368. Niezależność obserwacji – często najważniejsze założenie
Niezależność obserwacji jest jednym z najważniejszych założeń analiz statystycznych. Lekcja pokazuje, jak rozpoznawać zależności, oceniać ich skutki i dobierać właściwe modele.
-
-
229. ICC – współczynnik korelacji wewnątrzklasowej i jego warianty
Współczynnik korelacji wewnątrzklasowej służy do oceny rzetelności pomiarów ilościowych. Lekcja wyjaśnia jego modele, warianty i interpretację.
-
228. Zgodność między oceniającymi – podstawowe podejścia
Jak oceniać zgodność między sędziami, diagnostami lub koderami? Lekcja omawia procent zgodności, kappę Cohena i Fleissa, kappa ważoną oraz ICC.
-
227. Test–retest – jak oceniać stabilność pomiaru?
Test–retest służy do oceny, czy narzędzie pomiarowe daje podobne wyniki u tych samych osób, gdy badana cecha nie powinna się zmienić.
-
221. Rzetelność pomiaru – co oznacza w praktyce?
Rzetelność pomiaru pokazuje, na ile wyniki narzędzia są powtarzalne i wolne od przypadkowego błędu. Lekcja omawia jej rodzaje, wskaźniki i interpretację.
-
158. Badania klastrowe – kiedy jednostką randomizacji jest grupa?
Badanie klastrowe randomizuje całe grupy, a nie pojedynczych uczestników. Lekcja wyjaśnia dobór projektu, ICC, liczebność próby i analizę.
-
095. Hierarchiczna struktura danych: pacjent w oddziale, uczeń w klasie
Dane hierarchiczne powstają wtedy, gdy osoby, pomiary lub zdarzenia są zgrupowane w większych jednostkach, takich jak oddziały szpitalne, klasy, szkoły albo poradnie. Lekcja wyjaśnia, jak rozpoznawać taką strukturę, dlaczego obserwacje w grupach nie są niezależne oraz kiedy potrzebne są modele wielopoziomowe.