Vícerozměrné statistické metody - detail zprávy #729
Diskriminační schopnost škály emoční blízkosti v partnerském vztahu (ROC analýza)
Radka Černáková, 17. 03. 2026
Data: Škála emoční blízkosti v partnerském vztahu, Bysková et al., projekt v rámci předmětu Psychometrika 1
V práci se vyskytuje: ROC
Udělená slovní hodnocení
- Práce je velmi propracovaná, možná trochu delší, ale vše je adekvátně vysvětleno
- Tohle je zpráva, kde se autor nebál přiznat, že výsledek vyšel „špatně" – a právě proto je nejlepší z celé pětice. Metodicky je to bezchybné. Co se mi obzvlášť líbí: autor reflektuje, že mediánový split je problematický. To je bod, který většina lidí neřeší, přitom dichotomizace spojité proměnné vždy vede ke ztrátě variance. Taky je fajn, že autor otevřeně říká „škála nepředstavuje standardizovaný nástroj" – to je upřímnost, kterou v jiných zprávách nevidím.Co bych vytknul: chybí mi deskriptivní statistika – jaké bylo průměrné HS, jaký rozptyl, jak vypadala distribuce? Taky by pomohl box plot HS podle dvou skupin, aby bylo vizuálně jasné, jak moc (ne)se překrývají. A rád bych viděl aspoň zmínku o tom, jak byl počítán Youdenův index – ne každý čtenář to zná. Nakonec, N = 277 z původních 398 je poměrně velký úbytek (30 %) a autor nekomentuje, zda vyřazení respondenti se nějak lišili od zahrnutých (potenciální selection bias).
- Tohle je podle mě nejlepší zpráva z celé sady, a to hlavně proto, že je poctivá. Výsledek vyšel záporný – škála neumí rozlišit, kdo tráví s partnerem víc nebo míň času – a autorka to prostě napíše. Žádné vytáčení, žádné „výsledky naznačují slabý, ale zajímavý trend." AUC je 0,566 a interval spolehlivosti zahrnuje 0,5. Hotovo. Co mi na tom přišlo fakt dobré: vysvětlení ROC logiky je přehledné. Senzitivita, specificita, Youdenův index – to všechno je v textu a správně. Tabulka parametrů je úhledná a člověk si v ní najde co potřebuje. Co bych vytknul: ta ROC křivka v grafu vypadá ručně nakreslená, ne jako výstup ze softwaru. Mohlo by to být tím, jak byla převedena do PDF, ale je to trochu podezřelé. A jedno věcné místo – autorka píše o mediánovém dělení jako o limitu (ztráta informace), ale přitom si nevšimne, že výsledné skupiny jsou skoro dokonale symetrické (138 vs. 139), což je pro ROC naopak výhoda. Mohl to být argument pro robustnost analýzy, místo toho to zůstalo nezmíněné.
- Zpráva je napsaná srozumitelně, čitelně, oceňuji vysvětlení principu fungování ROC analýzy. Bylo by dobré někde vypsat jakého maximálního skóru bylo možné v testu dosáhnout, protože hodnota cut-off skóru HS = 153 nám nic moc neřekne o tom jak přísné to je + doplnit deskriptivní statistiky. Použití Youdenova indexu pro stanovení optimální cut-off hodnoty mi přišlo na místě. Vyvarovala bych se formulacím "hypotéza se nepotvrdila", "data souvislost potvrzují". Některé interpretace mi přišly trochu více jakoby autor dělal korelační analýzu. Autor do své práce zařadil i limity, které mi přijdou na místě, např. o ztrátě informací při použití mediánového dělení.
- Analýza působí promyšleně, dává smysl a je velmi dobře strukturovaná. Oceňuji jasně formulovaný cíl i logický a srozumitelně vysvětlený postup analýzy. Výsledky jsou přehledně interpretované a dobře navazují na hypotézu, takže je jasné, k jakému závěru práce dochází. Celkově práce působí velmi uceleně a přehledně.