วิธีการตีความและรายงานกทพ. กำลังสอง / กทพ. บางส่วนในการวิเคราะห์ที่มีนัยสำคัญทางสถิติและไม่มีนัยสำคัญ?

ฉันมีข้อมูลที่มีค่ากทพ. และค่ากทพ. ส่วนที่คำนวณได้เป็นการคำนวณขนาดของเอฟเฟกต์สำหรับความแตกต่างของค่าเฉลี่ยกลุ่ม

• อะไรคือความแตกต่างระหว่างกทพ. กับสแควร์และกทพ. บางส่วน พวกเขาสามารถตีความโดยใช้แนวทางของโคเฮนเดียวกันได้หรือไม่ (1988 ฉันคิดว่า: 0.01 = เล็ก, 0.06 = ปานกลาง, 0.13 = ใหญ่)?

• นอกจากนี้ยังมีการใช้ขนาดรายงานผลกระทบหรือไม่หากการทดสอบเปรียบเทียบ (เช่น t-test หรือ one-way ANOVA) ไม่มีความหมาย? ในหัวของฉันนี่ก็เหมือนกับการพูดว่า "ความแตกต่างเฉลี่ยไม่ถึงนัยสำคัญทางสถิติ แต่ยังคงเป็นข้อความที่เจาะจงเพราะขนาดของเอฟเฟกต์ที่ระบุจากกทพ. กำลังปานกลาง" หรือขนาดของเอฟเฟกต์เป็นค่าทดแทนสำหรับการทดสอบอย่างมีนัยสำคัญแทนที่จะเป็นส่วนประกอบเสริมหรือไม่

ขนาดผลสำหรับความแตกต่างของค่าเฉลี่ยกลุ่ม

• โดยทั่วไปแล้วฉันพบว่ากลุ่มที่ได้มาตรฐานหมายถึงความแตกต่าง (เช่น Cohen's d) การวัดขนาดของเอฟเฟกต์ที่มีความหมายมากกว่าในบริบทของความแตกต่างของกลุ่ม มาตรการเช่นกทพ. ได้รับอิทธิพลจากขนาดกลุ่มตัวอย่างเท่ากันในขณะที่โคเฮนไม่ได้เป็นเช่นนั้น ฉันยังคิดว่าความหมายของการวัดแบบ d-based นั้นง่ายกว่าเมื่อคุณพยายามหาปริมาณคือความแตกต่างระหว่างความหมายของกลุ่ม
• ประเด็นข้างต้นมีความแข็งแกร่งเป็นพิเศษสำหรับกรณีที่คุณมีเพียงสองกลุ่ม (เช่นผลของการรักษากับการควบคุม) หากคุณมีมากกว่าสองกลุ่มสถานการณ์ก็จะซับซ้อนขึ้นเล็กน้อย ฉันสามารถดูอาร์กิวเมนต์สำหรับความแปรปรวนที่อธิบายการวัดในกรณีนี้ อีกทางเลือกหนึ่งของโคเฮน$f^2$เป็นตัวเลือกอื่น
• ตัวเลือกที่สามคือภายในบริบทของเอฟเฟ็กต์การทดลองแม้ว่าจะมีมากกว่าสองกลุ่มแนวคิดของเอฟเฟกต์จะดีที่สุดเมื่อเทียบกับการเปรียบเทียบแบบคู่ ในกรณีนี้คุณสามารถกลับไปใช้มาตรการ d-based อีกครั้ง การวัด d-based ไม่ใช่การวัดขนาดของผลกระทบสำหรับปัจจัย แต่เป็นของกลุ่มหนึ่งที่สัมพันธ์กับกลุ่มอ้างอิง กุญแจสำคัญคือการกำหนดกลุ่มอ้างอิงที่มีความหมาย
• ในที่สุดมันเป็นสิ่งสำคัญที่ต้องจำเป้าหมายที่กว้างขึ้นของการรวมถึงการวัดขนาดของเอฟเฟกต์ มันคือการให้ผู้อ่านรู้สึกถึงขนาดของผลกระทบที่น่าสนใจ การวัดผลมาตรฐานใด ๆ ควรช่วยผู้อ่านในงานนี้ หากตัวแปรตามอยู่ในระดับที่มีความหมายอย่างแท้จริงแล้วอย่าอายที่จะตีความขนาดของเอฟเฟกต์ในแง่ของสเกลนั้น เช่นเครื่องชั่งเช่นเวลาตอบสนองเงินเดือนความสูงน้ำหนัก ฯลฯ มีความหมายโดยเนื้อแท้ หากคุณพบว่าฉันทำเช่นนั้นกทพ. กำลังสองจะไม่คุ้นเคยในบริบทของเอฟเฟกต์การทดลองบางทีเลือกดัชนีอื่น

Eta กำลังสองเทียบกับกทพ. บางส่วน

• Partial eta squared เป็นการวัดขนาดของเอฟเฟกต์เริ่มต้นที่รายงานในโพรซีเดอร์ ANOVA ใน SPSS ฉันคิดว่านี่เป็นเหตุผลที่ฉันได้รับคำถามเกี่ยวกับเรื่องนี้บ่อยๆ
• หากคุณมีตัวแปรตัวทำนายเพียงตัวเดียวดังนั้นพินิจพิเคราะห์บางส่วนจะเท่ากับเอต้ากำลังสอง
• นี้บทความอธิบายความแตกต่างระหว่างการทางพิเศษแห่งประเทศไทยยืดและการทางพิเศษแห่งประเทศไทยบางส่วนยกกำลังสอง (Levine และ Hullett Eta Squared, บางส่วน Eta Squared .. )
• โดยสรุปหากคุณมีตัวทำนายมากกว่าหนึ่งตัวกทพ. บางส่วนคือความแปรปรวนที่อธิบายโดยตัวแปรที่กำหนดของความแปรปรวนที่เหลืออยู่หลังจากไม่รวมความแปรปรวนที่อธิบายโดยตัวทำนายอื่น ๆ

กฎของหัวแม่มือสำหรับกทพ. และบางส่วนกทพ

• หากคุณมีตัวทำนายหนึ่งตัวเท่านั้นกทพ. กำลังสองและกทพ. กำลังสองบางส่วนจะเท่ากันดังนั้นจึงใช้กฏเดียวกันนี้
• หากคุณมีตัวทำนายมากกว่าหนึ่งตัวฉันคิดว่ากฎทั่วไปของหัวแม่มือสำหรับกทพ. จะใช้กับกทพ. บางส่วนมากกว่ากทพ. นี่เป็นเพราะบางส่วนกทพ. กำลังสองในแฟคทอเรียล ANOVA มีเนื้อหาที่ใกล้เคียงกับสิ่งที่กทพ. กำลังจะเป็นเพราะมันเป็นแบบทางเดียว; และน่าจะเป็นวิธีการวิเคราะห์ความแปรปรวนทางเดียวซึ่งก่อให้เกิดกฎง่ายๆของโคเฮน โดยทั่วไปแล้วรวมถึงปัจจัยอื่น ๆ ในการออกแบบการทดลองโดยทั่วไปควรลด eta กำลังสอง แต่ไม่จำเป็นต้องเป็นบางส่วน eta ยกกำลังเนื่องจากความจริงที่ว่าปัจจัยที่สองถ้ามันมีผลเพิ่มความแปรปรวนในตัวแปรตาม
• แม้จะมีสิ่งที่ฉันพูดเกี่ยวกับกฎง่ายๆสำหรับกทพ. และกทพ. บางส่วน แต่ฉันก็ย้ำว่าฉันไม่ใช่แฟนของความแปรปรวนอธิบายการวัดขนาดของผลกระทบในบริบทของการตีความขนาดและความหมายของผลการทดลอง กฎของหัวแม่มือนั้นเท่าเทียมกันขึ้นอยู่กับบริบทและไม่ควรจริงจังเกินไป

การรายงานขนาดผลกระทบในบริบทของผลลัพธ์ที่มีนัยสำคัญและไม่สำคัญ

• ในบางแง่มุมเป้าหมายของการวิจัยของคุณคือการประเมินการประเมินเชิงปริมาณของผลกระทบของตัวแปรที่คุณสนใจในประชากร
• ขนาดของเอฟเฟกต์เป็นหนึ่งในปริมาณของการประมาณจุดของเอฟเฟกต์นี้ ยิ่งขนาดตัวอย่างของคุณใหญ่ขึ้นเท่าใดโดยทั่วไปการประมาณจุดตัวอย่างของคุณจะยิ่งใกล้เคียงกับผลกระทบของประชากรจริง
• การทดสอบอย่างมีนัยสำคัญมีวัตถุประสงค์เพื่อแยกแยะโอกาสในการอธิบายผลลัพธ์ของคุณ ดังนั้นค่า p จะบอกคุณถึงความน่าจะเป็นในการสังเกตขนาดของเอฟเฟกต์หรือมากกว่านั้นโดยสมมติว่าสมมติฐานว่างเป็นจริง
• ในที่สุดคุณต้องการแยกแยะไม่มีผลและต้องการพูดอะไรบางอย่างเกี่ยวกับขนาดของผลกระทบประชากรจริง ช่วงความเชื่อมั่นและช่วงความน่าเชื่อถือรอบ ๆ ขนาดของเอฟเฟกต์เป็นสองวิธีที่ทำให้เกิดปัญหานี้ขึ้นโดยตรง อย่างไรก็ตามการรายงานค่า p และการประมาณขนาดของเอฟเฟกต์เป็นเรื่องปกติและดีกว่าการรายงานเฉพาะค่า p หรือการวัดขนาดเอฟเฟกต์เท่านั้น
• สำหรับคำถามเฉพาะของคุณหากคุณมีผลลัพธ์ที่ไม่สำคัญมันเป็นการตัดสินใจของคุณว่าคุณจะรายงานการวัดขนาดผลกระทบหรือไม่ ฉันคิดว่าถ้าคุณมีตารางที่มีผลลัพธ์จำนวนมากดังนั้นการมีคอลัมน์ขนาดเอฟเฟกต์ที่ใช้โดยไม่คำนึงว่ามีความสำคัญ แม้แต่ในบริบทที่ไม่มีนัยสำคัญขนาดผลกระทบที่มีช่วงความเชื่อมั่นสามารถให้ข้อมูลในการระบุว่าการค้นพบที่ไม่สำคัญอาจเป็นเพราะขนาดตัวอย่างไม่เพียงพอ