ขนาดเอฟเฟกต์สำหรับเอฟเฟกต์ปฏิสัมพันธ์ในการออกแบบการควบคุมการรักษาก่อนโพสต์

หากคุณเลือกที่จะวิเคราะห์การออกแบบการควบคุมการรักษาก่อนโพสต์ด้วยตัวแปรตามอย่างต่อเนื่องโดยใช้ ANOVA แบบผสมมีวิธีต่าง ๆ ในการวัดผลกระทบของการอยู่ในกลุ่มการรักษา เอฟเฟกต์การโต้ตอบเป็นหนึ่งในตัวเลือกหลัก

โดยทั่วไปแล้วฉันชอบการวัดแบบ d ของ Cohen มากกว่า (เช่น ) ฉันไม่ชอบความแปรปรวนที่อธิบายมาตรการเนื่องจากผลลัพธ์แตกต่างกันไปตามปัจจัยที่ไม่เกี่ยวข้องเช่นขนาดตัวอย่างที่สัมพันธ์กันของกลุ่ม${\frac{\mu_1 - \mu_2}{\sigma}}$

ดังนั้นฉันคิดว่าฉันสามารถหาปริมาณผลกระทบได้ดังนี้

• $\Delta\mu_c = \mu_{c2} - \mu_{c1}$
• $\Delta\mu_t = \mu_{t2} - \mu_{t1}$
• ดังนั้นขนาดของผลกระทบที่อาจจะหมายถึง$\frac{\Delta\mu_t - \Delta\mu_c}{\sigma}$

โดยที่อ้างถึงการควบคุม, tถึงการรักษา, และ 1 และ 2 ถึงก่อนและโพสต์ตามลำดับ σอาจเป็นค่าเบี่ยงเบนมาตรฐานที่รวมในเวลา 1$c$$t$$\sigma$

คำถาม:

• มันเป็นความเหมาะสมที่จะติดป้ายวัดขนาดผลกระทบนี้d?
• วิธีนี้ดูสมเหตุสมผลหรือไม่?
• มาตรฐานการปฏิบัติสำหรับการวัดขนาดผลสำหรับการออกแบบดังกล่าวคืออะไร?

ใช่สิ่งที่คุณแนะนำคือสิ่งที่ได้รับการแนะนำในวรรณคดี ดูตัวอย่าง: Morris, SB (2008) การประมาณขนาดเอฟเฟกต์จากการออกแบบกลุ่มควบคุมล่วงหน้า วิธีการวิจัยระดับองค์กร, 11 (2), 364-386 ( ลิงก์แต่น่าเสียดายที่ไม่มีการเข้าถึงฟรี) บทความนี้ยังอธิบายวิธีการที่แตกต่างกันสำหรับการประเมินการวัดขนาดผลกระทบนี้ คุณสามารถใช้ตัวอักษร "d" เพื่อแสดงขนาดเอฟเฟกต์ แต่คุณควรให้คำอธิบายเกี่ยวกับสิ่งที่คุณคำนวณ (มิฉะนั้นผู้อ่านอาจจะคิดว่าคุณคำนวณความแตกต่างเฉลี่ยที่เป็นมาตรฐานสำหรับคะแนนหลังการทดสอบเท่านั้น)

ฉันเชื่อว่า eta-square ทั่วไป ( Olejnik & Algena, 2003 ; Bakeman, 2005 ) ให้วิธีการแก้ปัญหาที่สมเหตุสมผลในการหาปริมาณขนาดของเอฟเฟกต์ที่ครอบคลุมทั่วทั้งเอสเอสและการออกแบบภายใน หากฉันอ่านข้อมูลอ้างอิงเหล่านั้นอย่างถูกต้องแล้ว eta-square ที่ได้มาตรฐานควรจะพูดคุยข้ามขนาดตัวอย่าง

General eta-square ถูกคำนวณโดยอัตโนมัติโดยฟังก์ชั่น ezANOVA () ในแพ็คเกจ ez สำหรับ R

และฉันคิดว่าเราสามารถอธิบายได้อย่างชัดเจนโดยสังเกต (ระหว่าง) ดังนั้นผู้คนจะรู้ว่ามันเป็นขนาดเอฟเฟกต์การควบคุมการทดลอง เนื่องจากมีขนาดเอฟเฟกต์ภายในกลุ่มด้วย FYI โชคดี!