Vícerozměrné statistické metody - detail zprávy #808

Vztahové prediktory sebehodnocení u vysokoškolských studentů

Veronika Máčalová, 06. 04. 2026

Data: Preference v partnerském výběru u vysokoškolských studentů, Veronika Máčalová, bakalářská práce

V práci se vyskytuje: Lin. regrese

Udělená slovní hodnocení

• Výzkumná otázka je dobře teoreticky ukotvená a předpoklady regrese jsou ověřeny pečlivě. Analýza je provedena správně, včetně ověření předpokladů regrese. Interpretace dat je srozumitelná. Diskuze mohla být podrobnější a mohla více vysvětlit, co nám vlastně říká o povaze sebehodnocení jako konstruktu.
• Nejlepší zpráva v dávce. Vlastní data z bakalářky, kompletní diagnostika předpokladů regrese: Q-Q plot, graf reziduí, Shapiro-Wilk, Durbin-Watson, VIF — všechno tam je. Model vyšel nesignifikantní, ale autorka to zvládla vzorově: žádné overinterpretování, upřímná diskuse nulového výsledku, reflexe borderline nálezu (způsob seznámení, , promyšlené limity. Tohle je ukázka toho, jak se má psát zpráva i s „nezajímavými" výsledky.
• Je fajn, že autor/ka nezametla negativní výsledky pod koberec a naopak je poctivě interpretuje a zamýšlí se nad tím, co mohlo chybět (třeba kvalita vztahu). To je hezký a zralý přístup. Předpoklady regrese jsou ověřeny pečlivě a důkladně včetně Durbin-Watsonova testu, který jsem tady ještě asi neviděla. Drobná slabina je v tom, že soubor je poměrně malý (N = 95) a výrazně nevyvážený co do pohlaví (83 % žen). Bylo by fajn to více propojit s interpretací výsledků. Text je napsaný kultivovaně a čte se příjemně. Tabulka výsledků je přehledná a správně okomentovaná. Grafy předpokladů jsou ale vizuálně docela děsné a navíc mají popisky os anglicky a mému oku nelahodí ani to rozsypané zarovnání. I tabulka se dala roztáhnout od okraje k okraji. Diskuze je však upřímná, dobře zasazená do literatury a nezakrývá limity.
• Zajímavá práce se silným teoretickým základem a kvalitní diskuzí. Oceňuji reflexi limitů malého vzorku. Didakticky by práci prospělo více vizuálních prvků k interpretaci hlavních prediktorů.
• Hezky zpracovaná práce, možná by stálo za to přidat vizualizace dat pro lepší představu.
• Práce prokazuje velmi dobrou orientaci v problematice lineární regrese. Správně jsou ověřeny klíčové předpoklady modelu. Interpretace výsledků je opatrná. Text je velmi srozumitelný, logicky strukturovaný. Teoretické ukotvení je adekvátní. Postup je vysvětlen dostatečně podrobně.