Słownik metodologiczny · Statystyka opisowa

Wariancja wewnątrzgrupowa

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

Strona główna / Słownik / Wariancja wewnątrzgrupowa

Opracowanie merytoryczne: · Opublikowano: · Aktualizacja:

Co oznacza Wariancja wewnątrzgrupowa?

Wariancja wewnątrzgrupowa opisuje zróżnicowanie jednostek pozostające w obrębie tych samych grup. Stanowi punkt odniesienia dla porównania średnich grupowych, lecz jej dokładne znaczenie zależy od projektu i przyjętego modelu błędu.
Co odróżnia to pojęcie? Wariancja wewnątrzgrupowa mierzy rozproszenie obserwacji wokół własnych średnich grupowych. W klasycznej ANOVA tworzy mianownik statystyki F przy założeniu wspólnej wariancji, natomiast w modelu wielopoziomowym jest składnikiem resztowym poziomu jednostki. Nie opisuje różnic między średnimi grup. Jej duża wartość zmniejsza zdolność odróżnienia sygnału grupowego od indywidualnego zróżnicowania.

Zastosowanie, warunki i dobre praktyki

Najważniejsze zastosowanie: Traktuj wariancję wewnątrzgrupową jako zróżnicowanie osób pozostające po uwzględnieniu przynależności do grup.

Wariancja wewnątrzgrupowa opisuje zróżnicowanie jednostek pozostające w obrębie tych samych grup. Stanowi punkt odniesienia dla różnic międzygrupowych, ale może obejmować błąd pomiaru i niewyjaśnione cechy osób; nie jest automatycznie „czystym błędem losowym”.

Jak poprawnie stosować i interpretować hasło „Wariancja wewnątrzgrupowa”?

Przy ocenie pojęcia „Wariancja wewnątrzgrupowa” najpierw ustala się czynnik, zmienną wynikową oraz to, czy obserwacje w komórkach planu są niezależne, sparowane czy powtarzane. W odniesieniu do hasła „Wariancja wewnątrzgrupowa” następnie trzeba rozdzielić pytanie o efekt ogólny od porównań konkretnych poziomów. Przy ocenie hasła „Wariancja wewnątrzgrupowa” średnie i wykres interakcji są potrzebne do zrozumienia kierunku wyniku; sama statystyka F nie pokazuje, które grupy się różnią ani czy różnica ma znaczenie praktyczne.

Ocena pojęcia „Wariancja wewnątrzgrupowa” powinna uwzględniać rozkład reszt, zachowanie wariancji, obserwacje wpływowe i strukturę projektu. W analizie dotyczącej hasła „Wariancja wewnątrzgrupowa” przy nierównych wariancjach sensowny może być wariant Welcha, a przy pomiarach powtarzanych korekta stopni swobody albo model mieszany. Dla interpretacji hasła „Wariancja wewnątrzgrupowa” testy post-hoc dobiera się do zaplanowanych porównań i kontroluje ich łączny błąd, zamiast uruchamiać wszystkie możliwe pary.

Co trzeba opisać w raporcie?

Wynik odnoszący się do „Wariancja wewnątrzgrupowa” powinien łączyć statystykę testową i stopnie swobody z wartościami p, miarą efektu oraz jej przedziałem ufności. W odniesieniu do hasła „Wariancja wewnątrzgrupowa” obok należy podać liczebności, średnie i miary zmienności dla porównywanych warunków, a w modelu z interakcją także efekty proste lub przewidywane średnie marginalne.

Zakres raportowania dla hasła „Wariancja wewnątrzgrupowa”: Podaj estymaty składników wariancji, ICC i CI, jeśli istotne.

Przykład praktyczny i gotowa interpretacja

Sytuacja: Uczniowie tej samej szkoły nadal różnili się wynikami. Wariancja wewnątrzgrupowa opisywała zróżnicowanie niewyjaśnione samą przynależnością do szkoły.

Jak ją zinterpretować: Pozostały rozrzut pokazuje, jak bardzo jednostki różnią się w obrębie tej samej grupy. Stanowi ważny mianownik porównań i nie powinien być ignorowany nawet wtedy, gdy średnie grup są wyraźnie odmienne.

Najczęstsza pułapka i granica interpretacji

Wariancja wewnątrzgrupowa może łączyć różnice indywidualne z błędem, jeśli model nie rozdziela poziomów.

Wniosek o „Wariancja wewnątrzgrupowa” ogranicza konkretny układ czynników i badana populacja. W analizie dotyczącej hasła „Wariancja wewnątrzgrupowa” istotny efekt ogólny nie upoważnia do dowolnego wskazania par różniących się między sobą, a nieistotny wynik nie dowodzi równoważności poziomów.

Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (Appelbaum et al., 2018).

Powiązane hasła

WariancjaWariancja indywidualnaWariancja międzygrupowaDominanta (modalna, moda)HistogramKanon jednej różnicy

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

Regresja logistyczna: założenia, interpretacja i raportowanie modelu

Regresja logistyczna w praktyce: założenia, iloraz szans, diagnostyka, kalibracja, AUC oraz zasady rzetelnego raportowania modelu.

Czytaj →Poradnik

Modelowanie równań strukturalnych (SEM): od teorii do raportu

SEM bez skrótów myślowych: model pomiarowy i strukturalny, CB-SEM a PLS-SEM, dopasowanie, założenia oraz raportowanie wyników.

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. 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
  2. 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
  3. Lang, T. A., & Altman, D. G. (2015). Basic statistical reporting for articles published in biomedical journals: The SAMPL guidelines. International Journal of Nursing Studies, 52(1), 5–9. https://doi.org/10.1016/j.ijnurstu.2014.09.006
  4. Altman, D. G. (2015). Making research articles fit for purpose: Structured reporting of key methods and findings. Trials, 16, 53. https://doi.org/10.1186/s13063-015-0575-7
  5. 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
  6. 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

Cytowania BibTeX

@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}}
@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{lang2015sampl, author={Lang, Thomas A. and Altman, Douglas G.}, title={Basic statistical reporting for articles published in biomedical journals: the SAMPL guidelines}, journal={International Journal of Nursing Studies}, year={2015}, volume={52}, number={1}, pages={5--9}, doi={10.1016/j.ijnurstu.2014.09.006}}
@article{altman2015reporting, author={Altman, Douglas G.}, title={Making research articles fit for purpose: structured reporting of key methods and findings}, journal={Trials}, year={2015}, volume={16}, pages={53}, doi={10.1186/s13063-015-0575-7}}
@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}}
R