Jeśli zastanawiasz się, jak obliczyć liczebność próby, dobrze zacząć od prostej rzeczy: liczba badanych nie powinna być przypadkowa. W pracy magisterskiej często pojawia się pokusa, żeby napisać „zbadano 100 osób”, bo 100 wygląda ładnie, okrągło i psychologicznie bezpiecznie. Problem w tym, że statystyka nie wzrusza się okrągłymi liczbami. Dla jednego badania 100 osób może być wystarczające, dla innego będzie za mało, a w jeszcze innym kompletnie niepotrzebne.
Liczebność próby zależy od tego, co chcesz sprawdzić, jakiego testu planujesz użyć, jak dużego efektu się spodziewasz i jaką moc statystyczną chcesz uzyskać. Dlatego przed zbieraniem danych warto choćby orientacyjnie policzyć, ile osób będzie potrzebnych. Jeśli jesteś jeszcze na etapie planowania badania, pomocny będzie też poradnik o tym, jak dobrać test statystyczny do pracy dyplomowej, bo wybór testu i liczebność próby są ze sobą mocno powiązane.
Dlaczego liczebność próby nie powinna być brana z sufitu
Liczebność próby to nie jest formalność do wpisania w rozdziale metodologicznym. To jeden z elementów, który wpływa na to, czy Twoje badanie w ogóle ma szansę wykryć zakładany efekt. Jeśli próba jest zbyt mała, możesz nie zauważyć realnej zależności albo różnicy między grupami. Wtedy wynik może wyjść nieistotny nie dlatego, że nic się nie dzieje, tylko dlatego, że badanie było za słabe.
Z drugiej strony większa próba nie zawsze automatycznie rozwiązuje wszystkie problemy. Przy bardzo dużej liczbie osób nawet mały, praktycznie mało istotny efekt może stać się statystycznie istotny. Dlatego sama liczba badanych nie wystarczy. Trzeba ją odnieść do pytania badawczego, hipotezy, planowanego testu i oczekiwanej wielkości efektu.
W praktyce liczebność próby w pracy magisterskiej powinna być uzasadniona logicznie, a nie tylko opisowo. Lepiej napisać, że liczebność oszacowano na podstawie planowanej analizy i założeń dotyczących mocy testu, niż ograniczyć się do zdania: „w badaniu wzięło udział 87 osób”. To drugie brzmi jak raport z obecności. To pierwsze pokazuje, że badanie było zaplanowane.
Jak obliczyć liczebność próby przed badaniem
Żeby obliczyć liczebność próby, najpierw trzeba wiedzieć, jaką analizę planujesz wykonać. Inaczej liczy się próbę dla korelacji, inaczej dla testu t-Studenta, inaczej dla ANOVA, a jeszcze inaczej dla regresji. To jest dokładnie ten moment, w którym metodologia mówi: „najpierw pomyśl, potem klikaj”. I ma rację, choć jak zwykle mówi to dość chłodnym tonem.
Najczęściej do oszacowania liczebności próby wykorzystuje się analizę mocy, czyli power analysis. Można ją wykonać w programie GPower albo innych narzędziach statystycznych. Oficjalna strona G*Power opisuje ten program jako narzędzie do obliczania mocy statystycznej dla wielu rodzin testów, między innymi testów t, F, chi-kwadrat i testów z. W praktyce jest to jedno z najczęściej wybieranych narzędzi, gdy trzeba oszacować minimalną liczbę osób przed badaniem.
Zwykle potrzebujesz kilku informacji:
Dopiero po ustawieniu tych parametrów da się sensownie odpowiedzieć na pytanie, ile osób do badania ankietowego będzie potrzebnych. Bez tego każda odpowiedź jest bardziej wróżeniem z arkusza niż metodologią.
Czym jest analiza mocy statystycznej
Analiza mocy statystycznej pomaga oszacować, jak duża próba jest potrzebna, żeby test miał rozsądną szansę wykryć efekt, jeśli ten efekt rzeczywiście istnieje. Mówiąc prościej: chodzi o to, żeby badanie nie było zbyt słabe. Jeśli planujesz sprawdzić zależność między zmiennymi, porównać grupy albo zbudować model regresji, dobrze wiedzieć, czy liczba badanych daje jakąkolwiek sensowną podstawę do takiej analizy.
UCLA OARC zwraca uwagę, że analiza mocy opiera się na założeniach i często daje raczej zakres albo uzasadnione oszacowanie niż magicznie idealną liczbę. To ważne, bo czasami ktoś oczekuje jednej odpowiedzi: „potrzebujesz dokładnie 123 osób i ani jednej mniej”. W praktyce tak to nie działa. Analiza mocy jest narzędziem planowania, a nie kryształową kulą w fartuchu laboratoryjnym.
Moc testu, poziom istotności i wielkość efektu
Moc testu oznacza prawdopodobieństwo wykrycia efektu, jeśli efekt naprawdę istnieje. Często przyjmuje się moc na poziomie 0,80, co oznacza 80% szans na wykrycie zakładanego efektu przy spełnieniu przyjętych założeń. Poziom istotności, zwykle α = 0,05, określa próg, przy którym uznajemy wynik za statystycznie istotny.
Bardzo ważna jest też wielkość efektu. Im mniejszego efektu się spodziewasz, tym większej próby zwykle potrzebujesz. Jeśli efekt jest duży, łatwiej go wykryć nawet przy mniejszej próbie. Jeśli efekt jest mały, potrzeba więcej danych, bo mała różnica lub słaba zależność łatwo ginie w szumie. Artykuły metodologiczne dotyczące liczebności próby i mocy statystycznej podkreślają właśnie tę relację między sample size, effect size i statistical power.
W pracy dyplomowej nie zawsze da się idealnie oszacować oczekiwany efekt. Można wtedy oprzeć się na wcześniejszych badaniach, literaturze, podobnych projektach albo przyjąć ostrożne założenie. Ważne, żeby nie udawać, że liczebność próby spadła z nieba jak objawienie metodologiczne. Promotorzy zwykle nie przepadają za objawieniami w rozdziale metodologicznym.
Jak uzasadnić liczebność próby w pracy magisterskiej
Uzasadnienie liczebności próby powinno być krótkie, konkretne i powiązane z planowaną analizą. Nie trzeba pisać eseju o historii statystyki ani robić z tego osobnego traktatu. Wystarczy jasno wyjaśnić, na jakiej podstawie przyjęto daną liczbę osób i jakie założenia stały za tym oszacowaniem.
Przykładowy zapis może wyglądać tak:
„Minimalną liczebność próby oszacowano przed rozpoczęciem badania na podstawie analizy mocy statystycznej. Przyjęto poziom istotności α = 0,05, moc testu 0,80 oraz oczekiwaną umiarkowaną wielkość efektu. Na tej podstawie określono, że do przeprowadzenia planowanej analizy potrzebna jest próba licząca co najmniej X osób.”
Taki opis pokazuje, że liczebność próby nie została dobrana przypadkowo. Możesz też dopisać, jakiego testu dotyczyło oszacowanie, na przykład korelacji, testu t, ANOVA albo regresji. Jeśli nie masz pewności, czy planowany test pasuje do hipotezy, warto wrócić do tekstu o tym, jak dobrać test statystyczny do pracy dyplomowej, bo złe założenie na starcie może później rozwalić całe uzasadnienie liczebności.
W rozdziale metodologicznym dobrze też odróżnić liczebność planowaną od faktycznej. Planowana to ta, którą chcesz zebrać na podstawie analizy mocy. Faktyczna to liczba osób, które rzeczywiście wzięły udział w badaniu i zostały uwzględnione w analizie. Jeżeli część odpowiedzi trzeba było usunąć, bo były niekompletne albo błędne, warto wcześniej sprawdzić, jak oczyścić dane do analizy statystycznej, żeby nie zgubić po drodze sensu całej próby.
Co zrobić, gdy nie możesz zebrać idealnej próby
W pracach magisterskich życie często wygląda mniej elegancko niż podręcznik. Zakładasz, że zbierzesz 180 osób, a rzeczywistość przynosi 96 odpowiedzi, z czego 12 wygląda tak, jakby ktoś wypełniał ankietę łokciem. To się zdarza. Ważne jest wtedy nie to, żeby udawać, że problemu nie ma, ale żeby uczciwie opisać ograniczenia.
Jeżeli próba jest mniejsza niż zakładana, możesz napisać, że liczebność próby stanowi ograniczenie badania i może wpływać na moc testów statystycznych. To nie przekreśla automatycznie całej pracy, ale wymaga ostrożniejszej interpretacji wyników. Szczególnie wtedy, gdy wynik nie jest istotny statystycznie. Brak istotności przy małej próbie nie zawsze oznacza brak efektu. Czasami oznacza po prostu, że badanie nie miało wystarczającej mocy, żeby go wykryć.
Możesz też skupić się na analizach bardziej dopasowanych do realnej struktury danych. Czasem lepiej uprościć model, ograniczyć liczbę predyktorów albo ostrożniej interpretować wyniki, niż robić ambitną analizę na próbie, która ledwo trzyma się metodologicznie na nogach. Jeśli masz już zebrane dane i nie wiesz, czy liczebność wystarczy do planowanej analizy, warto skorzystać z usługi analizy statystycznej i sprawdzić, co da się zrobić bez metodologicznego przeciągania liny.
Kiedy warto skonsultować liczebność próby przed badaniem
Najlepszy moment na konsultację liczebności próby jest przed rozpoczęciem zbierania danych. Wtedy można jeszcze spokojnie sprawdzić hipotezy, dobrać testy i oszacować minimalną liczbę osób. Po zebraniu danych nadal da się dużo zrobić, ale możliwości są już mniejsze. Statystyka bywa wtedy jak remont po położeniu płytek: coś da się poprawić, ale człowiek zaczyna żałować, że nie pomyślał wcześniej.
Konsultacja ma sens szczególnie wtedy, gdy planujesz porównanie kilku grup, analizę regresji, model z wieloma zmiennymi albo badanie, w którym trudno zebrać dużą próbę. Warto też skonsultować temat, jeśli promotor pyta, skąd wzięła się liczba badanych, a Ty czujesz, że odpowiedź „bo tyle się udało” może nie wywołać zachwytu.
Jeśli chcesz zaplanować badanie spokojnie i bez zgadywania, mogę pomóc oszacować liczebność próby, dobrać analizę do hipotez i przygotować krótkie uzasadnienie metodologiczne. Przejdź do kontaktu i opisz, jakie masz pytanie badawcze, jakie zmienne planujesz analizować i na jakim etapie jest Twoje badanie.
Liczebność próby nie musi być tematem, który paraliżuje pracę dyplomową. Wystarczy potraktować ją jako element planowania badania, a nie jako liczbę wpisywaną na końcu „bo tak wyszło”. Jeśli wiesz, jaki test planujesz, jakiego efektu się spodziewasz i jaką moc chcesz uzyskać, możesz uzasadnić próbę znacznie lepiej niż samym „udało się zebrać tyle osób”. A to już jest bardzo solidny krok w stronę pracy, która broni się nie tylko treścią, ale też metodologią.
