Kalkulator testu Friedmana
Wpisz po jednym wierszu na osobę badaną, podając po jednej wartości dla każdego warunku, a kalkulator testu Friedmana zwróci statystykę chi-kwadrat z poprawką na rangi wiązane, liczbę stopni swobody, wartość p, współczynnik W Kendalla oraz decyzję przy wybranym poziomie istotności.
Porównanie trzech lub więcej warunków powiązanych na podstawie ich rang
Test Friedmana
Gdzie:
- \(n\) — liczba osób badanych (bloków)
- \(k\) — liczba warunków zależnych (\(k \ge 3\))
- \(R_j\) — suma rang warunku \(j\); wartości każdej osoby badanej otrzymują rangi od 1 (najmniejsza) do \(k\), przy czym wartościom równym przypisuje się rangi średnie
- \(t\) — liczność każdej grupy równych wartości u danej osoby
- \(W\) — współczynnik zgodności Kendalla, miara wielkości efektu
Statystyka porównuje obserwowane sumy rang z wartością oczekiwaną przy założeniu równości wszystkich warunków, czyli \(nk(k+1)/4\cdot 2\); duże odchylenia dają dużą \(\chi^2\). Poprawka na rangi wiązane zwiększa statystykę, gdy występują wartości równe, a wartość p wyznacza się z rozkładu \(\chi^2\) o \(k-1\) stopniach swobody.
Test Friedmana – przykład obliczeń
Przykład: osiem osób badanych ocenia trzy produkty na skali (dane domyślne w kalkulatorze). W obrębie każdej osoby trzy oceny otrzymują rangi 1–3; sumy rang wynoszą \(R_1 = 21.5\), \(R_2 = 14.5\), \(R_3 = 12\).
\[ \chi_F^2 = \frac{12}{8 \cdot 3 \cdot 4}\left(21.5^2 + 14.5^2 + 12^2\right) - 3 \cdot 8 \cdot 4 = 6.0625 \]
Jedna z osób przyznała dwie równe oceny, więc jedna grupa rang wiązanych o liczności \(t=2\) wnosi do poprawki \(t^3 - t = 6\):
\[ C = 1 - \frac{6}{8(27 - 4 + -3)} = 1 - \frac{6}{192} = 0.96875, \qquad \chi^2 = \frac{6.0625}{0.96875} = 6.2581 \]
Przy \(df = k - 1 = 2\) przybliżenie \(\chi^2\) daje \(p = 0.0438\), a współczynnik Kendalla \(W = 6.2581 / (8 \cdot 2) = 0.3911\).
Wynik: \(\chi^2 = 6.2581\), \(df = 2\), \(p = 0.0438\). Przy \(\alpha = 0.05\) odrzucamy \(H_0\): trzy produkty istotnie różnią się położeniem, a zgodność między osobami badanymi jest umiarkowana (\(W \approx 0.39\)).
Jak korzystać z kalkulatora
- Wklej lub wpisz dane w pole Pomiary (po jednej osobie badanej w wierszu). Każdy wiersz musi zawierać wartości jednej osoby — po jednej na warunek — oddzielone spacjami lub średnikami, na przykład
7 6 5albo7; 6; 5. Wszystkie wiersze muszą mieć tę samą liczbę wartości, co najmniej trzy. - Jeśli zapisujesz liczby z przecinkiem dziesiętnym (np.
7,5), możesz je wpisać bez zmian — kalkulator przekonwertuje je automatycznie. - Wybierz Poziom istotności (0,10, 0,05, 0,025, 0,01 lub 0,001) — to próg \(\alpha\), na podstawie którego zapada decyzja o odrzuceniu lub nieodrzuceniu hipotezy zerowej.
- Odczytaj wyniki: statystykę Friedmana \(\chi^2\) z poprawką na rangi wiązane, liczbę stopni swobody, wartość p, współczynnik \(W\) Kendalla, decyzję przy przyjętym \(\alpha\), tabelę sum rang dla poszczególnych warunków oraz krótkie objaśnienie słowne.
Czym jest test Friedmana
Test Friedmana to nieparametryczna alternatywa dla jednoczynnikowej analizy wariancji (ANOVA) z powtarzanymi pomiarami. Służy do porównania trzech lub więcej warunków zależnych — najczęściej tych samych osób badanych mierzonych w każdym warunku albo układu bloków, w którym każdy blok przechodzi wszystkie zabiegi — i sprawdza, czy warunki różnią się położeniem (czy oceny przy niektórych warunkach są systematycznie wyższe niż przy innych).
Test opiera się wyłącznie na rangach. Wartości każdej osoby badanej ranguje się w obrębie tej osoby, co eliminuje wszystkie różnice między osobami: osoba oceniająca wszystko wysoko wnosi taki sam układ rang jak osoba oceniająca wszystko nisko. Jeśli warunki są identyczne, rangi w każdym warunku są losową permutacją liczb \(1, \dots, k\), więc oczekiwana suma rang każdego warunku wynosi \(n \cdot k(k+1)/2\). Statystyka Friedmana mierzy, jak bardzo obserwowane sumy rang odbiegają od tej wartości: jeśli jeden warunek jest konsekwentnie rangowany najwyżej, jego suma rang jest duża, innego — mała, a \(\chi^2\) rośnie.
Wartość p otrzymuje się, porównując statystykę z rozkładem \(\chi^2_{k-1}\). Jeśli \(p \le \alpha\), odrzucamy hipotezę zerową i stwierdzamy, że co najmniej jeden warunek bywa rangowany wyżej lub niżej niż pozostałe — ale nie wiadomo, który. Współczynnik Kendalla \(W = \chi^2 / (n(k-1))\) określa, jak zgodne są porządki nadawane przez osoby badane: 0 oznacza brak zgodności, 1 — że każda osoba ranguje warunki w dokładnie tej samej kolejności, a wartości w okolicach 0,3–0,5 zwykle opisuje się jako umiarkowaną zgodność.
Istotny wynik to dopiero pierwszy krok. Aby ustalić, które warunki się różnią, wykonaj porównania parami: test Nemenyiego (krytyczna różnica \(q_\alpha\sqrt{k(k+1)/(6n)}\) na średnich rangach) albo testy Wilcoxona dla par obserwacji z poziomem istotności skorygowanym metodą Bonferroniego. Jeśli grupy są niezależne, a nie powiązane, test Friedmana nie jest właściwym narzędziem — użyj wówczas testu Kruskala–Wallisa.
Założenia i wskazówki praktyczne
- Dane powiązane: każda osoba badana (blok) musi mieć wartość w każdym warunku. Brakujących wartości nie da się obsłużyć — albo usuń tę osobę, albo uzupełnij (imputuj) wartość przed wpisaniem danych.
- Osoby badane niezależne: osoby i bloki nie mogą na siebie wpływać, natomiast powtarzane pomiary w obrębie jednej osoby są oczywiście powiązane — na tym właśnie polega istota testu.
- Skala porządkowa lub wyższa: wystarczy, że wartości da się porangować w obrębie każdej osoby, więc oceny w skali Likerta, rangi i punktacje nadają się równie dobrze.
- Wartość p jest przybliżeniem. Rozkład odniesienia \(\chi^2\) staje się dokładny przy większych \(nk\), ale przy małych próbach bywa nieco zbyt liberalny (wartości p zbyt małe) — na przykład poniżej około 13 osób badanych przy \(k = 3\). W takich sytuacjach, zanim ufasz wynikowi na granicy istotności, porównaj statystykę z dokładnymi wartościami krytycznymi testu Friedmana.
- Rangi wiązane są obsługiwane, ale ich mnogość obniża moc. Kalkulator stosuje standardową poprawkę \(C\); jeśli każda osoba przypisuje wszystkim warunkom identyczne wartości, statystyka z samej konstrukcji wynosi zero i żadnej różnicy nie da się wykryć.
- Interpretuj W wraz z p. Przy dużej liczbie osób nawet drobna, praktycznie nieistotna różnica w sumach rang może być istotna statystycznie; współczynnik \(W\) Kendalla pokazuje, czy zgodność stojąca za wynikiem jest rzeczywiście znaczna. Inne spojrzenie na zgodność rang między oceniającymi dają kalkulator tau Kendalla i kalkulator korelacji rang Spearmana.
Kierunek efektu odczytuje się z tabeli sum rang: warunek o największej średniej randze zwykle otrzymuje najwyższe oceny, a warunek o najmniejszej średniej randze — najniższe. Porównanie średnich rang poszczególnych warunków z wartością oczekiwaną przy \(H_0\), czyli \(k(k+1)/2\), pokazuje, które warunki „ciągną” wynik.
Najczęściej zadawane pytania
Jak obliczyć test Friedmana ręcznie?
Poranguj wartości każdej osoby badanej w jej obrębie od 1 (najmniejsza) do \(k\), przyjmując dla wartości równych rangi średnie, zsumuj rangi w każdym warunku, otrzymując \(R_j\), a następnie oblicz \(\chi_F^2 = \frac{12}{nk(k+1)}\sum R_j^2 - 3n(k+1)\). Jeśli występują wartości równe, podziel wynik przez poprawkę \(C = 1 - \sum(t^3-t)/(n(k^3-k))\). Porównaj wynik z rozkładem \(\chi^2\) przy \(df = k-1\), aby otrzymać wartość p.
Jaka jest dobra wartość współczynnika W Kendalla?
W Kendalla przyjmuje wartości od 0 (osoby badane nie porządkują warunków w żaden spójny sposób) do 1 (każda osoba ranguje warunki identycznie). Zwykłe reguły kciuka określają około 0,1 jako zgodność słabą, 0,3–0,5 jako umiarkowaną, a powyżej 0,7 jako silną. Istotny statystycznie test Friedmana z małym W oznacza, że różnica jest realna, ale osoby badane sporo się różnią w kolejności rangowania, więc do praktycznego znaczenia wyniku podchodź ostrożnie.
Kiedy użyć testu Friedmana zamiast ANOVA lub testu Kruskala–Wallisa?
Użyj testu Friedmana, gdy te same osoby (albo powiązane bloki) są mierzone w trzech lub więcej warunkach, a dane mają charakter porządkowy lub nie mają rozkładu normalnego. Wybierz ANOVA z powtarzanymi pomiarami, gdy dane spełniają założenia parametryczne i chcesz modelować interakcje. Sięgnij po test Kruskala–Wallisa, gdy grupy składają się z różnych, niezależnych osób — to plan międzyosobniczy, w którym test Friedmana byłby niepoprawny.
Czy można przeprowadzić test Friedmana przy tylko dwóch warunkach?
Nie — test wymaga co najmniej trzech warunków. Przy dwóch warunkach zależnych właściwym testem nieparametrycznym jest test Wilcoxona dla par obserwacji, do którego test Friedmana redukuje się przy \(k = 2\). Kalkulator odrzuci dane z mniej niż trzema wartościami w wierszu. Przy dwóch warunkach przybliżenie chi-kwadrat jest też zawodne, więc podejście oparte na teście dla par daje lepszą wartość p.
Czy wartość p z tego kalkulatora jest dokładna?
Nie — to przybliżenie asymptotyczne oparte na rozkładzie \(\chi^2\) o \(k-1\) stopniach swobody. Staje się dokładne wraz ze wzrostem liczby osób badanych, ale przy małych próbach — na przykład poniżej około 13 osób przy trzech warunkach — daje wartości p nieco zbyt małe. Jeśli przy małej próbie decyzja jest wątpliwa, sprawdź tabele dokładnych wartości krytycznych testu Friedmana albo skorzystaj z oprogramowania statystycznego oferującego wersję dokładną lub permutacyjną.
Jak raportować wyniki testu Friedmana?
Typowy raport w stylu APA zawiera statystykę, liczbę stopni swobody, wartość p i miarę wielkości efektu, na przykład: \(\chi^2(2) = 6.26, p = .044, W = .39\). Zaznacz, czy hipoteza zerowa została odrzucona przy przyjętym poziomie istotności, i wspomnij, że test wskazuje jedynie, że warunki się różnią — porównania parami (test Nemenyiego albo testy Wilcoxona z poprawką Bonferroniego) pozwolą wskazać, które konkretne warunki się różnią, i te wyniki także warto podać.
Co się dzieje, gdy niektóre osoby badane mają brakujące wartości lub wartości równe?
Wartości równe są obsługiwane automatycznie: otrzymują rangi średnie, a statystykę koryguje czynnik \(C\), który nieznacznie zwiększa \(\chi^2\). Brakujących wartości nie da się natomiast obsłużyć — test wymaga pełnej macierzy, czyli wartości każdej osoby w każdym warunku. Usuń każdą osobę z brakującym pomiarem albo uzupełnij (imputuj) wartość wcześniej, a w raporcie zaznacz, które podejście zastosowano.