062. Jak formułować pytania badawcze dla zmiennych ilościowych?

PrzezMarcin Skrok

W poprzednich lekcjach kursu na statystyk.edu.pl omawialiśmy rodzaje pytań badawczych oraz relację między problemem, celem, pytaniem, hipotezą i analizą. Teraz skupimy się na pytaniach, w których kluczowe są zmienne ilościowe, czyli takie, których wartości można wyrazić liczbowo i uporządkować na skali pomiarowej. Należą do nich między innymi wiek, masa ciała, ciśnienie tętnicze, stężenie glukozy, czas reakcji, liczba godzin snu, wynik testu psychologicznego czy poziom satysfakcji mierzony sumą punktów.

Dobre pytanie badawcze nie polega jednak na samym użyciu liczb. Powinno określać, co mierzymy, u kogo, w jakim kontekście oraz jakiego rodzaju relacji lub różnicy poszukujemy. Precyzja pytania wpływa później na dobór projektu badania, wielkość próby, sposób pomiaru i metodę analizy.

1. Czym jest pytanie badawcze dotyczące zmiennej ilościowej?

Pytanie badawcze to sformułowane w języku naukowym pytanie, na które można odpowiedzieć za pomocą zaplanowanych obserwacji lub pomiarów. Jeżeli pytanie dotyczy zmiennej ilościowej, badacz powinien wskazać co najmniej:

  • jednostkę analizy, na przykład pacjenta, ucznia, pielęgniarkę albo gospodarstwo domowe;
  • zmienną lub zmienne ilościowe, które będą mierzone;
  • populację i miejsce lub okres badania;
  • typ oczekiwanej odpowiedzi: opis, porównanie, związek, predykcja albo efekt interwencji;
  • najważniejsze warunki pomiaru, jeżeli wpływają na interpretację wyników.

Przykładowo pytanie „Czy pacjenci są zadowoleni z leczenia?” jest zbyt ogólne, jeśli badacz zamierza posługiwać się ilościowym wynikiem skali satysfakcji. Bardziej precyzyjna wersja brzmi: „Jaki jest średni wynik satysfakcji z opieki pielęgniarskiej wśród dorosłych pacjentów hospitalizowanych na oddziale internistycznym w okresie od stycznia do marca 2026 roku?”

W tym pytaniu określono populację, zmienną wynikową, kontekst i charakter odpowiedzi. Nadal można je doprecyzować, podając nazwę narzędzia, zakres punktacji i sposób raportowania, ale jego struktura jest już empirycznie użyteczna.

2. Najpierw określ rolę zmiennej ilościowej

Ta sama zmienna może pełnić różne role w różnych badaniach. Ciśnienie skurczowe może być:

  • zmienną opisywaną, gdy celem jest oszacowanie jego średniej lub mediany;
  • zmienną wynikową, gdy porównujemy ciśnienie między grupami;
  • predyktorem, gdy sprawdzamy, czy wiąże się z ryzykiem zdarzenia;
  • kowariantą, gdy uwzględniamy ją w modelu jako zmienną kontrolną;
  • zmienną pośredniczącą lub modyfikującą efekt, jeżeli wynika to z uzasadnionego modelu teoretycznego.

Samo określenie „zmienna niezależna” nie zawsze jest wystarczające. W badaniu obserwacyjnym zmienna może być formalnie używana jako predyktor, ale nie musi być przyczyną wyniku. Dlatego w pytaniu należy unikać języka przyczynowego, jeżeli badanie nie obejmuje randomizacji, odpowiedniej kontroli zakłóceń i właściwej kolejności czasowej.

3. Pięć podstawowych typów pytań dla zmiennych ilościowych

3.1. Pytanie opisowe

Pytanie opisowe dotyczy poziomu, rozkładu lub zmienności jednej zmiennej ilościowej w określonej populacji. Przykładowe formy to:

  • Jaki jest średni czas oczekiwania na przyjęcie pacjenta w szpitalnym oddziale ratunkowym?
  • Jaka jest mediana liczby godzin snu wśród studentów pielęgniarstwa?
  • Jakie jest zróżnicowanie poziomu lęku mierzonego kwestionariuszem wśród ratowników medycznych?

W pytaniu opisowym warto przewidzieć, czy właściwą miarą położenia będzie średnia, mediana czy inna statystyka. Nie należy zakładać z góry, że średnia zawsze najlepiej opisuje dane. Przy silnej asymetrii lub wartościach odstających mediana i kwartyle mogą być bardziej informacyjne. Kirkwood i Sterne (2003) podkreślają, że sposób podsumowania danych powinien odpowiadać ich rozkładowi oraz skali pomiarowej.

3.2. Pytanie porównawcze

Pytanie porównawcze odnosi się do różnicy wartości zmiennej ilościowej między dwiema lub większą liczbą grup albo między dwoma pomiarami tej samej osoby. Przykłady:

  • Czy średni poziom hemoglobiny różni się między osobami stosującymi dwa sposoby leczenia?
  • Czy wynik testu depresji różni się między studentami pracującymi i niepracującymi?
  • Czy czas wykonania zadania jest krótszy po szkoleniu niż przed szkoleniem?

Dobre pytanie porównawcze wskazuje, co jest porównywane i według jakiego kryterium. Należy rozróżnić grupy niezależne, w których każda osoba należy do jednej grupy, od pomiarów zależnych, gdy te same osoby badano co najmniej dwukrotnie. To rozróżnienie ma znaczenie dla analizy, ale powinno być widoczne już na etapie projektowania.

Warto też określić, czy interesuje nas różnica średnich, różnica median, różnica zmian w czasie czy zgodność pomiarów. „Czy metody dają podobne wyniki?” nie jest tym samym pytaniem co „Czy średnie wyniki uzyskane metodami są różne?”. W badaniach porównujących metody pomiaru sama korelacja może być niewystarczająca; klasyczne podejście Bland–Altmana opiera się na ocenie różnic między pomiarami i ich zakresu zgodności (Bland i Altman, 1986).

3.3. Pytanie o związek między zmiennymi

Pytanie korelacyjne dotyczy tego, czy wartości jednej zmiennej wiążą się z wartościami drugiej. Przykłady:

  • Czy liczba godzin snu wiąże się z wynikiem testu uwagi?
  • Czy poziom aktywności fizycznej wiąże się z ciśnieniem skurczowym?
  • Czy nasilenie bólu wiąże się z czasem hospitalizacji?

W pytaniu należy wskazać, czy interesuje nas ogólny związek, jego kierunek, siła, kształt czy też związek po uwzględnieniu innych zmiennych. Prosta forma brzmi: „Czy X jest związane z Y w populacji Z?” Jednak w wielu sytuacjach warto dodać: „po uwzględnieniu wieku i płci” albo „czy związek ma charakter liniowy?”.

Nie należy automatycznie utożsamiać związku z przyczynowością. Jeżeli badanie ma charakter przekrojowy, pytanie „Czy aktywność fizyczna powoduje obniżenie ciśnienia?” wykracza poza możliwości takiego projektu. Bezpieczniejsza wersja brzmi: „Czy poziom aktywności fizycznej jest związany z ciśnieniem skurczowym u dorosłych mieszkańców gminy?”

3.4. Pytanie predykcyjne

Pytanie predykcyjne koncentruje się na tym, czy jedna lub kilka zmiennych pomaga przewidywać wartość zmiennej wynikowej. Przykład medyczny:

„Czy wiek, stężenie kreatyniny i ciśnienie skurczowe pozwalają przewidywać długość hospitalizacji pacjentów przyjmowanych z niewydolnością serca?”

W pytaniu predykcyjnym trzeba odróżnić wyjaśnianie zależności od dokładności przewidywania. Model może wykazywać związek między predyktorem a wynikiem, ale słabo przewidywać wartości u nowych pacjentów. Ocena modelu powinna zatem obejmować nie tylko współczynniki i wartości p, lecz także miary dopasowania, kalibracji, błędu predykcji i — jeśli celem jest zastosowanie kliniczne — użyteczność praktyczną. Altman i Royston (2000) rozróżniają między innymi poprawność statystyczną i kliniczną modelu prognostycznego.

Przy zmiennej wynikowej ilościowej naturalną strukturą pytania jest: „Na ile X, Y i Z przewidują W?”. Nie należy natomiast pisać, że predyktory „wyjaśniają” wynik, jeśli projekt i analiza nie uzasadniają takiej interpretacji.

3.5. Pytanie przyczynowe

Pytanie przyczynowe dotyczy tego, czy określona interwencja lub ekspozycja zmienia wartość wyniku. Przykład:

„Czy 12-tygodniowy program ćwiczeń o umiarkowanej intensywności powoduje większe obniżenie skurczowego ciśnienia tętniczego niż standardowe zalecenia dotyczące aktywności fizycznej?”

Takie pytanie wymaga szczególnej ostrożności. Najsilniejszym projektem dla oceny efektu interwencji jest zwykle randomizowane badanie kontrolowane, ale również w nim znaczenie mają: sposób alokacji, przestrzeganie interwencji, utrata uczestników, pomiar wyniku i analiza zgodna z planem. W badaniach obserwacyjnych język przyczynowy może być uzasadniony tylko przy odpowiednim projekcie, założeniach i metodach kontroli zakłóceń.

4. Jak zbudować pytanie krok po kroku?

  1. Rozpocznij od problemu praktycznego lub luki poznawczej. Na przykład oddział chce ograniczyć czas oczekiwania, ale nie wiadomo, które elementy organizacji pracy wiążą się z wydłużeniem obsługi.
  2. Wybierz wynik ilościowy. Może nim być czas w minutach, liczba punktów, stężenie laboratoryjne albo wynik skali.
  3. Określ populację i jednostkę analizy. Zamiast „pacjenci” napisz np. „dorośli pacjenci zgłaszający się do SOR w dni robocze”.
  4. Określ relację, której szukasz. Czy chcesz opisać poziom, porównać grupy, ocenić związek, przewidywać wynik czy ocenić efekt?
  5. Dodaj ramy czasowe i kontekst. Są szczególnie ważne w badaniach zdrowia publicznego i analizach danych rutynowych.
  6. Sprawdź zgodność z pomiarem. Jeżeli w pytaniu występuje „poziom stresu”, trzeba wskazać, jak będzie mierzony i co oznacza wyższy wynik.
  7. Przewidź analizę, ale nie podporządkowuj pytania nazwie testu. Najpierw definiuje się problem i zmienne, a dopiero potem dobiera metodę.

5. Wzór pomocny przy pytaniach o różnicę

W pytaniu porównawczym można operacyjnie zdefiniować interesującą różnicę jako:

Δ = μ1 − μ2

  • Δ — różnica między średnimi w dwóch populacjach lub grupach;
  • μ1 — średnia wartość zmiennej wynikowej w grupie pierwszej;
  • μ2 — średnia wartość zmiennej wynikowej w grupie drugiej.

Jeśli pytanie brzmi „Czy program rehabilitacji zmniejsza ból bardziej niż standardowa opieka?”, można przyjąć, że wynik jest zdefiniowany jako zmiana bólu, a interesująca różnica wynosi:

Δ = średnia zmiany bólu w grupie programu − średnia zmiany bólu w grupie standardowej

Ważne jest, aby wcześniej ustalić, co oznacza zmiana. Jeżeli zmiana = wynik po − wynik przed, ujemna wartość może oznaczać poprawę, gdy wyższy wynik oznacza większe nasilenie objawów. Bez takiej definicji znak i znaczenie różnicy mogą zostać błędnie zinterpretowane.

W badaniu nie należy ograniczać się do pytania, czy Δ różni się od zera. Warto także określić, jaka różnica byłaby praktycznie ważna. Istotność statystyczna zależy między innymi od liczebności próby i zmienności danych, natomiast znaczenie praktyczne wymaga odniesienia do klinicznego lub społecznego kontekstu.

6. Przykład praktyczny: sen i funkcjonowanie studentów

Załóżmy, że badacz chce ocenić funkcjonowanie studentów pielęgniarstwa. Ma do dyspozycji liczbę godzin snu na dobę oraz wynik testu uwagi.

Pytanie ogólne: „Czy sen wpływa na uwagę studentów?” jest problematyczne. Zawiera słowo „wpływa”, które sugeruje przyczynowość, choć planowane badanie ma być przekrojowe. Nie określa też sposobu pomiaru ani populacji.

Lepsze pytanie brzmi: „Czy średnia liczba godzin snu w typowym tygodniu jest związana z wynikiem testu uwagi u studentów pielęgniarstwa pierwszego i drugiego roku?”

Można je rozwinąć w kilka pytań szczegółowych:

  • Jaka jest średnia i mediana liczby godzin snu?
  • Jaki jest rozkład wyników testu uwagi?
  • Czy związek między snem a uwagą ma charakter liniowy?
  • Czy związek utrzymuje się po uwzględnieniu wieku, pracy zarobkowej i spożycia kofeiny?

W tym przypadku wynik korelacyjny nie dowodzi, że dłuższy sen powoduje poprawę uwagi. Możliwe są między innymi odwrotna zależność, wspólne przyczyny lub błąd pomiaru. Jeżeli badacz chce ocenić efekt wydłużenia snu, potrzebny byłby inny projekt, na przykład kontrolowana interwencja z pomiarem przed i po.

7. Przykład praktyczny: czas oczekiwania w szpitalnym oddziale ratunkowym

Problem praktyczny brzmi: pacjenci skarżą się na długi czas oczekiwania. Zmienną ilościową może być czas od rejestracji do pierwszego badania lekarskiego, mierzony w minutach.

Możliwe pytania to:

  • Opisowe: „Jaka jest mediana czasu oczekiwania pacjentów zgłaszających się do SOR?”
  • Porównawcze: „Czy czas oczekiwania różni się między dniami roboczymi a weekendami?”
  • Korelacyjne: „Czy liczba pacjentów obecnych w SOR wiąże się z czasem oczekiwania?”
  • Predykcyjne: „Czy liczba pacjentów, pora dnia i kategoria pilności pozwalają przewidywać czas oczekiwania?”
  • Przyczynowe: „Czy wprowadzenie dodatkowego stanowiska triażu skraca czas oczekiwania?”

Każde pytanie wymaga innego projektu. Pierwsze może być odpowiedzią na badanie opisowe, drugie na analizę porównawczą, trzecie na badanie obserwacyjne, czwarte na budowę modelu predykcyjnego, a piąte na ocenę interwencji. Sam fakt, że wszystkie dotyczą tej samej zmiennej ilościowej, nie oznacza, że można analizować je w taki sam sposób.

Najczęstsze błędy

  • Zbyt szerokie pytanie. „Jak zdrowie wpływa na życie?” nie wskazuje ani zmiennej wynikowej, ani populacji.
  • Mylenie zmiennej ilościowej z dowolną liczbą. Kod „1 = kobieta, 2 = mężczyzna” jest liczbą techniczną, a nie zmienną ilościową.
  • Ukrywanie definicji operacyjnej. „Poziom stresu” bez informacji o narzędziu i skali jest pojęciem niejednoznacznym.
  • Wnioskowanie przyczynowe z korelacji. Związek dwóch zmiennych nie wystarcza do stwierdzenia, że jedna powoduje drugą.
  • Ignorowanie czasu pomiaru. Wynik „poziom glukozy” wymaga informacji, czy chodzi o pomiar na czczo, po posiłku czy w dowolnym momencie.
  • Używanie wyłącznie słowa „istotny”. Pytanie powinno dotyczyć różnicy lub związku, a nie samej istotności statystycznej.
  • Brak określenia kierunku lub skali efektu. Gdy kierunek ma znaczenie, należy go zdefiniować, ale nie wolno dopasowywać go po obejrzeniu wyników.
  • Zastępowanie pytania planem analizy. „Czy test t wykaże istotność?” nie jest pytaniem badawczym.
  • Nadmierna liczba pytań równorzędnych. Warto wskazać pytanie główne i odróżnić pytania wtórne, aby ograniczyć problem wielokrotnych analiz.

7. Jak sprawdzić jakość pytania przed rozpoczęciem badania?

Przed rekrutacją uczestników warto odpowiedzieć na kilka pytań kontrolnych:

  1. Czy każda zmienna występująca w pytaniu ma jasną definicję operacyjną?
  2. Czy wiadomo, jaka jest jednostka analizy?
  3. Czy populacja, miejsce i czas badania zostały określone?
  4. Czy pytanie odpowiada rzeczywistemu projektowi badania?
  5. Czy planowany pomiar pozwala odpowiedzieć na pytanie?
  6. Czy można z góry wskazać główną miarę efektu?
  7. Czy interpretacja będzie dotyczyć wielkości efektu i niepewności, a nie tylko wartości p?
  8. Czy pytanie jest wystarczająco wąskie, aby można było przeprowadzić analizę bez przypadkowego poszukiwania wyników?

W badaniach obserwacyjnych pomocne jest również sprawdzenie, czy sposób sformułowania celu i pytania będzie zgodny z późniejszym raportowaniem według STROBE. Wytyczna ta zaleca między innymi jasne przedstawienie celów, prespecyfikowanych hipotez, projektu badania, pomiarów, analiz dodatkowych i ograniczeń (von Elm i in., 2007). W psychologii podobną funkcję porządkującą pełnią standardy APA JARS, które akcentują przejrzysty opis zmiennych, procedury, analiz i interpretacji (American Psychological Association, 2018; Cooper, 2020).

Co warto zapamiętać?

  • Pytanie dla zmiennej ilościowej powinno wskazywać populację, zmienną, kontekst i typ oczekiwanej odpowiedzi.
  • Najpierw określa się problem oraz relację między zmiennymi, a dopiero potem wybiera test statystyczny lub model.
  • Podstawowe typy pytań to pytania opisowe, porównawcze, korelacyjne, predykcyjne i przyczynowe.
  • Wynik liczbowy nie gwarantuje, że badanie ma charakter ilościowy; znaczenie ma również sposób pomiaru i rola zmiennej.
  • Korelacja nie jest dowodem przyczynowości, a predykcja nie jest tym samym co wyjaśnienie przyczynowe.
  • W pytaniach porównawczych warto zdefiniować kierunek i praktycznie ważną wielkość różnicy.
  • Interpretacja powinna rozróżniać istotność statystyczną, wielkość efektu, precyzję oszacowania i znaczenie praktyczne.
  • Dobrze sformułowane pytanie ułatwia dobór projektu, pomiarów, liczebności próby i analizy, a także późniejsze przejrzyste raportowanie.

W kolejnych lekcjach modułu pytania dotyczące zmiennych ilościowych można rozwijać w kierunku hipotez, operacjonalizacji, doboru miar efektu i planowania analizy. Najważniejsza zasada pozostaje jednak niezmienna: pytanie powinno być empirycznie rozstrzygalne, zgodne z projektem badania i sformułowane tak, aby z góry było wiadomo, jakie dane będą potrzebne do udzielenia odpowiedzi.

\n

Źródła i dalsza lektura

\n

  1. Bland, J. M.; Altman, D. G. (1986). Statistical methods for assessing agreement between two methods of clinical measurement. The Lancet, 327(8476), 307–310. DOI: 10.1016/S0140-6736(86)90837-8.
  2. Altman, D. G.; Royston, P. (2000). What do we mean by validating a prognostic model?. Statistics in Medicine, 19(4), 453–473. DOI: 10.1002/(SICI)1097-0258(20000229)19:4<453::AID-SIM350>3.0.CO;2-5.
  3. von Elm, E.; Altman, D. G.; Egger, M.; Pocock, S. J.; Gøtzsche, P. C.; Vandenbroucke, J. P. (2007). The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) Statement: guidelines for reporting observational studies. Annals of Internal Medicine, 147(8), 573–577. DOI: 10.7326/0003-4819-147-8-200710160-00010.
  4. American Psychological Association (2018). APA Style Journal Article Reporting Standards. American Psychological Association. American Psychological Association. Źródło.
  5. Cooper, Harris (2020). Reporting Quantitative Research in Psychology: How to Meet APA Style Journal Article Reporting Standards, Second Edition. 2nd edition, revised. American Psychological Association. Informacja wydawcy / źródło.
  6. Kirkwood, Betty R.; Sterne, Jonathan A. C. (2003). Essential Medical Statistics. 2nd edition. Blackwell Science. Informacja wydawcy / źródło.

\n

Podobne wpisy