দ্বিপদী প্রভাব প্রভাব প্রদর্শন (BESD) প্রভাব আকারের একটি বিভ্রান্তিকর উপস্থাপনা?

Question

আমার পক্ষে এটা মেনে নেওয়া শক্ত যে ডোনাল্ড রুবিন কখনই কোনও কৌশলটির সত্যিকারের লেবু নিয়ে আসবেন। তবুও, এটি বিএসডি সম্পর্কে আমার ধারণা [ 1 , 2 , 3 ]।

রোজেন্থাল এবং রুবিনের (১৯৮২) মূল কাগজ দাবি করেছিল যে "মূল ডেটা ধারাবাহিক বা শ্রেণিবদ্ধ কিনা তা" এই জাতীয় [২x2] ডিসপ্লেতে কোনও পণ্য-মুহুর্তের সম্পর্ক কীভাবে পুনর্বহাল করা যায় "তা দেখানোর মূল্য রয়েছে"

নীচের টেবিলটি পি থেকে রয়েছে। 451 উপরের দ্বিতীয় লিঙ্কের:

এই কৌশলটি প্রায় কোনও প্রভাব আকারের মাত্রা ছাড়িয়ে গেছে বলে মনে হচ্ছে। এখানে, মূল ডেটা = .01 থেকে , তবে যখন 2x2 কন্টিজেন্সি টেবিলটিতে "অনুবাদ" করা হয়, তখন আমরা আরও শক্তিশালী প্রভাবের মুখোমুখি হতে পারি। আমি অস্বীকার করি না, যখন ডেটাগুলি এইভাবে শ্রেণীবদ্ধ বিন্যাসে পুনরায় পাঠানো হয় , প্রকৃতপক্ষে = .1, তবে আমি অনুভব করি যে অনুবাদটিতে কিছু খুব বিকৃত হয়েছে।$R^2$$\phi$

আমি কি এখানে সত্যিই মূল্যবান কিছু মিস করছি? এছাড়াও, আমার ধারণা আছে যে বিগত 10 বা তাই বছরগুলিতে পরিসংখ্যানবাদী সম্প্রদায় এটিকে একটি বৈধ পদ্ধতি হিসাবে প্রত্যাখ্যান করেছে - আমি কি তাতে ভুল করছি?

যথাক্রমে পরীক্ষামূলক ( ) এবং নিয়ন্ত্রণ ( ) সাফল্যের হার ( ) গণনা করার সমীকরণটি কেবল সহজ:সি এস $E$$C$$sr$

$E_{sr} = .50 + r/2$

এবং

$C_{sr} = .50 - r/2$

---

রেফারেন্স:

রোজেন্থাল, আর।, এবং রুবিন, ডিবি (1982)। পরীক্ষামূলক প্রভাবের মাত্রার একটি সাধারণ সাধারণ উদ্দেশ্য প্রদর্শন। শিক্ষাগত মনোবিজ্ঞান জার্নাল, 74 , 166-169।

Comments

$r$

আপনার ভাল ধারণাগুলি আমি দেখেছি শুধুমাত্র প্রতিক্রিয়া বা উত্তর।

— Rolando2

আমি এটি পড়িনি, তবে এটি অত্যন্ত প্রাসঙ্গিক বলে মনে হচ্ছে: হু, এলএম (2004)। সাফল্যের হারের পার্থক্যগুলির বাইসগুলি দ্বিপদী প্রভাবের আকারের প্রদর্শনগুলিতে দেখানো হয়। মানসিক পদ্ধতি, 9 (2), 183-197। কিছু সমালোচনাও এতে আলোচিত: র‌্যান্ডল্ফ, জেজে, এবং এডমন্ডসন, আরএস (2005)। মূল্যায়ন শ্রোতাদের কাছে প্রভাব আকারের বিশালতা উপস্থাপনের জন্য দ্বিপদী কার্যকারিতা আকার প্রদর্শন (BESD) ব্যবহার করে। ব্যবহারিক মূল্যায়ন, গবেষণা ও মূল্যায়ন, 10 (14)।

— ওল্ফগ্যাং

Answer 1

আমি প্রমাণ করতে পারি যে এটি পক্ষপাতদুষ্ট (আমি মনে করি), তবে কেন তা ব্যাখ্যা করতে পারি না। আমি আশা করছি যে কেউ আমার উত্তর দেখতে এবং এটি আরও ব্যাখ্যা করতে সহায়তা করতে পারে।

অনেকগুলি মেটা-বিশ্লেষণ এবং আপনার পোস্ট করা ইমেজের মতোই অনেক লোক বিএসডিকে ব্যাখ্যা করে: আপনি যদি উভয় ভেরিয়েবলকে বিভক্ত করতে চান তবে আপনি সঠিকভাবে লোকদের একটি 2 x 2 কন্টিজেন্সি টেবিলের "ডান" কোষে একটি নির্দিষ্ট শতাংশের মধ্যে রেখে দেবেন সময়.

$.50 + r/2 = .70$$r$

$r$

$r = .38$$.50 + r/2$

তারপরে আমি 10,000 টি দৈর্ঘ্যের এই ভেক্টরের প্রত্যেকটির গড় এবং মানক বিচ্যুতি নিয়েছি। কোড:

library(MASS)
# set population params
mu <- rep(0,2)
Sigma <- matrix(.38, nrow=2, ncol=2) + diag(2)*.62
# set seed
set.seed(1839)
# generate population
pop <- as.data.frame(mvrnorm(n=1000000, mu=mu, Sigma=Sigma))
# initialize vectors
besd_correct <- c()
actual_correct <- c()
# actually break up raw data by median split, see how it works
for (i in 1:10000) {
  samp <- pop[sample(1:1000000, 100),]
  besd_correct[i] <- round(100*(.50 + cor(samp)[1,2]/2),0)
  samp$V1_split <- ifelse(samp$V1 > median(samp$V1), 1, 0)
  samp$V2_split <- ifelse(samp$V2 > median(samp$V2), 1, 0)
  actual_correct[i] <- with(samp, table(V1_split==V2_split))[[2]]
}
# cells for BESD
mean(besd_correct)
100 - mean(besd_correct)
# cells for actual 2 x 2 table with median split
mean(actual_correct)
100 - mean(actual_correct)

BESD উপর ভিত্তি করে আমরা এই টেবিল পেতে যেখানে v1এবং v2ভেরিয়েবল পড়ুন এবং lowএবং highনিচে এবং মধ্যমা যথাক্রমে উপরে উল্লেখ করুন:

+---------+--------+---------+
|         | v2 low | v2 high |
+---------+--------+---------+
| v1 low  | 69     | 31      |
+---------+--------+---------+
| v1 high | 31     | 69      |
+---------+--------+---------+

কাঁচা ডেটার সাথে প্রকৃতপক্ষে একটি মধ্যভাগ বিভক্ত করার উপর ভিত্তি করে, আমরা এই টেবিলটি পেয়েছি:

+---------+--------+---------+
|         | v2 low | v2 high |
+---------+--------+---------+
| v1 low  | 62     | 38      |
+---------+--------+---------+
| v1 high | 38     | 62      |
+---------+--------+---------+

সুতরাং কেউ যখন বিইএসডি ব্যবহার করে তর্ক করতে পারে, সেখানে "নিয়ন্ত্রণ ও পরীক্ষামূলক ক্ষেত্রে 38 শতাংশ পয়েন্টের পার্থক্য রয়েছে", প্রকৃত মাঝারি বিভাজনের এই সংখ্যা 24 হয়।

আমি কেন নিশ্চিত তা নিশ্চিত না , বা যদি এটি নমুনার আকার এবং পারস্পরিক সম্পর্কের উপর নির্ভর করে (সহজেই এটি চিত্রিত করার জন্য আরও সিমুলেশন করা যেতে পারে) তবে আমি মনে করি এটি পক্ষপাতদুষ্ট shows আমি পছন্দ করি যদি কেউ গণনা-পরিবর্তে গণিতের সাথে ব্যাখ্যা করতে পারে তবে তা পছন্দ করি।

Answer 2

মার্ক হোয়াইটের অন্তর্দৃষ্টি ভুল is বিইএসডি আসলে একটি মিডিয়ান বিভক্তির মডেলিং করছে না। একটি মাঝারি বিভাজন প্রকৃত পরিসংখ্যান তথ্য হ্রাসের সাথে সম্পর্কিত - এটি পদ্ধতিগতভাবে সম্পর্কের দিকে তীক্ষ্ন হয় (দেখুন http://psycnet.apa.org/record/1990-24322-001), যার কারণে মিডিয়ান বিভক্ত মানগুলি BESD এর চেয়ে ছোট যথার্থতা দেখায়। বিইএসডি শ্রেণিবদ্ধকরণের নির্ভুলতা প্রদর্শন করছে যেমন ভেরিয়েবলগুলি সত্যিকার অর্থে দ্বিখণ্ডিত, কৃত্রিমভাবে মধ্যম বিভাজনের মধ্য দিয়ে দ্বিখণ্ডিত হয়নি। এটি দেখতে, মিডিয়ান স্প্লিট ডেটার সাথে সম্পর্কটিকে গণনা করুন। আপনি দেখতে পাবেন যে এটি আসল ভেরিয়েবলগুলির জন্য পারস্পরিক সম্পর্কের চেয়ে ছোট। যদি ভেরিয়েবলগুলি মূলত বাইনারি হয় তবে দুটি পদ্ধতি সম্মত হবে। এর প্রকৃতি অনুসারে, বিইএসডি ভেরিয়েবলগুলি প্রদর্শিত হচ্ছে যেমন তারা সত্যই বাইনারি ছিল। যখন এটি অবিচ্ছিন্ন পরিবর্তনশীলগুলির জন্য ব্যবহৃত হয়, এটি অগত্যা একটি বিমূর্ততা উপস্থাপন করে - সত্যই "সাফল্য" এবং "ব্যর্থতা" বা "চিকিত্সা" এবং "নিয়ন্ত্রণ" গোষ্ঠী নেই,

বিইএসডি পক্ষপাতদুষ্ট নয়। শ্রেণিবিন্যাসের নির্ভুলতায় কোনও নির্দিষ্ট চিকিত্সার প্রভাবটি সঠিকভাবে প্রতিফলিত করে যদি আমরা দুটি বাইনারি ভেরিয়েবলের সাথে কাজ করে থাকি। এটি কোনও পরিমাপ বা চিকিত্সার সম্ভাব্য ব্যবহারিক মান প্রদর্শনের জন্য একটি দরকারী প্রদর্শন, এবং হ্যাঁ, এটি প্রমাণ করে যে পরিসংখ্যানগুলির জন্য ক্ষুদ্রতর ভিন্নতার সাথে প্রভাবগুলিও অর্থবহ গুরুত্বপূর্ণ। বিইএসডি ব্যাপকভাবে প্রয়োগ করা মনস্তাত্ত্বিক এবং সাংগঠনিক অনুশীলনে ব্যবহৃত হয় এবং এটি অন্যান্য ব্যবহারিক প্রভাবের আকারের প্রদর্শনগুলির সাথে দৃ strongly়ভাবে সম্মত হয় (যেমন, টপ-ডাউনটি r = .25 এর বৈধতা সম্পর্কিত সাথে একটি পরিমাপ ব্যবহার করে একটি গোষ্ঠী নির্বাচন করে। বাছাই করা গোষ্ঠী বনাম বাছাই করা গোষ্ঠীর মধ্যে এসডি ফলাফল কার্যকারিতা বৃদ্ধি করে) in

বৈকল্পিক পরিসংখ্যানগুলির জন্য গণ্য হয় ধারাবাহিকভাবে ভেরিয়েবল সম্পর্কের আকার সম্পর্কে ভুল বোঝাবুঝি এবং অবমূল্যায়নের দিকে পরিচালিত করে কারণ স্কোয়ারিং অপারেশন অরেখযোগ্য। অনেক প্রয়োগ পদ্ধতিবিজ্ঞানী (উদাহরণস্বরূপ, https://us.sagepub.com/en-us/nam/methods-of-meta-analysis/book240589 ) তাদের বর্গাকার শিকড়গুলির পক্ষে তাদের ব্যবহারকে কঠোরভাবে নিরুৎসাহিত করে (যা আরও সঠিকভাবে আকারের আকার দেয় প্রভাব).

Answer 3

একটি বিশদ উত্তরের জন্য, এটি কখন তাত্পর্য তৈরি করে এবং এর থেকে আরও ভাল সমাধানের জন্য বিশ্লেষণ, দয়া করে মেটা-অ্যানালিটিক প্রভাবের আকার থেকে দ্বিধাত্ত্বিক ফলাফলের সম্পূর্ণ শতাংশ পরিবর্তনের গণনা করার সঠিক পদ্ধতিটি দেখুন: ইমপ্যাক্ট এবং ব্যয়-ফলাফলের প্রাক্কলন, টিআর মিলার, জে ডেরজন, ডি হেন্ডরি, স্বাস্থ্যের মূল্য, 14: 1, 144-151, 2011 that নিবন্ধটির বিমূর্তের সংক্ষিপ্ত উত্তর এখানে। লক্ষ্য: মেটা-বিশ্লেষণ সাধারণত চিকিত্সা প্রভাব আকার (কোহেন এর ডি) গণনা, যা সহজেই অন্য সাধারণ পরিমাপ, দ্বিপদী প্রভাব প্রভাব প্রদর্শন (BESD) রূপান্তরিত হয়। বিইএসডি হ'ল পারস্পরিক সম্পর্ক সহগ এবং হস্তক্ষেপের জন্য গুণিত ফলাফলের শতাংশের পার্থক্যের প্রতিনিধিত্ব করে। ডি এবং বিইএসডি উভয়ই স্বেচ্ছাসেবী ইউনিটে রয়েছে; উভয়ই হস্তক্ষেপের ফলে পরিপূর্ণ পরিবর্তন পরিমাপ করে না। বিইএসডি থেকে নিখুঁত পরিবর্তনের অনুমানের জন্য ব্যবহৃত পদ্ধতিটি ফলাফলের একটি 50-50 বিভাজন এবং ভারসাম্যপূর্ণ নকশা উভয়ই অনুমান করে। ফলস্বরূপ, ভুল অনুমানগুলি হস্তক্ষেপের ফলে প্রাপ্ত লাভের (এবং এর ব্যয়ের কার্যকারিতা) সর্বাধিক মেটা-বিশ্লেষণমূলক অনুমানকে বোঝায়। এই অনুচ্ছেদটি এই অনুমানগুলি ছাড়াই একটি সঠিক সূত্র বিকাশ করে। পদ্ধতি: সূত্রটি বীজগণিতভাবে 1 থেকে বিকশিত হয়) চিকিত্সা এবং নিয়ন্ত্রণ গোষ্ঠীর আপেক্ষিক আকার এবং 2 শতাংশ লোকের শর্তের অনুপস্থিত হস্তক্ষেপের তুলনামূলকভাবে তৈরি হওয়া 2-বাই -2 কন্টিজেন্সি টেবিল হিসাবে উপস্থাপিত সহাবস্থানের জন্য সূত্রটি, এবং 2) চিকিত্সার সাথে সাফল্যের সম্ভাবনার পরিবর্তন দেখাচ্ছে BESD পারস্পরিক সম্পর্কের সহগ সূত্র। ফলাফল: সিমুলেশন প্রকাশ করে যে 35% -65% ক্ষেত্রে সমস্যার ফলাফল দেখা দিলে বিইএসডি কেবলমাত্র হস্তক্ষেপের ফলে প্রাপ্ত ফলাফলের হ্রাসের সমান করে। কম সাধারণ ফলাফলের জন্য, বিইএসডি হস্তক্ষেপের প্রভাবকে যথেষ্ট পরিমাণে বিবেচনা করে। এমনকি বিএসডি ফলাফলের সম্ভাব্য শতাংশের পরিবর্তনের সঠিকভাবে অনুমান করলেও, এটি মামলার অনুপাতের একটি বিভ্রান্তিমূলক চিত্র আঁকা যা একটি ইতিবাচক ফলাফল অর্জন করবে।

Comments

এবং সম্পূর্ণ পাঠ্যটি বিজ্ঞান ডাইরেক্টড / সায়েন্স / আর্টিক্যাল / পিআইআই / এস 1098301510000148 এ রয়েছে । ধন্যবাদ @ টেড মিলার

— রোল্যান্ডো