Test t dla prób niezależnych jest jednym z najczęściej wykorzystywanych testów statystycznych. Służy do porównywania średnich dwóch niezależnych grup.
Klasyczna wersja testu t z łączonym oszacowaniem wariancji zakłada równość wariancji populacyjnych.
Co jednak zrobić, gdy założenie to jest niewiarygodne?
Jednym z najlepszych rozwiązań jest test t Welcha.
Przykład
Chcemy porównać wynik wiedzy:
grupa A: n = 30, M = 72, SD = 8
grupa B: n = 80, M = 66, SD = 19.
Widzimy dużą różnicę zarówno liczebności, jak i zmienności wyników.
Klasyczny test t zakładający wspólną wariancję może być w takiej sytuacji problematyczny.
Test Welcha nie wymaga założenia równości wariancji w taki sam sposób.
Na czym polega test Welcha?
Podstawowa idea pozostaje podobna:
porównujemy różnicę średnich względem jej błędu standardowego.
Welch stosuje jednak inne oszacowanie błędu standardowego oraz odpowiednią korektę liczby stopni swobody.
Dlatego stopnie swobody mogą przyjmować wartość niecałkowitą, np.:
t(67,42) = 2,51.
Nie jest to błąd programu.
Test Levene’a
W SPSS przy klasycznym porównaniu dwóch grup często pojawia się:
Levene’s Test for Equality of Variances.
Test ten sprawdza hipotezę dotyczącą równości wariancji.
Popularna instrukcja brzmi:
- Levene p ≥ 0,05 → klasyczny test t,
- Levene p < 0,05 → Welch.
Jest to jednak uproszczenie.
Czy trzeba czekać na wynik Levene’a?
Nie zawsze.
Test Welcha jest odporną i bardzo użyteczną wersją porównania średnich. Przy równych wariancjach jego strata efektywności jest zazwyczaj niewielka, a przy nierównych może działać znacznie lepiej od klasycznego testu z wariancją łączoną.
Z tego powodu w wielu zastosowaniach Welch może być rozsądnym domyślnym wyborem.
Nierówne liczebności są szczególnie ważne
Problem nierównych wariancji staje się bardziej niebezpieczny, gdy grupy mają jednocześnie różne liczebności.
Przykład:
grupa A: n = 20, SD = 25,
grupa B: n = 100, SD = 8.
W takich sytuacjach klasyczny test t może mieć nieprawidłowe właściwości dotyczące błędu I rodzaju.
Welch jest znacznie bezpieczniejszym rozwiązaniem.
Welch czy Mann-Whitney?
Nierówne wariancje nie oznaczają automatycznie konieczności zastosowania testu U Manna-Whitneya.
To bardzo częsty błąd.
Mann-Whitney jest testem rangowym i odpowiada na inny problem niż porównanie średnich Welcha.
Jeżeli interesuje nas różnica średnich, a dane pozwalają na sensowne zastosowanie modelu dla średnich, Welch może być właściwszy.
A co z normalnością?
Test t, szczególnie przy odpowiednich liczebnościach, jest stosunkowo odporny na umiarkowane odchylenia od normalności.
Nie należy stosować schematu:
Shapiro p < 0,05 → Mann-Whitney.
Trzeba uwzględnić:
- liczebność grup,
- kształt rozkładu,
- asymetrię,
- wartości odstające,
- cel analizy.
Wartości odstające
Welch pomaga przy nierównych wariancjach, ale nie rozwiązuje wszystkich problemów.
Skrajne obserwacje mogą nadal silnie wpływać na średnią.
Dlatego przed analizą warto obejrzeć:
- histogram,
- boxplot,
- rozkład danych w obu grupach.
Jak interpretować wynik?
Załóżmy:
t(58,7) = 2,84; p = 0,006.
Oznacza to, że w ramach modelu testowego uzyskano dowody na różnicę średnich pomiędzy grupami.
Warto jednak podać także:
- średnie,
- SD,
- różnicę średnich,
- 95% CI,
- wielkość efektu.
Przedział ufności
Przykład:
różnica średnich = 6,2 punktu; 95% CI: 1,8–10,6.
To bardziej informacyjne niż samo p = 0,006.
Widzimy zarówno kierunek, jak i zakres wartości zgodnych z danymi i modelem na poziomie 95% CI.
Wielkość efektu przy nierównych wariancjach
Klasyczny d Cohena wykorzystujący pooled SD nie zawsze jest optymalnym rozwiązaniem, jeżeli wariancje znacznie się różnią.
W zależności od celu analizy można rozważyć odpowiednią standaryzowaną miarę różnicy, np. warianty wykorzystujące inne odchylenie standardowe.
Najważniejsze jest jasne podanie sposobu obliczenia.
Welch ANOVA
Podejście Welcha nie ogranicza się do dwóch grup.
Jeżeli chcemy porównać średnie trzech lub większej liczby niezależnych grup przy nierównych wariancjach, można zastosować ANOVA Welcha.
Po istotnym wyniku warto dobrać odpowiednią metodę post-hoc, np. Gamesa-Howella.
Jak opisać wynik?
Przykład:
„Średni wynik był wyższy w grupie A (M = 72,1; SD = 8,4) niż w grupie B (M = 65,8; SD = 18,7). Ze względu na nierówność wariancji zastosowano test t Welcha. Różnica wyniosła 6,3 punktu (95% CI: 1,9–10,7), t(64,3) = 2,86; p = 0,006.”
Najczęstsze błędy
Należą do nich:
- utożsamianie nierównych wariancji z koniecznością użycia Mann-Whitneya,
- ignorowanie dużych różnic liczebności,
- interpretowanie testu Levene’a jako testu różnicy średnich,
- uznawanie niecałkowitych df za błąd,
- raportowanie wyłącznie wartości p,
- brak analizy obserwacji odstających.
FAQ
Co to jest test t Welcha?
Wersja testu porównującego średnie dwóch niezależnych grup, która nie wymaga założenia równych wariancji populacyjnych.
Czy Welch wymaga równych liczebności?
Nie.
Czy p < 0,05 w teście Levene’a oznacza Mann-Whitney?
Nie.
Dlaczego Welch ma ułamkowe stopnie swobody?
Wynika to ze sposobu ich przybliżonego wyznaczania, m.in. za pomocą korekty Welcha-Satterthwaite’a.
Co przy trzech grupach i nierównych wariancjach?
Można rozważyć ANOVA Welcha oraz odpowiednie testy post-hoc.
Potrzebujesz porównania grup?
Pomagamy dobrać test t Studenta, test Welcha, U Manna-Whitneya, ANOVA lub Kruskala-Wallisa do charakteru danych.
statystyka@statystyka.org.pl
tel. 692 809 254
Frazy kluczowe: test t Welcha, Welch t test, test t Studenta, nierówne wariancje, test Levene’a, porównanie dwóch grup, analiza statystyczna, SPSS, statystyka do pracy mgr, testy statystyczne