Przygotowanie odpowiednio wykonanej bazy danych stanowi klucz dla sprawnej komunikacji na linii student – analityk, a jednocześnie pozwala oszczędzić studentowi sporego nakładu pracy, gdy okaże się, że dane zostały błędnie wprowadzone do arkusza.
Obecnie, gdy większość baz danych tworzonych jest za pomocą kwestionariuszy internetowych, zwykle wystarczy nam dostęp do wzoru ankiety i wszystko odbywa się zwykle bezboleśnie. Mimo to już na etapie tworzenia kwestionariusza internetowego warto pamiętać o kilku elementach, ponieważ błędy na tym etapie będą już nieodwracalne i żaden statystyk nie wyczaruje z nich poprawnych wyników. Oto Twoje checklista:
Jak uniknąć błędów przy budowie bazy danych?
1. Pułapka pytań otwartych
Wiele osób myśli, że im więcej swobody damy respondentowi, tym bogatsze dane uzyskamy. Statystycznie to jednak „strzał w kolano”.
- Problem: Pytania otwarte generują tekst, którego nie da się wrzucić bezpośrednio do testów korelacji czy istotności różnic.
- Rozwiązanie: Stosuj pytania zamknięte (kafeterie). Jeśli musisz zadać pytanie otwarte, przygotuj się na czasochłonne kodowanie post-hoc (zamianę odpowiedzi tekstowych na wartości liczbowe).
2. Logika skal porządkowych
Skale porządkowe muszą odzwierciedlać naturalny, rosnący lub malejący ciąg. Błąd w logice uniemożliwia rzetelną interpretację wyników.
- Zły przykład: „Zawsze, Często, Rzadko, Czasami, Nigdy” – tutaj „Rzadko” i „Czasami” są często interpretowane zamiennie, co psuje hierarchię.
- Dobry przykład: Skala Likerta: „Zdecydowanie się nie zgadzam – Raczej się nie zgadzam – Ani tak, ani nie – Raczej się zgadzam – Zdecydowanie się zgadzam”.
3. Kompletność bazy (Zasada „Double-Check”)
Nic tak nie frustruje jak uświadomienie sobie podczas analizy, że brakuje kolumny z kluczową zmienną (np. wiekiem badanych), bo została pominięta przy przenoszeniu z kwestionariusza.
- Rada: Przed rozpoczęciem wpisywania danych stwórz „kodownik” i porównaj go punkt po punkcie z fizycznym kwestionariuszem.
4. Przeładowanie skal nominalnych
W testach statystycznych (np. Chi-kwadrat) zbyt duża liczba kategorii przy małej próbie sprawia, że liczebności w komórkach są zbyt małe, by test był wiarygodny.
- Przykład: Pytanie o markę samochodu z 50 opcjami do wyboru sprawi, że większość marek wybierze tylko 1-2 osoby.
- Rada: Agreguj odpowiedzi w większe grupy (np. zamiast konkretnych marek – „auta europejskie”, „auta azjatyckie” itp.).
5. Wielkość próby: Ile osób to „wystarczająco”?
Statystyka lubi duże liczby, ale bądźmy realistami.
- Absolutne minimum: N = 30 (często uznawane za próg, od którego zaczynają działać pewne twierdzenia statystyczne, np. centralne twierdzenie graniczne).
- Optimum dla studenta: N = 100 do 200. Pozwala to na zastosowanie większości popularnych testów (t-Studenta, ANOVA) z sensowną mocą testu.
- Dla profesjonalnych badań: Warto wykonać analizę mocy testu (tzw. power analysis) przed badaniem, by precyzyjnie wyliczyć potrzebną próbę.