostatnim wierszem (oraz krótkie linie pod nagłówkami grupującymi).
  3. Nazwy wierszy wyrównaj do lewej, liczby do środka (lub do kropki dziesiętnej); w całej kolumnie zachowaj tę samą liczbę miejsc po kropce.
  4. Nad tabelą wpisz numer (pogrubiony) i w nowym wierszu tytuł kursywą; pod tabelą notę zaczynającą się od Uwaga.
  5. Przy długiej tabeli zaznacz wiersz nagłówka i włącz Powtórz jako wiersz nagłówka, aby pojawiał się na każdej stronie.

Pobierz wzór tabeli (.docx)

Przykład reprodukowalny

Przykład w R

Kod dla obaw (pozostałe zmienne analogicznie) i dla porównania pomiarów zależnych.

Test t Welcha, d Cohena i test dla prób zależnych

Dane wejściowe: plik Excela z odpowiedziami (N = 303) — ten sam zbiór we wszystkich tabelach serii.

Co odczytać: statystykę t, df, p-value i d z przedziałem ufności.

R
library(readxl); library(psych)
dane <- as.data.frame(read_excel("dane_ankieta_tam.xlsx"))
dane$LAT <- rowMeans(dane[, paste0("Łatwość_korzystania", 1:4)])   # łatwość korzystania
dane$UZY <- rowMeans(dane[, paste0("Użyteczność", 1:4)])           # użyteczność
dane$INT <- rowMeans(dane[, paste0("Intencja_kupna", 1:4)])        # intencja zakupu
library(effectsize)
dane$plec <- factor(dane$Płeć, levels = c("Kobieta", "Mężczyzna"))
aggregate(Obawy ~ plec, data = dane, FUN = function(x) c(M = mean(x), SD = sd(x), n = length(x)))
t.test(Obawy ~ plec, data = dane)              # test t Welcha (domyślny w R)
cohens_d(Obawy ~ plec, data = dane)            # d Cohena z 95% CI
# próby zależne: łatwość korzystania vs użyteczność
t.test(dane$LAT, dane$UZY, paired = TRUE)
cohens_d(dane$LAT, dane$UZY, paired = TRUE)    # d_z

Bibliografia oprogramowania

Wyniki na tej stronie pochodzą z uruchomienia pokazanego kodu w R 4.5.3. 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. psych (wersja 2.6.5): Revelle, W. (2026). psych: Procedures for psychological, psychometric, and personality research [R package]. Northwestern University. https://CRAN.R-project.org/package=psych
  3. readxl (wersja 1.4.5): Wickham, H., & Bryan, J. (2025). readxl: Read Excel files [R package]. https://CRAN.R-project.org/package=readxl
  4. effectsize (wersja 1.0.2): Ben-Shachar, M. S., Lüdecke, D., & Makowski, D. (2020). effectsize: Estimation of effect size indices and standardized parameters. Journal of Open Source Software, 5(56), 2815. https://doi.org/10.21105/joss.02815

Najczęstsze błędy

  • Zrzut ekranu z SPSS zamiast tabeli przepisanej w formacie APA.
  • Linie pionowe i kolorowe tło — tabela APA ma wyłącznie linie poziome.
  • Brak wielkości efektu — sama wartość p nie mówi, jak duża jest różnica.
  • „p = .000” przepisane z SPSS — zapisuj p < .001.
  • Brak liczebności grup w nagłówkach lub nocie.
  • Niewyjaśniony znak t i d — czytelnik nie wie, która grupa ma wyższe wyniki.

Najczęstsze pytania

Jak przedstawić test t w tabeli APA?

Dla każdej zmiennej podaj M i SD w obu grupach, t ze stopniami swobody, p oraz d Cohena z przedziałem ufności. Grupy oznacz nagłówkami grupującymi i podaj ich liczebności.

Test Studenta czy Welcha?

Test Welcha nie wymaga równości wariancji, a przy równych wariancjach daje prawie te same wyniki, dlatego jest zalecany domyślnie. W nocie napisz, którego testu użyto.

Czy podawać wynik testu Levene'a?

Nie jest to konieczne, jeśli stosujesz test Welcha. Przy klasycznym teście Studenta można wspomnieć o nim w tekście.

Jak opisać test t dla prób zależnych?

Podaj średnie i SD obu pomiarów, różnicę średnich z 95% CI, t(df), p i dz; w nocie dodaj korelację między pomiarami.

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. 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. 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
  6. 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

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{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{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}}
R