اندازه اثر

اندازه اثر  در انجام پایان نامه به شما می گوید که رابطه بین متغیرها یا تفاوت بین گروه ها چقدر معنادار است. این نشان دهنده اهمیت عملی یک نتیجه تحقیق است.

اندازه اثر بزرگ به این معنی است که یک یافته تحقیق دارای اهمیت عملی است، در حالی که اندازه اثر کوچک نشان دهنده کاربردهای عملی محدود است.

فهرست مطالب

توجه داشته باشید

روش های مختلفی برای گزارش نتایج شما وجود دارد. در این مقاله از دستورالعمل های APA پیروی می کنیم.

چرا اندازه اثر مهم است؟

در حالی که اهمیت آماری نشان می دهد که یک اثر در یک مطالعه وجود دارد، اهمیت عملی نشان می دهد که اثر به اندازه کافی بزرگ است که در دنیای واقعی معنادار باشد. اهمیت آماری با مقادیر p نشان داده می شود، در حالی که اهمیت عملی با اندازه اثر نشان داده می شود.

اهمیت آماری به تنهایی می تواند گمراه کننده باشد زیرا تحت تأثیر حجم نمونه است. افزایش حجم نمونه همیشه احتمال یافتن یک اثر آماری معنی‌دار را افزایش می‌دهد، مهم نیست که تأثیر واقعاً در دنیای واقعی چقدر کوچک باشد.

در مقابل، اندازه اثر مستقل از اندازه نمونه است. فقط از داده ها برای محاسبه اندازه افکت استفاده می شود.

به همین دلیل است که برای نشان دادن اهمیت عملی یک یافته، گزارش اندازه اثر در مقالات تحقیقاتی ضروری است. دستورالعمل های APA مستلزم گزارش اندازه اثر و فواصل اطمینان در هر کجا که ممکن است.

مثال: اهمیت آماری در مقابل اهمیت عملی

یک مطالعه بزرگ دو روش کاهش وزن را با 13000 شرکت‌کننده در یک گروه مداخله کنترل و 13000 شرکت‌کننده در یک گروه مداخله آزمایشی مقایسه کرد. مداخله کنترل از روش‌های با پشتوانه علمی برای کاهش وزن استفاده کرد، در حالی که گروه مداخله آزمایشی از روش جدید مبتنی بر برنامه استفاده کرد.
پس از شش ماه، میانگین کاهش وزن (کیلوگرم) برای گروه مداخله تجربی (M = 10.6، SD = 6.7) به طور حاشیه ای بیشتر از میانگین کاهش وزن برای گروه مداخله (M = 10.5، SD = 6.8) بود.

این نتایج از نظر آماری معنی دار بود (0.01 = p). با این حال، تفاوت تنها 0.1 کیلوگرم بین گروه ها ناچیز است و واقعاً به شما نمی گوید که یک روش باید بر دیگری ترجیح داده شود.

افزودن معیاری از اهمیت عملی نشان می‌دهد که این مداخله جدید چقدر امیدوارکننده نسبت به مداخلات موجود است.

چگونه اندازه افکت را محاسبه می کنید؟

ده ها معیار برای اندازه افکت وجود دارد. رایج‌ترین اندازه‌های افکت d کوهن و r پیرسون هستند. d کوهن اندازه تفاوت بین دو گروه را اندازه گیری می کند در حالی که r پیرسون قدرت رابطه بین دو متغیر را اندازه گیری می کند.

کوهن د اندازه اثر

کوهن د برای مقایسه دو گروه طراحی شده است. تفاوت بین دو میانگین را می گیرد و آن را در واحدهای انحراف معیار بیان می کند. این به شما می گوید که چند انحراف استاندارد بین این دو میانگین وجود دارد.

انتخاب انحراف معیار در معادله به طرح تحقیق شما بستگی دارد. شما می توانید استفاده کنید:

یک انحراف استاندارد تلفیقی که بر اساس داده‌های هر دو گروه است،
انحراف معیار از یک گروه کنترل، اگر طرح شما شامل یک گروه کنترل و یک گروه آزمایشی باشد،
انحراف معیار از داده های پیش آزمون، اگر طرح اندازه گیری های مکرر شما شامل پیش آزمون و پس آزمون باشد.

آر پیرسون در اندازه اثر

آر پیرسون  یا ضریب همبستگی، میزان رابطه خطی بین دو متغیر را اندازه گیری می کند.

فرمول نسبتاً پیچیده است، بنابراین بهتر است از یک نرم افزار آماری برای محاسبه دقیق آر پیرسون از داده های خام استفاده کنید.

ایده اصلی فرمول این است که محاسبه کنیم چه مقدار از تغییرپذیری یک متغیر با تغییر متغیر دیگر تعیین می شود.

آر پیرسون  یک مقیاس استاندارد شده برای اندازه گیری همبستگی بین متغیرها است – که آن را بدون واحد می کند. شما می توانید به طور مستقیم نقاط قوت همه همبستگی ها را با یکدیگر مقایسه کنید.

یک هشدار این است که آر پیرسون، مانند د کوهن، فقط می تواند برای متغیرهای بازه یا نسبت استفاده شود. سایر معیارهای اندازه اثر باید برای متغیرهای ترتیبی یا اسمی استفاده شود.

چگونه متوجه می شوید که اندازه افکت کوچک است یا بزرگ؟

اندازه افکت ها را می توان بر اساس معیارهای کوهن به کوچک، متوسط یا بزرگ دسته بندی کرد.

معیارهای کوهن برای اثرات کوچک، متوسط و بزرگ بر اساس اندازه‌گیری اندازه اثر مورد استفاده متفاوت است.

د کوهن می تواند هر عددی را بین 0 تا بی نهایت بگیرد، در حالی که r پیرسون بین 1- و 1 است.

به طور کلی، هر چه d کوهن بزرگتر باشد، اندازه اثر بزرگتر است. برای پیرسون r، هر چه مقدار به 0 نزدیکتر باشد، اندازه اثر کوچکتر است. مقدار نزدیکتر به -1 یا 1 نشان دهنده اندازه افکت بالاتر است.

آر پیرسون  همچنین چیزی در مورد جهت رابطه به شما می گوید:

مقدار مثبت (به عنوان مثال 0.7) به این معنی است که هر دو متغیر با هم افزایش یا کاهش می یابند.
یک مقدار منفی (به عنوان مثال 0.7-) به این معنی است که یک متغیر با کاهش متغیر دیگر افزایش می یابد (یا بالعکس).
معیارهای اندازه جلوه کوچک یا بزرگ ممکن است به آنچه که معمولاً در تحقیق در زمینه خاص شما یافت می شود بستگی داشته باشد، بنابراین هنگام تفسیر اندازه افکت حتماً سایر مقالات را بررسی کنید.

چه زمانی باید اندازه افکت را محاسبه کنید؟
محاسبه اندازه اثر حتی قبل از شروع مطالعه و همچنین پس از تکمیل جمع آوری داده ها مفید است.

قبل از شروع مطالعه اندازه اثر

دانستن اندازه اثر مورد انتظار به این معنی است که شما می توانید حداقل اندازه نمونه مورد نیاز خود را برای قدرت آماری کافی برای تشخیص اثری با آن اندازه مشخص کنید.

در آمار، توان به احتمال وجود یک اثر واقعی توسط آزمون فرضیه اشاره دارد. یک تست آماری قدرتمند بیشتر احتمال دارد که منفی کاذب (خطای نوع II) را رد کند.

اگر از قدرت کافی در مطالعه خود اطمینان ندارید، ممکن است نتوانید نتیجه آماری قابل توجهی را حتی زمانی که دارای اهمیت عملی باشد تشخیص دهید. در این صورت شما فرضیه صفر را رد نمی کنید، حتی اگر یک اثر واقعی وجود داشته باشد.

با انجام تجزیه و تحلیل توان، می توانید از اندازه اثر و سطح معنی داری برای تعیین اندازه نمونه مورد نیاز برای یک سطح توان خاص استفاده کنید.

بعد از اتمام مطالعه اندازه اثر

پس از جمع‌آوری داده‌های خود، می‌توانید اندازه‌های واقعی اثر را در بخش‌های چکیده و نتایج مقاله خود محاسبه و گزارش کنید.

اندازه‌های اثر، داده‌های خام در مطالعات متاآنالیز هستند، زیرا استاندارد شده و قابل مقایسه هستند. یک متاآنالیز می تواند اندازه اثر بسیاری از مطالعات مرتبط را ترکیب کند تا ایده ای از اندازه اثر متوسط یک یافته خاص بدست آورد.

اما مطالعات متاآنالیز می‌توانند یک گام فراتر بروند و همچنین نشان دهند که چرا اندازه تأثیر ممکن است در مطالعات مربوط به یک موضوع واحد متفاوت باشد. این می تواند خطوط جدیدی از تحقیقات را ایجاد کند.

2 دیدگاه برای “اندازه اثر چیست و چرا اهمیت دارد؟ (مثال ها)”

یک دیدگاه ثبت کنید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *