การประเมินข้อมูลประเภทใดเป็นการยากมากที่จะให้คำแนะนำที่ดีที่นี่ และนั่นคือทั้งหมดที่คุณจะได้รับ ไม่มีสิ่งใดที่จะวัดขนาดเอฟเฟ็กต์ที่ดีที่สุดสำหรับคำถามเช่นนี้ ... อาจจะเคย
ขนาดเอฟเฟกต์ที่กล่าวถึงในคำถามคือขนาดเอฟเฟกต์มาตรฐานทั้งหมด แต่เป็นไปได้โดยสิ้นเชิงว่าค่าเฉลี่ยหรือค่ามัธยฐานของมาตรการเดิมนั้นใช้ได้ ตัวอย่างเช่นหากคุณวัดระยะเวลาที่ใช้ในกระบวนการผลิตให้เสร็จสมบูรณ์ความแตกต่างของเวลาควรเป็นขนาดเอฟเฟกต์ที่สมเหตุสมผลอย่างสมบูรณ์ การเปลี่ยนแปลงใด ๆ ในกระบวนการการวัดในอนาคตการตรวจวัดข้ามระบบและการตรวจวัดข้ามโรงงานจะเป็นไปตามเวลาที่กำหนด คุณอาจต้องการค่าเฉลี่ยหรือบางทีคุณต้องการค่ามัธยฐานหรือแม้กระทั่งโหมด แต่สิ่งแรกที่คุณต้องทำคือดูที่มาตราส่วนการวัดจริงและดูว่าขนาดของเอฟเฟกต์นั้นสมเหตุสมผลหรือไม่ที่จะตีความและเชื่อมต่อกับตัววัด
เพื่อช่วยในการคิดเกี่ยวกับสิ่งนั้นผลกระทบที่ควรเป็นมาตรฐานคือสิ่งที่วัดได้ทางอ้อมและในหลาย ๆ ด้าน ตัวอย่างเช่นเครื่องชั่งจิตวิทยาอาจแตกต่างกันไปตามกาลเวลาและในหลาย ๆ วิธีและพยายามที่จะได้รับตัวแปรพื้นฐานที่ไม่ได้รับการประเมินโดยตรง ในกรณีเหล่านั้นคุณต้องการขนาดผลมาตรฐาน
ด้วยขนาดเอฟเฟ็คที่เป็นมาตรฐานปัญหาสำคัญไม่ได้เป็นเพียงสิ่งที่ใช้ แต่หมายถึงอะไร เมื่อคุณพูดถึงคำถามของคุณคุณก็ไม่รู้เหมือนกันว่ามันหมายถึงอะไรและนั่นเป็นสิ่งสำคัญ หากคุณไม่ทราบว่าเอฟเฟกต์ที่ได้มาตรฐานคืออะไรคุณไม่สามารถรายงานได้อย่างถูกต้องตีความอย่างถูกต้องหรือใช้อย่างถูกต้อง นอกจากนี้หากมีหลายวิธีที่คุณต้องการหารือเกี่ยวกับข้อมูลจะไม่มีอะไรหยุดคุณจากการรายงานมากกว่าหนึ่งขนาดผล คุณสามารถพูดคุยข้อมูลของคุณในแง่ของความสัมพันธ์เชิงเส้นเช่นเดียวกับความสัมพันธ์ชั่วขณะของผลิตภัณฑ์หรือในแง่ของความสัมพันธ์ระหว่างอันดับกับ Spearmanr
และความแตกต่างระหว่างสิ่งเหล่านั้นหรือเพียงแค่ให้ข้อมูลทั้งหมดในตาราง ไม่มีอะไรผิดปกติเลย แต่มากกว่าสิ่งใดที่คุณจะต้องตัดสินใจว่าคุณต้องการให้ผลลัพธ์ของคุณหมายถึงอะไร นั่นเป็นสิ่งที่ไม่สามารถตอบได้จากข้อมูลที่ให้มาและอาจต้องใช้ข้อมูลและความรู้เฉพาะของโดเมนมากกว่าที่สมเหตุสมผลสำหรับคำถามในฟอรัมประเภทนี้
และคิดเสมอว่า meta-analytically เกี่ยวกับวิธีที่คุณรายงานผลกระทบ ผู้คนในอนาคตจะสามารถรับผลลัพธ์ที่ฉันรายงานและรวมเข้ากับผู้อื่นได้หรือไม่ อาจมีมาตรฐานในสาขาของคุณสำหรับสิ่งเหล่านี้ บางทีคุณอาจเลือกการทดสอบแบบไม่อิงพารามิเตอร์เนื่องจากคุณไม่เชื่อถือข้อสรุปที่คนอื่นทำไว้เกี่ยวกับการแจกแจงพื้นฐานและคุณต้องการอนุรักษ์นิยมมากกว่าในสมมติฐานของคุณในสาขาที่ใช้การทดสอบแบบอิงพารามิเตอร์เป็นหลัก ในกรณีนี้ไม่มีอะไรผิดปกติกับการเพิ่มขนาดเอฟเฟกต์ที่มักใช้กับการทดสอบพารามิเตอร์ ประเด็นเหล่านี้และอื่น ๆ อีกมากมายจำเป็นต้องได้รับการพิจารณาเมื่อคิดถึงวิธีที่คุณค้นพบในงานวิจัยที่คล้ายกัน โดยทั่วไปสถิติพรรณนาที่ดีจะช่วยแก้ปัญหาเหล่านี้ได้
นั่นคือคำแนะนำหลัก ฉันมีความคิดเห็นเพิ่มเติมเล็กน้อย หากคุณต้องการให้ขนาดเอฟเฟกต์ของคุณมีความสัมพันธ์อย่างมากกับการทดสอบคุณได้ทำZ
ตามคำแนะนำที่ดีที่สุดแล้ว ขนาดเอฟเฟกต์มาตรฐานของคุณจะมีความหมายเหมือนกับการทดสอบ แต่ทันทีที่คุณไม่ทำอย่างนั้นก็ไม่มีอะไรผิดปกติกับการใช้สิ่งอื่นมากที่สุดแม้แต่บางอย่างเช่นของ Cohen d
ที่เกี่ยวข้องกับการทดสอบแบบพารามิเตอร์ ไม่มีข้อสันนิษฐานของภาวะปกติสำหรับวิธีการคำนวณค่าเบี่ยงเบนมาตรฐานหรือd
คะแนน ในความเป็นจริงมีสมมติฐานที่อ่อนแอกว่าค่าสัมประสิทธิ์สหสัมพันธ์ที่แนะนำ และรายงานมาตรการอธิบายที่ดีเสมอ อีกครั้งมาตรการเชิงพรรณนาไม่มีสมมติฐานที่คุณกำลังละเมิด แต่โปรดจำไว้ว่าความหมายที่แท้จริงของพวกเขา คุณรายงานสถิติเชิงพรรณนาที่พูดบางอย่างเกี่ยวกับข้อมูลของคุณที่คุณต้องการพูดและวิธีการและค่ามัธยฐานพูดในสิ่งที่แตกต่างกัน
หากคุณต้องการหารือเกี่ยวกับการวัดซ้ำ ๆ กับขนาดเอฟเฟกต์อิสระนั่นเป็นคำถามใหม่ทั้งหมด