লোকেরা যখন কোহেনের কথা বলে তখন মনে হয় তাদের বেশিরভাগ অর্থ:
ঘ= এক্স¯1- এক্স¯2গুলি
কোথায় pooled করা হয় স্ট্যানডার্ড ডেভিয়েশনগুলি
s=∑(x1−x¯1)2+(x2−x¯2)2n1+n2−2−−−−−−−−−−−−−−−−−−−−−√
পোল্ড স্ট্যান্ডার্ড বিচ্যুতির জন্য অন্যান্য অনুমানকারী রয়েছে, সম্ভবত উপরেরটি বাদে সবচেয়ে সাধারণ:
s∗=∑(x1−x¯1)2+(x2−x¯2)2n1+n2−−−−−−−−−−−−−−−−−−−−−√
এখানে স্বরলিপিটি উল্লেখযোগ্যভাবে বেমানান, তবে কখনও কখনও লোকেরা বলে যে (অর্থাত্, সংস্করণ) সংস্করণটিকে কোহেন বলা হয় , এবং যে সংস্করণটি ব্যবহার করা হয় জন্য হেজের নাম সংরক্ষণ করুন (যেমন, বেসেলের সংশোধন সহ, n1 + n2−2 সংস্করণ)। যেমন কোহেন pooled স্ট্যানডার্ড ডেভিয়েশন জন্য উভয় estimators রূপরেখা এটি কিছুক্ষণ অদ্ভুত (যেমন, উপর পি। 67, কোহেন, 1977 সংস্করণ) সামনে হেজেস তাদের (হেজেস, 1981) সম্পর্কে লিখেছেন।s∗n1+n2dgss
অন্যান্য সময় হেজের জি হেজস বিকাশকৃত মানযুক্ত পার্থক্যের পক্ষপাত সংশোধিত সংস্করণগুলির উভয়টিকেই উল্লেখ করতে সংরক্ষিত থাকে। হেজেস (1981) দেখিয়েছিল যে কোহেনের d wardর্ধ্বমুখী পক্ষপাতদুষ্ট ছিল (অর্থাত্, এর প্রত্যাশিত মানটি সত্য জনসংখ্যার প্যারামিটার মানের তুলনায় বেশি), বিশেষত ছোট নমুনায় এবং কোহেনের ডি'র পক্ষপাতদুটি সংশোধন করার জন্য একটি সংশোধন ফ্যাক্টরের প্রস্তাব করেছিলেন:
হেজেসের জি (নিরপেক্ষ অনুমানক):
g=d∗(Γ(df/2)df/2−−−−√Γ((df−1)/2))
কোথায় জন্য একটি স্বতন্ত্র গ্রুপ নকশা, এবং গামা ফাংশন। (মূলত হেজেস 1981, এই সংস্করণটি হেজস এবং অলকিন 1985, পৃষ্ঠা 104 থেকে বিকাশিত)df=n1+n2−2Γ
তবে এই সংশোধন ফ্যাক্টরটি মোটামুটি গণনার ক্ষেত্রে জটিল, সুতরাং হেজেস একটি গণনাভিত্তিক তুচ্ছ অনুমানও সরবরাহ করেছিলেন যা কিছুটা পক্ষপাতদুষ্ট হলেও প্রায় সমস্ত অনুমেয় উদ্দেশ্যেই ঠিক আছে:
হেজেসের (গণনা তুচ্ছ অনুমান):g∗
g∗=d∗(1−34(df)−1)
যেখানে একটি স্বতন্ত্র গ্রুপ নকশার জন্যdf=n1+n2−2
(মূলত হেজেস, 1981, বোরেনস্টাইন, হেজেস, হিগিংস, এবং রোথস্টেইন, 2011, পৃষ্ঠা 27 এর এই সংস্করণ)
তবে, লোকেরা যখন কোহেনের ডি বনাম হেজেস-এর বনাম জি * বলে তখন কী বোঝায়, লোকেরা এই তিনটি অনুমানের যে কোনওটিকে হেজের জি বা কোহেনের ডি পরিবর্তনীয় হিসাবে উল্লেখ করেছেন বলে মনে হয়, যদিও আমি কখনও কাউকে " " লিখতে দেখিনি। অ-পদ্ধতি / পরিসংখ্যান গবেষণা কাগজে "। যদি কেউ "নিরপেক্ষ কোহেনের ডি" বলেন, আপনাকে কেবল শেষ দুটির মধ্যে আপনার সেরা অনুমানটি নিতে হবে (এবং আমার ধারণা হেজের জন্যও ব্যবহার করা হয়েছে এমন আরও একটি প্রাক্কলন হতে পারে !)।g∗g∗
বা তার বেশি হলে এগুলি সমস্তই কার্যত অভিন্ন এবং সমস্তকে একইভাবে ব্যাখ্যা করা যায়। সমস্ত ব্যবহারিক উদ্দেশ্যে, যদি না আপনি সত্যিই ছোট নমুনা আকারগুলির সাথে কাজ করে থাকেন তবে আপনি যা ব্যবহার করেন তা সম্ভবত বিবেচনা করে না (যদিও আপনি বেছে নিতে পারেন তবে আপনি সেইসাথে ব্যবহার করতে পারেন যা আমি হেজেসকে বলেছি, যেমন এটি পক্ষপাতহীন)।n>20
তথ্যসূত্র:
বোরেনস্টাইন, এম।, হেজেস, এলভি, হিগিংস, জেপি, এবং রোথস্টেইন, এইচআর (2011)। মেটা-বিশ্লেষণের ভূমিকা। পশ্চিম সাসেক্স, যুক্তরাজ্য: জন উইলি অ্যান্ড সন্স।
কোহেন, জে। (1977)। আচরণ বিজ্ঞানের জন্য পরিসংখ্যানগত শক্তি বিশ্লেষণ (২ য় সংস্করণ)। হিলসডেল, এনজে, মার্কিন: লরেন্স এরলবাউম অ্যাসোসিয়েটস, ইনক।
হেজেস, এলভি (1981)। গ্লাসের প্রভাব আকার এবং সম্পর্কিত অনুমানকারীগুলির অনুমানের জন্য বিতরণ তত্ত্ব। শিক্ষাগত পরিসংখ্যান জার্নাল, 6 (2), 107-128। ডোই: 10.3102 / 10769986006002107
হেজেস এলভি, অলকিন আই। (1985)। মেটা-বিশ্লেষণের জন্য পরিসংখ্যানগত পদ্ধতি। সান দিয়েগো, সিএ: একাডেমিক প্রেস