Analiza Statistica pentru Cercetare Academica — Ghid Practic

Publicat: 17 Mai 2026

1. De ce este esentiala analiza statistica

Analiza statistica este procesul prin care transformam datele brute in concluzii valide. Fara analiza statistica, observatiile noastre raman anecdote — nu putem sti daca diferentele dintre grupe sunt reale sau datorate intamplarii.

In cercetarea academica, analiza statistica indeplineste trei roluri fundamentale:

• Rezumatul datelor — statistici descriptive (medie, deviatie standard)
• Testarea ipotezelor — diferentele sunt reale sau datorate intamplarii?
• Cuantificarea efectului — cat de mare este diferenta sau relatia?

2. Tipuri de date si niveluri de masurare

Inainte de a alege un test statistic, trebuie sa intelegi ce tip de date ai:

3. Statistici descriptive

Statisticiile descriptive rezuma setul de date fara a face inferente:

Medie (M)

Suma tuturor valorilor impartita la numarul de observatii. Masura centrala cea mai utilizata.

Deviatie standard (SD)

Masoara cat de mult se abat valorile individuale de la medie. O SD mare inseamna date foarte dispersate.

Interval de incredere 95% (IC 95%)

Intervalul in care se afla probabil (cu 95% certitudine) adevarata valoare a populatiei.

Exemplu: Daca scorul mediu la anxietate (GAD-7) este M = 8.5, SD = 4.2, N = 80, atunci IC 95% = [7.58, 9.42]. Interpretare: suntem 95% siguri ca scorul mediu real al populatiei se afla intre 7.58 si 9.42.

4. Testul t (Student)

Testul t compara mediile a doua grupe pentru a determina daca diferenta dintre ele este statistic semnificativa.

Tipuri de test t

Formula

Unde SE (eroarea standard) = √(SD₁²/n₁ + SD₂²/n₂)

Ipoteze (presupuneri)

• Datele sunt aproximativ normale (verifica cu Shapiro-Wilk)
• Variantele celor doua grupe sunt aproximativ egale (verifica cu Levene)
• Observatiile sunt independente

Interpretare

Exemplu practic: Comparam scorul de anxietate GAD-7 intre barbati (N=30, M=7.2, SD=3.8) si femei (N=50, M=9.1, SD=4.5).

Rezultat: t(68.4) = 1.94, p = .057, Cohen's d = 0.46

Interpretare: Diferenta nu este statistic semnificativa la pragul .05 (p = .057), desi marimea efectului este medie (d = 0.46). Probabil esantionul prea mic a afectat puterea statistica.

5. ANOVA — Analiza varianței

ANOVA compara mediile a trei sau mai multe grupe simultan, evitand problema testarilor multiple care apar daca folosesti test t repetat.

One-way ANOVA

Compară mediile pe o singura variabila independenta cu 3+ nivele.

Exemplu: Comparam nivelul de stres (PSS-10) la studenti din 3 facultati: Psihologie (N=35), Drept (N=40), Medicina (N=30).

Rezultat: F(2, 102) = 5.67, p = .004, η² = 0.10

Interpretare: Exista diferente semnificative intre facultati (p = .004). Marimea efectului η² = 0.10 indica un efect mediu. Dar ANOVA ne spune doar CA exista diferente — nu si INTRE CARE grupe.

Post-hoc Tukey HSD

Dupa ce ANOVA indica diferente semnificative, testul Tukey HSD compara toate perechile de grupe:

• Psihologie vs Drept: p = .82 (nu diferă)
• Psihologie vs Medicina: p = .008 (diferă semnificativ)
• Drept vs Medicina: p = .03 (diferă semnificativ)

6. Corelatia Pearson si Spearman

Corelatia masoara forta si directia relatia liniara intre doua variabile.

Pearson (r)

Folosita cand ambele variabile sunt continue si distribuia normal.

Spearman (ρ)

Alternativa neparametrica pentru date ordinale sau cand relatia NU este liniara. Se bazeaza pe ranguri, nu pe valori brute.

7. Regresia liniara

Regresia liniara permite predictia unei variabile (dependente) pe baza alteia (independente) sau a mai multora (regresie multipla).

Regresie simpla

Unde: Y = variabila prezisa, X = variabila predictoare, a = intercept, b = panta (cu cat creste Y cand X creste cu 1 unitate).

Regresie multipla

Exemplu: Prezicem scorul de burnout (MBI) pe baza stresului (PSS-10), stimei de sine (Rosenberg) si varstei.

Rezultat: R² = .38, F(3, 96) = 19.6, p < .001

Interpretare: Cele 3 predictori explica 38% din varianta burnout-ului. Stresul (β = .48, p < .001) este cel mai puternic predictor.

8. Semnificatia statistica si p-value

P-value este probabilitatea de a obtine rezultate cel putin la fel de extreme ca cele observate, presupunand ca ipoteza nula (H₀: nu exista diferenta) este adevarata.

Ce inseamna p < 0.05

Daca p < 0.05, inseamna ca exista mai putin de 5% sanse ca rezultatele sa fie datorate intamplarii. Prin conventie, respingem ipoteza nula si concluzionam ca diferenta este statistic semnificativa.

Erori de tip I si tip II

9. Effect size — marimea efectului

Effect size cuantifica magnitudinea practica a unui rezultat. Este esential sa raportezi effect size alaturi de p-value.

Cohen's d (pentru test t)

Eta-patrat η² (pentru ANOVA)

10. Validitate si fiabilitate

Cronbach alpha (α)

Masoara consistenta interna — cat de bine masoara toti itemii acelasi construct.

Tipuri de validitate

• Validitate de construct — masoara ceea ce trebuie sa masoare (ex: PHQ-9 masoara depresie, nu anxietate)
• Validitate de continut — itemii acopera intreaga gama a constructului
• Validitate de criteriu — coreleaza cu alte masuri ale aceluiasi construct

11. Software pentru analiza statistica

12. Cum raportezi rezultatele (format APA)

Exemplu complet

Pentru a compara nivelul de anxietate intre barbati si femei, am utilizat testul t independent Welch. Rezultatele indica o diferenta statistic semnificativa, t(68.4) = 2.31, p = .024, Cohen's d = 0.52. Femeile (M = 9.1, SD = 4.5) au obtinut scoruri semnificativ mai mari la anxietate comparativ cu barbatii (M = 7.2, SD = 3.8). Marimea efectului indica un efect de magnitudine medie, sugerand ca diferenta are si relevanta practica.

Template-uri de raportare

Intrebari frecvente