পরিসংখ্যানবিদ এবং গবেষকরা ক্রমবর্ধমান প্রচেষ্টা হিসাবে বিজ্ঞানের জন্য নাল-হাইপোথিসিস টেস্টিং (এনএইচটি) এর ব্যবহারের সমালোচনা করার জবাবে, পরিসংখ্যানিক অনুক্রমের উপর আমেরিকান সাইকোলজিকাল অ্যাসোসিয়েশন টাস্ক ফোর্স এনএইচটি-র উপর সম্পূর্ণ নিষেধাজ্ঞাকে এড়িয়ে গিয়েছিল, পরিবর্তে পরামর্শ দিয়েছে যে গবেষকরা এনএইচটি থেকে প্রাপ্ত পি-মানগুলি ছাড়াও প্রভাবের আকারের প্রতিবেদন করুন।
তবে, প্রভাবের আকারগুলি অধ্যয়ন জুড়ে সহজেই জমা হয় না। মেটা-অ্যানালিটিক পদ্ধতির প্রভাব মাপের বিতরণ জমা করতে পারে, তবে প্রভাব আকারগুলি কোনও নির্দিষ্ট পরীক্ষার ডেটাতে কাঁচা প্রভাবের মাত্রা এবং অব্যক্ত "শব্দ" এর মধ্যে একটি অনুপাত হিসাবে গণনা করা হয়, যার অর্থ এফেক্ট আকারগুলির বিতরণ কেবলমাত্র দ্বারা প্রভাবিত হয় না অধ্যয়ন জুড়ে প্রভাবের কাঁচা মাত্রায় পরিবর্তনশীলতা, তবে অধ্যয়ন জুড়ে গোলমাল প্রকাশের ক্ষেত্রেও পরিবর্তনশীলতা।
বিপরীতে, প্রভাব শক্তির একটি বিকল্প ব্যবস্থা, সম্ভাবনা অনুপাত, অধ্যয়ন-দ্বারা-অধ্যয়নের ভিত্তিতে উভয় স্বজ্ঞাত ব্যাখ্যা করতে অনুমতি দেয় এবং মেটা-বিশ্লেষণের জন্য অধ্যয়ন জুড়ে সহজেই একত্রিত করা যায়। প্রতিটি গবেষণার মধ্যে, সম্ভাবনাটি এমন কোনও মডেলের ক্ষেত্রে কোনও প্রভাব রাখে না এমন মডেলের তুলনায় প্রদত্ত প্রভাবের প্রমাণের ওজন উপস্থাপন করে এবং সাধারণত হিসাবে রিপোর্ট করা যেতে পারে, "এক্স এর প্রভাবের জন্য সম্ভাবনা অনুপাতের গণনা প্রভাব সম্পর্কিত সম্পর্কিত নালীর চেয়ে 8 গুণ বেশি প্রমাণ প্রকাশিত "। তদুপরি, সম্ভাবনা অনুপাত এছাড়াও নাল আবিষ্কারের শক্তির অন্তর্নিহিত প্রতিনিধিত্বের অনুমতি দেয় কারণ সম্ভাব্য অনুপাত 1 এর নীচে অনুপাতগুলি এমন পরিস্থিতিতে এমন চিত্রগুলিকে প্রতিনিধিত্ব করে যেখানে নাল অনুকূল হয় এবং এই মানটির প্রতিদান গ্রহণ প্রভাবের উপরে নলের পক্ষে প্রমাণের ওজনকে উপস্থাপন করে। লক্ষণীয়ভাবে, সম্ভাবনা অনুপাত দুটি মডেলের অব্যক্ত বর্ণের অনুপাত হিসাবে গাণিতিকভাবে উপস্থাপিত হয়, যা কেবলমাত্র প্রভাব দ্বারা ব্যাখ্যা করা বৈকল্পিকের মধ্যে পৃথক হয় এবং এইভাবে কোনও প্রভাব আকার থেকে বিশাল ধারণাগত প্রস্থান নয়। অন্যদিকে, মেটা-অ্যানালিটিক্স সম্ভাবনা অনুপাতের গণনা, অধ্যয়ন জুড়ে একটি প্রভাবের জন্য প্রমাণের ওজনকে উপস্থাপন করা, সম্ভবত অধ্যয়ন জুড়ে সম্ভাবনার অনুপাতের পণ্য গ্রহণের বিষয়।
সুতরাং, আমি যুক্তি দিচ্ছি যে বিজ্ঞান কোনও প্রভাব / মডেলের পক্ষে স্থূল প্রমাণের ডিগ্রি প্রতিষ্ঠা করতে চাইছে, সম্ভাবনা অনুপাতটি যাওয়ার উপায়।
আরও কিছু সংখ্যক মামলা রয়েছে যেখানে মডেলগুলি কেবলমাত্র প্রভাবের নির্দিষ্ট আকারে পার্থক্যযোগ্য হয়, এক্ষেত্রে ব্যবধানের কোনও প্রকারের উপস্থাপনা যার উপর আমরা বিশ্বাস করি যে ডেটা প্রভাবের পরামিতি মানগুলির সাথে সামঞ্জস্যপূর্ণ হতে পারে। প্রকৃতপক্ষে, এপিএ টাস্কফোর্স আত্মবিশ্বাসের ব্যবধানগুলি প্রতিবেদন করারও সুপারিশ করে, যা এই লক্ষ্যে ব্যবহার করা যেতে পারে, তবে আমি সন্দেহ করি যে এটিও একটি অযৌক্তিক বিবেচ্য উপায়।
আত্মবিশ্বাসের বিরতিগুলি প্রায়শই শত্রুভাবে ভুল ব্যাখ্যা করা হয় ( ছাত্র এবং গবেষকরা একইভাবে )। আমি আশঙ্কাও করি যে এনএইচটি (সিআইয়ের মধ্যে শূন্য অন্তর্ভুক্তির মূল্যায়ন দ্বারা) তাদের ব্যবহারের দক্ষতা কেবলমাত্র একটি অনুমানমূলক অনুশীলন হিসাবে এনএইচটি বিলুপ্তিতে আরও বিলম্বিত করবে।
পরিবর্তে, যখন তত্ত্বগুলি কেবলমাত্র প্রভাবগুলির আকারের দ্বারা পৃথকযোগ্য হয়, আমি প্রস্তাব দিই যে বায়েশিয়ান পদ্ধতিটি আরও উপযুক্ত হবে, যেখানে প্রতিটি প্রভাবের পূর্ব বিতরণ প্রতিটি মডেল দ্বারা পৃথকভাবে সংজ্ঞায়িত করা হয়, এবং ফলস্বরূপ পরবর্তী বিতরণগুলির সাথে তুলনা করা হয়।
সম্ভাবনা অনুপাতের সাথে পি-ভ্যালু, এফেক্ট মাপ এবং আত্মবিশ্বাসের অন্তরগুলির পরিবর্তে এবং যদি প্রয়োজন হয়, বায়সীয় মডেলের তুলনা, এই পদ্ধতির পক্ষে কি যথেষ্ট বলে মনে হচ্ছে? এখানে ম্যালেন্ডেড বিকল্পগুলি সরবরাহ করে এমন কোনও প্রয়োজনীয় অনুমিত বৈশিষ্ট্যটি কী এটি বাদ দেয়?