Analiza danych w badaniu: od pytania do wniosku

Po tej lekcji opiszesz cały proces analizy danych w badaniu, od problemu do wniosku, i będziesz wiedzieć, na którym etapie najczęściej powstają błędy, których żaden test statystyczny już nie naprawi.

Analiza danych to część badania, nie jego koniec

Wiele osób zaczyna pracę z danymi od otwarcia arkusza i szukania „czegoś ciekawego”. W badaniu kolejność jest odwrotna. Najpierw ustalasz, na jakie pytanie chcesz odpowiedzieć, potem planujesz, jakie dane do tego potrzebne, a dopiero na końcu liczysz. Analiza jest ostatnim ogniwem łańcucha: jeśli wcześniejsze ogniwa są słabe (niejasne pytanie, źle dobrana próba, niejednoznaczne pytania w ankiecie), nawet bardzo staranne obliczenia dadzą wynik, któremu nie można ufać.

Ten kurs prowadzi Cię przez cały łańcuch na jednym, spójnym przykładzie. Ola Nowak, doktorantka z Poznania, prowadzi fikcyjne badanie ankietowe „Praca hybrydowa 2026” w trzech firmach usługowych. Chce sprawdzić, czy tryb pracy (stacjonarny, hybrydowy, zdalny) wiąże się z satysfakcją z pracy i z zamiarem zmiany pracodawcy. W kolejnych modułach razem z Olą zaplanujesz badanie, zakodujesz odpowiedzi, wyczyścisz surowy eksport z formularza, policzysz statystyki, przeprowadzisz testy i napiszesz raport. Wszystkie dane są w plikach ćwiczeniowych kursu, a wyniki w lekcjach zostały policzone w Pythonie, więc możesz je sprawdzić w dowolnym programie.

Każdy etap kursu odpowiada jednemu krokowi.

Trzy rodzaje pytań, trzy rodzaje analiz

Zanim cokolwiek policzysz, ustal, jakiego rodzaju odpowiedzi szukasz. W praktyce badawczej rozróżnia się trzy główne typy pytań.

• Opisowe: „Jak wygląda zjawisko?” Na przykład: jaki odsetek pracowników planuje zmienić pracę w ciągu roku? Wystarczą tu statystyki opisowe i dobrze dobrany wykres.
• Porównawcze i związkowe: „Czy grupy się różnią? Czy dwie cechy idą w parze?” Na przykład: czy pracownicy hybrydowi są bardziej zadowoleni niż stacjonarni? Potrzebne są testy statystyczne, przedziały ufności i miara wielkości efektu.
• Przyczynowe: „Czy X powoduje Y?” Na przykład: czy wprowadzenie pracy hybrydowej podnosi satysfakcję? Na to pytanie rzetelnie odpowiada przede wszystkim eksperyment z losowym przydziałem albo bardzo starannie zaplanowane badanie podłużne. Ankieta jednorazowa, taka jak u Oli, pokaże związek, ale nie udowodni przyczyny.

Pomylenie tych typów to jeden z najczęstszych błędów w raportach: badanie przekrojowe opisuje się słowami „wpływa”, „powoduje”, „dzięki”. W tym kursie nauczysz się pisać wnioski adekwatne do danych.

Gdzie powstają błędy i jak je wyłapać wcześnie

Błędy w badaniu można podzielić na trzy grupy.

1. Błędy planu: pytanie zbyt ogólne, brak definicji zmiennych, próba, która nie reprezentuje populacji (np. ankieta rozesłana tylko do zespołu IT, a wnioski o „pracownikach biurowych”).
2. Błędy danych: duplikaty, literówki, różne zapisy tej samej odpowiedzi, wartości niemożliwe (wiek 230 lat), braki odpowiedzi. W surowym eksporcie ankiety Oli znajdziesz wszystkie te problemy.
3. Błędy wnioskowania: wybieranie tylko „istotnych” wyników, mylenie korelacji z przyczyną, uogólnianie poza próbę, ignorowanie wielkości efektu.

Najtańsze w naprawie są błędy wykryte na początku. Dlatego profesjonalne zespoły badawcze zapisują plan analizy przed zebraniem danych, prowadzą dziennik decyzji przy czyszczeniu i przechowują surowe dane bez zmian. Te same zasady stosuje Główny Urząd Statystyczny, który publikuje metodologię swoich badań razem z wynikami, i te same zasady przydadzą się Tobie, niezależnie od tego, czy piszesz pracę magisterską, raport dla zarządu, czy analizę ankiety w szkole.

Badanie ankietowe jednorazowe odpowiada na trzy pierwsze typy pytań.

Najważniejsze w 3 punktach

1. Analiza danych jest ostatnim etapem badania; jakość wyniku zależy od pytania, planu i danych.
2. Rodzaj pytania (opisowe, porównawcze, związkowe, przyczynowe) wyznacza rodzaj analizy i dopuszczalne sformułowania wniosków.
3. Błędy najtaniej wyłapać na początku: plan analizy, surowe dane bez zmian i dziennik decyzji.

Źródła

• Główny Urząd Statystyczny, „Pojęcia stosowane w statystyce publicznej”: https://stat.gov.pl/metainformacje/slownik-pojec/pojecia-stosowane-w-statystyce-publicznej/
• NIST/SEMATECH, e-Handbook of Statistical Methods, rozdz. 1.1 „EDA Introduction”: https://www.itl.nist.gov/div898/handbook/eda/section1/eda1.htm
• Dane badania „Praca hybrydowa 2026” są fikcyjne, przygotowane na potrzeby kursu (stan na październik 2026).