دو نوع آمار اندازه اثر: استاندارد و غیر استاندارد

دو نوع آمار اندازه اثر: استاندارد و غیر استاندارد

دو نوع آمار اندازه اثر: استاندارد و غیر استاندارد ، آمار اندازه اثر این روزها رایج است. سردبیران مجلات آنها را مطالبه می کنند. کمیته ها بدون آنها پایان نامه را تصویب نمی کنند.

اما دلیل محاسبه آنها فقط این نیست که کسی آنها را می خواهد – آنها واقعاً می توانند به شما در درک تجزیه و تحلیل داده های خود کمک کنند.

دو نوع آمار اندازه اثر: استاندارد و غیر استاندارد
دو نوع آمار اندازه اثر: استاندارد و غیر استاندارد – تزیسمی

فهرست مطالب

آمار اندازه اثر چیست؟- دو نوع آمار اندازه اثر: استاندارد و غیر استاندارد

وقتی بسیاری از ما “آمار اندازه اثر” را می شنویم، بلافاصله فکر می کنیم که به یکی از چند آمار نیاز داریم: Eta-squared، Cohen’s d، R-squared.
و بله، اینها قطعا واجد شرایط هستند. اما مفهوم آمار اندازه اثر در واقع بسیار گسترده تر است. در اینجا توضیحی از یک مقاله خوب در مورد آمار اندازه اثر آمده است:
اطلاعات مربوط به مقدار و جهت تفاوت بین دو گروه یا رابطه بین دو متغیر.

– Joseph A. Durlak، “چگونه اندازه های افکت را انتخاب، محاسبه و تفسیر کنیم”

اگر به آن فکر کنید، بسیاری از آمارهای آشنا با این توصیف مطابقت دارند. ضرایب رگرسیون اطلاعاتی در مورد میزان و جهت رابطه بین دو متغیر می دهد. ضرایب همبستگی هم همینطور.

به همین ترتیب، تفاوت ساده بین دو معنی گروهی به طور مستقیم با این تعریف مطابقت دارد.

پس چرا باید آمار اندازه اثر خاص را گزارش 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.

آمار اندازه اثر ساده و استاندارد

دو نوع آمار وجود دارد که اندازه یک اثر را توصیف می کند.

نوع اول استاندارد شده است. وقتی اکثر مردم در مورد آمار اندازه اثر صحبت می کنند، این همان چیزی است که آنها در مورد آن صحبت می کنند.

آمار اندازه اثر استاندارد شده واحدهای متغیرهای اثر را حذف می کند.

نوع دوم ساده است. این آمار اندازه اثر را توصیف می کند، اما در واحدهای اصلی متغیرها باقی می ماند.

برای مثال، فرض کنید که میانگین دمای خاک را در دو شرایط مختلف مقایسه می‌کنید.

اندازه اثر ساده تفاوت در دمای متوسط خواهد بود:

میانگین 1 – میانگین 2.

شما این آمار را بر حسب درجه سانتیگراد تفسیر می کنید. به عنوان مثال: میانگین دما در شرایط 1 2.3 درجه بیشتر از شرایط 2 بود.

آماره اندازه اثر استاندارد شده این تفاوت میانگین را بر انحراف استاندارد تقسیم می کند:

(میانگین 1 – میانگین 2)/انحراف استاندارد.

شما این آمار را بر حسب انحرافات استاندارد تفسیر می کنید: میانگین دما در شرایط 1 1.4 انحراف استاندارد بیشتر از شرایط 2 بود.

دو نوع آمار اندازه اثر: استاندارد و غیر استاندارد
دو نوع آمار اندازه اثر: استاندارد و غیر استاندارد – تزیسمی

مزایا و معایب

در حالی که بسیاری از ویراستاران مجلات می خواهند اندازه افکت های استاندارد شده را داشته باشند، اما همیشه بهتر از اندازه افکت های ساده نیستند. اگرچه آنها در شرایط خاص مزایای واقعی دارند.

1. اندازه‌های افکت استاندارد شده به شما کمک می‌کنند زمانی که واحدهای اندازه‌گیری بصری نیستند، میزان بزرگ یا کوچک بودن یک اثر را ارزیابی کنید.

اکثر دانشمندان علوم خاک درک خوبی از اینکه آیا 2.3 درجه سانتیگراد یک تفاوت معنی دار است یا خیر دارند. 2.3 درجه سانتیگراد به معنای چیزی است زیرا درجه شهودی است. اما همیشه اینطور نیست.

تفاوت 2.3 امتیازی را در مقیاس اضطراب که از 7 تا 49 است تصور کنید. آیا این تفاوت معناداری است؟ خوب، تشخیص آن سخت است زیرا این نکات خیلی شهودی نیستند. ما باید درک قوی از توزیع امتیازات داشته باشیم تا ببینیم آیا 2.3 امتیاز حرکت بزرگی است یا خیر، و باید بفهمیم که 2.3 امتیاز واقعاً در مورد اضطراب به ما چه می گوید.

گاهی اوقات استانداردسازی آمار – قرار دادن آن بر حسب انحرافات استاندارد – به حذف واحدهای بی معنی کمک می کند و به محققان اجازه می دهد تا اثرات را در مقایسه با توزیع کامل نمرات ارزیابی کنند.

2. اندازه اثر استاندارد می تواند به شما در مقایسه نتایج در مطالعات کمک کند.

بسیاری از متغیرها در مقیاس های مختلف در مطالعات مختلف اندازه گیری می شوند. باز هم، این احتمال وجود ندارد که با متغیری مانند دما این اتفاق بیفتد، اما چندین مقیاس اضطراب برای انتخاب وجود دارد که هر کدام در مقیاس متفاوتی هستند. گنجاندن آمار اندازه اثر استاندارد می‌تواند به خوانندگان کمک کند تا روندها یا تفاوت‌های بین مطالعات را درک کنند.

آنها اساس متاآنالیز هستند که نتایج حاصل از نمونه ای از مطالعات را تجزیه و تحلیل می کند، بنابراین گزارش این آمار به نفع همکاران شما خواهد بود.

3. اندازه های اثر استاندارد باید در محاسبات اندازه نمونه با احتیاط استفاده شود.

هر دو کوچکترین اثر ساده معنادار و یک انحراف استاندارد برای تخمین آمار اندازه نمونه مورد نیاز است (با توجه به آلفای معین و توان مورد نظر، در میان برآوردهای ضروری دیگر). برخی از نرم‌افزارها از شما می‌خواهند که ابتدا این دو بخش از اطلاعات را در یک آمار اندازه اثر استاندارد ترکیب کنید تا اندازه نمونه مورد نیاز را برای دستیابی به توان مورد نظر محاسبه کنید.

در حالی که استفاده از اندازه های اثر استاندارد در این محاسبات ایرادی ندارد، اگر تخمین های خوبی می خواهید، باید فرآیند به دست آوردن یک انحراف استاندارد معقول از متغیرهای خود را طی کنید و به این فکر کنید که چه تاثیر معنی داری دارد.

بله، این بسیار دشوار است و یک پاسخ درست وجود ندارد. اما شما در رشته خود متخصص هستید و این به شما بستگی دارد که از روی ادبیات تعیین کنید که اندازه اثر معنادار چیست.

اگر از آمار اندازه اثر عمومی برای مبنای محاسبه توان خود استفاده کنید بدون اینکه به معنای آن در مطالعه خود فکر کنید، فقط یک تخمین اندازه نمونه عمومی دریافت خواهید کرد. این خیلی مفید نیست.

دیدگاه‌ خود را بنویسید

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