İstatistiksel olarak anlamlı ve anlamlı olmayan analizlerde eta kare / kısmi eta kare nasıl yorumlanır ve raporlanır?

Grup ortalama farkları için etki büyüklüğü ölçüsü olarak hesaplanan eta kare değerlerine ve kısmi eta kare değerlerine sahip verilerim var.

• Eta kare ile kısmi eta kare arasındaki fark nedir? İkisi de aynı Cohen'in yönergeleri kullanılarak yorumlanabilir mi (1988, sanırım: 0.01 = küçük, 0.06 = orta, 0.13 = büyük)?

• Ayrıca, karşılaştırma testi (yani t testi veya tek yönlü ANOVA) önemli değilse raporlama etki büyüklüğünde kullanım var mı? Kafamda bu, "ortalama fark istatistiksel anlamlılığa ulaşmadı ama yine de özel bir not olduğu için," eta karesinden belirtilen etki büyüklüğü orta olduğu için "demeye benziyor. Veya, etki büyüklüğü tamamlayıcıdan ziyade anlamlılık testi için bir değiştirme değeri midir?

Grup ortalamaları için etki büyüklükleri

• Genel olarak, standartlaştırılmış grup ortalama farklarını (örneğin, Cohen'in d) grup farklılıkları bağlamında daha anlamlı bir etki büyüklüğü ölçüsü buluyorum. Eta karesi gibi ölçümler, grup örneklerinin boyutlarının eşit olup olmamasından etkilenir, oysa Cohen'in d değeri değildir. Ayrıca d-temelli önlemlerin anlamını, ölçmeye çalıştığınız şeyin grup araçları arasındaki fark olduğunu düşününce daha sezgisel olduğunu düşünüyorum.
• Yukarıdaki nokta, sadece iki grubun olduğu (özellikle tedavinin kontrolünün etkisi gibi) durum için özellikle güçlüdür. İkiden fazla grubunuz varsa, durum biraz daha karmaşıktır. Varyans argümanı bu durumdaki önlemleri açıkladı olarak görebiliyorum. Alternatif olarak, Cohen'in$f^2$ başka bir seçenektir.
• Üçüncü bir seçenek, deneysel etkiler bağlamında, ikiden fazla grup olsa bile, etki kavramının en iyi ikili karşılaştırma olarak kavramsallaştırılmasıdır (yani, bir koşulun diğerine göre etkisi). Bu durumda, bir kez daha d-tabanlı önlemlere geri dönebilirsiniz. D-tabanlı ölçü faktörü için bir etki büyüklüğü ölçüsü değil, referans grubuna göre bir gruptan ibarettir. Anahtar anlamlı bir referans grubu tanımlamaktır.
• Son olarak, etki büyüklüğü ölçütlerini dahil etmenin daha geniş amacını hatırlamak önemlidir. Okuyucuya, ilgilenilen etkinin büyüklüğü hakkında bir fikir vermektir. Herhangi bir standart etki ölçüsü, okuyucuya bu görevde yardımcı olmalıdır. Bağımlı değişken doğası gereği anlamlı bir ölçekte ise, etkinin boyutunu bu ölçek olarak yorumlamaktan çekinmeyin. Örneğin, reaksiyon süresi, maaş, boy, ağırlık vb. Gibi ölçekler doğal olarak anlamlıdır. Benim yaptığım gibi, eta'nın deneysel etkiler bağlamında biraz sezgisel olmayacağını bulursanız, belki de başka bir dizin seçin.

Eta kare karşı kısmi eta kare

• Kısmi eta karesi, SPSS'deki çeşitli ANOVA prosedürlerinde rapor edilen varsayılan etki büyüklüğü ölçüsüdür. Sanırım bu yüzden sık sık soru soruyorum.
• Yalnızca bir yordayıcı değişkeniniz varsa, kısmi eta kare, eta kare ile eşdeğerdir.
• Bu makale eta kare ile kısmi eta kare arasındaki farkı açıklamaktadır (Levine ve Hullett Eta Kare, Kısmi Eta Kare ).
• Özetle, birden fazla tahminciniz varsa, kısmi eta karesi, diğer tahmincilerin açıkladığı varyansı hariç tuttuktan sonra kalan varyansın belirli bir değişkeni ile açıklanan varyanstır.

Eta kare ve kısmi eta kare için temel kurallar

• Eğer sadece bir tahminde bulunuyorsanız, o zaman kare eta ve kısmi eta kare aynıdır ve dolayısıyla aynı kurallar geçerli olacaktır.
• Birden fazla öngörücünüz varsa, o zaman eta karesinin genel kurallarının, eta karelerinden çok kısmi eta karelerine uygulanacağını düşünüyorum. Bunun nedeni, faktoring ANOVA'sındaki kısmi eta karesinin tek yönlü bir ANOVA olsaydı faktör için ne eta karenin ne olacağı konusunda tartışmaya daha yakın olduğu; Muhtemelen Cohen'in kurallarına uymaya neden olan tek yönlü bir ANOVA'dır. Genel olarak, deneysel bir tasarımdaki diğer faktörlerin dahil edilmesi tipik olarak eta karesini azaltmalıdır, ancak ikinci faktörün bir etkiye sahip olması durumunda, bağımlı değişkendeki değişkenliği arttırması nedeniyle mutlaka kısmi eta karesi almamalıdır.
• Eta kare ve kısmi eta kare için temel kurallar hakkında söylediklerime rağmen, deneysel etkilerin büyüklüğü ve anlamını yorumlama bağlamında etki büyüklüğü ölçütlerini açıklayan bir varyans hayranı olmadığımı yineliyorum. Aynı şekilde, kurallara uymak kurallar sadece kaba ve içeriğe bağlıdır ve fazla ciddiye alınmamasıdır.

Etki büyüklüğünün, anlamlı ve önemli olmayan sonuçlar bağlamında raporlanması

• Bir anlamda araştırmanızın bir amacı, popülasyondaki ilgi değişkenlerinizin etkilerinin çeşitli nicel tahminlerini tahmin etmektir.
• Etki büyüklükleri, bu etkinin nokta tahmininin bir ölçümüdür. Örnek büyüklüğünüz ne kadar büyükse, genel olarak örnek nokta tahmininiz gerçek popülasyon etkisine o kadar yakın olur.
• Geniş anlamda, anlamlılık testi, sonuçlarınızın bir açıklaması olarak şansı ekarte etmeyi amaçlar. Böylece, p-değeri, boş hipotezin doğru olduğunu varsayarak bir etki büyüklüğünü gözlemleme olasılığını gösterir.
• Sonuçta, hiçbir etkinin dışlanması ve gerçek nüfus etkisinin büyüklüğü hakkında bir şey söylemek istediğinizde. Etki büyüklükleri etrafında güven aralıkları ve güvenirlik aralıkları bu konuyu daha doğrudan ele alan iki yaklaşımdır. Bununla birlikte, p-değerlerini ve etki büyüklüğü puan tahminlerini rapor etmek oldukça yaygındır ve sadece p-değerlerini veya yalnızca etki büyüklüğü ölçümlerini bildirmekten çok daha iyidir.
• Özel sorunuzla ilgili olarak, eğer anlamlı olmayan sonuçlarınız varsa, etki büyüklüğü ölçümlerini rapor edip etmeme kararınız size aittir. Bence bir çok sonucun olduğu bir tablonuz varsa, o zaman öneminden bağımsız olarak kullanılan bir etki büyüklüğü sütununa sahip olmak anlamlı olur. Önemli olmayan bağlamlarda bile, güven aralıkları olan etki büyüklükleri, önemli olmayan bulguların yetersiz numune büyüklüğünden kaynaklanıp kaynaklanmadığını gösterme konusunda bilgilendirici olabilir.