Zebranie odpowiedzi respondentów jest dopiero początkiem analizy ankiety. Nawet kilkaset poprawnie wypełnionych formularzy nie prowadzi automatycznie do wartościowych wniosków. Dane trzeba odpowiednio zakodować, sprawdzić ich jakość, utworzyć wyniki skal, przygotować statystyki opisowe i dopiero później zastosować testy odpowiadające pytaniom oraz hipotezom badawczym.
Prawidłowa analiza ankiety powinna więc przebiegać według wcześniej przygotowanego planu.
1. Zacznij od pytań i hipotez badawczych
Pierwszym krokiem nie powinno być uruchomienie SPSS i sprawdzanie, „co wyjdzie istotne”.
Najpierw należy określić, na jakie pytania mają odpowiedzieć zebrane dane.
Przykładowa hipoteza:
„Poziom wiedzy dotyczącej profilaktyki zakażeń jest związany ze stażem pracy personelu.”
Musimy zidentyfikować:
- zmienną dotyczącą wiedzy,
- zmienną dotyczącą stażu pracy,
- sposób ich pomiaru,
- charakter zmiennych,
- metodę odpowiednią do oceny związku.
Inna hipoteza:
„Osoby uczestniczące w szkoleniach mają wyższy poziom wiedzy niż osoby, które w nich nie uczestniczyły.”
Tutaj mamy dwie grupy i wynik wiedzy.
Konstrukcja hipotezy bezpośrednio wpływa więc na wybór analizy.
2. Przygotowanie bazy danych
Najczęściej przyjmuje się zasadę:
jeden respondent = jeden wiersz
jedna zmienna = jedna kolumna.
Przykładowe kolumny:
- ID,
- wiek,
- płeć,
- wykształcenie,
- staż pracy,
- pytanie_1,
- pytanie_2,
- pytanie_3,
- wynik_wiedzy.
Dobrze zaprojektowana baza danych znacznie ułatwia późniejszą analizę.
3. Kodowanie odpowiedzi
Odpowiedzi tekstowe często trzeba zamienić na odpowiednio zdefiniowane kody.
Przykład:
Płeć
1 = kobieta
2 = mężczyzna.
Albo:
Miejsce zamieszkania
1 = wieś
2 = miasto do 50 tys. mieszkańców
3 = miasto 50–200 tys.
4 = miasto powyżej 200 tys.
Trzeba jednak pamiętać, że przypisanie cyfr nie zmienia charakteru zmiennej.
Kody 1, 2, 3 i 4 mogą oznaczać kategorie, a nie rzeczywiste wartości liczbowe.
4. Pytania wielokrotnego wyboru
To częste źródło błędów.
Jeżeli respondent może zaznaczyć kilka odpowiedzi, nie należy zapisywać wszystkich wyborów w jednej komórce w postaci:
„A, C, D”.
Znacznie wygodniejsze analitycznie jest utworzenie osobnych zmiennych:
A: 0 = nie, 1 = tak
B: 0 = nie, 1 = tak
C: 0 = nie, 1 = tak
D: 0 = nie, 1 = tak.
Dzięki temu można obliczyć częstości wyboru każdego wariantu oraz analizować jego związki z innymi zmiennymi.
5. Braki danych
Brak odpowiedzi nie powinien być automatycznie kodowany jako 0.
Zero może być rzeczywistą wartością.
Przykładowo liczba hospitalizacji może rzeczywiście wynosić 0.
Brak danych należy oznaczyć w sposób jednoznaczny i odpowiednio zdefiniować w programie statystycznym.
Ważne jest również ustalenie, dlaczego dane są niekompletne i jaka jest skala problemu.
6. Kontrola poprawności danych
Przed wykonaniem testów należy sprawdzić bazę.
Warto wyszukać:
- wartości spoza dopuszczalnego zakresu,
- błędy kodowania,
- duplikaty,
- nietypowe obserwacje,
- braki danych,
- niespójne odpowiedzi.
Jeżeli pytanie ma skalę od 1 do 5, wartość 55 prawdopodobnie jest błędem.
Analiza wykonana na błędnej bazie może dawać matematycznie poprawne, ale merytorycznie bezwartościowe wyniki.
7. Pytania sprawdzające wiedzę
Jeżeli ankieta zawiera test wiedzy, często warto utworzyć zmienną określającą liczbę poprawnych odpowiedzi.
Przykład:
20 pytań, za każde:
1 punkt – odpowiedź prawidłowa
0 punktów – odpowiedź błędna.
Wynik całkowity może mieścić się w zakresie 0–20.
Można również przeliczyć go na procent:
wynik procentowy = liczba punktów / maksymalna liczba punktów × 100%.
Dopiero taki wynik może stać się zmienną wykorzystywaną w dalszej analizie.
8. Czy dzielić poziom wiedzy na niski, średni i wysoki?
Czasami jest to uzasadnione, ale nie zawsze.
Jeżeli wynik wiedzy ma zakres 0–20, przekształcenie go w trzy kategorie prowadzi do utraty informacji.
Dlatego warto zachować także oryginalny wynik liczbowy.
Kategorie mogą być przydatne do prezentacji lub określonych analiz, ale granice powinny mieć uzasadnienie metodologiczne.
9. Kwestionariusze standaryzowane
Jeżeli ankieta zawiera standaryzowane narzędzie, wynik należy obliczyć zgodnie z kluczem autora.
Trzeba sprawdzić:
- które pozycje należą do poszczególnych podskal,
- które pytania są odwrócone,
- jak traktować brakujące odpowiedzi,
- czy wynik jest sumą czy średnią,
- czy potrzebne jest dodatkowe przeliczenie.
Nie należy tworzyć własnego sposobu punktowania standaryzowanego kwestionariusza bez uzasadnienia.
10. Rekodowanie pozycji odwróconych
Załóżmy skalę od 1 do 5.
Pytanie odwrócone może wymagać rekodowania:
1 → 5
2 → 4
3 → 3
4 → 2
5 → 1.
Jeżeli zapomnimy o rekodowaniu, wynik skali może być błędny.
Może to również prowadzić do sztucznego obniżenia współczynnika alfa Cronbacha.
11. Analiza rzetelności
Jeżeli kilka pozycji tworzy jedną skalę, warto – gdy jest to metodologicznie właściwe – ocenić jej spójność wewnętrzną.
Jedną z popularnych miar jest alfa Cronbacha.
Nie powinno się jednak liczyć jednego współczynnika dla wszystkich pytań ankiety tylko dlatego, że znajdują się w tym samym formularzu.
Pozycje muszą tworzyć sensowny konstrukt.
W bardziej zaawansowanej psychometrii warto rozważyć również inne miary rzetelności.
12. Statystyka opisowa
Przed testowaniem hipotez należy opisać próbę.
Dla zmiennych jakościowych wykorzystuje się najczęściej:
- liczebności,
- procenty.
Dla zmiennych ilościowych można zastosować:
- średnią,
- odchylenie standardowe,
- medianę,
- kwartyle,
- minimum,
- maksimum.
Wybór zależy od rodzaju i rozkładu danych.
13. Analiza pojedynczych pytań
Nie każde pytanie musi być elementem skali.
Pojedyncze pytania można analizować poprzez rozkład odpowiedzi.
Przykład:
„Czy w ciągu ostatnich 12 miesięcy uczestniczył(a) Pan/Pani w szkoleniu?”
Tak – 68%
Nie – 32%.
Takie wyniki można następnie analizować w zależności od płci, zawodu czy stażu pracy.
14. Dobór testu statystycznego
Test powinien wynikać z pytania badawczego.
Przykładowo:
dwie zmienne jakościowe – test chi-kwadrat lub odpowiednia metoda dokładna;
dwie zmienne ilościowe – korelacja Pearsona lub Spearmana;
dwie niezależne grupy – test t lub Mann-Whitney;
kilka niezależnych grup – ANOVA lub Kruskal-Wallis;
dwa zależne pomiary – test t dla prób zależnych lub Wilcoxona.
Nie należy wybierać testu wyłącznie na podstawie tego, który daje p < 0,05.
15. Wielkość efektu
Analiza ankiety nie powinna kończyć się na wartościach p.
Jeżeli różnica jest statystycznie istotna, warto wiedzieć:
jak duża jest różnica?
W zależności od analizy można wykorzystać:
- Cohen d,
- V Cramera,
- współczynniki korelacji,
- eta kwadrat,
- OR,
- inne miary efektu.
16. Analiza wieloczynnikowa
W bardziej zaawansowanych badaniach proste testy mogą być niewystarczające.
Załóżmy, że chcemy sprawdzić czynniki związane z wysokim poziomem wiedzy.
Możemy uwzględnić jednocześnie:
- wiek,
- wykształcenie,
- staż pracy,
- zawód,
- udział w szkoleniach.
W zależności od sposobu zdefiniowania wyniku można wykorzystać np. regresję liniową lub logistyczną.
17. Tabele wynikowe
Dobra tabela powinna być zrozumiała bez czytania kilku stron tekstu.
Powinna jasno przedstawiać:
- analizowane zmienne,
- liczebności,
- statystyki opisowe,
- wynik testu,
- wartość p,
- ewentualnie wielkość efektu.
Nie należy kopiować do pracy surowych tabel wygenerowanych przez SPSS bez ich uporządkowania.
18. Jak opisywać wyniki?
Nie należy przepisywać całej tabeli.
Zamiast:
„W grupie A średnia wyniosła 12,34, a SD 3,21, natomiast w grupie B średnia wyniosła 14,62, a SD 3,76…”
lepiej skoncentrować się na najważniejszym wyniku:
„Osoby uczestniczące w szkoleniach uzyskały wyższy średni wynik wiedzy niż osoby bez szkolenia. Różnica była statystycznie istotna i charakteryzowała się umiarkowaną wielkością efektu.”
Dokładne wartości pozostają w tabeli.
19. Najczęstsze błędy w analizie ankiet
Do szczególnie częstych należą:
- rozpoczęcie analizy bez planu,
- błędne kodowanie pytań wielokrotnego wyboru,
- nieuwzględnienie pytań odwróconych,
- niewłaściwe obliczenie skal,
- nadmierne kategoryzowanie zmiennych ilościowych,
- wykonanie dziesiątek przypadkowych testów,
- raportowanie wyłącznie p,
- brak kontroli jakości danych.
20. Analiza ankiety w SPSS
SPSS umożliwia wykonanie praktycznie całego podstawowego procesu:
- kodowanie i rekodowanie,
- obliczanie wyników skal,
- analizę rzetelności,
- statystyki opisowe,
- tabele krzyżowe,
- korelacje,
- testy różnic,
- regresję,
- analizę czynnikową.
Program jest jednak tylko narzędziem.
To badacz musi wiedzieć, jakie obliczenia mają sens w odniesieniu do konkretnego problemu badawczego.
FAQ
Jak zacząć analizę ankiety?
Od określenia pytań badawczych, hipotez i przygotowania prawidłowo zakodowanej bazy.
Czy każde pytanie ankiety trzeba analizować testem statystycznym?
Nie. Część pytań może wymagać wyłącznie statystyki opisowej.
Czy pytania wielokrotnego wyboru należy rozdzielać na zmienne?
Najczęściej tak. Każdy wariant można zakodować jako osobną zmienną 0/1.
Czy można analizować ankietę w SPSS?
Tak. SPSS jest jednym z najczęściej wykorzystywanych programów do takich analiz.
Czy można zlecić analizę ankiety do pracy magisterskiej?
Można skorzystać ze wsparcia statystycznego w przygotowaniu bazy, doborze metod, wykonaniu analiz i interpretacji, przy zachowaniu zasad obowiązujących na danej uczelni.
Potrzebujesz analizy ankiety?
Pomagamy w przygotowaniu bazy danych, kodowaniu ankiet, obliczaniu skal, analizie statystycznej oraz opracowaniu wyników do prac i publikacji.
statystyka@statystyka.org.pl
tel. 692 809 254