Słownik metodologiczny · Plan badania

Trafność wewnętrzna badania – co to jest i co jej zagraża?

Trafność wewnętrzna mówi, czy różnicę w wynikach można przypisać manipulacji, a nie historii, regresji do średniej czy selekcji. Pokazujemy siedem klasycznych zagrożeń i symulację, w której plan bez grupy kontrolnej trzykrotnie zawyża efekt warsztatu.

Strona główna / Słownik / Trafność wewnętrzna
W skrócie: Trafność wewnętrzna to stopień, w jakim wynik badania uprawnia do wniosku, że to manipulacja spowodowała zmianę zmiennej zależnej, a nie inne zdarzenia. Zagrażają jej m.in. historia, dojrzewanie, efekt testowania, regresja do średniej, selekcja i ubytek osób. Najlepszą ochroną jest losowy przydział i grupa kontrolna badana równolegle – bez niej, jak w przykładzie, efekt może wyjść trzykrotnie zawyżony.

Co to jest trafność wewnętrzna badania?

Trafność wewnętrzna (ang. internal validity) to stopień, w jakim wynik badania uprawnia do wniosku, że zmiana zmiennej niezależnej spowodowała zmianę zmiennej zależnej – a nie coś innego, co działo się w tym samym czasie. Pytanie brzmi: czy różnicę między grupami albo między pomiarem przed i po można przypisać manipulacji, czy istnieje dla niej konkurencyjne wyjaśnienie?

To pojęcie dotyczy planu badania, a nie narzędzia pomiarowego. Nie myl go z trafnością testu, która mówi, czy wynik skali znaczy to, co ma znaczyć. Badanie może mierzyć stres doskonałym kwestionariuszem i mimo to mieć niską trafność wewnętrzną, jeśli nie ma grupy kontrolnej. Pojęcie wprowadził Campbell (1957) w analizie czynników zagrażających wnioskom z eksperymentów w naukach społecznych. Rozwinięcie, razem z typologią planów eksperymentalnych i quasi-eksperymentalnych, zawiera klasyczny podręcznik Shadisha i in. (2002).

Zagrożenia trafności wewnętrznej

Campbell (1957) wyróżnił siedem kategorii zmiennych ubocznych, które mogą podszyć się pod efekt manipulacji. Do dziś to podstawowa lista kontrolna:

Zagrożenia trafności wewnętrznej z przykładami i sposobami kontroli
ZagrożeniePrzykładCo pomaga
HistoriaMiędzy pomiarami kończy się sesja egzaminacyjna i stres spada u wszystkichGrupa kontrolna badana w tym samym czasie
DojrzewanieUczniowie po roku lepiej czytają niezależnie od programuGrupa kontrolna w tym samym wieku
Efekt testowaniaDrugie wypełnienie testu wiedzy jest łatwiejsze dzięki pierwszemuWersje równoległe, plan Salomona
Zmiana narzędziaInny oceniający przy pomiarze końcowym, zmęczenie obserwatorówStałe procedury, ślepa ocena
Regresja statystycznaDo programu trafiają osoby z najwyższym wynikiem, który przy kolejnym pomiarze spadaGrupa kontrolna dobrana tak samo, losowy przydział
SelekcjaNa warsztat zapisują się osoby bardziej zmotywowaneRandomizacja
Ubytek osób (mortality)Z grupy eksperymentalnej odpadają osoby, którym interwencja nie pomagaAnaliza wszystkich przydzielonych osób, porównanie osób, które odpadły

Do tej listy dopisuje się zwykle jeszcze dwa zagrożenia: niejasną kolejność czasową (co było przyczyną, a co skutkiem) i interakcje zagrożeń, np. selekcji z dojrzewaniem, gdy grupy różnią się tempem rozwoju. W badaniach korelacyjnych najczęstszym zagrożeniem jest zmienna zakłócająca, która tworzy korelację pozorną.

Przykład: warsztat redukcji stresu

Poradnia uczelniana przebadała skalą stresu (0–40 punktów) 1200 osób studiujących w szczycie sesji (dane symulowane). Do badania zaproszono 15% osób z najwyższym wynikiem, czyli 180 osób z wynikiem co najmniej 26.13. Prawdziwy efekt warsztatu w symulacji wynosi −2 punkty. Do tego koniec sesji obniża stres u wszystkich o 1.5 punktu, a pomiar ma rzetelność ok. .76.

Plan A – tylko grupa z warsztatem, pomiar przed i po. U 90 osób z warsztatem stres spadł z 29.50 do 23.45 punktu, czyli o 6.06 punktu, 95% CI [5.26, 6.85]. Test t dla prób zależnych dał t(89) = −15.15, p < .001. Wniosek „warsztat obniża stres o 6 punktów” jest jednak trzykrotnie zawyżony.

Plan B – losowy przydział do warsztatu i grupy kontrolnej. W grupie kontrolnej, bez żadnych zajęć, stres też spadł: z 28.65 do 24.90 punktu, czyli o 3.75 punktu, 95% CI [2.95, 4.56]. Ten spadek to suma dwóch zagrożeń z tabeli. Pierwsze to historia (koniec sesji). Drugie to regresja do średniej: osoby wybrane z powodu skrajnie wysokiego wyniku przy kolejnym pomiarze wypadają przeciętnie bliżej średniej. Efekt warsztatu oszacowany w ANCOVA z wynikiem wyjściowym jako kowariantem wynosi −2.23 punktu, 95% CI [−3.37, −1.09], t(177) = −3.87, p < .001, czyli jest bliski prawdziwym −2.

Średni stres przed i po w dwóch losowo utworzonych grupach osób z wysokim wynikiem przesiewowym: w grupie z warsztatem spadek o 6.1 punktu, w grupie kontrolnej bez warsztatu spadek o 3.8 punktu; obie grupy zbliżają się do średniej populacji 20.1
Rysunek 1. Średni wynik skali stresu (z 95% CI) przed i po warsztacie w grupie eksperymentalnej i kontrolnej. Przerywana linia to średnia wszystkich 1200 osób z przesiewu. Plan bez grupy kontrolnej widzi tylko czerwoną linię. Obliczenia: R (dane symulowane).

Barnett i in. (2005) zwracają uwagę, że regresja do średniej jest najsilniejsza przy dużym błędzie pomiaru i wtedy, gdy do dalszego badania wybiera się osoby na podstawie skrajnego wyniku wyjściowego. Tak właśnie rekrutuje się uczestników wielu interwencji. Autorzy zalecają radzenie sobie z tym zjawiskiem już na etapie planu badania, a nie tylko w analizie.

Jak zwiększyć trafność wewnętrzną

  • Losowy przydział do warunków. Randomizacja wyrównuje grupy pod względem znanych i nieznanych cech, więc eliminuje selekcję jako wyjaśnienie. To najmocniejsze narzędzie, jakim dysponuje badacz.
  • Grupa kontrolna badana równolegle. Neutralizuje historię, dojrzewanie, efekt testowania i regresję, bo działają one w obu grupach tak samo.
  • Stałe warunki i jedna różnica. Grupy powinny różnić się tylko manipulacją – zgodnie z kanonem jednej różnicy.
  • Kontrola oczekiwań. Ślepa próba dla badanych i oceniających ogranicza wpływ oczekiwań i zmiany narzędzia.
  • Kontrbalansowanie w planach wewnątrzosobowych – zob. kontrbalansowanie.
  • Monitorowanie ubytku. Raportuj, ile osób odpadło z każdej grupy i czy różniły się od pozostałych na początku.

Gdy losowy przydział jest niemożliwy, np. bo interwencję dostaje cała klasa albo cały oddział, wybierz porównywalną grupę, która interwencji nie dostanie, i zmierz obie grupy przed i po. Jeszcze lepiej zrobić dwa pomiary wyjściowe: pokażą, czy grupy zmieniały się podobnie, zanim cokolwiek się wydarzyło. W dyskusji przejdź przez listę zagrożeń z tabeli i przy każdym napisz, czy plan je wyklucza, czy tylko ogranicza.

Plan badania wyznacza górną granicę trafności wewnętrznej. Schemat eksperymentalny z randomizacją daje jej najwięcej. Schemat quasi-eksperymentalny wymaga wykluczania zagrożeń jedno po drugim. Schemat korelacyjny zwykle nie pozwala na wnioski przyczynowe. Trafność wewnętrzna często konkuruje z trafnością zewnętrzną: im bardziej kontrolowane warunki, tym trudniej uogólnić wynik na codzienne sytuacje.

Jak opisać trafność wewnętrzną w pracy

W rozdziale metodologicznym opisz sposób przydziału do grup, obecność i rodzaj grupy kontrolnej oraz to, kto znał przydział. W dyskusji wymień zagrożenia, których plan nie wyklucza, i oceń, jak mogły wpłynąć na wynik. Taki zapis jest konkretny i chroni przed zarzutem recenzenta. Wzory zdań do części metodologicznej znajdziesz w poradniku Rozdział metodologiczny – jak go napisać.

Osoby z wynikiem w skali stresu powyżej 85. centyla (N = 180) losowo przydzielono do warsztatu redukcji stresu (n = 90) lub grupy kontrolnej bez zajęć (n = 90). Stres zmierzono przed warsztatem i sześć tygodni później. Ponieważ uczestników wybrano na podstawie wysokiego wyniku wyjściowego, a drugi pomiar przypadł po zakończeniu sesji, efekt warsztatu oszacowano w analizie kowariancji z wynikiem wyjściowym jako kowariantem. Po warsztacie stres był niższy niż w grupie kontrolnej, b = −2.23, 95% CI [−3.37, −1.09], t(177) = −3.87, p < .001. Spadek stresu w grupie kontrolnej (o 3.75 punktu) wskazuje, że bez grupy porównawczej efekt warsztatu zostałby wyraźnie przeszacowany.
Przykład reprodukowalny

Przykład w R

Kod symuluje przesiew, wybór osób z najwyższym stresem i losowy przydział do warsztatu lub grupy kontrolnej. Następnie porównuje wniosek z planu bez grupy kontrolnej (test t dla prób zależnych) z oszacowaniem z eksperymentu (ANCOVA). Liczby w tekście pochodzą z tego kodu.

Pomiar przed i po bez kontroli a eksperyment z ANCOVA

Dane wejściowe: przesiew 1200 osób, do badania 180 osób z najwyższym wynikiem (dane symulowane, set.seed(162)); prawdziwy efekt warsztatu −2 punkty.

Co odczytać: liczebność i próg wyboru, zmianę przed–po w grupie z warsztatem i w grupie kontrolnej (z 95% CI), efekt grupy w ANCOVA (b, przedział, t, df, p).

R
# R162 – trafność wewnętrzna: ten sam warsztat oceniany w planie bez grupy kontrolnej i w eksperymencie
# Dane symulowane: przesiew 1200 osób studiujących skalą stresu 0–40; do badania trafia 15% z najwyższym wynikiem
set.seed(162)
P <- 1200
stres_prawdziwy <- rnorm(P, 20, 5)
pomiar1 <- stres_prawdziwy + rnorm(P, 0, 2.9)            # rzetelność ok. .75
prog <- quantile(pomiar1, 0.85)
wyb <- which(pomiar1 >= prog)
n <- length(wyb); n
round(c(rzetelnosc = cor(pomiar1, stres_prawdziwy + rnorm(P, 0, 2.9)), prog = unname(prog)), 2)
efekt_warsztatu <- -2.0                                   # prawdziwy efekt
historia <- -1.5                                          # koniec sesji: stres spada u wszystkich
pre <- pomiar1[wyb]
grupa <- sample(rep(c("warsztat", "kontrola"), length.out = n))
post <- stres_prawdziwy[wyb] + historia + efekt_warsztatu * (grupa == "warsztat") + rnorm(n, 0, 2.9)

# Plan A: tylko grupa z warsztatem, pomiar przed i po
A <- grupa == "warsztat"
tA <- t.test(post[A], pre[A], paired = TRUE)
round(c(M_pre = mean(pre[A]), M_post = mean(post[A]), zmiana = unname(tA$estimate), dolna = tA$conf.int[1], gorna = tA$conf.int[2], t = unname(tA$statistic), df = unname(tA$parameter), p = tA$p.value), 3)
# Ta sama zmiana w grupie kontrolnej (bez warsztatu)
tK <- t.test(post[!A], pre[!A], paired = TRUE)
round(c(M_pre = mean(pre[!A]), M_post = mean(post[!A]), zmiana = unname(tK$estimate), dolna = tK$conf.int[1], gorna = tK$conf.int[2], p = tK$p.value), 3)

# Plan B: randomizacja + ANCOVA (wynik po, kontrola wyniku przed)
d <- data.frame(pre, post, grupa = factor(grupa, levels = c("kontrola", "warsztat")))
mB <- lm(post ~ pre + grupa, data = d)
round(cbind(b = coef(mB), confint(mB))["grupawarsztat", ], 2)
s <- summary(mB)$coefficients["grupawarsztat", ]
round(c(t = unname(s["t value"]), df = mB$df.residual, p = unname(s["Pr(>|t|)"])), 3)
Wynik w R
[1] 180
rzetelnosc       prog 
      0.76      26.13 
  M_pre  M_post  zmiana   dolna   gorna       t      df       p 
 29.503  23.447  -6.056  -6.851  -5.262 -15.145  89.000   0.000 
 M_pre M_post zmiana  dolna  gorna      p 
28.654 24.900 -3.754 -4.556 -2.952  0.000 
     b  2.5 % 97.5 % 
 -2.23  -3.37  -1.09 
      t      df       p 
 -3.868 177.000   0.000

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (funkcje pakietu stats: t.test(), lm()); rysunek przygotowano w 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. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org

Najczęstsze błędy

  • Pomiar przed i po bez grupy kontrolnej jako dowód skuteczności. W przykładzie taki plan pokazał spadek o 6.06 punktu, z czego warsztat odpowiadał za około 2.
  • Rekrutacja na podstawie skrajnego wyniku i porównanie z grupą „normalną”. Grupa wybrana z powodu wysokiego wyniku obniży go przy kolejnym pomiarze nawet bez interwencji.
  • Grupy utworzone przez samych badanych. Ochotnicy różnią się od osób, które się nie zgłosiły, więc porównanie grup jest porównaniem dwóch populacji.
  • Usuwanie osób, które przerwały udział. Analiza tylko osób, które „dotrwały”, może sztucznie poprawić wynik grupy eksperymentalnej.
  • Język przyczynowy w badaniu korelacyjnym. Zdania „stres powoduje” albo „wsparcie chroni” wymagają planu z manipulacją. W badaniu korelacyjnym pisz o związku.
  • Mylenie trafności wewnętrznej badania z trafnością narzędzia. Dobrze zwalidowany kwestionariusz nie naprawi słabego planu badania.

Najczęstsze pytania

Co zagraża trafności wewnętrznej badania?

Klasyczna lista Campbella obejmuje historię, dojrzewanie, efekt testowania, zmianę narzędzia, regresję statystyczną, selekcję i ubytek osób. Każde z tych zjawisk może wywołać zmianę wyników, którą łatwo pomylić z efektem manipulacji. W badaniach korelacyjnych głównym zagrożeniem są zmienne zakłócające.

Jak zwiększyć trafność wewnętrzną eksperymentu?

Przydzielaj osoby do warunków losowo, badaj grupę kontrolną równolegle z eksperymentalną, utrzymuj stałe procedury i pozwól, by grupy różniły się tylko manipulacją. Tam, gdzie to możliwe, stosuj ślepą próbę i raportuj ubytek osób w każdej grupie.

Dlaczego badanie przed i po bez grupy kontrolnej ma niską trafność wewnętrzną?

Bo zmiany między pomiarami mogą wynikać z wielu przyczyn poza interwencją: zdarzeń zewnętrznych, dojrzewania, oswojenia z testem i regresji do średniej. W symulacji na tej stronie stres w grupie z warsztatem spadł o 6.06 punktu, ale w grupie kontrolnej bez warsztatu też spadł – o 3.75 punktu.

Czy badanie korelacyjne może mieć trafność wewnętrzną?

Pojęcie odnosi się do wniosków przyczynowych, więc w badaniu korelacyjnym trafność wewnętrzna jest zwykle niska. Bez manipulacji i losowego przydziału nie da się wykluczyć zmiennych zakłócających ani ustalić kierunku zależności. Kontrola statystyczna częściowo pomaga, ale nie zastępuje eksperymentu.

Czy trafność wewnętrzna i zewnętrzna się wykluczają?

Nie wykluczają się, ale często ze sobą konkurują. Ścisła kontrola warunków w laboratorium zwiększa trafność wewnętrzną, a jednocześnie utrudnia uogólnianie wyników na codzienne sytuacje. Dobry program badań łączy eksperymenty kontrolowane z badaniami w warunkach naturalnych.

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. Barnett, A. G., van der Pols, J. C., & Dobson, A. J. (2005). Regression to the mean: What it is and how to deal with it. International Journal of Epidemiology, 34(1), 215–220. https://doi.org/10.1093/ije/dyh299 ● Otwarty dostęp
  2. Campbell, D. T. (1957). Factors relevant to the validity of experiments in social settings. Psychological Bulletin, 54(4), 297–312. https://doi.org/10.1037/h0040950
  3. Shadish, W. R., Cook, T. D., & Campbell, D. T. (2002). Experimental and quasi-experimental designs for generalized causal inference. Houghton Mifflin.

Cytowania BibTeX

@article{barnett2005regression, author={Barnett, Adrian G. and van der Pols, Jolieke C. and Dobson, Annette J.}, title={{Regression to the mean: What it is and how to deal with it}}, journal={International Journal of Epidemiology}, year={2005}, volume={34}, number={1}, pages={215--220}, doi={10.1093/ije/dyh299}}
@article{campbell1957factors, author={Campbell, Donald T.}, title={{Factors relevant to the validity of experiments in social settings}}, journal={Psychological Bulletin}, year={1957}, volume={54}, number={4}, pages={297--312}, doi={10.1037/h0040950}}
@book{shadish2002experimental, author={Shadish, William R. and Cook, Thomas D. and Campbell, Donald T.}, title={{Experimental and quasi-experimental designs for generalized causal inference}}, year={2002}, publisher={Houghton Mifflin}}
R