কোন বর্ণনামূলক পরিসংখ্যানগুলি প্রভাব আকারগুলি নয়?

Question

উইকিপিডিয়া বলেছেন

প্রভাবের আকারটি কোনও ঘটনার শক্তির পরিমাপ বা সেই পরিমাণের একটি নমুনা-ভিত্তিক অনুমান। ডেটা থেকে গণনা করা একটি প্রভাব আকার হ'ল বর্ণনামূলক পরিসংখ্যান যা উপাত্তগুলিতে আপাত সম্পর্ক জনসংখ্যার মধ্যে একটি সত্য সম্পর্কের প্রতিফলন ঘটায় কিনা সে সম্পর্কে কোনও বক্তব্য না দিয়েই সম্পর্কের আনুমানিক প্রগা .়তা জানায়।

এটি আরও ভালভাবে বুঝতে, আমি ভাবছিলাম যে বর্ণনামূলক পরিসংখ্যানগুলি গ্রাফ এবং প্লটগুলি বাদ দিয়ে প্রভাব আকার নয় not

Comments

গ্রাফ এবং প্লটগুলি প্রভাবের আকারের পরিমাপের চেয়ে আরও স্বজ্ঞাত উপায়ে কোনও প্রভাবের আকার নির্ধারণ করতে দুর্দান্ত হতে পারে। আপনি আসলে এমন দেখতে কিছু পরিমাপ করে দুটি দলের মধ্যে ওভারল্যাপ (যা মোটামুটিভাবে একটি ছোট মিলা চাই ঘ ), এটা সম্ভবত উপলব্ধি করা আরো সহজ করে একটি গুরুত্বপূর্ণ পার্থক্য মানে এই নয় একটি গোষ্ঠীর যে সদস্য সব অন্যান্য গোষ্ঠীর সদস্যদের তুলনায় কম স্কোর আছে , ইত্যাদি

— গালা

Answer 1

প্রভাব আকার

• সাধারণ স্ট্যান্ডার্ডাইজড এফেক্ট মাপগুলি সাধারণত কোনও সম্পর্ক বা প্রভাবের পরিমাণ বা ডিগ্রি পরিমাণের মাপ দেয় । সর্বাধিক সাধারণ আকারের পদক্ষেপগুলি হ'ল কোহেনের ডি, পিয়ারসনের আর এবং প্রতিকূলতার অনুপাত (বিশেষত বাইনারি প্রেডিক্টরের জন্য)।
• কম সাধারণ প্রভাব আকারের ব্যবস্থা:এটি বলেছে, আপনার কাছে মানক এবং অ-মানহীন প্রভাব আকারের ব্যবস্থা থাকতে পারে। সম্পর্কের ডিগ্রি যোগাযোগ করে এবং বিশেষত নমুনা আকার দ্বারা দূষিত নয় এমন কোনও পরিসংখ্যান সম্ভবত একটি প্রভাব আকারের পরিমাপ। সুতরাং, বিটা সহগ, আর-স্কোয়ার, কোভেরিয়েন্স, কাঁচা গ্রুপগুলির মধ্যে গড় পার্থক্য এবং এগুলি সমস্ত কিছুর উপর নির্ভর করে effect এটি বলেছিল, আমি দেখতে পেয়েছি যে কিছু গবেষকরা কিছুটা অন্ধভাবে প্রভাব আকারের মাপ প্রয়োগ করেন এবং ভুলে যান যে বিস্তৃত উদ্দেশ্যটি পাঠকদেরকে প্রভাবের মাত্রার একটি ধারণা প্রদান করা। এবং এইভাবে, তারা প্রায়শই বুঝতে পারে না যে গড় পার্থক্য বা কাঁচা রিগ্রেশন সহগগুলির মতো পদক্ষেপগুলি কোনও অর্থে একটি প্রভাব আকারের পরিমাপ। প্রভাব আকারের অন্ধ ব্যবহারের আরেকটি উদাহরণে প্রভাব আকারের ব্যবস্থাগুলি ব্যবহারের সাথে জড়িত যাগুলির কোনও স্বজ্ঞাত ব্যাখ্যা নেই তবে কিছু পাঠ্যপুস্তকের দ্বারা সুপারিশ করা হয়েছে।

প্রভাব আকার নয়:

• বেশিরভাগ পরীক্ষার পরিসংখ্যানগুলি প্রভাব আকার নয়। যেমন, চি-বর্গ পরীক্ষা, টি-পরীক্ষা, জেড-পরীক্ষা, এফ-পরীক্ষা। জনসংখ্যার প্রভাবের আকার বাড়ার সাথে সাথে নমুনার আকার বৃদ্ধির সাথে সাথে এগুলি উভয়ই বড় হয়। সাম্প্রতিক বছরগুলিতে বেশিরভাগ ক্ষেত্রেই আকারের পুরো ভাষার উপর জোর দেওয়া হয়েছে কারণ গবেষকরা তাদের পরীক্ষার পরিসংখ্যানগুলি কত বেশি বড় ছিল তার প্রভাবের আকারের চেয়ে তার চেয়ে বেশি মনোযোগ দিচ্ছিলেন। এটি বিশেষত গুরুত্বপূর্ণ যেখানে আপনার একটি বড় নমুনার আকার থাকে যখন এমনকি ছোট প্রভাবগুলি পরিসংখ্যানগতভাবে তাৎপর্যপূর্ণ হতে পারে।
• বেশিরভাগ অবিচ্ছিন্ন পরিসংখ্যান প্রভাব আকার নয়। বেশিরভাগ উদ্দেশ্যে, প্রভাব আকার কমপক্ষে দুটি ভেরিয়েবলের মধ্যে সম্পর্ক সম্পর্কে উদ্বিগ্ন। সুতরাং, নমুনাটির অর্থ, স্ট্যান্ডার্ড বিচ্যুতি, স্কিউ, কুর্তোসিস, মিনিট, সর্বাধিক এবং এগুলি কোনও আকারের আকার নয়।
• সম্পর্কের ডিগ্রির সাথে সম্পর্কিত নয় এমন পরিসংখ্যানগুলি আকারের আকারগুলি নয়। উদাহরণস্বরূপ, মাল্টিভারিয়েট স্বাভাবিকতা পরীক্ষা করা, একটি ম্যাট্রিক্সের ইগেনভ্যালুগুলি এবং আরও সাধারণভাবে শব্দের সাধারণ অর্থে কোনও প্রভাবের পরিমাণ নির্ধারণের জন্য সরাসরি লক্ষ্য হয় না।

বিস্তৃত বিবেচনা

• স্কেলিং বিবেচনা: একটি প্রভাব আকারের পরিমাপ হিসাবে একটি পরিসংখ্যানের ইউটিলিটি মূলত একটি প্রভাবের আকারের যোগাযোগের দক্ষতার সাথে সম্পর্কিত। কখনও কখনও এটি প্রভাবের প্রমিত মানক পদক্ষেপগুলি ব্যবহার করে অর্জন করা হয় (যেমন, কোহেনের ডি)। অন্যান্য সময়ে, ভেরিয়েবলগুলির স্কেলিংয়ের যত্ন সহকারে বিবেচনা করলে প্রভাবের আকারের আরও পরিষ্কার ব্যাখ্যা পাওয়া যায়। উদাহরণস্বরূপ, বলুন আমার আয়ের স্তরের উপর একটি প্রশিক্ষণ প্রোগ্রাম দেখার জন্য একটি গবেষণা ছিল। আমি প্রতিবেদন করতে পারি যে প্রশিক্ষণ প্রোগ্রামটি আয়ের পরিমাণকে ২.২ স্ট্যান্ডার্ড বিচ্যুতি দ্বারা বাড়াতে পারে বা আমি বলতে পারি যে প্রোগ্রামটি আয় $ ৩,৫০০ মার্কিন ডলার বৃদ্ধি করেছে। উভয়ই দরকারী; উভয়ই প্রভাব আকারের পদক্ষেপ। প্রথমটি মানসম্মত (কোহেনের ডি), দ্বিতীয়টি অযৌক্তিক (কাঁচা গোষ্ঠী মানে পার্থক্য)।
• প্রভাবের আকারগুলির অনুমানের যথাযথতা: আমরা প্রায়শই প্রভাবের আকারের পরিমাপের নমুনা অনুমানগুলি বের করি (যেমন, কোহেনের ডি, পার্সনের আর ইত্যাদি)। এই প্রসঙ্গে প্রভাব আকারের ব্যবস্থাসমূহের সাথে তাত্পর্যপূর্ণতার তাত্পর্যপূর্ণ হতে পারে। তবুও, লক্ষ্যটি এখনও জনসংখ্যার প্রভাবের আকারটি একটি সুনির্দিষ্ট এবং পক্ষপাতহীন উপায়ে অনুমান করা উচিত। একটি ঘনত্ববাদী দৃষ্টিকোণ থেকে, প্রভাব আকারের কাছাকাছি আত্মবিশ্বাসের বিরতি নির্ভুলতার একটি অনুমান সরবরাহ করে। বায়েশীয় দৃষ্টিকোণ থেকে, প্রভাব আকারে উত্তর ঘনত্ব রয়েছে। অনেক ক্ষেত্রে, আপনি নিরপেক্ষ প্রভাবের আকারের মাপ ব্যবহার করছেন তা নিশ্চিত করার জন্য যত্ন নেওয়া দরকার।

Comments

(+1) ভাল উত্তর।

— সিএল

তৃতীয় এবং শেষ পয়েন্টগুলি সম্ভবত ব্যাখ্যা করে যে উইকিপিডিয়া নিবন্ধের লেখক (গুলি) কোথা থেকে আসছেন। মনোবিজ্ঞানের উপর জোর দেওয়া, আমি মনে করি যে পয়েন্টটি অন্যান্য বর্ণনামূলক পরিসংখ্যানগুলির সাথে প্রভাবের আকারের বিপরীতে নয় বরং পরীক্ষার পরিসংখ্যান এবং পি-ভ্যালুগুলির (অর্থাত্ আনুপাতিক পরিসংখ্যান) এর সাথে জোর দেওয়া এবং সেই প্রভাব আকারের ব্যবস্থাগুলির উপর জোর দেওয়ার জন্য নমুনা পরিবর্তনশীলতার বিষয়ে কিছুই বলেনি।

— গালা

আপনার সুন্দর উত্তরের জন্য অনেক ধন্যবাদ। যদিও আমার একটি প্রশ্ন আছে: আপনার আত্মবিশ্বাসের ব্যবধানটি প্রভাবের আকার হিসাবে পরিমাপ হিসাবে ব্যবহার করা যাবে না, কারণ এটি সরাসরি নমুনা আকারের সাথে সম্পর্কিত? (আত্মবিশ্বাসের ব্যবধানের দ্বারা, আমার অর্থ হ'ল উভয়ই যোগ বা বিস্তৃত, গড় ইত্যাদি থেকে বিয়োগ করা হয় - কোন সিআই এর উপরের এবং নিম্ন সীমানা নয়)।

— ভিক

@ ভিক আপনার প্রভাবের আকারের পরিমাপের উপর আস্থা রাখতে পারে তবে আত্মবিশ্বাসের বিরতি নিজেই প্রভাবের আকার নয়।

— জেরোমি অ্যাংলিম

উহ অনেক ধন্যবাদ প্রিয় জেরোমি। এত বছর ধরে আমার ভুল ছিল। :)

— ভিক

Answer 2

প্রথমত, প্রভাব আকারগুলি অনন্যভাবে পাশাপাশি বর্ণনামূলকভাবে ব্যবহার করা যেতে পারে। আর ও ওআর হ'ল সমস্ত ইফেক্ট মাপ এবং অবশ্যই এগুলি সমস্ত অনুমানী পরিসংখ্যানগুলিতে ব্যবহৃত হয়।

অবিচ্ছিন্ন পরিসংখ্যান সাধারণত আকারের আকারের হয় না, যদিও তা হতে পারে। উদাহরণস্বরূপ আপনি যদি একে অপরের সাথে বিবাহিত পুরুষ এবং মহিলাদের বয়সের তুলনা করছেন তবে পুরুষদের গড় বয়স কোনও প্রভাবের আকার নয় (তবে তারতম্যের একটি পার্থক্য আকার হবে)। তবে যদি আপনি দেখতে চান যে কোনও কিছুর গড়ের মান 0 হয় তবে তার অর্থটি একটি প্রভাব আকার হবে।

এটি যদি কোনও প্রভাব পরিমাপ করে তবে এটি একটি প্রভাব আকার!

Comments

আমি অনুমান করি যে সত্য @ পিটার, তবে এফেক্ট সাইজ এমন একটি শব্দ যা কোহেন আরও সংজ্ঞায়িতভাবে সংজ্ঞায়িত করেছেন: (মিন 1-মিন 2) / পুলডএসডি। এটি কিছুটা মত মনে হয় তাত্পর্যপূর্ণ তাত্পর্যপূর্ণ, বা কেবল পরিসংখ্যানগতভাবে তাৎপর্যপূর্ণ - একটি পরিসংখ্যান শব্দের সংজ্ঞা দেওয়ার জন্য সাধারণ শব্দের ব্যবহার।

— ডগ.নম্বার্স

কোহেন কোথায় সেভাবে এটি সংজ্ঞায়িত করেন? আপনি যদি তার পাওয়ার অ্যানালাইসিসের বইটি বোঝাতে চান, তবে আমি মনে করি যে তিনি অন্যান্য প্রভাবের মাপগুলিতে রূপান্তর করতে স্ট্যান্ডার্ডের ধরণ হিসাবে ব্যবহার করেন। তবে সেই বইয়ের প্রতিটি শক্তি বিশ্লেষণ সারণীতে (এবং অনেকগুলি রয়েছে) কিছু প্রভাব আকার ব্যবহার করে (এবং এটি সমস্ত ব্যবহার করে না)

— পিটার ফ্লুম - মনিকা পুনরায়

কোহেনের ডি সবসময়ই আমি এটি বুঝতে পারি। বর্ণনা অনুযায়ী একই en.wikipedia.org/wiki/Effect_size । তবে আপনি একেবারে সঠিক, প্রভাবের আকার হিসাবে বর্ণিত প্রচুর পদ্ধতি রয়েছে।

— ডগ.নম্বার্স

টি-টেস্ট এবং জেড-টেস্ট প্রভাব আকার নয়। একই প্রভাবের আকারটি বিভিন্ন নমুনা আকারের জন্য যথেষ্ট পরিমাণে টি এবং জেড মান অর্জন করবে।

— জেরোমি অ্যাংলিম

@ জেরোমিআংলিম ঠিক আছে; +1 টি। আমি আমার উত্তর সম্পাদনা করেছি

— পিটার ফ্লুম - মনিকা পুনরায়