Как выбрать статистический критерий для диплома

Самый частый вопрос студента: «Каким критерием обрабатывать мои данные?» Хорошая новость — выбор почти всегда сводится к двум простым вопросам: какой у вас тип данных и что вы сравниваете. Разберём по шагам, с примерами.

Шаг 1. Какой у вас тип данных?

От этого зависит, можно ли применять параметрические методы или нужны ранговые.

• Количественные измерения — рост, время, баллы теста 0–100, количество, скорость. Здесь возможны параметрические методы (если данные нормальны).
• Оценки, баллы анкеты, ранги — баллы 1–5, «низкий/средний/высокий», шкалы опросников (САН, Спилбергер и т. п.). Это порядковая шкала → нужны ранговые (непараметрические) методы.
• Категории — пол, «да/нет», тип, выбор A/B/C. Здесь сравнивают не средние, а доли.

Если у вас баллы анкеты или оценки — почти всегда корректны именно ранговые критерии. Этого часто требуют и научные руководители. Подробнее — в статье «Параметрические и непараметрические критерии».

Шаг 2. Что вы сравниваете?

Теперь определите дизайн исследования и найдите свой случай в таблице:

«Одни и те же» (связанные, парные) — это когда вы измеряете одних и тех же людей дважды. «Разные группы» (независимые) — когда сравниваете разных людей.

Шаг 3. Проверьте нормальность (для количественных)

Если данные количественные и вы хотите параметрический критерий (Стьюдента, ANOVA), сначала проверьте, нормально ли распределены данные — критерием Шапиро-Уилка (для небольших выборок) или Колмогорова-Смирнова (для больших):

• p > 0,05 — распределение можно считать нормальным → параметрический критерий допустим;
• p < 0,05 — распределение ненормальное → берите ранговый аналог.

Для оценок и баллов нормальность не проверяют — там сразу ранговые методы.

Разбор примеров

Пример 1. Вы измерили тревожность по балльной анкете до и после тренинга у одних и тех же студентов.

• Тип данных — баллы (порядковая шкала) → ранговые методы.
• Дизайн — «до/после» у одних и тех же → критерий Вилкоксона.

Пример 2. Вы сравниваете средний рост у спортсменов и не спортсменов (две разные группы).

• Тип данных — измерение, распределено нормально → параметрические методы.
• Дизайн — две независимые группы → критерий Стьюдента.

Пример 3. Вы сравниваете успеваемость (баллы) в трёх группах.

• Тип данных — баллы → ранговые методы.
• Дизайн — три независимые группы → критерий Краскела-Уоллиса.

Пример 4. Вы проверяете, связан ли уровень мотивации с успеваемостью.

• Это поиск связи двух признаков (оценки) → корреляция Спирмена.

Частые ошибки

• Применять Стьюдента к балльным шкалам. Баллы анкет — порядковая шкала, корректнее ранговые критерии.
• Путать связанные и независимые выборки. «До/после» у одних и тех же — это Вилкоксон/парный Стьюдент, а не Манна-Уитни.
• Сравнивать средние там, где нужны доли. Если данные — категории (да/нет), нужен χ², а не Стьюдент.
• Не проверять нормальность перед параметрическим критерием.

Частые вопросы

А если у меня и числа, и баллы вперемешку?

Ориентируйтесь на тот показатель, который анализируете. Если основной результат — это баллы анкеты, выбирайте ранговый критерий.

Что выбрать, если сомневаюсь между параметрическим и ранговым?

Ранговый — безопаснее. Он работает почти всегда и не требует нормальности. Параметрический даёт чуть больше «мощности», но только при выполненных условиях.

Нужно ли считать описательную статистику до критерия?

Да, обычно сначала приводят описательную статистику (медианы/квартили или средние), а затем — критерий. Подробнее в статье «Как описать выборку в дипломе».

Коротко

1. Определите тип данных (числа / баллы / категории).
2. Определите дизайн (две группы, 3+, до/после, связь).
3. Для количественных — проверьте нормальность.
4. Найдите критерий по таблице выше.

Не уверены — посмотрите базу методов, где все критерии в одной таблице с подсказками, или закажите консультацию эксперта: подберём метод и посчитаем за вас.