Στατιστική για Φοιτητές Ψυχολογίας: Τι Πρέπει να Ξέρεις (Χωρίς να Είσαι Μαθηματικός)

Από Databros / Απρίλιος 2026

«Γιατί χρειάζομαι στατιστική εγώ; Θέλω να βοηθάω ανθρώπους, όχι να κάνω εξισώσεις.»

Αν σε αντιπροσωπεύει αυτή η φράση, καλωσήλθες. Τη λέμε κάθε εβδομάδα από φοιτητές Ψυχολογίας, Παιδαγωγικών, Νοσηλευτικής και Κοινωνιολογίας που φτάνουν στη Databros με μια πτυχιακή ή διπλωματική στα χέρια και ένα ερώτημα: «Πώς θα κάνω αυτή τη στατιστική ανάλυση για ψυχολογία;»

Η αλήθεια είναι απλή: δεν χρειάζεσαι να είσαι μαθηματικός. Χρειάζεσαι να καταλαβαίνεις τι κάνεις και γιατί — το πρόγραμμα κάνει τους υπολογισμούς. Αυτός ο οδηγός είναι γραμμένος ακριβώς για σένα.

Τι θα μάθεις:

• Γιατί η στατιστική υπάρχει στη Ψυχολογία (και τι θα έχανες χωρίς αυτή)
• Τους 5 βασικούς όρους που πρέπει να καταλαβαίνεις πριν ανοίξεις το SPSS
• Ποια ανάλυση αντιστοιχεί σε ποια ερευνητική ερώτηση
• Πώς να διαβάζεις τα αποτελέσματα και να τα γράφεις σωστά στην εργασία σου
• Τα 4 πιο συχνά λάθη που κάνουν οι φοιτητές Ψυχολογίας

Γιατί η Στατιστική Υπάρχει στην Ψυχολογία;

 

Φαντάσου ότι δίνεις μια νέα θεραπεία για αγοραφοβία σε 10 ανθρώπους και 7 από αυτούς βελτιώνονται. Λειτουργεί η θεραπεία;

Ίσως. Αλλά ίσως και τύχη. Ίσως οι 7 θα βελτιώνονταν ούτως ή άλλως με τον χρόνο. Ίσως το δείγμα των 10 δεν αντιπροσωπεύει τους υπόλοιπους.

Η στατιστική είναι το εργαλείο που μας λέει: «Αυτό που βλέπω είναι πραγματικό ή τυχαίο;» Χωρίς αυτή, η ψυχολογία θα ήταν απλώς συλλογή εντυπώσεων και προσωπικών απόψεων — όχι επιστήμη.

Αυτός είναι ο λόγος που κάθε εμπειρική εργασία ψυχολογίας — από τα 3.000 λόγια της εξαμηνιαίας μέχρι την 100-σέλιδη πτυχιακή — απαιτεί στατιστική ανάλυση.

Οι 5 Βασικοί Στατιστικοί Όροι σε Απλά Ελληνικά

Πριν ανοίξεις οποιοδήποτε πρόγραμμα, πρέπει να έχεις ξεκαθαρίσει αυτές τις έννοιες στο μυαλό σου. Όλα τα υπόλοιπα χτίζονται πάνω τους.

Όρος 1: Μεταβλητή

Οτιδήποτε μετράς ή καταγράφεις στην έρευνά σου.

Παραδείγματα: ηλικία, βαθμολογία άγχους, φύλο, ώρες ύπνου, αριθμός συνεδριών θεραπείας.

Κάθε στήλη στο Excel ή SPSS σου είναι μια μεταβλητή.

Όρος 2: Ανεξάρτητη vs Εξαρτημένη Μεταβλητή

Αυτή είναι η πιο κρίσιμη διάκριση στη στατιστική για πτυχιακή ψυχολογίας:

• Ανεξάρτητη: αυτή που επηρεάζει ή χωρίζει τις ομάδες σου — π.χ. τύπος θεραπείας, φύλο, ηλικιακή ομάδα
• Εξαρτημένη: αυτή που μετράς ως αποτέλεσμα — π.χ. επίπεδο άγχους, βαθμολογία κατάθλιψης, αριθμός επεισοδίων

Μνημονικό: Η εξαρτημένη εξαρτάται από την ανεξάρτητη.

Παράδειγμα: «Διαφέρει το επίπεδο άγχους (εξαρτημένη) ανάλογα με τον τύπο θεραπείας (ανεξάρτητη);»

Όρος 3: Δείγμα vs Πληθυσμός

• Πληθυσμός: όλοι οι άνθρωποι που σε ενδιαφέρουν — π.χ. «όλοι οι έφηβοι στην Ελλάδα»
• Δείγμα: οι άνθρωποι που πραγματικά συμμετέχουν στη μελέτη σου — π.χ. «120 έφηβοι από 3 γυμνάσια στη Θεσσαλονίκη»

Η στατιστική μάς επιτρέπει να βγάλουμε συμπεράσματα για τον πληθυσμό βασισμένα στο δείγμα. Γι’ αυτό σημασία έχει το δείγμα να είναι αντιπροσωπευτικό.

Όρος 4: Κλίμακα Μέτρησης

Αυτό καθορίζει ποια στατιστική ανάλυση για εργασία ψυχολογίας θα κάνεις:

💡 Πρακτικός κανόνας: Αν μπορείς να υπολογίσεις σωστά τον μέσο όρο, η μεταβλητή είναι συνεχής. Ο «μέσος όρος φύλου» δεν έχει νόημα → κατηγορική.

Όρος 5: Κανονικότητα (Normality)

Πολλές στατιστικές αναλύσεις (t-test, ANOVA) απαιτούν τα δεδομένα να ακολουθούν κανονική κατανομή (η γνωστή «καμπάνα»).

Πώς το ελέγχεις στο SPSS: Analyze → Descriptive Statistics → Explore → Plots → Normality plots with tests

• Αν Sig. > .05 → τα δεδομένα είναι κανονικά κατανεμημένα ✅
• Αν Sig. < .05 → χρησιμοποίησε μη-παραμετρικές εναλλακτικές

Ποια Ανάλυση για Ποιο Ερώτημα; Ο Οδηγός για Φοιτητές Ψυχολογίας

 

Ξέχνα τα μαθηματικά — σκέψου απλώς τι θέλεις να μάθεις:

«Διαφέρουν δύο ομάδες;» → Χρησιμοποίησε t-test

Παραδείγματα ερευνητικών ερωτημάτων:

• Διαφέρει το επίπεδο κατάθλιψης μεταξύ ανδρών και γυναικών;
• Βελτιώθηκε το άγχος πριν και μετά την παρέμβαση;
• Έχουν διαφορετικά επίπεδα αυτοεκτίμησης παιδιά με και χωρίς ΔΑΦ;

Σε SPSS: Analyze → Compare Means → Independent-Samples T Test (για διαφορετικές ομάδες) ή Paired-Samples T Test (για ίδια άτομα, 2 χρονικές στιγμές)

«Διαφέρουν τρεις ή περισσότερες ομάδες;» → Χρησιμοποίησε ANOVA

Παραδείγματα:

• Διαφέρει η επαγγελματική εξουθένωση μεταξύ νοσηλευτών, ψυχολόγων και κοινωνικών λειτουργών;
• Υπάρχει διαφορά στη σχολική επίδοση μεταξύ 3 τύπων γονικής προσκόλλησης;

Σε SPSS: Analyze → Compare Means → One-Way ANOVA

«Σχετίζονται δύο πράγματα μεταξύ τους;» → Χρησιμοποίησε Συσχέτιση

Παραδείγματα:

• Σχετίζεται η αυτοεκτίμηση με τη σχολική επίδοση;
• Υπάρχει σχέση μεταξύ ώρων ύπνου και επιπέδου άγχους;

Σε SPSS: Analyze → Correlate → Bivariate

⚠️ Σημαντικό: Συσχέτιση δεν σημαίνει αιτιότητα. Αν βρεις ότι χαμηλή αυτοεκτίμηση συνδέεται με χαμηλή επίδοση, δεν σημαίνει ότι η χαμηλή αυτοεκτίμηση προκαλεί τη χαμηλή επίδοση. Μπορεί και τα δύο να οφείλονται σε κάτι τρίτο.

«Μπορεί κάτι να “προβλέψει” κάτι άλλο;» → Χρησιμοποίησε Regression

Παραδείγματα:

• Προβλέπει η ποιότητα δεσμού γονέα-παιδιού τη μετέπειτα κοινωνική ανάπτυξη;
• Ποιοι παράγοντες (άγχος, κόπωση, υποστήριξη) προβλέπουν την επαγγελματική εξουθένωση;

Σε SPSS: Analyze → Regression → Linear

Πώς να Γράψεις τα Αποτελέσματα σε APA Style (για Μη-Στατιστικούς)

 

Ένα από τα πιο συχνά προβλήματα που βλέπουμε στη Databros: ο φοιτητής κάνει σωστά την ανάλυση αλλά δεν ξέρει πώς να τη γράψει στην εργασία.

Ο Χρυσός Κανόνας

Κάθε αποτέλεσμα γράφεται σε μια πρόταση που απαντά απευθείας στο ερευνητικό ερώτημα, ακολουθούμενη από τους αριθμούς σε παρένθεση.

Πρότυπες Διατυπώσεις ανά Ανάλυση

t-test:

«Παρατηρήθηκε στατιστικά σημαντική διαφορά στα επίπεδα άγχους μεταξύ γυναικών (M=42.3, SD=8.1) και ανδρών (M=37.6, SD=9.4), t(118)=2.84, p=.005.»

Συσχέτιση:

«Βρέθηκε αρνητική συσχέτιση μέτριας έντασης μεταξύ αυτοεκτίμησης και επιπέδων άγχους, r(120)=-.38, p<.001, υποδηλώνοντας ότι υψηλότερη αυτοεκτίμηση συνδέεται με χαμηλότερο άγχος.»

ANOVA:

«Υπήρξε στατιστικά σημαντική διαφορά στα επίπεδα επαγγελματικής εξουθένωσης μεταξύ των τριών επαγγελματικών ομάδων, F(2,117)=9.23, p<.001. Οι Post-Hoc αναλύσεις Tukey έδειξαν ότι οι νοσηλευτές (M=68.4) είχαν σημαντικά υψηλότερα επίπεδα εξουθένωσης σε σχέση με τους ψυχολόγους (M=61.2, p=.012).»

Τα 4 Πιο Συχνά Λάθη Φοιτητών Ψυχολογίας στη Στατιστική

 

Λάθος 1: «Βγήκε μη-σημαντικό — άρα απέτυχα η έρευνά μου»

Όχι. Ένα αποτέλεσμα p>.05 δεν σημαίνει αποτυχία — σημαίνει ότι δεν βρήκες αρκετά ισχυρή ένδειξη για να απορρίψεις την υπόθεση ότι δεν υπάρχει διαφορά. Αυτό είναι επίσης έγκυρο εύρημα και συζητιέται ως τέτοιο στην εργασία.

Λάθος 2: Στατιστική Σημαντικότητα ≠ Πρακτική Σημαντικότητα

Με μεγάλο δείγμα (N>500), σχεδόν οτιδήποτε βγαίνει στατιστικά σημαντικό. Μια διαφορά 0.3 μονάδων σε κλίμακα 100 μπορεί να είναι p<.001 αλλά να μην έχει καμία κλινική σημασία.

Γι’ αυτό αναφέρεις πάντα και το effect size (Cohen’s d, η², r) που σου λέει πόσο μεγάλη είναι η διαφορά.

Λάθος 3: Λάθος Ανάλυση για Likert Κλίμακες

Πολλοί φοιτητές κάνουν Pearson Correlation ή t-test σε βαθμολογίες Likert 4-βαθμίδων με δείγμα 40 ατόμων. Σε τέτοιες περιπτώσεις χρησιμοποίησε Spearman (για συσχέτιση) ή Mann-Whitney (για σύγκριση ομάδων).

Λάθος 4: Παράλειψη των Προϋποθέσεων (Assumptions)

Κάθε ανάλυση έχει προϋποθέσεις που πρέπει να ελέγχεις πριν την τρέξεις:

---

Χρειάζεσαι Βοήθεια με τη Στατιστική Ανάλυση της Εργασίας σου;

Αν έχεις εργασία ψυχολογίας ή παιδαγωγικών με στατιστική ανάλυση σε SPSS και δεν ξέρεις από πού να ξεκινήσεις — ή αν έχεις τρέξει τις αναλύσεις αλλά δεν ξέρεις πώς να τις ερμηνεύσεις — η ομάδα της Databros μπορεί να σε βοηθήσει.

Αναλαμβάνουμε την πλήρη στατιστική ανάλυση (SPSS, R, JASP) με αναλυτική επεξήγηση των αποτελεσμάτων, έτοιμη για να ενσωματωθεί στη συγγραφή σου.

👉 Ζήτα προσφορά τώρα

---

Συχνές Ερωτήσεις για τη Στατιστική στην Ψυχολογία

 

Δεν έχω SPSS. Τι μπορώ να χρησιμοποιήσω; Έλεγξε αν το ΑΕΙ σου παρέχει πρόσβαση (τα περισσότερα παρέχουν). Εναλλακτικά, το JASP είναι 100% δωρεάν, έχει παρόμοιο interface και κάνει τις ίδιες αναλύσεις.

Πόσα άτομα χρειάζομαι για την πτυχιακή μου; Ως γενικός κανόνας: για t-test ≥30 ανά ομάδα, για ANOVA ≥20 ανά ομάδα, για regression ≥10 συμμετέχοντες ανά μεταβλητή. Για ακριβή υπολογισμό, χρησιμοποίησε το δωρεάν εργαλείο G*Power.

Χρειάζεται να γράψω κώδικα για να κάνω στατιστική; Όχι. Το SPSS κάνει τα πάντα με point-and-click, χωρίς κώδικα.

Τι είναι το p-value σε απλά ελληνικά; Είναι η πιθανότητα να δεις αυτά τα αποτελέσματα αν δεν υπήρχε πραγματική διαφορά στον πληθυσμό. Αν p=.03, υπάρχει 3% πιθανότητα το αποτέλεσμά σου να οφείλεται σε τύχη. Το .05 είναι η συμβατική «κόκκινη γραμμή».

Μπορώ να κάνω στατιστική χωρίς να κατανοώ τη μαθηματική θεωρία; Για φοιτητικές εργασίες: ναι, απόλυτα. Χρειάζεται να ξέρεις τι ερώτηση απαντά κάθε ανάλυση και πώς ερμηνεύεις τα αποτελέσματα — όχι πώς υπολογίζονται.