Słownik metodologiczny · Testy statystyczne

Test Friedmana

Pełne wyjaśnienie, zastosowanie naukowe i praktyczne, przykład, dobre praktyki oraz gotowy zapis wyniku w APA 7.

Strona główna / Słownik / Test Friedmana

Opracowanie merytoryczne: · Opublikowano: · Aktualizacja:

Co oznacza Test Friedmana?

Test Friedmana jest rangowym testem różnic między co najmniej trzema powiązanymi warunkami.

Zastosowanie, warunki i dobre praktyki

Test Friedmana porównuje rangi kilku warunków mierzonych w tych samych blokach lub osobach. Istotny wynik mówi o różnicy w globalnym wzorcu, ale nie wskazuje, które pary warunków się różnią. Raport powinien pokazać rozkłady, mediany lub średnie rangi, miarę zgodności Kendalla W oraz skorygowane porównania post-hoc.

Najważniejsze zastosowanie: Stosuj dla danych porządkowych lub nieodpowiednich dla modelu średnich z powtarzanymi pomiarami.

Jak to się oblicza i co oznaczają symbole?

Q = [12/(nk(k+1))]ΣRⱼ² − 3n(k+1)

n jest liczbą bloków lub osób, k liczbą warunków, a Rⱼ sumą rang w j-tym warunku. Test wykrywa różnice rozkładów rang w pomiarach zależnych, lecz nie wskazuje, które pary się różnią.

Jak poprawnie stosować i interpretować hasło „Test Friedmana”?

Przy ocenie pojęcia „Test Friedmana” trzeba ustalić, czy procedura odpowiada na pytanie o położenie, cały rozkład, rangi czy prawdopodobieństwo przewagi. W odniesieniu do hasła „Test Friedmana” określenie „nieparametryczny” nie oznacza braku założeń. Przy ocenie hasła „Test Friedmana” ważne są niezależność albo poprawne parowanie obserwacji, skala co najmniej porządkowa, sposób traktowania remisów oraz podobieństwo kształtu rozkładów, jeśli wynik ma być interpretowany jako różnica median.

Ocena pojęcia „Test Friedmana” powinna pokazać rozkłady i liczebności, ponieważ ta sama statystyka rangowa może wynikać z przesunięcia, różnicy rozproszenia albo obu zjawisk. W analizie dotyczącej hasła „Test Friedmana” przy wielu remisach lub małej próbie trzeba użyć właściwego wariantu dokładnego albo korekty. Dla interpretacji hasła „Test Friedmana” wielkość efektu i jej przedział ufności są potrzebne do oceny znaczenia wyniku.

Co trzeba opisać w raporcie?

Raport dotyczący „Test Friedmana” powinien podać wariant testu, liczebności, statystykę, sposób obsługi remisów, wartość p oraz miarę efektu z przedziałem ufności. W odniesieniu do hasła „Test Friedmana” obok warto przedstawić mediany i kwartyle, lecz nie należy automatycznie nazywać testu rangowego testem różnicy median bez sprawdzenia kształtu rozkładów.

Zakres raportowania dla hasła „Test Friedmana”: χ²F(df)=…, p=…; podaj Kendall W i porównania z korektą.

Przykład praktyczny i gotowa interpretacja

Sytuacja: Te same osoby oceniają trzy interfejsy w skali 1–5.

Jak ją zinterpretować: Istotny Q wskazuje, że rozkłady rang nie są takie same we wszystkich powtarzanych warunkach. Dopiero skorygowane porównania par i wykres wskazują, między którymi warunkami występuje różnica.

Najczęstsza pułapka i granica interpretacji

Istotny test nie mówi, które pary różnią się; potrzebne post-hoc.

Wynik dotyczący „Test Friedmana” nie jest uniwersalnym zamiennikiem testu parametrycznego po istotnym teście normalności. W analizie dotyczącej hasła „Test Friedmana” wybór powinien wynikać z pytania, skali i struktury danych, a nie z samej etykiety rozkładu.

Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (Wasserstein i Lazar, 2016).

Powiązane hasła

Chi-kwadrat (test niezależności)Test Kołmogorowa-SmirnowaTest Kruskala-WallisaTest Levene’aTest Manna-WhitneyaTest McNemara

Poradniki, w których użyjesz tego pojęcia

Poradnik

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 →Poradnik

Wielkość efektu: jak ocenić znaczenie wyniku poza wartością p

Wielkość efektu wyjaśniona praktycznie: Cohen d, Hedges g, r, R², iloraz szans, eta², przedziały ufności i znaczenie praktyczne.

Czytaj →Poradnik

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 →

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Oferta dla badaczyOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. 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
  2. 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
  3. 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
  4. Sullivan, G. M., & Feinn, R. (2012). Using effect size—or why the P value is not enough. Journal of Graduate Medical Education, 4(3), 279–282. https://doi.org/10.4300/JGME-D-12-00156.1
  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, 863. https://doi.org/10.3389/fpsyg.2013.00863
  6. 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

Cytowania BibTeX

@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}}
@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{sullivan2012effectsize, author={Sullivan, Gail M. and Feinn, Richard}, title={Using effect size—or why the P value is not enough}, journal={Journal of Graduate Medical Education}, year={2012}, volume={4}, number={3}, pages={279--282}, doi={10.4300/JGME-D-12-00156.1}}
@article{lakens2013effect, author={Lakens, Daniël}, title={Calculating and reporting effect sizes to facilitate cumulative science}, journal={Frontiers in Psychology}, year={2013}, volume={4}, pages={863}, doi={10.3389/fpsyg.2013.00863}}
@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}}
R