Słownik metodologiczny · Testy statystyczne

Test Wilcoxona

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

Strona główna / Słownik / Test Wilcoxona

Opracowanie merytoryczne: · Opublikowano: · Aktualizacja:

Co oznacza Test Wilcoxona?

Test rangowanych znaków Wilcoxona analizuje kierunek i wielkość różnic w parach bez modelowania średniej.

Zastosowanie, warunki i dobre praktyki

Test rangowanych znaków Wilcoxona ocenia sparowane różnice z wykorzystaniem ich kierunku i rangi bezwzględnej. Nie jest po prostu „nieparametrycznym testem średniej” i przy interpretacji przesunięcia wymaga odpowiedniej symetrii różnic. Trzeba podać liczbę par i zer, statystykę, p, rozkład różnic oraz miarę efektu albo estymatę przesunięcia z przedziałem.

Najważniejsze zastosowanie: Stosuj dla danych sparowanych porządkowych lub hipotezy o symetrycznym rozkładzie różnic.

Jak to się oblicza i co oznaczają symbole?

W = suma rang różnic o wybranym znaku

Najpierw oblicza się różnice w parach, pomija zera, ranguje wartości bezwzględne i sumuje rangi według znaku. Test dotyczy rozkładu różnic; prosta interpretacja mediany wymaga odpowiedniej symetrii.

Jak poprawnie stosować i interpretować hasło „Test Wilcoxona”?

Przy ocenie pojęcia „Test Wilcoxona” trzeba ustalić, czy procedura odpowiada na pytanie o położenie, cały rozkład, rangi czy prawdopodobieństwo przewagi. Przy ocenie hasła „Test Wilcoxona” określenie „nieparametryczny” nie oznacza braku założeń. W analizie dotyczącej hasła „Test Wilcoxona” 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 Wilcoxona” powinna pokazać rozkłady i liczebności, ponieważ ta sama statystyka rangowa może wynikać z przesunięcia, różnicy rozproszenia albo obu zjawisk. Dla interpretacji hasła „Test Wilcoxona” przy wielu remisach lub małej próbie trzeba użyć właściwego wariantu dokładnego albo korekty. W odniesieniu do hasła „Test Wilcoxona” wielkość efektu i jej przedział ufności są potrzebne do oceny znaczenia wyniku.

Co trzeba opisać w raporcie?

Raport dotyczący „Test Wilcoxona” powinien podać wariant testu, liczebności, statystykę, sposób obsługi remisów, wartość p oraz miarę efektu z przedziałem ufności. Przy ocenie hasła „Test Wilcoxona” 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 Wilcoxona”: V/W=…, p=…; podaj miarę efektu i rozkład różnic.

Przykład praktyczny i gotowa interpretacja

Sytuacja: Dla 28 sparowanych ocen po terapii 21 różnic było ujemnych, 5 dodatnich, a 2 równe zero; test Wilcoxona potwierdził systematyczny spadek rang bólu.

Jak ją zinterpretować: Wynik wskazuje systematyczną przewagę dodatnich lub ujemnych rang różnic w parach. Nie jest testem średniej i tylko przy dodatkowych założeniach można go interpretować jako przesunięcie mediany.

Najczęstsza pułapka i granica interpretacji

Nie jest bezzałożeniowym odpowiednikiem testu t i nie zawsze testuje medianę różnic.

Wynik dotyczący „Test Wilcoxona” nie jest uniwersalnym zamiennikiem testu parametrycznego po istotnym teście normalności. Dla interpretacji hasła „Test Wilcoxona” 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 FriedmanaTest Kołmogorowa-SmirnowaTest Kruskala-WallisaTest Levene’aTest Manna-Whitneya

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