Spis treści
Hipoteza badawcza to stwierdzenie, przypuszczenie dotyczące jakiegoś zjawiska, które zostaje zweryfikowane w toku analizy statystycznej . Przez wielu jest ona traktowana jako jedenz kluczowych elementów tekstu naukowego, stanowiący pomost między rozdziałem teoretycznym, a analizą statystyczną .
Poprawne sformułowanie hipotez jest szczególnie istotne podczas zamawiania analizy statystycznej w specjalistycznej firmie, takiej jak nasza. Wynika to z faktu, że w wielu badaniach istnieje kilka równoległych kierunków, w jakie można poprowadzić analizy statystyczne. Hipotezy są tu kluczowym elementem „specyfikacji zamówienia”. Jeśli zostaną one błędnie określone, skutkiem będzie wykonanie analiz, których badacz wcale nie potrzebuje.
Jednocześnie, stawianie dobrych hipotez to nie lada wyzwanie, ponieważ wiele podręczników do metodologii przedstawia to zagadnienie w mało przystępny sposób. Ponadto hipotezy badawcze są nierozłączne od problemu badawczego oraz pytań badawczych . Poprawnie stworzony opis metody uwzględnia te trzy aspekty i istnieją konkretne reguły dotyczące ich formułowania. Dlatego też artykuł ten dotyczy wszystkich tych trzech elementów i tym samym stanowi odpowiedź nie na jedno, a na trzy pytania:
Poza udzieleniem odpowiedzi na te pytania, w artykule zostaną pokazane konkretne przykłady na bazie omawianego case study.
Podstawowym trzonem badania naukowego jest problem badawczy (niekiedy określanym jako cel badania). Jest to ogólny zarys tego, czego badanie dotyczy i jakie ma przynieść wnioski. Czasami w danej pracy stawia się jeden problem badawczy, a czasami kilka, nawet jeśli pytań badawczych i hipotez z nim związanych jest kilka lub kilkanaście.
Co oznacza, że problem badawczy jest ogólny ? Aby to wyjaśnić posłużmy się przykładem:
Ten problem badawczy jest ogólny, ponieważ:
1. Cel tego badania może zostać zrealizowany na różne sposoby – poprzez wykonanie różnego rodzaju badań. Z jednej strony może to być badanie ilościowe (kwestionariuszowe), w którym zmierzone zostaną różne aspekty kompetencji menadżerskich i ich uwarunkowań, a następnie zostaną wykonane analizy ilościowe, takie jak korelacja czy porównania średnich. Z drugiej strony, ten sam cel badania można spełnić, wykorzystując badania jakościowe (np. wywiad ustrukturyzowany) na pracownikach, którzy ocenią uwarunkowania rozwoju kompetencji menadżerów u swoich przełożonych. Takich możliwości jest więcej.
2. Rozwój kompetencji menadżerskich może być mierzony na różne sposoby, nawet w obrębie jednego typu badań. Istnieją różne kwestionariusze przeznaczone do badania różnych konstruktów teoretycznych. Wiele z nich ma kilka wskaźników, z których każdy dotyczy innego aspektu konstruktu. Podobnie uwarunkowania rozwoju kompetencji również można mierzyć na różne sposoby. Mogą być to zarówno ogólne cechy socjodemograficzne (np. wiek, płeć, staż pracy), kwestie związane z ogólnymi warunkami pracy czy specyficzne kwestie, takie jak kompetencje społeczne czy cechy psychologiczne (np. osobowość czy temperament).
3. Analizę dla uzyskanych w badaniu zmiennych można przeprowadzić na różne sposoby. Przykładowo, mając kilka zmiennych socjodemograficznych jako wyjaśniających oraz wskaźnik ogólny poziomu kompetencji menadżerskich jako zmienną wyjaśnianą, można wykonać analizy korelacji i porównań średnich. Jednakże, zamiast tego można wykonać, mniej lub bardziej skomplikowaną, analizę regresji liniowej. Jeszcze inna możliwość to podział badanych na tych o wysokim vs niskim poziomie kompetencji na podstawie uzyskanych wyników i porównanie tych grup.
Powyższe argumenty wskazują na to, że problem badawczy można rozwiązać na różne sposoby . Wynika to w dużej mierze z faktu, że formułowany jest na podstawie teorii. Dopiero w procesie operacjonalizacji, który następuje później, dobiera się odpowiednie wskaźniki badanych konstruktów .
Ogólny zamysł nakreślony w ramach problemu badawczego staje się bardziej doprecyzowany w procesie tworzenia pytań badawczych. Tutaj przechodzimy do określenia w jaki sposób cel badania zostanie osiągnięty, a także jakiego rodzaju odpowiedzi na postawione pytania jest oczekiwana . Aby to zobrazować rozważmy poniższy przykład. Do problemu badawczego postawionego wcześniej dopiszmy przykładowe pytania badawcze.
Ten przykład pokazuje, że rzeczywiście pytania badawcze są bardziej szczegółowe niż problem badawczy. Są one bardziej precyzyjne, ponieważ wskazują na to, jakie elementy (konstrukty) potencjalnie warunkujące rozwój kompetencji menadżerskich zostaną w analizie uwzględnione: wykształcenie, dopasowanie do miejsca pracy oraz poziom inteligencji. Widzimy również, że sposób sformułowania pytania badawczego narzuca konkretny sposób odpowiedzi. Przykładowo, na pytanie „Czy poziom kompetencji menadżerskich zależy od poziomu inteligencji” można odpowiedzieć na dwa sposoby „Tak, poziom kompetencji menadżerskich zależy od poziomu inteligencji” lub „Nie, poziom kompetencji menadżerskich nie zależy od poziomu inteligencji”. Jeśli na dane pytanie badawcze nie da się udzielić konkretnej odpowiedzi, to oznacza, że jest ono postawione błędnie.
Mimo że pytania badawcze są zwykle bardziej szczegółowe niż problem badawczy, to nadal poziom tej precyzji nie jest idealny. Wskazują one na to, jakie konstrukty mają zostać uwzględnione w analizie, jednak nadal nie wiadomo jak będą one mierzone (zoperacjonalizowane). Dotyczy to zarówno zmiennej wyjaśnianej, jak i zmiennych wyjaśniających. Być może wykształcenie będzie wyrażone od podstawowego do wyższego i wtedy będzie należało wykonać analizę korelacji, a może porównywane będą osoby z wykształceniem wyższym magisterskim i wykształceniem wyższym doktorskim. Z kolei w przypadku dopasowania do miejsca pracy może być ono mierzone rozbudowanym standaryzowanym kwestionariuszem, krótkim kwestionariuszem autorskim lub nawet jednym pytaniem w stylu „Jak oceniasz swój poziom dopasowania do miejsca pracy rozumiany jako (…)?” (trafność i rzetelność takiego pytania to inna kwestia 😉 ) Większą precyzję można uzyskać stawiając hipotezy, ale jak zaraz zobaczymy, nie zawsze jest to takie proste.
Hipoteza badawcza to zdanie twierdzące, dotyczące przewidywanego wyniku badania . Innymi słowy – hipoteza jest sugerowaną odpowiedzią na pytanie badawcze. Zobaczmy w poniższej ramce jak mogłyby brzmieć hipotezy w naszym przykładzie.
Widzimy, że w tym przypadku sformułowanie odpowiednich hipotez badawczych na podstawie pytań badawczych jest łatwe. Każdemu pytaniu odpowiada jedna hipoteza, a formułuje się ją poprzez prostą zamianę treści pytania – w tym przypadku usuwamy z pytania po prostu „czy” oraz „?”. Technicznie rzecz biorąc, ograniczyło się to do wykonania operacji kopiuj-wklej i kilku dodatkowych stuknięć w klawiaturę. Niestety, nie zawsze jest to takie proste – pokażemy to w dalszej części artykułu, omawiając hipotezy kierunkowe i niekierunkowe.
Zazwyczaj każdemu pytaniu badawczemu odpowiada hipoteza , jednak od tej reguły są wyjątki. Dzieje się tak w przypadku badań eksploracyjnych, w których analizujemy kwestie, które nie mają silnych podstaw w teorii i wynikach innych badań. W takiej sytuacji pytania badawcze pozostawiamy bez „odpowiedzi” w postaci hipotezy (Krajewski, 2010). W niektórych badaniach naukowych część pytań badawczych może mieć charakter eksploracyjny, a część nie. Oznacza to, że niektóre z nich mogą mieć swój odpowiednik w postaci hipotezy, a niektóre nie.
Hipotezy badawcze sformułowane we wcześniejszym przykładzie dotyczą związków/zależności, a więc nazywa się je hipotezami dotyczącymi związku i testuje w analizie korelacji. Nie jest to jednak jedyny typ hipotez, ponieważ poza analizą korelacji istnieje wiele innych. Drugim najczęściej stawianym typem są hipotezy dotyczące różnicy . Przykładowo, moglibyśmy postawić hipotezę (i oczywiście odpowiadające jej pytanie badawcze) dotyczącą zróżnicowania poziomu kompetencji menadżerskich u kobiet i mężczyzn. Mogłaby ona brzmieć w sposób następujący: „Płeć różnicuje poziom kompetencji menadżerskich” lub „Istnieje różnica między kobietami i mężczyznami w zakresie poziomu kompetencji menadżerskich”.
Jednocześnie, poza hipotezami dotyczącymi związków i różnic, istnieją inne rodzaje hipotez, na przykład dotyczące zgodności rozkładu mierzonej zmiennej z rozkładem teoretycznym (np. rozkładem normalnym) albo dotyczące dopasowania modelu regresji. W tym wpisie poświęcimy im jednak niewiele uwagi.
Wcześniej mówiliśmy o tym, że hipoteza to odpowiedź na pytanie badawcze, które dotyczy przewidywanego wyniku. Jednocześnie podaliśmy przykłady hipotez, które niekoniecznie takimi są. Dlaczego? Ponieważ były one postawione w schemacie „Istnieje zależność między X a Y”. Nie jest to jakieś niesamowicie precyzyjne przewidywanie, ponieważ nie obejmuje tego jaki jest charakter tej zależności, czy jest ona dodania, czy ujemna. Taki rodzaj hipotez nazywamy hipotezami niekierunkowymi (alternatywnie hipotezami bezkierunkowymi). Oprócz nich możemy stawiać hipotezy, które wskazują na charakter występującego efektu – nazywamy je hipotezami kierunkowymi , w przypadku korelacji. Wskazywać będą one na konkretny jej kierunek (dodatni lub ujemny). Zatem tak jak hipoteza niekierunkowa stworzona została w schemacie „Istnieje zależność między X a Y”, tak hipoteza kierunkowa stworzona zostałaby według wzorca „wraz ze wzrostem X maleje Y” (korelacja ujemna) lub „wraz ze wzrostem X rośnie Y” (korelacja dodatnia).
W poniższej ramce przedstawiony został schemat tworzenia hipotez kierunkowych i niekierunkowych na podstawie pytań badawczych, osobno dla hipotezy dotyczącej związku oraz różnicy.
Skąd mamy wiedzieć, czy hipotezy, które chcemy postawić mają być kierunkowe, czy niekierunkowe? Odpowiedź jest prosta – hipotezy kierunkowe stawiamy wtedy, gdy w oparciu o przegląd literatury przewidujemy konkretny kierunek mierzonego efektu (dobrą praktyką promowaną przez APA, jak i promotorów w ostatnim czasie, jest konieczność napisania uzasadnienia dla każdej hipotezy, którą student postawił). Jeśli takich przypuszczeń nie mamy, bo na przykład nie istnieją badania w temacie, który podejmujemy, to stawiamy hipotezę niekierunkową . Oczywiście, mając kilka hipotez, nie ma problemu w tym, aby część z nich była kierunkowa, a część niekierunkowa.
Rozważaliśmy wcześniej, że problem badawczy jest uogólniony i w efekcie można rozwiązać go na różne sposoby. Zapoznając się z przykładami pytań badawczych i hipotez zobaczyliśmy, że są one jego rozwinięciem i wskazują na sposób jego rozwiązania. Jednak nadal nie zawsze stawiane hipotezy charakteryzuje odpowiedni poziom szczegółowości. Często bowiem kwestionariusze mierzą nie jedną właściwość ogólną, a wiele jej aspektów. W naszym studium przypadku konstruktem teoretycznym są “kompetencje menadżerskie”. Możemy sobie wyobrazić istnienie kwestionariusza, za pomocą którego można dokonać pomiaru jej czterech aspektów, wyrażanych poprzez trzy podskale i jedną skalę ogólną:
W tym przykładzie mamy zatem jeden konstrukt wyrażony przez cztery wskaźniki. Dlatego też postawienie jednej hipotezy to za mało. Możemy jednak potraktować ją jako hipotezę ogólną/główną i rozwinąć ją dodatkowo do postaci hipotez szczegółowych. Rozważmy to dla jednej z hipotez badawczych.
W analogiczny sposób należałoby rozpisać pozostałe hipotezy badawcze. Wydaje się to proste, jednak czasami prowadzi do „dziwnych” efektów. Jeśli naszym zadaniem jest rozpisanie 4 hipotez ogólnych, np. w 12 hipotez szczegółowych, to nie ma problemu. Wystarczy jednak, że nasze badanie dotyczyć będzie związku między kilkoma wielowymiarowymi konstruktami. Wyobraźmy sobie, że 4 wskaźniki kompetencji menadżerskich chcemy powiązać nie z jednym, ogólnym wskaźnikiem inteligencji, a z 4. W rezultacie z jednej hipotezy ogólnej otrzymamy 16 hipotez szczegółowych. Jeśli w naszym badaniu kilka konstruktów będzie wielowymiarowych, to możemy uzyskać jeszcze więcej hipotez szczegółowych, np. 60, 80 czy 100.
Co możemy zrobić w takiej sytuacji? Czy naprawdę w takiej sytuacji zmuszeni jesteśmy do stawiania dziesiątek hipotez, których rozpisanie może zająć wiele stron? Niekoniecznie. W takiej sytuacji sugerujemy jedno z dwóch wyjść: 1) postawienie jedynie hipotez ogólnych, bez szczegółowych; 2) Dokonanie selekcji najważniejszych związków dotyczących hipotez szczegółowych i postawienie jedynie hipotez szczegółowych z uzasadnieniem. Należy wtedy zadbać o dokładny opis użytych narzędzi oraz operacjonalizacji zmiennych, po to aby nie było wątpliwości co do wskaźników poszczególnych konstruktów.
Hipotezy stawia się po to, aby można było je zweryfikować. Oznacza to, że wyniki analizy statystycznej powinny w sposób konkretny i niepozostawiający wątpliwości prowadzić do decyzji: hipoteza została potwierdzona vs hipoteza została odrzucona . Dokładnie tak dzieje się zwykle w odniesieniu do hipotez szczegółowych, jednak w przypadku hipotez ogólnych bywa inaczej. Nastręcza to pewne trudności interpretacyjne. Aby to rozważyć, powróćmy do poprzedniego przykładu.
Aby zweryfikować te hipotezy, należy wykonać analizę korelacji. Jej wynik zostanie zaprezentowany w formie macierzy korelacji 1×4, gdzie każdy z czterech wyników odpowiadać będzie jednej hipotezie szczegółowej – każdej z nich odpowiadać będzie jedna wartość p. Tabela 1 zawierająca te wyniki została przedstawiona poniżej.
Wynik tej analizy wskazuje na to, że poziom inteligencji związany jest (dodatnio) z dwoma podskalami kompetencji menadżerskich, natomiast z trzecią podskalą oraz skalą ogólną nie. Oznacza to, że nie da się w konkretny sposób zweryfikować postawionej hipotezy ogólnej. Związana jest ona przecież z pytaniem „Czy ogólnie rzecz biorąc kompetencje menadżerskie są dodatnio związane z poziomem inteligencji?”. Odpowiedź na to pytanie brzmiałaby „trochę tak, a trochę nie” lub „częściowo tak”. Możemy jednak zweryfikować hipotezy szczegółowe i w tym przypadku dwie z nich zostają przyjęte, a dwie nie.
Co zrobić w analogicznej sytuacji, jeśli zgodnie z wcześniejszą sugestią tworzymy jedynie hipotezy ogólne, a szczegółowe już nie? Wtedy najczęściej pisze się o „częściowym potwierdzeniu się hipotezy” wraz z dokładnym wyjaśnieniem, które jej „elementy” czy „części” się potwierdziły, a które nie. Słowa „elementy” oraz „części” pojawiają się w cudzysłowie, ponieważ hipoteza ogólna nie posiada przecież żadnych „elementów”. Taka interpretacja jest zasadniczo błędna. Mimo to jest często stosowanym kompromisem pomiędzy pisaniem z osobna o potwierdzeniu każdej z (czasami kilkudziesięciu) hipotez, a niepisaniem niczego. Z naszego punktu widzenia taki kompromis jest uzasadniony, warto jednak rozumieć ograniczenia takiego rozwiązania.
Niestety ale powyższe kwestie powodują, że stawianie hipotez nie zawsze podlega jasnej standaryzacji i zależy od kontekstu pisanej pracy badawczej. Co więcej – zagadnienia związane ze stawianiem hipotez mają jeszcze więcej niuansów.
Klasyfikacja, według której dzielimy hipotezy na ogólne i szczegółowe, nie jest jedyna. Poza nią istnieje również osobny podział na hipotezę zerową oraz hipotezę alternatywną . W tym artykule nie chcemy rozwijać mocno tego zagadnienia, ponieważ zależy nam na tym, aby „ugryźć” omawiany temat w sposób praktyczny od strony metodologicznej. Temat hipotezy zerowej i alternatywnej dotyczy zagadnienia hipotez statystycznych związanych z testami statystycznymi (gdzie w zasadzie każdy test statystyczny testuje inną hipotezę), w odróżnieniu od hipotez badawczych , omawianych w tym tekście, związanych z realizacją problemu badawczego i udzielaniem odpowiedzi na pytania badawcze.
W związku z tym sygnalizujemy istnienie tego dodatkowego podziału i w poszukiwaniu jego omówienia odsyłamy do naszego słownika statystycznego (www.pogotowiestatystyczne.pl) oraz artykułu Krystyny Piątkowskiej opublikowanego na Blogu Statystycznym ➡️ Tutaj .
Czasami w artykułach naukowych przeczytamy jedynie opis „hipotez”, a więc realnie hipotez badawczych. Czasami autorzy dodatkowo rozbijają hipotezy badawcze na hipotezę zerową i alternatywną. My rekomendujemy przede wszystkim stawianie hipotez badawczych, jako istotnych teoretycznie. Według nas hipotezy badawcze są nadrzędne , ponieważ analiza statystyczna jest w gruncie rzeczy jedynie narzędziem nakierowanym na wnioskowanie związane z eksploracją czy konfirmacją (potwierdzaniem) określonej teorii. Ponadto, danej hipotezie badawczej zawsze, „domyślnie”, odpowiadają określone hipotezy statystyczne, związane z danym testem. Na końcu tego artykułu prezentujemy też przykład podziału hipotez badawczych na statystyczne .
W jaki sposób poprawnie formułować hipotezy? Przede wszystkim muszą one opierać się (chociażby pośrednio) na teorii i wynikach badań innych autorów . Dobrze jest również postawić je na samym początku – przed zaprojektowaniem badania i wykonaniem analizy statystycznej. Pozwala to na operacjonalizację zmiennych i bywa pomocne przy doborze lub projektowaniu narzędzi badawczych.
Załóżmy, że interesuje nas zagadnienie uwarunkowań pojawienia się wypalenia zawodowego. Zaczynamy od zapoznania się z literaturą przedmiotu, np. przeczytania kilku artykułów z wynikami badań innych autorów prowadzonych w tym zakresie. W trakcie lektury okazuje się, że większość dotychczasowych badań dotyczyła tego, jak wypalenie zawodowe warunkowane jest przez środowisko pracy oraz cechy osobowościowe. W ten sposób zyskujemy jakiś „punkt zaczepienia”. Następnie możemy sformułować ogólny problem badawczy, dobrać narzędzia, dokonać operacjonalizacji zmiennych, a następnie zacząć stawiać pytania badawcze i odpowiadające im hipotezy.
Na tym etapie hipotezy możemy rozpisać dokładnie „na papierze”. To dobry pomysł w przypadku początkujących badaczy, ponieważ ułatwia to projektowanie badania. Doświadczeni autorzy często rozpisują hipotezy na późniejszym etapie, np. już po zebraniu danych, ale przed opisaniem wyników analizy statystycznej. Nie oznacza to jednak, że hipotez wcześniej nie było – istniały one konceptualnie, tj. „w głowie” autora.
Określając hipotezę, warto od razu zastanowić się w jaki sposób, na poziomie statystycznym, będzie ona weryfikowana. Najprościej jest to zrobić poprzez przypisanie do danej hipotezy konkretnych zmiennych, a także testu statystycznego, który zostanie zastosowany do jej weryfikacji . To doskonały test na to czy dana hipoteza jest postawiona poprawnie. Poza tym, jest to planowanie dalszych etapów badania. Przede wszystkim zabieg ten pomaga oszacować liczebność próby , która musi zostać przebadana. Każdy test statystyczny ma w tym względzie własne wymagania – w niektórych badaniach wystarczy przebadać ~120 osób, podczas gdy inne wymagają liczebności dwu- lub trzykrotnie większej. Liczebność próby szacuje się zwykle przy użyciu programu G*Power – poradnik dotyczący jego stosowania znajduje się w artykule zamieszonym na naszym blogu (www.pogotowiestatystyczne.pl).
Formułując hipotezy, warto pamiętać o stosowaniu precyzyjnych określeń . Jeśli piszemy pracę o „satysfakcji z życia”, to dokładnie tego sformułowania używajmy, bez tworzenia „synonimów” w stylu „jakości życia” czy nawet „zadowolenia z życia”. Między różnymi, pozornie podobnymi konstruktami istnieją często znaczące teoretyczne różnice, a poza tym takie wymienianie pojęć skutkuje zamieszaniem przy interpretacji informacji zawartych w opisie metody badania i rozdziale z wynikami. Wyjątkiem jest sytuacja, w której takie synonimy są stosowane przez twórców danego narzędzia czy autorów – teoretyków.
Tworzenie hipotez (a także pytań badawczych i problemu badawczego) bywa łatwe lub trudne, w zależności od stopnia skomplikowania badania, jego schematu, liczby zmiennych oraz planu analizy. Niestety, panuje w tym zakresie trochę „dziki zachód”. Mówiąc językiem psychometrii, powiedzielibyśmy, że stawianie hipotez nie podlega tak ścisłej standaryzacji, jak opisywanie wyników analizy statystycznej. Podręczniki do metodologii badań i psychometrii ukazują te zagadnienia na różne sposoby, często w sposób mało praktyczny. W przypadku prac dyplomowych dochodzą też różne (czasami sprzeczne) wymagania ze strony promotorów. W końcu, istnieją konkretne dylematy dotyczące stawiania hipotez ogólnych vs szczegółowych (jak na złość do tego dochodzą też hipotezy zerowe i alternatywne, kierunkowe i bezkierunkowe), gdzie czasami warto pójść na kompromis i z przedstawiania pewnych elementów świadomie zrezygnować.
Mamy nadzieję, że nasz tekst ułatwia poruszanie się w tych kwestiach. Zapraszamy też do zapoznania się z przykładami stawiania problemu badawczego, pytań badawczych i hipotez, zawartymi na kolejnych stronach artykułu .
Brzeziński, J. (2019). Metodologia badań psychologicznych. Warszawa: Wydawnictwo Naukowe PWN.
Field, A. P. (2018). Discovering statistics using IBM SPSS statistics, 5th edition. London: SAGE Publications.
Francuz, P., Mackiewicz, R. (2007). Liczby nie wiedzą skąd pochodzą. Przewodnik po metodologii i statystyce nie tylko dla psychologów. Lublin: Katolicki Uniwersytet Lubelski.
Krajewski, M. (2020). O metodologii nauk i zasadach pisarstwa naukowego. Płock: WN NOVUM & Mirosław Krajewski.
https://www.statystyczny.pl/hipotezy-statystyczne/ (dostęp 04.03.2026)
