Ostatnia aktualizacja 31 października 2025
Znasz to: robisz test (ANOVA, Kruskal–Wallis, Friedman), patrzysz na wynik, jest p < 0,05 i… fajerwerki. Tylko że to dopiero początek. Bo ten test mówi jedynie: „różnice są”. A między którymi grupami? Które momenty naprawdę się różnią, a które są do siebie podobne? Tego nie dowiesz się bez testów post-hoc.
Pomyśl o nich jak o „dogrywce” po meczu: główny test ogłasza, że ktoś wygrał, ale post-hoc wskazuje kto z kim i o ile. Do tego dorzuca korektę za wielokrotne porównania (żeby nie cieszyć się z przypadkowych „istotności”) i sprawia, że Twoje wnioski brzmią poważnie, a nie „na czuja”.
W skrócie: jeżeli w wynikach masz „istotnie”, to testy post-hoc powiedzą Ci „konkretnie”. I o to właśnie chodzi w nauce — mniej zgadywania, więcej dowodów. 🚀
Potrzebujesz szybkiej pomocy z obliczeniem test post-hoc w swojej pracy dyplomowej? Kliknij poniżej 
–> Test post-hoc do pracy magisterskiej. Błyskawiczna pomoc
–> Wzory rozdziałów badawczych ze statystyką
Nie wiem, jak zacząć. Masz coś dla mnie?
–> E-book- Jak Napisać Pracę Dyplomową W Tydzień
–> Pobierz przykładową pracę licencjacką
Co to właściwie jest test post-hoc?
Wyobraź sobie, że główny test (ANOVA, Kruskal–Wallis, Friedman) powiedział: „różnice są”. Super — ale pomiędzy kim dokładnie? Test post-hoc to właśnie ta dogrywka, która sprawdza które pary grup/momentów naprawdę się różnią i czy to nie jest przypadek.
Działa to tak: po wyniku globalnym (p < 0,05) uruchamiasz zestaw porównań para-po-parze, a test post-hoc dodaje korektę za wielokrotne sprawdzanie (np. Holm, Bonferroni, Tukey, Dunn), żeby nie „wyklikać” fałszywych istotności.
- Gdy użyłeś ANOVY (≥3 niezależne grupy, dane ~normalne) — typowo Tukey HSD.
- Gdy użyłeś Kruskal–Wallisa (≥3 niezależne, porządkowe/nienormalne) — najczęściej Dunn z korektą (np. Holm).
- Gdy użyłeś Friedmana (≥3 zależne pomiary u tych samych osób) — robisz sparowane Wilcoxony dla par momentów z korektą (Holm/Bonferroni).
Kiedy ma sens: zawsze wtedy, gdy test globalny jest istotny i chcesz powiedzieć kto z kim się różni (np. „Chirurgia > Interna, Interna > Ortopedia”).
Kiedy nie ma sensu: gdy test globalny nie jest istotny — wtedy post-hoc zwykle pomijasz (albo robisz tylko eksploracyjnie, wyraźnie to zaznaczając).
Krótko: test post-hoc = tłumacz ogłoszenia „różnice są” na konkret „różni się A z B (p = …), ale A ≈ C” — dzięki niemu Twój wynik ma treść, kierunek i sens.
Po co Ci test post-hoc w pracy magisterskiej
Bo sam wynik „różnice są” nic nie załatwia. Główny test (ANOVA/Kruskal–Wallis/Friedman) mówi tylko, że grupy nie są identyczne. Promotor zapyta: które dokładnie się różnią i w którą stronę? Testy post-hoc dają tę odpowiedź: wskazują konkretne pary (A vs B, A vs C…), pokazują kierunek („A > B”) i pilnują błędów dzięki korektom za wielokrotne porównania (Holm, Bonferroni, Tukey, Dunn). Dzięki temu Twoje wnioski są uczciwe, powtarzalne i „promotoro-odporne”: nie opierasz się na wrażeniu, tylko na liczbach.
Praktycznie- po istotnym teście globalnym uruchamiasz post-hoc pasujący do metody (ANOVA → Tukey; Kruskal–Wallis → Dunn; Friedman → pary Wilcoxona z korektą), dopisujesz p po korekcie, pokazujesz mediany/IQR (lub średnie/SD, gdy parametrycznie) i już wiesz, kto naprawdę się różni.
Zdanie do wklejenia:
„Po istotnym wyniku testu globalnego przeprowadzono analizy post-hoc (…: Tukey/Dunn/Wilcoxon z korektą Holma), które wykazały, że grupa A różni się od B (p_koryg. = …), natomiast A nie różni się istotnie od C (p_koryg. = …).”
Przykład badania krok po kroku (na danych z testu Kruskala–Wallisa lub Friedmana)
Przykład post-hoc na Twoich danych „stres: przed – w trakcie – po” (Jamovi, od A do Z)
Krok 1 — Upewnij się, że Twoje dane są OK
W arkuszu Jamovi wklej swoje dane i ustwa odpowiednie miay kolumnm liczbowe lub porządkowe U mnie są trzy kolumny z tymi samymi osobami w wierszach:
Stres_przed, Stres_wtrakcie, Stres_po.
Miara kolumn: Porządkowa.
Krok 2 — Test Friedmana
Analizy →Anova →Anova dla powtarzalnych pomiarów →Test Friedmana
Przenieś swoje kolumny do pola pomiarów u mnie to (kolejność: przed, w trakcie, po).
Poniżej w okienku Opcje, przewiń lekko w dół — tam zobaczysz:
✅ „Porównania parami (test Durbin–Conovera)” — to właśnie jest Twoje post-hoc!
- Zaznacz ten checkbox.
- Po jego włączeniu pojawi się tabela z parami porównań (u mnie „Stres_przed – Stres_wtrakcie” itp.).
To właśnie pełny wynik testu Friedmana z analizą post-hoc (Durbin–Conover) —
✅ Przykładowy zapis do pracy
W celu zbadania różnic w poziomie stresu u pielęgniarek przed, w trakcie i po szkoleniu z zarządzania stresem zastosowano test Friedmana, który wykazał istotne różnice między trzema pomiarami: χ²(2) = 40.0, p < .001.
Oznacza to, że poziom stresu u badanych nie był jednakowy w poszczególnych etapach badania.
Dalsze analizy post-hoc testem Durbin–Conovera wykazały, że poziom stresu różnił się istotnie między wszystkimi parami pomiarów:
– przed – w trakcie (p < .001),
– przed – po (p < .001),
– w trakcie – po (p < .001).
Wyniki te wskazują na systematyczny spadek poziomu stresu – najwyższy poziom występował przed szkoleniem, a najniższy po jego zakończeniu.
🧩 Jak to interpretować
- χ²(2) = 40.0 → różnice między momentami są istotne.
- p < .001 → prawdopodobieństwo, że wynik jest przypadkowy, jest bardzo małe.
- Durbin–Conover to analiza post-hoc, czyli sprawdzenie, między którymi dokładnie momentami różnice występują (u mnie: między wszystkimi).
💡 Gdzie przyda Ci się test POST-HOC?
Najczęstsze błędy przy testach post-hoc (i szybkie naprawy)
1) Mylenie testu post-hoc z testem głównym
Błąd: Zamiast ANOVA/Kruskal–Wallis/Friedman od razu robisz porównania par.
Naprawa: Najpierw test globalny (czy „różnice są?”), dopiero potem post-hoc (między którymi).
2) Zły dobór testu post-hoc
Błąd: Tukey po Kruskalu, albo Wilcoxon przy niezależnych grupach.
Naprawa:
- ANOVA (parametryczna) → Tukey HSD.
- Kruskal–Wallis → Dunn (z korektą).
- Friedman (zależne pomiary) → Wilcoxon par (z korektą).
3) Brak korekty za wielokrotne porównania
Błąd: Raportujesz „surowe” p dla wielu par (duże ryzyko fałszywych istotności).
Naprawa: Zastosuj Holm (polecane) lub Bonferroni i podaj to w tekście.
4) Błędna interpretacja p-value
Błąd: „p = .04 oznacza duży efekt” albo „p > .05 = brak różnicy w ogóle”.
Naprawa: p mówi o istotności, nie o wielkości efektu. Dodaj kierunek (A > B) i miarę efektu/mediany + IQR.
5) Post-hoc mimo braku wyniku globalnego
Błąd: Test główny nieistotny, a i tak robisz post-hoc „bo ciekawie wyszło”.
Naprawa: Nie robisz post-hoc (albo wyraźnie oznaczasz jako eksploracyjne).
Test post-hoc Zakończenie
Główny test mówi: „różnice są”. Test post-hoc dopowiada: „między którymi, w którą stronę i z jaką pewnością”. To cała magia. Kilka klików w Jamovi (właściwy post-hoc + korekta Holma/Bonferroniego), krótkie tabelki z p-value i medianami/IQR – i masz wnioski, które bronią się same.
Zapamiętaj mantrę na obronę:
globalny test → post-hoc → korekta → kierunek i wielkość efektu.
Z tym schematem Twoja analiza przestaje być „na czuja”, a staje się konkretna, uczciwa i promotoroodporna. Post-hoc nie straszy – on po prostu mówi prawdę o danych. 📊✨
