Popisná statistika
První krok každé analýzy — průměry, směrodatné odchylky, skewness, kurtosis a korelační matice, připravené k reportování v APA.
Tato stránka je překladem recenzovaného anglického originálu. Zobrazit originál (EN)
popisná statistikaCo to je
Popisná statistika shrnuje vaše data ještě před jakýmkoli modelováním. Pro každou spojitou proměnnou dostanete průměr (M), směrodatnou odchylku (SD), minimum, maximum a rozpětí. Skewness a kurtosis ukazují, zda je rozdělení symetrické a zda jsou chvosty těžké — užitečné kontroly před parametrickými testy. U kategoriálních položek ukazují tabulky četností, jak jsou odpovědi rozloženy mezi kategorie. Pearsonova korelační matice ukazuje bivariační vztah mezi všemi spojitými proměnnými najednou. Explonia také počítá chybějící data pro každou proměnnou, takže vidíte, kde jsou odpovědi neúplné.
Kdy ho použít
- Právě jste nasbírali nebo nahráli data a potřebujete první pohled na svůj vzorek.
- Chcete zkontrolovat rozdělení položek a odhalit neobvyklé hodnoty před spuštěním modelu.
- Potřebujete reportovat charakteristiky vzorku (průměry a SD) v tabulce.
- Chcete prozkoumat bivariační korelace před regresí nebo SEM.
- Recenzent nebo školitel žádá korelační matici.
Kdy ho nepoužít
- Popisná statistika netestuje rozdíly ani vztahy — popisuje. Pro induktivní závěry spusťte t-test, ANOVA nebo regresi.
- Korelace neznamená kauzalitu a nekontroluje další proměnné — k tomu použijte regresi nebo SEM.
Předpoklady
- Spojité proměnné pro průměr, SD, skewness a kurtosis; kategoriální proměnné pro tabulky četností.
- Skewness a kurtosis se čtou jako hrubé kontroly před parametrickými testy, ne jako přísná pravidla prošel/neprošel.
- Pearsonovy korelace předpokládají přibližně lineární vztahy mezi spojitými proměnnými; sledujte nelinearitu a odlehlé hodnoty.
- Chybějící data se reportují pro každou proměnnou; více než 5 % chybějících u položky stojí za prozkoumání.
Prahy a mezní hodnoty
| Criterion | Rule of thumb | Source |
|---|---|---|
| Skewness | |skew| < 2 se často uvádí jako přijatelné pro parametrické testy | George & Mallery (2010) |
| Kurtosis | |kurt| < 7 se často uvádí jako přijatelné | West, Finch & Curran (1995) |
| Korelace (r) | Znaménko ukazuje směr; |r| ≥ .10 malá, ≥ .30 střední, ≥ .50 velká (hrubá vodítka) | Cohen (1988) |
| Chybějící data | Označte proměnné s > 5 % chybějících; reportujte četnosti pro každou položku | Tabachnick & Fidell (2013) |
Jak to reportovat v APA
Účastníci (N = 248) vykázali střední spokojenost (M = 4.21, SD = 0.87, rozpětí 1–7). Korelační matice (Tabulka 1) ukázala, že cenová citlivost a věrnost značce byly negativně asociované (r = −.34, p < .001). Hodnoty skewness a kurtosis byly v přijatelném rozmezí (|skew| ≤ 1.3, |kurt| ≤ 2.1), což podporuje použití parametrických analýz.
Jak to počítá Explonia
Otevřete v Exploni libovolnou studii a zvolte Descriptives v sekci Analyses. Explonia spočítá statistiky pro každou proměnnou — M, SD, min, max, skewness, kurtosis a počet chybějících — plus úplnou Pearsonovu korelační matici s označením významnosti. Pole Article description sepíše z vašich čísel odstavec ve stylu APA, který si můžete před zkopírováním upravit. Popisná statistika je součástí všech tierů; jediným limitem napříč tiery je počet odpovědí ve vaší studii.
Často kladené otázky
Co mi říkají skewness a kurtosis?
Skewness měří, jak je rozdělení asymetrické; kurtosis měří, jak těžké jsou chvosty. Hodnoty |skew| pod 2 a |kurtosis| pod 7 se běžně uvádějí jako přijatelné pro parametrické testy, jde však o hrubá vodítka, ne přísná pravidla. Mírná porušení jsou méně problematická u větších vzorků.
Mám v práci reportovat úplnou korelační matici?
U dotazníkových a škálových dat ukazuje korelační matice, jak spolu proměnné souvisí před modelováním. Mnoho časopisů a recenzentů ji očekává. Explonia matici generuje automaticky a sepíše za vás odstavec v APA.
Kolik desetinných míst APA vyžaduje pro popisnou statistiku?
APA 7 doporučuje dvě desetinná místa pro průměry, směrodatné odchylky a korelace. V rámci jedné tabulky používejte stejný počet desetinných míst konzistentně.
Kolik chybějících dat je přijatelné?
Univerzální hranice neexistuje, ale chybějící data nad 5 % na proměnnou stojí za prozkoumání. Reportujte počet nebo procento chybějících hodnot pro každou položku. Pokud chybějící data nejsou náhodná (MCAR), může být potřeba imputace nebo jiné metody — ověřte u školitele nebo v pokynech časopisu.
Last updated: červenec 2026
Spusťte Popisná statistika na vlastních datech
Sesbírejte nebo nahrajte svá data, spusťte analýzu v prohlížeči a získejte návrh odstavce APA, který můžete upravit. Začněte zdarma. Bez karty.
Začít zdarma