কোন ধরণের ডেটা মূল্যায়ন করা হচ্ছে তা না জেনে এখানে ভাল পরামর্শ দেওয়া খুব কঠিন। এবং সত্যিই, আপনি এটি পেতে পারেন। এর মতো প্রশ্নের জন্য এফেক্ট আকারের সেরা পরিমাপের মতো আর কিছুই নেই ... সম্ভবত কখনও।
প্রশ্নে উল্লিখিত প্রভাব আকারগুলি সমস্ত মানকৃত প্রভাব আকার। তবে এটি সম্পূর্ণভাবে সম্ভব যে মূল ব্যবস্থার মাধ্যমগুলি বা মিডিয়ানগুলি ঠিক আছে। উদাহরণস্বরূপ, যদি আপনি পরিমাপ করে থাকেন যে কোনও উত্পাদন প্রক্রিয়া শেষ হতে কতক্ষণ সময় লাগে তবে সময়ের মধ্যে পার্থক্যটি পুরোপুরি যুক্তিসঙ্গত প্রভাবের আকার হওয়া উচিত। প্রক্রিয়াতে যে কোনও পরিবর্তন, ভবিষ্যতের পরিমাপ, সিস্টেম জুড়ে পরিমাপ এবং কারখানাগুলি জুড়ে পরিমাপ সমস্ত কিছু সময় মতো হবে। হতে পারে আপনি গড়টি চান বা হতে পারে আপনি মাঝারি বা এমনকি মোডও চান, তবে আপনাকে প্রথমে যা করতে হবে তা হল আসল পরিমাপের স্কেলটি দেখুন এবং দেখুন যে সেখানে প্রভাবের আকারটি ব্যাখ্যা করার পক্ষে যুক্তিযুক্ত এবং মাপের সাথে দৃ connected়ভাবে সংযুক্ত আছে কিনা।
সে সম্পর্কে চিন্তাভাবনা করতে সহায়তা করার জন্য, প্রভাবগুলি যেগুলি মানিক হওয়া উচিত সেগুলি হ'ল এমন বিষয়গুলি যা পরোক্ষভাবে এবং বিভিন্ন উপায়ে মাপা হয়। উদাহরণস্বরূপ, মনস্তাত্ত্বিক স্কেলগুলি সময়ের সাথে এবং বিভিন্ন উপায়ে পরিবর্তিত হতে পারে এবং অন্তর্নিহিত চলকটি পাওয়ার চেষ্টা করা যায় যা সরাসরি মূল্যায়ন করা হয় না। এই ক্ষেত্রে আপনি প্রমিত আকারের আকার চান।
মানসম্মত প্রভাব আকারের সাহায্যে সমালোচনামূলক সমস্যাটি কেবল কোনটি ব্যবহার করবেন তা নয় তবে তারা কী বোঝাতে চাইছে। আপনি আপনার প্রশ্নটিতে ইঙ্গিত করার সাথে সাথে তাদের অর্থ কী তা আপনিও জানেন না এবং এটি গুরুত্বপূর্ণ বিষয়। যদি আপনি না জানেন যে মানকৃত প্রভাবটি কী তা হয় তবে আপনি এটি সঠিকভাবে প্রতিবেদন করতে পারবেন না, এটি সঠিকভাবে ব্যাখ্যা করতে পারবেন বা সঠিকভাবে ব্যবহার করতে পারবেন না। তদুপরি, যদি আপনি বিভিন্ন উপায়ে ডেটা নিয়ে আলোচনা করতে চান তবে একের বেশি প্রভাবের আকারের প্রতিবেদন করা থেকে বিরত কিছু নেই। লিনিয়ার সম্পর্কের ক্ষেত্রে যেমন পণ্য মুহুর্তের সম্পর্ক সম্পর্কিত, বা স্পিয়ারম্যানের সাথে সম্পর্কগুলির ক্ষেত্রে আপনি নিজের ডেটা নিয়ে আলোচনা করতে পারেনr
এবং এর মধ্যে পার্থক্য বা কেবল সারণীতে সমস্ত তথ্য সরবরাহ করে। এতে মোটেই কিছু ভুল নেই। তবে আপনার ফলাফলগুলির অর্থ কী আপনি চান তা সিদ্ধান্ত নিতে হবে anything এটি এমন কিছু যা প্রদত্ত তথ্য থেকে উত্তর দেওয়া যায় না এবং এ জাতীয় ফোরামে কোনও প্রশ্নের পক্ষে যুক্তিসঙ্গত চেয়ে অনেক বেশি তথ্য এবং ডোমেন নির্দিষ্ট জ্ঞানের প্রয়োজন হতে পারে।
এবং সর্বদা আপনি কীভাবে প্রভাবের প্রতিবেদন করছেন সে সম্পর্কে মেটা-বিশ্লেষণাত্মকভাবে ভাবেন। ভবিষ্যতে লোকেরা কীভাবে আমি প্রতিবেদন করছি ফলাফল নিতে এবং এগুলি অন্যদের সাথে সংহত করতে সক্ষম হবে? এই জিনিসগুলির জন্য আপনার ক্ষেত্রে সম্ভবত কোনও মান আছে। সম্ভবত আপনি মূলত একটি প্যারাম্যাট্রিক পরীক্ষা বাছাই করেছেন কারণ আপনি অন্তর্নিহিত বিতরণ সম্পর্কে অন্যরা যে সিদ্ধান্তে এসেছেন তা বিশ্বাস করেন না এবং আপনি প্রাথমিকভাবে প্যারামেট্রিক পরীক্ষাগুলি ব্যবহার করে এমন ক্ষেত্রে আপনার অনুমানগুলিতে আরও রক্ষণশীল হতে চান। সেক্ষেত্রে প্যারামিট্রিক টেস্টগুলির সাথে সাধারণত একটি প্রভাব আকার সরবরাহ করার ক্ষেত্রে কোনও ভুল নেই। আপনি কীভাবে অনুরূপ গবেষণার বৃহত্তর সাহিত্যে আপনার সন্ধানকে রাখবেন সে সম্পর্কে চিন্তাভাবনা করার সময় এই এবং অন্যান্য অনেক বিষয় বিবেচনা করা দরকার। সাধারণত ভাল বর্ণনামূলক পরিসংখ্যান এই সমস্যাগুলি সমাধান করে।
সুতরাং এটি প্রাথমিক পরামর্শ। আমার কয়েকটি অতিরিক্ত মন্তব্য আছে। আপনি যদি চান যে আপনার প্রভাবের আকারটি আপনি যে পরীক্ষার সাথে করেছেন তার সাথে দৃ strongly়ভাবে সম্পর্কিত হোক তবে Z
ভিত্তিক সুপারিশটি অবশ্যই সর্বোত্তম। আপনার স্ট্যান্ডার্ডাইজড এফেক্ট সাইজের অর্থ পরীক্ষার মতো একই জিনিস। তবে আপনি যত তাড়াতাড়ি এটি করছেন না, তখন বেশিরভাগ কিছুই ব্যবহার করার ক্ষেত্রে কোনও ভুল নেই, এমনকি কোহেনের মতো কিছু d
যা প্যারামেট্রিক পরীক্ষার সাথে যুক্ত। গণনার মাধ্যম, স্ট্যান্ডার্ড বিচ্যুতি, বা এর জন্য স্বাভাবিকতার কোনও অনুমান নেইd
স্কোর। আসলে, প্রস্তাবিত পারস্পরিক সম্পর্ক সহগের চেয়ে দুর্বল অনুমান রয়েছে। এবং সর্বদা ভাল বর্ণনামূলক পদক্ষেপের প্রতিবেদন করুন। আবার, বর্ণনামূলক পদক্ষেপগুলির কোনও অনুমান নেই যে আপনি লঙ্ঘন করছেন তবে তাদের মূল অর্থ মনে রাখবেন। আপনি বর্ণনামূলক পরিসংখ্যানের প্রতিবেদন করেছেন যা আপনি যে ডেটা বলতে চান এবং তার অর্থ বলতে চান এবং মিডিয়ানরা বিভিন্ন কথা বলে।
আপনি যদি স্বতন্ত্র ডিজাইন প্রভাবের আকারগুলির তুলনায় বারবার ব্যবস্থা গ্রহণ করতে চান তবে তা সত্যিই সম্পূর্ণ নতুন প্রশ্ন।