437. Procent w wierszach czy kolumnach – jak odpowiadają na różne pytania?

W tabeli kontyngencji te same liczebności można przedstawić za pomocą procentów wierszowych albo kolumnowych. Nie jest to wyłącznie kwestia wyglądu tabeli. Wybór sposobu liczenia procent określa, na jakie pytanie odpowiadamy: czy interesuje nas struktura wyniku w każdej grupie, czy skład osób należących do danej kategorii wyniku. Dlatego poprawna interpretacja rozkładu procentowego wymaga najpierw ustalenia, która zmienna jest punktem wyjścia analizy.

W tej lekcji szkolenia na statystyk.edu.pl skupimy się na praktycznym rozróżnieniu obu rodzajów rozkładów procentowych. Zobaczymy także, dlaczego nie wolno zamiennie interpretować procent wierszowych i kolumnowych, nawet gdy zostały obliczone z tej samej tabeli.

1. Tabela kontyngencji i pytanie badawcze

Tabela kontyngencji przedstawia liczebności osób lub obserwacji sklasyfikowanych jednocześnie według dwóch zmiennych jakościowych. Załóżmy, że badamy związek między rodzajem interwencji a wystąpieniem poprawy stanu zdrowia. Jedna zmienna może tworzyć wiersze, a druga kolumny.

Interwencja	Poprawa	Brak poprawy	Razem
Standardowa	60	40	100
Nowa	72	28	100
Razem	132	68	200

Zanim obliczymy procenty, trzeba sformułować pytanie. Możemy zapytać:

• Jaki odsetek pacjentów w każdej grupie uzyskał poprawę?
• Jaki odsetek wszystkich pacjentów z poprawą otrzymał nową interwencję?

Pierwsze pytanie wymaga procentów wierszowych, ponieważ punktem odniesienia jest każda grupa interwencji. Drugie wymaga procentów kolumnowych, ponieważ punktem odniesienia jest kategoria wyniku: „poprawa” albo „brak poprawy”.

2. Procenty wierszowe – rozkład wyniku w grupach

Procent wierszowy informuje, jak rozkładają się wartości zmiennej umieszczonej w kolumnach w obrębie określonego wiersza. Innymi słowy, każdy wiersz stanowi osobny mianownik i po zsumowaniu procentów w wierszu otrzymujemy zwykle 100%.

Wzór dla komórki znajdującej się w wierszu i i kolumnie j ma postać:

procent wierszowy = (nij / ni+) × 100%

• n_ij – liczebność obserwacji w komórce, czyli jednocześnie w wierszu i i kolumnie j;
• n_i+ – suma wszystkich obserwacji w wierszu i;
• 100% – przeliczenie proporcji na procent.

Dla danych z przykładu procenty wierszowe wyglądają następująco:

Interwencja	Poprawa	Brak poprawy	Razem
Standardowa	60 (60%)	40 (40%)	100%
Nowa	72 (72%)	28 (28%)	100%

Interpretacja brzmi: wśród pacjentów otrzymujących interwencję standardową poprawę uzyskało 60%, natomiast wśród pacjentów otrzymujących nową interwencję poprawę uzyskało 72%. Jest to właściwy sposób prezentacji, gdy porównujemy prawdopodobieństwo lub częstość wyniku między grupami.

Kiedy procenty wierszowe są naturalnym wyborem?

Procenty wierszowe są szczególnie użyteczne, gdy wiersze reprezentują:

• grupy ekspozycji, leczenia lub interwencji;
• kategorie wieku, płci, wykształcenia albo miejsca zamieszkania;
• grupy porównawcze w badaniu klinicznym lub społecznym;
• poziomy czynnika, dla których chcemy ocenić rozkład wyniku.

Jeśli pytamy: „Jak często występuje dany wynik w każdej grupie?”, procenty wierszowe zwykle odpowiadają intencji badawczej. W badaniach obserwacyjnych trzeba jednak pamiętać, że taki opis nie dowodzi przyczynowości. Różnice między grupami mogą wynikać również z zakłóceń, selekcji uczestników lub innych cech badanych.

3. Procenty kolumnowe – skład poszczególnych wyników

Procent kolumnowy pokazuje, jak rozkładają się wartości zmiennej umieszczonej w wierszach w obrębie określonej kolumny. Każda kolumna stanowi odrębny mianownik, dlatego procenty w każdej kolumnie sumują się do 100%.

Wzór można zapisać następująco:

procent kolumnowy = (nij / n+j) × 100%

• n_ij – liczebność obserwacji w analizowanej komórce;
• n_+j – suma wszystkich obserwacji w kolumnie j;
• 100% – przeliczenie proporcji na procent.

Dla tej samej tabeli otrzymujemy:

Interwencja	Poprawa	Brak poprawy
Standardowa	60 z 132 = 45,5%	40 z 68 = 58,8%
Nowa	72 z 132 = 54,5%	28 z 68 = 41,2%
Razem	100%	100%

Interpretacja brzmi: spośród wszystkich pacjentów, u których wystąpiła poprawa, 54,5% otrzymało nową interwencję, a 45,5% interwencję standardową. Z kolei wśród pacjentów bez poprawy 58,8% należało do grupy standardowej, a 41,2% do grupy nowej.

Ten opis odpowiada na pytanie o strukturę osób znajdujących się w danej kategorii wyniku. Nie jest jednak tym samym co odpowiedź na pytanie, jaki odsetek pacjentów w każdej grupie uzyskał poprawę.

4. Ten sam zbiór danych, dwa różne pytania

Najważniejsza zasada brzmi: mianownik musi odpowiadać pytaniu badawczemu. Liczebność 60 pacjentów z poprawą w grupie standardowej może zostać podzielona przez 100 albo przez 132. Otrzymamy wtedy dwa różne procenty:

• 60 / 100 × 100% = 60% – procent wierszowy: jaki odsetek pacjentów grupy standardowej uzyskał poprawę;
• 60 / 132 × 100% ≈ 45,5% – procent kolumnowy: jaki odsetek wszystkich pacjentów z poprawą otrzymał interwencję standardową.

Oba obliczenia są matematycznie poprawne, ale odpowiadają na różne pytania. Błąd nie polega więc na samym rachunku, lecz na użyciu wyniku do niewłaściwej interpretacji.

5. Przykład praktyczny: szczepienie i hospitalizacja

Załóżmy, że w badaniu obserwacyjnym analizowano 1000 osób pod względem statusu szczepienia i hospitalizacji z powodu infekcji:

Status szczepienia	Hospitalizacja	Brak hospitalizacji	Razem
Zaszczepieni	30	470	500
Niezaszczepieni	80	420	500
Razem	110	890	1000

Procenty wierszowe

Wśród osób zaszczepionych hospitalizowano 30 z 500, czyli 6%. Wśród osób niezaszczepionych hospitalizowano 80 z 500, czyli 16%. Taki sposób prezentacji pozwala porównać częstość hospitalizacji w obu grupach.

Procenty kolumnowe

Wśród wszystkich 110 osób hospitalizowanych osoby zaszczepione stanowiły 27,3%, a niezaszczepione 72,7%. Te procenty opisują skład grupy hospitalizowanych, ale same w sobie nie informują, jakie było ryzyko hospitalizacji w każdej grupie szczepienia.

Gdyby badacz napisał: „72,7% hospitalizowanych było niezaszczepionych, zatem osoby niezaszczepione miały 72,7% ryzyka hospitalizacji”, popełniłby błąd. 72,7% jest udziałem niezaszczepionych wśród hospitalizowanych, a nie odsetkiem niezaszczepionych, którzy trafili do szpitala. Do drugiego celu potrzebne są procenty wierszowe, a w analizie epidemiologicznej często także miary efektu, takie jak ryzyko względne lub różnica ryzyka.

6. Przykład z psychologii: poziom stresu i forma zatrudnienia

W badaniu pracowników oceniono, czy deklarowany poziom stresu różni się zależnie od formy zatrudnienia:

Forma zatrudnienia	Niski stres	Umiarkowany stres	Wysoki stres	Razem
Stacjonarna	40	45	15	100
Hybrydowa	35	40	25	100
Zdalna	20	35	45	100

Procenty wierszowe pokazują, że wysoki stres deklarowało 15% osób pracujących stacjonarnie, 25% pracujących hybrydowo i 45% pracujących zdalnie. Jest to właściwa prezentacja, gdy celem jest porównanie rozkładu poziomu stresu między formami zatrudnienia.

Procenty kolumnowe odpowiedziałyby na inne pytanie: jaki odsetek wszystkich osób z wysokim stresem pracował stacjonarnie, hybrydowo lub zdalnie? Taki opis może być interesujący w planowaniu pomocy psychologicznej, ale jego interpretacja zależy od liczebności poszczególnych grup. Jeśli grupy zatrudnienia są nierówne, duży udział jednej grupy wśród osób z wysokim stresem może wynikać przede wszystkim z jej liczebności, a nie z większej częstości stresu.

7. Czy procenty wierszowe i kolumnowe można stosować jednocześnie?

Tak. W rozbudowanych tabelach można prezentować liczebności bezwzględne oraz wybrany rodzaj procentów, a czasem także oba rodzaje procentów. Trzeba jednak jasno oznaczyć mianownik w nagłówku tabeli lub przypisie.

Praktyczna zasada raportowania jest następująca:

1. najpierw podaj liczebności, ponieważ procent bez liczebności może być mylący;
2. wybierz procenty zgodne z pytaniem badawczym;
3. zapisz w tytule lub przypisie, czy są to procenty wierszowe, czy kolumnowe;
4. podaj liczebność całkowitą każdej grupy;
5. jeśli występują braki danych, określ, czy mianownik obejmuje wszystkie osoby, czy tylko kompletne obserwacje.

Takie postępowanie jest zgodne z ogólną zasadą przejrzystego raportowania wyników. Wytyczne STROBE zalecają między innymi przedstawianie liczebności uczestników, danych opisowych, braków danych oraz nieprzetworzonych oszacowań z miarą precyzji, gdy jest to właściwe (von Elm i in., 2007). Standardy APA JARS również podkreślają znaczenie jasnego opisu analiz i wyników ilościowych (Appelbaum i in., 2018).

8. Związek z testem niezależności i miarami efektu

Procenty wierszowe i kolumnowe pomagają interpretować tabelę, ale nie zastępują formalnej analizy statystycznej. Test chi-kwadrat niezależności ocenia, czy dane są zgodne z hipotezą niezależności zmiennych, natomiast miary takie jak phi lub V Cramera opisują siłę związku.

W przypadku tabel 2×2 można dodatkowo obliczać ryzyko względne, różnicę ryzyka lub iloraz szans. Wybór miary zależy od schematu badania, sposobu doboru uczestników i pytania naukowego. Sama informacja, że jedna kolumna zawiera 72,7% osób niezaszczepionych, nie mówi jeszcze o wielkości ani znaczeniu klinicznym związku.

Warto także pamiętać, że wartość p nie jest prawdopodobieństwem prawdziwości hipotezy zerowej. Istotność statystyczna, wielkość efektu i znaczenie praktyczne to trzy odrębne kwestie. Duża próba może ujawnić statystycznie istotną, ale niewielką różnicę; mała próba może nie wykazać istotności mimo różnicy potencjalnie ważnej klinicznie. Wnioski powinny więc uwzględniać także przedziały ufności, jakość pomiaru, możliwe zakłócenia i kontekst badania (Sterne i Davey Smith, 2001).

Najczęstsze błędy

• Brak określenia mianownika. Sam zapis „45% pacjentów” jest niepełny. Trzeba wskazać: 45% których pacjentów?
• Mylenie udziału w kategorii wyniku z częstością wyniku w grupie. Procent kolumnowy nie jest automatycznie ryzykiem ani odsetkiem przypadków w grupie.
• Interpretowanie procentów kolumnowych jako porównania grup. Jeśli grupy mają różne liczebności, ich udział w kolumnie może być zdominowany przez wielkość grupy.
• Pomijanie liczebności bezwzględnych. 50% może oznaczać 1 z 2 osób albo 500 z 1000 osób.
• Zaokrąglanie bez kontroli. Po zaokrągleniu procenty mogą nie sumować się dokładnie do 100%. Należy zaznaczyć, że wynika to z zaokrągleń.
• Używanie procentów bez uwzględnienia braków danych. Mianownik powinien być jawny, zwłaszcza gdy wiele obserwacji ma brakujące wartości.
• Wyciąganie wniosków przyczynowych z tabeli opisowej. Tabela kontyngencji może pokazywać związek, ale nie rozstrzyga sama o przyczynowości.
• Traktowanie statystycznej istotności jako ważności praktycznej. Do oceny znaczenia wyniku potrzebne są miary efektu, przedziały ufności i wiedza dziedzinowa.

Jak wybrać właściwy rodzaj procentów?

Przed obliczeniem procentów zadaj trzy pytania:

1. Co jest grupą porównawczą? Jeśli porównujesz wyniki w grupach zapisanych w wierszach, wybierz procenty wierszowe.
2. Co jest kategorią, której skład chcesz opisać? Jeśli pytasz, kto tworzy daną kategorię wyniku zapisaną w kolumnie, wybierz procenty kolumnowe.
3. Czy wniosek dotyczy częstości, czy struktury? Częstość wyniku w grupie wymaga mianownika grupowego; struktura wyniku wymaga mianownika kategorii wyniku.

W praktyce można zapamiętać prostą regułę: procenty liczymy w kierunku zmiennej, którą chcemy opisać. Jeżeli chcemy opisać wynik w każdej grupie, grupy wyznaczają mianownik. Jeżeli chcemy opisać grupy w obrębie wyniku, wynik wyznacza mianownik.

Co warto zapamiętać?

• Procenty wierszowe sumują się do 100% w każdym wierszu i opisują rozkład wyniku w grupie.
• Procenty kolumnowe sumują się do 100% w każdej kolumnie i opisują skład danej kategorii wyniku.
• Oba rodzaje procentów mogą być poprawne, lecz odpowiadają na różne pytania.
• Najważniejszym elementem interpretacji jest jawne wskazanie mianownika.
• Liczebności bezwzględne powinny towarzyszyć procentom, szczególnie przy małych lub nierównych grupach.
• Procenty nie zastępują miar efektu, przedziałów ufności ani oceny znaczenia praktycznego.
• W badaniach obserwacyjnych opisany związek nie powinien być automatycznie interpretowany przyczynowo.

Najkrócej: pytanie „jaki odsetek osób w tej grupie ma dany wynik?” prowadzi zwykle do procentów wierszowych. Pytanie „jaki odsetek osób z tym wynikiem należy do poszczególnych grup?” prowadzi do procentów kolumnowych. Zrozumienie tej różnicy jest podstawą poprawnego czytania tabel kontyngencji.

Źródła i dalsza lektura

1. Agresti, Alan (2013). Categorical Data Analysis. 3rd edition. John Wiley & Sons. Informacja wydawcy / źródło.
2. Kirkwood, Betty R.; Sterne, Jonathan A. C. (2003). Essential Medical Statistics. 2nd edition. Blackwell Science. Informacja wydawcy / źródło.
3. Sterne, Jonathan A. C.; Davey Smith, George (2001). Sifting the evidence—what’s wrong with significance tests? Another comment on the role of statistical methods. BMJ, 322(7280), 226–231. DOI: 10.1136/bmj.322.7280.226.
4. von Elm, Erik; Altman, Douglas G.; Egger, Matthias; Pocock, Stuart J.; Gøtzsche, Peter C.; Vandenbroucke, Jan P. (2007). The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) Statement: guidelines for reporting observational studies. PLoS Medicine, 4(10), e296. DOI: 10.1371/journal.pmed.0040296.
5. Appelbaum, Mark; Cooper, Harris; Kline, Rex B.; Mayo-Wilson, Evan; Nezu, Arthur M.; Rao, Stephen M. (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report. American Psychologist, 73(1), 3–25. DOI: 10.1037/amp0000191.
6. American Psychological Association (2018). APA Style Journal Article Reporting Standards. American Psychological Association. Źródło.
7. STROBE Initiative (2026). STROBE: Strengthening the reporting of observational studies in epidemiology. STROBE Initiative. Źródło.