Tedavi öncesi kontrol-kontrol tasarımında etkileşim etkisi için efekt büyüklüğü

11

Karışık bir ANOVA kullanarak sürekli bağımlı bir değişkenle tedavi öncesi kontrol tasarımını analiz etmeyi seçerseniz, tedavi grubunda olmanın etkisini ölçmenin çeşitli yolları vardır. Etkileşim etkisi bir ana seçenektir.

Genel olarak, özellikle Cohen'in d tipi ölçümlerini seviyorum (yani, ). Açıklanan varyans ölçümlerini sevmiyorum çünkü sonuçlar grupların bağıl örnek büyüklükleri gibi alakasız faktörlere bağlı olarak değişiyor. ${\frac{\mu_1 - \mu_2}{\sigma}}$

Böylece, etkiyi şu şekilde ölçebileceğimi düşünüyordum

$\Delta\mu_c = \mu_{c2} - \mu_{c1}$
$\Delta\mu_t = \mu_{t2} - \mu_{t1}$
Böylece, efekt boyutu $\frac{\Delta\mu_t - \Delta\mu_c}{\sigma}$

burada sırasıyla $c$ kontrol, $t$ tedaviye ve 1 ve 2 sırasıyla öncesi ve sonrası anlamına gelir . $\sigma$ zaman 1'de toplanan standart sapma olabilir.

Sorular:

Bu etki büyüklüğü ölçüsünü etiketlemek uygun dmu?
Bu yaklaşım makul görünüyor mu?
Bu tür tasarımlar için etki büyüklüğü ölçümleri için standart uygulama nedir?

— Jeromy Anglim
kaynak

7

Evet, önerdiğiniz şey tam olarak literatürde önerilen şeydir. Bkz. Örneğin: Morris, SB (2008). Öntest-sontest-kontrol grubu tasarımlarından etki büyüklüklerinin tahmin edilmesi. Örgütsel Araştırma Yöntemleri, 11 (2), 364-386 ( bağlantı , ancak maalesef ücretsiz erişim yok). Makalede ayrıca bu etki boyutu ölçüsünü tahmin etmek için farklı yöntemler açıklanmaktadır. Efekt boyutunu belirtmek için "d" harfini kullanabilirsiniz, ancak kesinlikle hesapladığınız şeyin açıklamasını vermelisiniz (aksi takdirde, okuyucular muhtemelen standart test farkını yalnızca test sonrası puanlar için hesapladığınızı varsayacaktır).

— Wolfgang
kaynak

Teşekkürler. Scott B. Morris'in makalesi tam da aradığım şeydi. Ve evet, hesaplamaya ilişkin bir açıklama yapmam gerektiğini kabul ediyorum (belki buna gibi bir şey diyorum ).

\hat{d}

$\hat{d}$

— Jeromy Anglim

3

Genelleştirilmiş e-kare ( Olejnik ve Algena, 2003 ; Bakeman, 2005 ), Ss ve Ss içi tasarımlar arasında genelleşen etki büyüklüğünün ölçülmesine makul bir çözüm sunduğuna inanıyorum. Bu referansları doğru okursam, genelleştirilmiş e-kare de örnek boyutları arasında genelleme yapmalıdır.

Genelleştirilmiş e-kare R için ez paketindeki ezANOVA () işlevi tarafından otomatik olarak hesaplanır.

— Mike Lawrence
kaynak

1

Referanslar ve r fonksiyonu için teşekkürler. Halen varyant açıklamalı temelli tedbirlere göre d-tabanlı tedbirlerin (uygulandıkları yerlerde) yorumlanmasını tercih ediyorum. Bir müdahalenin etkisini fark skoru açısından düşünmeyi daha net buluyorum.

— Jeromy Anglim

1

Ve sanırım biri bunu (aralarında) belirterek açıklığa kavuşturabilirdi, bu yüzden insanlar bunun deneysel bir kontrol etkisi büyüklüğü olduğunu bilirdi. Çünkü grup içi etki büyüklüğü de var. Bilginize. İyi şanslar!