Hangi tanımlayıcı istatistikler etki boyutları değildir?

Wikipedia diyor

etki büyüklüğü, bir fenomenin gücünün bir ölçüsüdür veya o miktarın örnek tabanlı bir tahminidir. Verilerden hesaplanan etki büyüklüğü, verilerdeki görünür ilişkinin popülasyondaki gerçek bir ilişkiyi yansıtıp yansıtmadığına dair herhangi bir açıklama yapmadan bir ilişkinin tahmini büyüklüğünü taşıyan tanımlayıcı bir istatistiktir.

Daha iyi anlamak için, grafikler ve grafikler hariç, hangi tanımlayıcı istatistiklerin etki boyutu olmadığını merak ediyordum.

Efekt boyutları

• Ortak standartlaştırılmış etki boyutları tipik olarak bir ilişkinin veya etkinin miktarını veya derecesini belirler. En yaygın etki büyüklüğü ölçümleri muhtemelen cohen's d, Pearson r ve olasılık oranıdır (özellikle ikili bir tahmin için).
• Daha az yaygın etki büyüklüğü ölçümleri:Bununla birlikte, standartlaştırılmış ve standartlaştırılmamış etki büyüklüğü ölçümlerine sahip olabilirsiniz. İlişkilerin derecesini ileten ve özellikle örneklem büyüklüğü ile kontamine olmayan herhangi bir istatistik muhtemelen bir etki büyüklüğü ölçüsüdür. Böylece, Beta katsayıları, R-kare, kovaryans, gruplar arasındaki ham ortalama farkları vb. Tüm etki derecesini yakalar. Bununla birlikte, bazı araştırmacıların etki büyüklüğü ölçülerini biraz körü körüne uyguladıklarını ve daha geniş amacın okuyuculara etki derecesi hissi vermek olduğunu unutuyorum. Dolayısıyla, ortalama farklar veya ham regresyon katsayıları gibi ölçümlerin bir anlamda bir etki büyüklüğü ölçüsü olduğunu fark etmezler. Efekt boyutlarının kör kullanımına başka bir örnek, sezgisel bir yorumu olmayan, ancak bazı ders kitapları tarafından tavsiye edilen efekt boyutu ölçümlerinin kullanımını içerir.

Etki boyutları değil:

• Çoğu test istatistikleri etkisi boyutları değildir. Örnek: Ki-kare testi, t-testi, z-testi, F-testi. Hem popülasyon etkisinin büyüklüğü arttıkça hem de örnek büyüklüğü arttıkça büyürler. Pek çok açıdan, son yıllarda etki boyutlarının tüm dili vurgulanmıştır çünkü araştırmacılar, test istatistiklerinin etki boyutlarının ne kadar büyük olduğundan ziyade test istatistiklerinin ne kadar büyük olduğuna çok fazla odaklanmıştır. Bu, özellikle küçük etkilerin bile istatistiksel olarak anlamlı olabileceği durumlarda büyük bir örneklem büyüklüğünüz olduğunda önemlidir.
• Çoğu tek değişkenli istatistik etkisi boyutları değildir. Çoğu amaç için, etki büyüklüğü en az iki değişken arasındaki ilişkiyle ilgilidir. Bu nedenle, numune ortalaması, standart sapma, çarpıklık, basıklık, min, maks, vb. Etki büyüklüğü ölçümleri değildir.
• İlişki derecesine ait olmayan istatistikler etki büyüklüğü ölçütleri değildir. Örneğin, çok değişkenli normallik testleri, bir matrisin özdeğerleri, vb. Genellikle kelimenin tam anlamıyla bir etkiyi ölçmeyi amaçlamamaktadır.

Daha geniş hususlar

• Ölçeklendirme hususları: Bir istatistiğin bir etki büyüklüğü ölçüsü olarak kullanılması, büyük ölçüde bir etkinin boyutunu iletme yeteneği ile ilgilidir. Bazen bu, bilinen standartlaştırılmış etki ölçümleri kullanılarak elde edilir (örneğin, cohen's d). Diğer zamanlarda, değişkenlerin ölçeklendirilmesinin dikkatle değerlendirilmesi, etkinin boyutunun daha da net bir yorumunu verebilir. Örneğin, gelir düzeylerine ilişkin bir eğitim programına bakan bir çalışmam olduğunu varsayalım. Eğitim programının geliri .2 standart sapma ile artırdığını veya programın geliri 3.500 ABD Doları artırdığını söyleyebilirim. Her ikisi de faydalıdır; her ikisi de etki boyutu ölçümleridir. Birincisi standartlaştırılmıştır (cohen's d), ikincisi standartlaştırılmamıştır (ham grup ortalama farklılıkları).
• Etki büyüklüklerinin tahmin edilmesinde hassasiyet: Etki büyüklüğü ölçülerinin (örn., Cohen's d, pearson's r, vb.) Örnek tahminlerini sık sık çıkarıyoruz. Bu bağlam, önem testinin etki boyutu ölçümleriyle karşılaştırılmasına yol açabilir. Bununla birlikte, amaç yine de nüfus etkisi büyüklüğünü kesin ve tarafsız bir şekilde tahmin etmek olmalıdır. Sık görülen bir perspektiften bakıldığında, etki boyutları etrafındaki güven aralıkları bir kesinlik tahmini sağlar. Bayes perspektifinden bakıldığında, etki büyüklükleri üzerinde arka yoğunluklar vardır. Çoğu durumda, tarafsız bir etki boyutu ölçüsü kullandığınızdan emin olmak için dikkat edilmelidir.

İlk olarak, etki boyutları açıklayıcı olduğu kadar açıklayıcı olarak da kullanılabilir. r ve OR'lerin hepsi efekt boyutlarındadır ve kesinlikle çıkarımsal istatistiklerde kullanılır.

Tek değişkenli istatistikler genellikle etkili olmalarına rağmen etki boyutları değildir. Örneğin, evli erkek ve kadınların yaşlarını karşılaştırıyorsanız, erkeklerin ortalama yaşı bir etki büyüklüğü değildir (araçların farkı bir etki büyüklüğü olacaktır). Ancak, bir şeyin ortalamasının 0 olup olmadığını görmek istiyorsanız, ortalama bir etki boyutu olacaktır.

Bir etkiyi ölçüyorsa, bir etki büyüklüğü!