পরিসংখ্যানগতভাবে তাৎপর্যপূর্ণ এবং অ-তাত্পর্যপূর্ণ বিশ্লেষণগুলিতে কীভাবে এটা স্কোয়ার / আংশিক এটা স্কোয়ারের ব্যাখ্যা এবং প্রতিবেদন করবেন?

Question

আমার কাছে ডেটা রয়েছে যা এটা স্কোয়ার মান এবং আংশিক এটা স্কোয়ারের মানগুলি গ্রুপ মানে পার্থক্যের জন্য প্রভাব আকারের পরিমাপ হিসাবে গণনা করে।

• এটা স্কোয়ার এবং আংশিক এটা স্কোয়ারের মধ্যে পার্থক্য কী? একই কোহেনের নির্দেশিকা (1988 আমার মনে হয়: 0.01 = ছোট, 0.06 = মাঝারি, 0.13 = বৃহত্তর) ব্যবহার করে তাদের উভয়ের ব্যাখ্যা করা যেতে পারে?

• এছাড়াও, তুলনা পরীক্ষাটি (যেমন টি-টেস্ট বা একমুখী এএনওওএ) অ-তাৎপর্যপূর্ণ হয় তবে কি প্রভাবের আকারের রিপোর্টিংয়ে ব্যবহার করা যায়? আমার মাথায় এটি বলার মতোই "গড় পার্থক্যটি পরিসংখ্যানগত তাত্পর্যতে পৌঁছে নি তবে এটি এখনও বিশেষ দ্রষ্টব্য কারণ এটা স্কোয়ার থেকে নির্দেশিত প্রভাবের আকারটি মাঝারি"। বা, প্রভাবের আকারটি পরিপূরক না হয়ে তাৎপর্য পরীক্ষার জন্য প্রতিস্থাপনের মান?

Comments

আসলে এসপিএসএস সমস্ত আনোভা জন্য আংশিক এটা স্কোয়ার গণনা করে। এটি একক আইভি ইন্ডিপেন্ডেন্ট গ্রুপ ডিজাইনগুলিতে এটা স্কোয়ারের মতো একই মান দেবে, তবে একক চতুর্থ পুনরাবৃত্তি ব্যবস্থা ডিজাইনের একটি আলাদা মান। এটি আমার শিক্ষার্থীদের সাথে সমস্যার কোনও শেষের কারণ নয়।

Answer 1

গোষ্ঠীর জন্য প্রভাব আকারগুলি অর্থ পার্থক্য

• সাধারণভাবে, আমি স্ট্যান্ডার্ডাইজড গ্রুপের অর্থ পার্থক্যগুলি (যেমন, কোহেনের ডি) গ্রুপ পার্থক্যের প্রসঙ্গে একটি আরও অর্থবহ প্রভাবের আকারের পরিমাপ দেখতে পাই। এটা স্কোয়ারের মতো পরিমাপগুলি গ্রুপের নমুনার আকারগুলি সমান কিনা তা দ্বারা প্রভাবিত হয়, তবে কোহেনের ডি নেই। আমি আরও মনে করি যে ডি-ভিত্তিক ব্যবস্থাগুলির অর্থ আরও স্বজ্ঞাত হয় যখন আপনি যা বোঝানোর চেষ্টা করছেন তা গ্রুপ অর্থের মধ্যে পার্থক্য।
• উপরোক্ত বিষয়টি বিশেষত সেই ক্ষেত্রে শক্তিশালী যেখানে আপনার কেবল দুটি গ্রুপ রয়েছে (যেমন, চিকিত্সা বনাম নিয়ন্ত্রণের প্রভাব)। আপনার যদি দুটি গ্রুপের বেশি থাকে তবে পরিস্থিতিটি আরও কিছুটা জটিল। আমি এক্ষেত্রে পরিবর্তনের ব্যাখ্যা ব্যবস্থাগুলির পক্ষে যুক্তি দেখতে পাচ্ছি। বিকল্পভাবে, কোহেনের$f^2$ অন্য বিকল্প।
• তৃতীয় বিকল্পটি হ'ল পরীক্ষামূলক প্রভাবগুলির প্রেক্ষাপটে, এমনকি যখন দুটিরও বেশি গ্রুপ রয়েছে, তখনও প্রভাবের ধারণাটি বাইনারি তুলনা হিসাবে সেরা ধারণা করা হয় (যেমন, একটি শর্তের সাথে অন্যটির সাথে সম্পর্ক)। এই ক্ষেত্রে, আপনি আবার ডি-ভিত্তিক পদক্ষেপগুলিতে ফিরে যেতে পারেন। ডি-ভিত্তিক পরিমাপটি ফ্যাক্টরের জন্য কোনও প্রভাব আকার পরিমাপ নয়, বরং একটি রেফারেন্স গোষ্ঠীর তুলনায় একটি গোষ্ঠীর। কীটি একটি অর্থবহ রেফারেন্স গোষ্ঠীটি সংজ্ঞায়িত করা।
• পরিশেষে, এফেক্ট আকারের পদক্ষেপগুলি অন্তর্ভুক্ত করার বিস্তৃত লক্ষ্যটি মনে রাখা গুরুত্বপূর্ণ। এটি পাঠকের আগ্রহের প্রভাবের আকারটি উপলব্ধি করা। প্রভাবের কোনও মানক পরিমাপের পাঠককে এই কাজে সহায়তা করা উচিত। যদি নির্ভরশীল ভেরিয়েবলটি অন্তর্নিহিত অর্থপূর্ণ স্কেলে থাকে তবে সেই স্কেলের ক্ষেত্রে প্রভাবের আকারটি ব্যাখ্যা করা থেকে বিরত থাকবেন না। উদাহরণস্বরূপ, প্রতিক্রিয়া সময়, বেতন, উচ্চতা, ওজন ইত্যাদির আঁশগুলি সহজাত অর্থবহ। যদি আপনি খুঁজে পান, যেমন আমার মতো, এবং পরীক্ষামূলক প্রভাবগুলির প্রসঙ্গে কিছুটা অপ্রচলিত হতে স্কোয়ার হয় তবে সম্ভবত অন্য সূচকটি চয়ন করুন।

এটা স্কোয়ার্ড বনাম আংশিক এটা স্কোয়ার

• আংশিক এটা স্কোয়ার হ'ল এসপিএসএস-এ বেশ কয়েকটি আনোভা পদ্ধতিতে রিপোর্ট করা ডিফল্ট এফেক্ট আকার মাপ। আমি ধরে নিই এই কারণেই আমি প্রায়শই এটি সম্পর্কে প্রশ্ন করি।
• আপনার যদি কেবলমাত্র একটি ভবিষ্যদ্বাণীপূর্ণ পরিবর্তনশীল থাকে তবে আংশিক এটা স্কোয়ারটি এটা স্কোয়ারের সমান।
• এই নিবন্ধটি এটা স্কোয়ার এবং আংশিক এটা স্কোয়ার (লেভাইন এবং হুললেট এটা স্কোয়ার্ড, আংশিক এটা স্কোয়ার্ড .. ) এর মধ্যে পার্থক্য বর্ণনা করেছে ।
• সংক্ষেপে, আপনার যদি একাধিক পূর্বাভাসক থাকে তবে আংশিক এটা স্কোয়ারটি অন্য ভবিষ্যদ্বাণীকারীদের দ্বারা ব্যাখ্যা করা বৈকল্পিকতা বাদ দিয়ে বাকী বৈকল্পিকের দ্বারা প্রদত্ত বৈকল্পিকটি ব্যাখ্যা করা হয়।

এটা স্কোয়ার এবং আংশিক এটা স্কোয়ারের জন্য থাম্বের বিধি

• যদি আপনার কাছে কেবলমাত্র একজন ভবিষ্যদ্বাণী থাকে তবে, এটা স্কোয়ার্ড এবং আংশিক এটা স্কোয়ার্ড একই এবং এইভাবে থাম্বের একই নিয়মগুলি প্রযোজ্য হবে।
• আপনার যদি একাধিক পূর্বাভাসক থাকে তবে আমি মনে করি যে এটা স্কোয়ারের জন্য থাম্বের সাধারণ নিয়মগুলি এটা স্কোয়ারের চেয়ে আংশিক এটা স্কোয়ারের ক্ষেত্রে আরও বেশি প্রযোজ্য। এটি কারণ কারণ অ্যানোভাতে আংশিক এটা স্কোয়ার যুক্তিযুক্তভাবে আরও ঘনিষ্ঠভাবে প্রায় কাছাকাছি যা এটা স্কোয়ারটি ফ্যাক্টরের জন্য হত যদি এটি একমুখী আনোভা হত; এবং এটি সম্ভবত একমুখী আনোভা যা কোহেনের থাম্বের নিয়মকে জন্ম দিয়েছে। সাধারণভাবে, একটি পরীক্ষামূলক ডিজাইনের অন্যান্য উপাদানগুলি সহ সাধারণত এটা স্কোয়ার হ্রাস করা উচিত, তবে দ্বিতীয় ফ্যাক্টরটির যদি এর প্রভাব থাকে তবে নির্ভরশীল ভেরিয়েবলের পরিবর্তনশীলতা বৃদ্ধি পায় বলে আংশিক এটা স্কোয়ার করা উচিত নয়।
• আমি এটা স্কোয়ার এবং আংশিক এটা স্কোয়ারের নিয়মের বিষয়ে যা বলি তা সত্ত্বেও, আমি পুনরুক্তি করি যে আমি বৈকল্পিকের অনুরাগী নই এবং পরীক্ষামূলক প্রভাবগুলির আকার এবং অর্থ ব্যাখ্যা করার প্রসঙ্গে প্রভাবের আকারের ব্যবস্থা ব্যাখ্যা করেছি। একইভাবে, থাম্বের নিয়মগুলি কেবল এটিই, রুক্ষ, প্রসঙ্গে নির্ভর, এবং খুব বেশি গুরুত্ব সহকারে নেওয়া উচিত নয়।

উল্লেখযোগ্য এবং অ-তাত্পর্যপূর্ণ ফলাফলের প্রসঙ্গে প্রভাবের আকারের প্রতিবেদন করা

• কিছুটা অর্থে আপনার গবেষণার একটি লক্ষ্য জনসংখ্যার প্রতি আপনার আগ্রহের পরিবর্তনশীলগুলির প্রভাবগুলির বিভিন্ন পরিমাণগত অনুমানের অনুমান করা।
• এফেক্টের আকারগুলি এই প্রভাবের একটি বিন্দু অনুমানের এক পরিমাণ are আপনার নমুনার আকারটি যত বড়, সাধারণভাবে, আপনার নমুনা বিন্দুর অনুমানটি সত্য জনসংখ্যার প্রভাব হিসাবে হবে।
• বিস্তৃত ভাষায়, তাত্পর্য পরীক্ষাটি আপনার ফলাফলগুলির ব্যাখ্যা হিসাবে সুযোগকে বাতিল করা। সুতরাং, পি-মান আপনাকে নাল হাইপোথিসিসটি সত্য বলে ধরে নিয়ে কোনও প্রভাব আকার বা আরও চরম আকারের পর্যবেক্ষণের সম্ভাবনা বলে দেয়।
• শেষ পর্যন্ত, আপনি কোনও প্রভাব ছাড়তে চান এবং সত্য জনসংখ্যার প্রভাবের আকার সম্পর্কে কিছু বলতে চান। আত্মবিশ্বাসের বিরতি এবং প্রভাব আকারগুলির চারপাশে বিশ্বাসযোগ্যতার ব্যবধানগুলি এমন দুটি পদ্ধতি যা এই সমস্যাটিতে আরও সরাসরি আসে directly তবে, পি-মানগুলি এবং ইফেক্ট আকারের পয়েন্টের প্রাক্কলনের প্রতিবেদন করা বেশ সাধারণ এবং কেবল পি-মান বা কেবলমাত্র প্রভাব আকারের ব্যবস্থাগুলির প্রতিবেদন করার চেয়ে অনেক ভাল।
• আপনার নির্দিষ্ট প্রশ্নের সাথে, যদি আপনার অ-তাৎপর্যপূর্ণ ফলাফল থাকে তবে আপনি প্রভাবের আকারের পদক্ষেপগুলি প্রতিবেদন করছেন কিনা তা আপনার সিদ্ধান্ত। আমি মনে করি আপনার যদি অনেকগুলি ফলাফল সহ একটি টেবিল থাকে তবে তা প্রভাবের আকারের কলামটি ব্যবহার করা যায় যা তাত্পর্য নির্বিশেষে ব্যবহৃত হয় sense এমনকি অ-তাৎপর্যপূর্ণ প্রসঙ্গে প্রভাবের আকারগুলি আত্মবিশ্বাসের ব্যবধানগুলির সাথে তথ্যসূত্র হতে পারে যে অ-তাত্পর্যপূর্ণ অনুসন্ধানগুলি অপর্যাপ্ত নমুনার আকারের কারণে হতে পারে।

Comments

হাই জেরেমি - আপনি যখন বলবেন "আমি আপনার সাথে পৃথক হয়েছি" আঞ্চলিক এটা স্কোরিওরাল আনোভাতে স্কোয়ারড যুক্তিযুক্তভাবে আরও ঘনিষ্ঠভাবে প্রায় কীভাবে এটা স্কোয়ারটি ফ্যাক্টরটির জন্য হত যদি এটি একমুখী আনোভা হত "" প্রকৃতপক্ষে, এটা স্কোয়ার্ডটি যদি ভবিষ্যদ্বাণীকারীকে একা ব্যবহার করা হত তবে এটি অন্যান্য ভবিষ্যদ্বাণীকের সংস্থার আংশিক এটা স্কোয়ারের চেয়ে অনেক বড় হতে পারে। পরবর্তী ক্ষেত্রে, পরিণামে ব্যাখ্যা করা ভাগযুক্ত বৈকল্পিক প্রশ্নে ভবিষ্যদ্বাণীকে জমা দেওয়া হয় না; পূর্বে, ব্যাখ্যা করা বৈকল্পিকতার জন্য কোনও "প্রতিযোগিতা" নেই, সুতরাং ভবিষ্যদ্বাণী ফলাফলের সাথে প্রদর্শিত কোনও ওভারল্যাপের জন্য কৃতিত্ব পান।

— Rolando2

@ Rolando2 সম্ভবত আমার বক্তব্য অস্পষ্ট ছিল। আমি নকশা করা পরীক্ষাগুলি উল্লেখ করছি। বলুন পরীক্ষণ 1টি ফ্যাক্টর এ কে পরিচালনা করে এবং 2 এ এবং বি পরীক্ষা করে, ভারসাম্যপূর্ণ ডিজাইন ধরে ধরে উভয় কারণই অরথোগোনাল। উভয় উপাদানই বৈচিত্র্য ব্যাখ্যা করে ধরে নিলে, পরীক্ষাগুলি 2 এ ফ্যাক্টর এ দ্বারা ব্যাখ্যা করা বৈকল্পিক পরীক্ষা 1 এর চেয়ে কম হবে, যেখানে ফ্যাক্টর বি এর স্তর স্থির থাকে। সুতরাং, যখন একটি-ফ্যাক্টর পরীক্ষাগুলির সাথে ফ্যাক্টরিয়াল পরীক্ষাগুলি তুলনা করা হয়, তখন আমি মনে করি আংশিক এটা স্কোয়ারটি ফ্যাকটোরিয়াল এবং ওয়ান-ফ্যাক্টর পরীক্ষাগুলিতে আরও বেশি মিল রয়েছে, বিশেষত যদি কোনও ইন্টারঅ্যাকশন প্রভাব না থাকে।

— জেরোমি অ্যাংলিম