Vícerozměrné statistické metody - detail zprávy #461

Multivariantní posouzení vlivu demografických faktorů na užívání vybraných látek

Michaela Čárková, 13. 03. 2025

Data: Umělý inteligence (Chat GPT 4), vygenerováno dle instrukcí autorky

V práci se vyskytuje: MANOVA

Udělená slovní hodnocení

• Fiktivní dataset – největší slabina. Práce s daty: Použití MANOVY, ale výstupy jsou dost obecné. Použitá metoda: Teoreticky v pořádku, ale slabší interpretace a přínos kvůli umělým datům. Prezentace výsledků: Shrnutí výsledků je stručnější, grafy chybí. Interpretace: Spíše formální, praktická využitelnost nízká. Limity zpracování: Zmíněny (fiktivnost dat). Doporučení na zlepšení: Metodicky správné, ale kvůli nerealnosti dat a slabší prezentaci
• Zajímavý nápad získat fiktivní data pro cvičení pomocí AI.
• Silnou stránkou je pečlivě strukturovaný teoretický úvod, který nejenže uvádí relevantní fakta o konzumaci alkoholu, tabáku a léků, ale také dobře kontextualizuje význam jednotlivých proměnných.
• Zajímavé výsledky, ale pro běžného čtenáře trochu obtížnější na pochopení.
• Analýza správně využívá statistické testy k určení, jak věk, vzdělání a pohlaví ovlivňují konzumaci návykových látek. Zpráva je srozumitelná a jasně ukazuje, na faktory, které mají významný vliv. Studentům může pomoci lépe pochopit souvislosti mezi demografickými údaji a chováním lidí. Didaktickou hodnotu má i systematičnost - autor nejprve ověřil více proměnných a následně se zaměřil na pohlaví, čímž zpřesnil závěry analýzy.
• Některé části jsou příliš rozvláčné, zejména v teoretickém ukotvení. Zvažte např. větší zaměření na klíčové informace. Není dodržen manuál pro psaní kvalifikačních prací. U tabulek by bylo možné zvolit estetičtější formátování, zdroje by mohly být uvedeny bez modrého zabarvení a podtržení. Použití MANOVA je vhodné pro analýzu vlivu více nezávislých proměnných na závislé proměnné. Bylo provedeno první měření zaměřené na všechny nezávislé proměnné (věk, pohlaví, vzdělání) a druhé měření zaměřené pouze na pohlaví pomocí Hotellingova testu. Výběr metod je správný, ale vysvětlení statistických postupů by mohlo být podrobnější. Například vysvětlení významu Wilksovy lambdy a jejího doplňku není dostatečně rozvinuté. Tabulky uvádějící výsledky jsou jasné a přehledné. Z výsledků je patrné, že věk má největší vliv na rozptyl závislých proměnných (39 %), zatímco pohlaví má pouze marginální vliv (2 %). Druhé měření ukázalo signifikantní vliv pohlaví na závislé proměnné (p < 0,001), což je správná interpretace. Ve výpočtech nejsou chyby, bylo by však zajímavé více interpretovat a vysvětlit použité statistické metody. Zvážit zahrnutí dalších testů pro potvrzení výsledků MANOVA (např. post hoc analýzy).