Cum sa Rulezi un Test T pentru Esantioane Independente in SPSS (Ghid pentru Teza)

Testul t pentru esantioane independente este unul dintre cele mai frecvent utilizate teste statistice in cercetarea de teza. Raspunde la o intrebare directa: difera doua grupuri pe o variabila continua? Fie ca vrei sa compari scorurile de satisfactie intre barbati si femei, rezultatele la teste intre un grup de tratament si unul de control, sau indicatorii de performanta intre doua departamente, testul t pentru esantioane independente este abordarea standard.

Acest ghid acopera intregul flux de lucru in SPSS: verificarea asumptiilor, rularea testului, citirea tabelelor de output, calcularea Cohen's d (pe care SPSS nu il produce automat), gestionarea incalcarilor si raportarea rezultatelor in format APA editia a 7-a. Tutorialul foloseste acelasi set de date pentru teza ca in ghidurile anterioare din aceasta serie, astfel incat variabilele si structura datelor iti vor fi familiare daca ai parcurs deja ghidurile de statistica descriptiva sau testare a normalitatii.

Cand sa folosesti testul t pentru esantioane independente

Testul t pentru esantioane independente este adecvat cand designul cercetarii tale indeplineste aceste conditii:

1. Ai o variabila dependenta continua (de ex., satisfactie, scoruri la teste, venit).
2. Ai o variabila independenta categorica cu exact doua grupuri (de ex., gen, tratament/control, admis/respins).
3. Observatiile din fiecare grup provin de la participanti diferiti (niciun participant nu apare in ambele grupuri).

Daca ai trei sau mai multe grupuri, foloseste ANOVA unifactoriala. Daca aceiasi participanti sunt masurati de doua ori (pre-test si post-test), foloseste testul t pentru esantioane pereche.

Exemple frecvente in teze:

Tabel 1: Designuri de cercetare frecvente adecvate testului t pentru esantioane independente

Asumptii

Testul t pentru esantioane independente are patru asumptii. Incalcarile nu invalideaza automat rezultatele, dar trebuie sa verifici fiecare si sa documentezi ce ai gasit.

1. Independenta observatiilor

Fiecare participant contribuie cu date intr-un singur grup. Un student nu poate fi atat in grupul "barbati" cat si in grupul "femei". Aceasta asumptie este indeplinita prin designul cercetarii, nu printr-un test statistic. Daca datele tale implica masuratori repetate de la aceiasi participanti, ai nevoie de un test t pentru esantioane pereche sau un design cu masuri repetate.

2. Variabila dependenta continua

Variabila dependenta trebuie masurata pe o scala de interval sau de raport. Scorurile de satisfactie pe o scala Likert de la 1 la 5 sunt tratate de obicei ca si continue in cercetarea din stiintele sociale, desi acest lucru este un punct de dezbatere. Datele ordinale cu putine categorii (de ex., scala de acord de la 1 la 3) sunt mai bine analizate cu testul Mann-Whitney U.

3. Normalitatea in cadrul fiecarui grup

Variabila dependenta ar trebui sa fie distribuita aproximativ normal in cadrul fiecarui grup, nu in esantionul global. Aceasta este o distinctie esentiala. Doua grupuri pot fi fiecare anormale in timp ce distributia combinata pare normala, si invers.

Pentru a testa acest lucru, foloseste procedura Explore cu variabila de grupare in Factor List. Ghidul de testare a normalitatii mentionat in caseta de prerequisite de mai sus acopera acest lucru in detaliu, inclusiv cum sa folosesti Factor List pentru a imparti pe grupuri.

Testul t este robust la incalcari moderate ale normalitatii cand fiecare grup are 30 sau mai multe cazuri (Schmider et al., 2010). Cu grupuri mai mici, verifica graficele Q-Q cu atentie si ia in considerare testul Mann-Whitney U daca deviatia este severa.

4. Omogenitatea variantelor (testul Levene)

Cele doua grupuri ar trebui sa aiba variante aproximativ egale (raspandirea scorurilor). SPSS testeaza acest lucru automat folosind testul Levene, care apare in output-ul testului t. Nu trebuie sa il rulezi separat.

Daca testul Levene nu este semnificativ (p > .05): variantele sunt aproximativ egale. Citeste rezultatele din randul "Equal variances assumed".

Daca testul Levene este semnificativ (p < .05): variantele sunt inegale. Citeste rezultatele din randul "Equal variances not assumed", care foloseste corectia Welch pentru a ajusta gradele de libertate si valoarea p. Aceasta nu este o problema critica. Testul t Welch gestioneaza bine variantele inegale, iar unii metodologi recomanda raportarea lui in mod implicit (Delacre et al., 2017).

Setul de date exemplu

Acest tutorial foloseste acelasi set de date pentru teza din ghidurile de statistica descriptiva si normalitate. Il poti descarca din bara laterala. Intrebarea de cercetare pentru aceasta analiza:

Difera studentii si studentele in ceea ce priveste scorurile de satisfactie?

• Variabila dependenta: Satisfactie (continua, Scale, 1.00 pana la 5.00)
• Variabila de grupare: Gen (nominala, 1 = Masculin, 2 = Feminin)
• Esantion: 147 cazuri valide (61 barbati, 86 femei)

Din ghidul de normalitate, stim ca Satisfactia are o asimetrie de -0.48 si o boltire de -0.41 (ambele in intervalul -1 pana la +1). Testul Shapiro-Wilk a fost semnificativ (p = .003) din cauza dimensiunii esantionului, dar deviatia practica este neglijabila. Datele sunt adecvate pentru un test parametric.

Pas cu pas: Rularea testului t pentru esantioane independente

Pasul 1: Navigheaza la dialogul testului T

Mergi la Analyze > Compare Means > Independent-Samples T Test.

Figura 1: Navigheaza la Analyze > Compare Means > Independent-Samples T Test

Pasul 2: Configureaza variabilele

In dialogul Independent-Samples T Test:

1. Muta Satisfaction in caseta Test Variable(s). Aceasta este variabila ta dependenta. Poti adauga mai multe variabile de test pentru a rula mai multe teste t simultan, dar fiecare va fi testat fata de aceeasi variabila de grupare.
2. Muta Gender in caseta Grouping Variable. Vei vedea "Gender(? ?)" indicand ca SPSS are nevoie sa definesti care valori reprezinta cele doua grupuri.

Figura 2: Dialogul Independent-Samples T Test cu Satisfaction ca variabila de test si Gender ca variabila de grupare

Pasul 3: Defineste grupurile

Apasa butonul Define Groups. Introdu valorile care reprezinta cele doua grupuri:

• Group 1: 1 (Masculin)
• Group 2: 2 (Feminin)

Aceste valori trebuie sa corespunda codurilor din datele tale. Verifica Variable View daca nu esti sigur care coduri numerice reprezinta fiecare categorie.

Apasa Continue pentru a reveni la dialogul principal.

Figura 3: Dialogul Define Groups: Group 1 = 1 (Masculin), Group 2 = 2 (Feminin)

Pasul 4: Ruleaza testul

Apasa OK. SPSS produce doua tabele de output: tabelul Group Statistics si tabelul Independent Samples Test.

Interpretarea output-ului

Tabelul Group Statistics

Acest tabel raporteaza statisticile descriptive pentru fiecare grup separat.

Figura 4: Tabelul Group Statistics cu statistici descriptive pentru barbati si femei pe variabila Satisfactie

La ce sa te uiti:

• N: Dimensiunea esantionului per grup (61 barbati, 86 femei). Grupurile inegale ca marime nu sunt o problema.
• Mean: Media scorului de Satisfactie pentru fiecare grup. Compara aceste valori pentru a vedea directia oricarei diferente.
• Std. Deviation: Raspandirea scorurilor in cadrul fiecarui grup. Abateri standard similare sugereaza variante egale; valori foarte diferite sugereaza o potentiala problema la testul Levene.
• Std. Error Mean: Eroarea standard a mediei fiecarui grup. Valorile mai mici indica estimari mai precise.

Inainte de a trece la testul inferential, noteaza mediile si abaterile standard. Vei avea nevoie de ele pentru raportarea APA si pentru calcularea Cohen's d.

Tabelul Independent Samples Test

Acesta este tabelul principal de rezultate. Contine testul Levene si rezultatele testului t intr-un singur tabel.

Figura 5: Tabelul Independent Samples Test cu testul Levene pentru egalitatea variantelor si rezultatele testului t

Citirea tabelului necesita doi pasi:

Pasul A: Verifica testul Levene (partea stanga a tabelului)

Uita-te la coloanele "Levene's Test for Equality of Variances" (F si Sig.).

• Daca Sig. > .05: Variantele sunt egale. Citeste randul de sus ("Equal variances assumed").
• Daca Sig. < .05: Variantele sunt inegale. Citeste randul de jos ("Equal variances not assumed").

Pasul B: Citeste rezultatele testului t (partea dreapta a tabelului, din randul corect)

• t: Statistica t. Valoarea absoluta iti spune la cate erori standard distanta se afla mediile grupurilor.
• df: Gradele de libertate. Pentru variante egale asumate, df = N1 + N2 - 2. Pentru testul t Welch, df este ajustat si adesea nu este un numar intreg.
• Sig. (2-tailed): Valoarea p. Daca aceasta este sub nivelul alpha (de obicei .05), diferenta dintre grupuri este semnificativa statistic.
• Mean Difference: Diferenta bruta dintre mediile celor doua grupuri (M1 - M2).
• Std. Error Difference: Eroarea standard a acelei diferente.
• 95% Confidence Interval: Intervalul in care diferenta reala dintre mediile populatiilor se afla cel mai probabil. Daca acest interval contine zero, diferenta nu este semnificativa.

Interpretarea combinata a output-ului

In acest exemplu, testul Levene are F = 0.016, Sig. = .900 (nesemnificativ). Variantele sunt aproximativ egale, deci citim randul de sus ("Equal variances assumed").

Testul t arata: t(145) = -2.154, p = .033, Diferenta mediilor = -0.34.

Rezultatul este semnificativ statistic. Femeile (M = 3.59, SD = 0.95) au obtinut scoruri semnificativ mai mari decat barbatii (M = 3.25, SD = 0.94) la Satisfactie. Intervalul de incredere de 95% pentru diferenta mediilor [-0.65, -0.03] nu contine zero, confirmand rezultatul semnificativ.

Intervalul de incredere este relativ larg comparativ cu diferenta mediilor in sine. Aceasta ne spune ca estimarea are o anumita incertitudine, desi putem fi siguri ca diferenta reala este negativa (femeile au scoruri mai mari). Importanta practica a unei diferente de 0.34 puncte pe o scala de 5 puncte necesita context, si aici intervine Cohen's d.

Calcularea Cohen's d (marimea efectului)

SPSS nu calculeaza Cohen's d pentru testul t pentru esantioane independente. Trebuie sa il calculezi manual. Comisiile de teza asteapta din ce in ce mai des marimea efectului alaturi de valorile p, deoarece un rezultat nesemnificativ cu un esantion mic nu inseamna neaparat ca nu exista un efect, iar un rezultat semnificativ cu un esantion mare nu inseamna neaparat ca efectul este relevant practic.

Formula

$$d = \frac{M_1 - M_2}{SD_{\text{combinat}}}$$

Unde abaterea standard combinata (pooled) este:

$$SD_{\text{combinat}} = \sqrt{\frac{(n_1 - 1) \times SD_1^2 + (n_2 - 1) \times SD_2^2}{n_1 + n_2 - 2}}$$

Exemplu de calcul

Folosind valorile din tabelul Group Statistics:

• $M_1$ (Masculin) = 3.2469, $SD_1$ = 0.93843, $n_1$ = 61
• $M_2$ (Feminin) = 3.5869, $SD_2$ = 0.94611, $n_2$ = 86

$$SD_{\text{combinat}} = \sqrt{\frac{(61-1) \times 0.93843^2 + (86-1) \times 0.94611^2}{61 + 86 - 2}}$$ $$= \sqrt{\frac{60 \times 0.8807 + 85 \times 0.8951}{145}}$$ $$= \sqrt{\frac{52.84 + 76.08}{145}} = \sqrt{\frac{128.92}{145}} = \sqrt{0.8891} = 0.943$$ $$d = \frac{3.2469 - 3.5869}{0.943} = \frac{-0.34}{0.943} = -0.36$$

Interpretare

Tabel 2: Reperele Cohen's d pentru interpretarea marimii efectului (Cohen, 1988)

In acest exemplu, d = 0.36 este un efect mic spre mediu. Femeile au obtinut scoruri cu aproximativ o treime de abatere standard mai mari decat barbatii la Satisfactie. Combinat cu valoarea p semnificativa (.033), acest rezultat ofera atat dovezi statistice cat si practice ale unei diferente de gen, desi efectul este modest.

Semnul lui Cohen's d indica directia (negativ inseamna ca Grupul 2 a obtinut scoruri mai mari), dar magnitudinea este cea care conteaza pentru interpretare. Raporteaza valoarea absoluta daca directia este clara din medii.

Ce sa faci cand asumptiile sunt incalcate

Incalcarea normalitatii

Daca normalitatea este sever incalcata (asimetrie peste +/-2 in unul sau ambele grupuri), si dimensiunile grupurilor sunt sub 30, testul Mann-Whitney U este alternativa neparametrica standard. Compara rangurile scorurilor in loc de medii si nu necesita normalitate.

Pentru a rula testul Mann-Whitney U in SPSS: Analyze > Nonparametric Tests > Legacy Dialogs > 2 Independent Samples. Muta variabila de test in Test Variable List, variabila de grupare in Grouping Variable, defineste grupurile si selecteaza "Mann-Whitney U" la Test Type.

Cu grupuri de 30 sau mai mult, testele t parametrice sunt suficient de robuste incat incalcarile moderate ale normalitatii (asimetrie intre -2 si +2) nu afecteaza de obicei validitatea rezultatelor (Glass et al., 1972). Documenteaza incalcarea si citeaza literatura privind robustetea.

Variante inegale (testul Levene semnificativ)

Aceasta este cea mai usoara incalcare de gestionat. Citeste randul "Equal variances not assumed" din output. Testul t Welch ajusteaza gradele de libertate pentru a compensa variantele inegale. Nu este nevoie de un test suplimentar.

Raporteaza transparent: "Testul Levene a indicat variante inegale, F(1, 145) = 5.23, p = .024. Prin urmare, s-a folosit testul t ajustat Welch."

Ambele asumptii incalcate

Cand atat normalitatea cat si variantele egale sunt incalcate, testul Mann-Whitney U este cea mai sigura alegere. Raporteaza incalcarea, explica de ce ai ales alternativa neparametrica si prezinta rezultatele Mann-Whitney U in format APA.

Raportarea in format APA

Raportarea rezultatelor din acest tutorial

Un test t pentru esantioane independente a fost realizat pentru a compara scorurile de Satisfactie intre studenti si studente. Testul Levene pentru egalitatea variantelor nu a fost semnificativ (F = 0.02, p = .900), deci s-au asumat variante egale. Studentele (M = 3.59, SD = 0.95) au raportat satisfactie semnificativ mai mare decat studentii (M = 3.25, SD = 0.94), t(145) = -2.15, p = .033, d = 0.36, 95% CI [-0.65, -0.03]. Marimea efectului a fost mica spre medie.

Sablon pentru rezultat nesemnificativ

Daca rezultatul ar fi fost nesemnificativ, raportarea ar urma aceasta structura:

Un test t pentru esantioane independente a fost realizat pentru a compara scorurile de Satisfactie intre studenti si studente. Nu a existat o diferenta semnificativa intre barbati (M = 3.25, SD = 0.94) si femei (M = 3.38, SD = 0.96), t(145) = -0.84, p = .401, d = 0.14. Marimea efectului a fost neglijabila.

Cu corectia Welch (variante inegale)

Testul Levene a indicat variante inegale (F = 5.23, p = .024), deci s-a utilizat testul t ajustat Welch. Nu a existat o diferenta semnificativa intre barbati (M = 3.12, SD = 0.89) si femei (M = 3.24, SD = 1.12), t(141.35) = -0.72, p = .474, d = 0.12.

Format tabel APA

Pentru capitolele de Rezultate ale tezei care necesita un tabel sumar:

Tabel 3: Rezultatele testului t pentru esantioane independente comparand Satisfactia dupa Gen

Lista de verificare pentru raportare

Fiecare raport de test t pentru esantioane independente ar trebui sa includa:

1. Scopul testului (ce comparatie s-a facut si de ce)
2. Rezultatul testului Levene (variante egale sau inegale, si ce rand ai citit)
3. Mediile si abaterile standard ale grupurilor
4. Statistica t, gradele de libertate si valoarea p exacta
5. Marimea efectului (Cohen's d) cu interpretare
6. Intervalul de incredere de 95% al diferentei mediilor (optional dar recomandat)

Greseli frecvente

1. Folosirea testului t pentru trei sau mai multe grupuri

Rularea mai multor teste t pentru esantioane independente pentru a compara trei grupuri (de ex., Liceu vs. Licenta, Liceu vs. Master, Licenta vs. Master) creste rata erorii de tip I. Cu trei comparatii pereche la alpha = .05, probabilitatea a cel putin un fals pozitiv creste la aproximativ .14. Foloseste ANOVA unifactoriala cu teste post-hoc.

2. Ignorarea testului Levene

Unii studenti raporteaza doar randul "Equal variances assumed" fara sa verifice daca aceasta asumptie este indeplinita. Daca testul Levene este semnificativ, gradele de libertate, valoarea p si intervalul de incredere din randul de sus sunt toate incorecte. Verifica si raporteaza intotdeauna ce rand ai folosit.

3. Netestarea normalitatii per grup

Rularea unui singur test de normalitate pe intreaga variabila (ambele grupuri combinate) nu este suficienta. Asumptia necesita normalitate in cadrul fiecarui grup. Foloseste Factor List din procedura Explore pentru a testa fiecare grup separat.

4. Omiterea marimii efectului

O valoare p iti spune daca rezultatul este semnificativ statistic, dar nu daca diferenta este suficient de mare pentru a conta. Un rezultat semnificativ cu d = 0.10 si un esantion de 500 este semnificativ statistic dar lipsit de relevanta practica. Comisiile asteapta din ce in ce mai des Cohen's d sau alta masura a marimii efectului.

5. Confuzia intre designul independent si cel pereche

Daca aceiasi participanti sunt masurati inainte si dupa o interventie, observatiile nu sunt independente. Folosirea testului t pentru esantioane independente in aceasta situatie ignora corelatia dintre masuratorile pereche si produce rezultate incorecte. Foloseste testul t pentru esantioane pereche pentru comparatii intra-subiecti.

6. Rularea testelor unilaterale fara justificare

SPSS raporteaza implicit valori p bilaterale. Impartirea valorii p la 2 pentru a obtine un rezultat unilateral este adecvata doar cand ai o ipoteza directionala puternica formulata inainte de colectarea datelor. Trecerea post-hoc la un test unilateral pentru a atinge semnificatia este o forma de p-hacking pe care comisia o va pune sub semnul intrebarii.

Ce va intreba comisia de teza

"De ce ai folosit testul t pentru esantioane independente si nu ANOVA?" Testul t pentru esantioane independente este testul adecvat cand compari exact doua grupuri pe o variabila continua. ANOVA este proiectat pentru trei sau mai multe grupuri. Desi ANOVA unifactoriala cu doua grupuri produce rezultate matematic identice (F = t²), testul t adreseaza direct comparatia a doua grupuri si este alegerea conventionala.

"Cum ai gestionat asumptia de variante egale?" Descrie ca ai verificat testul Levene in output-ul SPSS. Daca nu a fost semnificativ, s-au asumat variante egale. Daca a fost semnificativ, ai folosit rezultatele ajustate Welch din randul "Equal variances not assumed". Citeaza Delacre et al. (2017) daca membrii comisiei pun la indoiala aceasta abordare.

"Rezultatul este semnificativ, dar diferenta este importanta practic?" Aici intervine Cohen's d. Un d de 0.36 este un efect mic spre mediu: femeile au obtinut scoruri cu aproximativ o treime de abatere standard mai mari decat barbatii. Daca o diferenta de 0.34 puncte pe o scala de 5 puncte este relevanta practic depinde de contextul cercetarii. Raporteaza marimea efectului, descrie magnitudinea folosind reperele lui Cohen si lasa cititorul sa evalueze relevanta pentru contextul lor specific.

"De ce ar trebui sa am incredere in testul t daca testul Shapiro-Wilk a fost semnificativ?" Fa referire la distinctia dintre semnificatia statistica si importanta practica in testarea normalitatii. Citeaza valorile de asimetrie si boltire (in intervalul +/-1), dovezile din graficul Q-Q si literatura privind robustetea (Schmider et al., 2010). Aceasta intrebare este acoperita in detaliu in ghidul de testare a normalitatii.

Intrebari frecvente

Pasii urmatori

Dupa rularea testului t pentru esantioane independente, urmatoarea analiza depinde de designul cercetarii tale.

Daca trebuie sa compari aceiasi participanti in doua momente (pre-test vs. post-test), testul t pentru esantioane pereche este testul adecvat. Daca designul tau implica trei sau mai multe grupuri, treci la ANOVA unifactoriala, care extinde logica testului t la comparatii multiple cu un singur test omnibus.

Pentru examinarea relatiei dintre doua variabile continue in loc de compararea mediilor grupurilor, regresia liniara ofera un cadru pentru predictie si explicatie. Daca scala ta include mai multi itemi, verifica fiabilitatea cu Cronbach's Alpha inainte de a folosi scorurile compozite in testul t.

Asigura-te ca analizele fundamentale sunt documentate: statistica descriptiva pentru caracteristicile esantionului si testarea normalitatii pentru verificarea asumptiilor ar trebui sa apara in capitolul de Rezultate inaintea rezultatelor testului t.

Referinte

American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association.

Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.

Delacre, M., Lakens, D., & Leys, C. (2017). Why psychologists should by default use Welch's t-test instead of Student's t-test. International Review of Social Psychology, 30(1), 92-101.

Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.

Glass, G. V., Peckham, P. D., & Sanders, J. R. (1972). Consequences of failure to meet assumptions underlying the fixed effects analyses of variance and covariance. Review of Educational Research, 42(3), 237-288.

Pallant, J. (2020). SPSS survival manual (7th ed.). Open University Press.

Schmider, E., Ziegler, M., Danay, E., Beyer, L., & Bühner, M. (2010). Is it really robust? Reinvestigating the robustness of ANOVA against violations of the normal distribution assumption. Methodology, 6(4), 147-151.