016. Jednostka analizy, jednostka obserwacji i poziom wnioskowania
W każdym badaniu trzeba odpowiedzieć na trzy pozornie proste pytania: co obserwujemy?, na czym wykonujemy obliczenia? oraz kogo lub czego dotyczą nasze wnioski? Odpowiedzi nie zawsze są takie same. Możemy na przykład zbierać dane od pojedynczych pacjentów, analizować średnie dla oddziałów szpitalnych, a następnie formułować wnioski dotyczące organizacji pracy całego szpitala. Jeżeli badacz nie rozróżni tych poziomów, może wyciągnąć wniosek logicznie nieuprawniony, nawet gdy obliczenia zostały wykonane poprawnie.
W tej lekcji uporządkujemy trzy podstawowe pojęcia: jednostkę obserwacji, jednostkę analizy oraz poziom wnioskowania. Są one ważne zarówno przy planowaniu badania, jak i przy wyborze metody statystycznej, opisie próby oraz interpretacji wyników. W publicznym szkoleniu na statystyka.edu.pl warto traktować je jako element kontroli jakości projektu: zanim wybierzemy test lub model, musimy wiedzieć, jakie obiekty są ze sobą porównywane.
Jednostka obserwacji – co jest pojedynczym przypadkiem w bazie?
Jednostka obserwacji to podstawowy obiekt, od którego uzyskujemy pojedynczy zapis danych. W praktyce odpowiada ona temu, co często znajduje się w jednym wierszu arkusza danych. Może to być osoba, pacjent, gospodarstwo domowe, szkoła, oddział szpitalny, miejscowość, wynik pomiaru albo pojedyncza wizyta.
Najczęściej jednostką obserwacji jest człowiek. W badaniu dotyczącym związku aktywności fizycznej z ciśnieniem tętniczym jeden wiersz może opisywać jednego dorosłego uczestnika. Jeżeli jednak ciśnienie mierzono trzykrotnie, każdy pomiar może stać się osobną jednostką obserwacji technicznej. Nie oznacza to jeszcze, że mamy trzykrotnie większą liczbę niezależnych osób.
Jednostka obserwacji może zmieniać się w obrębie jednego projektu. W badaniu podłużnym dane mogą być zapisane w formacie:
- osoba – jako obiekt nadrzędny;
- wizyta – jako obserwacja w określonym czasie;
- pomiar – jako konkretna rejestracja wyniku podczas wizyty.
Tak powstają dane zagnieżdżone: pomiary są zagnieżdżone w wizytach, wizyty w osobach, a osoby mogą być zagnieżdżone w poradniach lub szpitalach. Obserwacje należące do tej samej osoby zwykle są do siebie bardziej podobne niż obserwacje pochodzące od różnych osób. Ta zależność ma znaczenie dla analizy statystycznej.
Jednostka analizy – czego dotyczą obliczenia?
Jednostka analizy to obiekt, na poziomie którego analizujemy zmienne i porównujemy wartości. Innymi słowy, jest to odpowiedź na pytanie: dla jakich obiektów obliczamy średnie, odsetki, współczynniki korelacji, ilorazy szans albo parametry modelu?
Jednostka analizy może być taka sama jak jednostka obserwacji, ale nie musi. Jeżeli każdy pacjent występuje w bazie tylko raz, a analiza dotyczy pacjentów, obie jednostki są identyczne. Jeżeli natomiast dane zawierają wiele pomiarów od tych samych osób, badacz może:
- zredukować dane do jednego wyniku na osobę, na przykład obliczyć średnią z pomiarów;
- analizować wszystkie pomiary za pomocą modelu dla danych powtarzanych;
- analizować przede wszystkim różnice między osobami, a nie różnice między pomiarami.
W każdym z tych wariantów jednostka analizy i sposób liczenia obserwacji są inne. Szczególnie ważne jest, aby nie traktować wielokrotnych pomiarów tej samej osoby jako niezależnych osób. Taki błąd nazywa się często pseudoreplikacją. Może on prowadzić do zaniżenia błędów standardowych i zawyżenia pozornej precyzji wyników.
Jednostka analizy a zmienne na różnych poziomach
W badaniu wielopoziomowym zmienne mogą być mierzone na różnych poziomach. Przykładowo:
| Poziom | Przykładowa jednostka | Przykładowa zmienna |
|---|---|---|
| 1 | Pacjent | Wiek, wynik depresji, palenie tytoniu |
| 2 | Poradnia | Liczba lekarzy, średni czas oczekiwania |
| 3 | Powiat | Dochód mieszkańców, dostępność transportu medycznego |
Możemy więc badać wpływ cech poradni na wynik pacjenta, kontrolując cechy indywidualne. Nie wolno jednak automatycznie utożsamiać cechy grupowej z cechą każdej osoby należącej do grupy. Jeżeli poradnia ma długi średni czas oczekiwania, nie znaczy to, że każdy pacjent czekał równie długo.
Poziom wnioskowania – kogo dotyczą konkluzje?
Poziom wnioskowania wskazuje, do jakiej populacji lub kategorii obiektów odnosimy końcowe twierdzenie. Wniosek może dotyczyć pojedynczych osób, rodzin, zespołów, szkół, oddziałów, szpitali, powiatów albo całych państw.
Przykład: badacz zbiera informacje od 120 pielęgniarek pracujących w sześciu szpitalach. Jeżeli analizuje zależność między stażem pracy a wypaleniem zawodowym na poziomie osób, jednostką wnioskowania są pielęgniarki. Jeżeli porównuje średnie wypalenia między szpitalami, poziom wnioskowania przesuwa się na szpitale. Wtedy sześć szpitali, a nie 120 pielęgniarek, jest podstawą uogólniania dotyczącego różnic między instytucjami.
To rozróżnienie wpływa na interpretację liczebności próby. W badaniu dotyczącym efektów organizacyjnych sześć szpitali może być małą próbą, nawet jeśli z każdego szpitala przebadano wiele osób. Duża liczba respondentów nie zastępuje odpowiedniej liczby jednostek na poziomie, którego dotyczy hipoteza.
Trzy pojęcia w jednym schemacie
Relację między pojęciami można zapisać następująco:
jednostka obserwacji → jednostka analizy → poziom wnioskowania
Strzałka nie oznacza, że pojęcia zawsze muszą być różne. Pokazuje raczej tok kontroli metodologicznej:
- Jednostka obserwacji: od czego pochodzi zapis danych?
- Jednostka analizy: na czym wykonujemy porównanie lub modelowanie?
- Poziom wnioskowania: do jakich obiektów odnosimy wynik?
Przykładowo, w badaniu wpływu jakości szkoły na dobrostan uczniów:
- jednostką obserwacji może być uczeń;
- jednostką analizy może być uczeń, jeśli model przewiduje wynik indywidualny;
- jednostką wnioskowania może być uczeń, ale także szkoła, jeżeli celem jest porównanie szkół;
- zmienna „jakość szkoły” jest mierzona na poziomie szkoły, choć przypisana wielu uczniom.
Agregacja danych i błąd ekologiczny
Agregacja polega na łączeniu danych indywidualnych w większe jednostki, na przykład obliczaniu średniej dla gminy albo odsetka zachorowań dla powiatu. Agregacja może być uzasadniona, jeżeli pytanie badawcze dotyczy grup lub obszarów. Staje się problemem wtedy, gdy z danych grupowych wyprowadza się wnioski o osobach.
Błąd ekologiczny polega na przeniesieniu zależności zaobserwowanej między grupami na zależność między jednostkami indywidualnymi. Klasyczne opracowanie Robinsona pokazało, że korelacje obliczane dla zagregowanych grup mogą wyraźnie różnić się od korelacji obliczanych dla osób (Robinson, 1950). Współczesne omówienia podkreślają, że dane ekologiczne bardzo rzadko pozwalają wiarygodnie odtworzyć zależności indywidualne bez dodatkowych danych jednostkowych (Wakefield, 2009). ([jstor.org](https://www.jstor.org/stable/i310038?utm_source=openai))
Przykład zdrowia publicznego: w powiatach o wyższym średnim dochodzie może występować niższy odsetek hospitalizacji. Nie wynika z tego, że każda zamożniejsza osoba ma mniejsze ryzyko hospitalizacji ani że dochód sam w sobie wyjaśnia różnicę. Na poziomie powiatu mogą działać także dostępność lekarzy, struktura wieku, transport, organizacja opieki i sposób rejestrowania świadczeń.
Przykład praktyczny: pacjenci w oddziałach ratunkowych
Załóżmy, że analizujemy czas oczekiwania na przyjęcie do lekarza. Dane pochodzą od 2400 pacjentów obsłużonych w 12 szpitalach. Dla każdego pacjenta zapisano wiek, pilność zgłoszenia, porę przyjazdu i czas oczekiwania. Dodatkowo dla każdego szpitala znamy liczbę stanowisk oraz średnią obsadę personelu.
Krok 1. Ustalenie jednostki obserwacji
Podstawową jednostką obserwacji jest pacjent. Każdy pacjent ma jeden rekord, a jego czas oczekiwania jest wynikiem indywidualnym.
Krok 2. Ustalenie poziomów zmiennych
Wiek, pilność i pora przyjazdu są zmiennymi pacjenta. Liczba stanowisk i obsada personelu są zmiennymi szpitala. Pacjenci z tego samego szpitala nie są całkowicie niezależni, ponieważ korzystają z podobnej organizacji pracy.
Krok 3. Ustalenie jednostki analizy
Jeżeli pytanie brzmi: „Czy pilność zgłoszenia wiąże się z czasem oczekiwania pacjenta?”, jednostką analizy pozostaje pacjent. Można zastosować model dla danych zgrupowanych w szpitalach, na przykład model wielopoziomowy, który uwzględni podobieństwo pacjentów w obrębie placówki.
Jeżeli pytanie brzmi: „Czy szpitale różnią się średnim czasem oczekiwania?”, analizowane są szpitale. Wtedy kluczowa liczebność wynosi 12, a nie 2400. Pacjenci dostarczają informacji o średniej szpitala, lecz nie tworzą 2400 niezależnych szpitali.
Krok 4. Ustalenie poziomu wnioskowania
Wniosek o związku pilności z czasem oczekiwania dotyczy pacjentów podobnych do osób objętych badaniem, z zastrzeżeniem ograniczeń projektu. Wniosek o różnicach organizacyjnych dotyczy szpitali. Nie należy pisać, że „pacjenci w szpitalach z większą obsadą czekają krócej”, jeśli analiza nie uwzględnia właściwie grupowania i nie kontroluje ważnych różnic między pacjentami.
Dlaczego wybór jednostki wpływa na metodę statystyczną?
Klasyczne testy statystyczne często zakładają niezależność obserwacji. Gdy wiele rekordów pochodzi od tych samych osób, rodzin, klas lub placówek, założenie to może być naruszone. Wówczas należy rozważyć agregację, korektę błędów standardowych, modele dla pomiarów powtarzanych albo modele wielopoziomowe. Kirkwood i Sterne omawiają analizę danych medycznych z uwzględnieniem struktury obserwacji i właściwego doboru modelu (Kirkwood i Sterne, 2003).
Nie istnieje jedna uniwersalna metoda naprawiająca każdy problem poziomów. Najpierw trzeba określić hipotezę, strukturę danych i populację, której dotyczy wniosek. Dopiero później można wybrać model. W raporcie należy jasno opisać liczebność jednostek na każdym poziomie, sposób uwzględnienia grupowania oraz zakres uogólnienia. Takie wymaganie jest zgodne z zaleceniami STROBE dotyczącymi przejrzystego przedstawiania uczestników, metod i analiz w badaniach obserwacyjnych (von Elm i in., 2007). ([journals.plos.org](https://journals.plos.org/plosmedicine/article?id=10.1371%2Fjournal.pmed.0040296&utm_source=openai))
Najczęstsze błędy
- Mylenie liczby rekordów z liczebnością próby. 1000 pomiarów może pochodzić od 100 osób mierzonych dziesięciokrotnie.
- Traktowanie obserwacji zagnieżdżonych jako niezależnych. Dotyczy to między innymi pacjentów w szpitalach, uczniów w szkołach i pomiarów u tych samych osób.
- Przenoszenie wniosków grupowych na jednostki. Średnia dla dzielnicy nie opisuje automatycznie każdej osoby mieszkającej w tej dzielnicy.
- Ignorowanie poziomu hipotezy. Hipoteza o różnicach między szpitalami wymaga odpowiedniej liczby szpitali, a nie tylko dużej liczby pacjentów.
- Niejasne definiowanie „uczestnika”. W badaniu podłużnym trzeba odróżnić osobę, wizytę i pomiar.
- Używanie języka przyczynowego bez odpowiedniego projektu. To, że placówki różnią się średnim wynikiem, nie dowodzi, że konkretna cecha placówki spowodowała tę różnicę.
- Brak informacji o agregacji. Autor powinien wyjaśnić, czy analizował wartości indywidualne, średnie grupowe czy oba poziomy jednocześnie.
Jak kontrolować poziom wnioskowania przed analizą?
- Zapisz główne pytanie badawcze jednym zdaniem.
- Podkreśl rzeczownik wskazujący obiekt wnioskowania: pacjent, pielęgniarka, oddział, szkoła lub powiat.
- Wypisz, z jakich obiektów pochodzą rekordy w bazie.
- Sprawdź, czy jeden obiekt pojawia się wielokrotnie.
- Rozpoznaj hierarchię: pomiar – osoba – instytucja – region.
- Dobierz metodę tak, aby uwzględniała zależność między obserwacjami, jeśli występuje.
- Wynik opisz na tym poziomie, na którym został oszacowany.
Co warto zapamiętać?
- Jednostka obserwacji to obiekt, od którego pochodzi pojedynczy zapis danych.
- Jednostka analizy to obiekt, na którym wykonujemy obliczenia i porównania.
- Poziom wnioskowania określa, kogo lub czego dotyczy końcowa konkluzja.
- Wszystkie trzy poziomy mogą być takie same, ale w badaniach podłużnych i wielopoziomowych często się różnią.
- Wielokrotne pomiary nie zwiększają automatycznie liczby niezależnych uczestników.
- Zależności między grupami nie powinny być bezpośrednio interpretowane jako zależności między osobami.
- Właściwy model statystyczny zaczyna się od rozpoznania struktury danych, a nie od wyboru najpopularniejszego testu.
Dobre badanie nie kończy się na zebraniu dużej liczby obserwacji. Musi jeszcze jasno określać, jakie obiekty są obserwowane, jakie analizowane i do jakiej populacji odnosimy wynik. To właśnie ta zgodność między pytaniem, danymi, analizą i wnioskowaniem chroni przed błędem logicznym oraz przed pozorną precyzją statystyczną.
\n
Źródła i dalsza lektura
\n
- Robinson, W. S. (1950). Ecological Correlations and the Behavior of Individuals. American Sociological Review, 15(3), 351–357. DOI: 10.2307/2087176.
- Wakefield, J. (2009). Multi-level modelling, the ecologic fallacy, and hybrid study designs. International Journal of Epidemiology, 38(2), 330–336. DOI: 10.1093/ije/dyp179.
- Kirkwood, B. R.; Sterne, J. A. C. (2003). Essential Medical Statistics. 2nd edition. Blackwell Science. Informacja wydawcy / źródło.
- von Elm, E.; Altman, D. G.; Egger, M.; Pocock, S. J.; Gøtzsche, P. C.; Vandenbroucke, J. P.; for the STROBE Initiative (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.
\n
Więcej kolejnych lekcji publicznego szkolenia znajdziesz na statystyk.edu.pl.