اندازه اثر

اندازه اثر نوعی اندازه گیری کمی از بزرگی اثر تجربی است. هر چه اندازه اثر بزرگتر باشد، رابطه بین دو متغیر قوی تر است.

اهمیت آماری (p value) کمترین چیز در مورد نتایج است. شما باید نتایج را بر حسب اندازه‌گیری‌های بزرگ توصیف کنید – نه تنها درمان بر افراد تأثیر می‌گذارد، بلکه چقدر بر آنها تأثیر می‌گذارد.

در واقع می توانید هنگام مقایسه هر دو گروه به اندازه اثر نگاه کنید تا ببینید چقدر تفاوت اساسی دارند.

به طور معمول، مطالعات پژوهشی شامل یک گروه آزمایش و یک گروه کنترل خواهد بود. گروه آزمایش ممکن است مداخله یا درمانی باشد که انتظار می رود بر یک پیامد خاص تأثیر بگذارد. برای مثال، ممکن است بخواهیم تأثیر درمان را در درمان افسردگی بدانیم. مقدار اندازه اثر نشان خواهد داد که آیا درمان تأثیر کوچک، متوسط ​​یا بزرگی بر افسردگی داشته است.

محاسبه و تفسیر اندازه اثر

اندازه اثر، یا اندازه ارتباط بین متغیرها و یا اندازه تفاوت بین میانگین گروهها را اندازه گیری می کند.

کوهن د (Cohen’s d)

d کوهن یک اندازه اثر مناسب برای مقایسه بین دو میانگین است. به عنوان مثال می توان از آن برای همراهی با گزارش نتایج آزمون t و ANOVA استفاده کرد. همچنین به طور گسترده در متاآنالیز استفاده می شود.

برای محاسبه تفاوت میانگین استاندارد شده بین دو گروه، میانگین یک گروه را از گروه دیگر کم کنید (M1 – M2) و نتیجه را بر انحراف معیار (SD) جمعیتی که از آن گروه ها نمونه برداری شده است، تقسیم کنید.

اندازه اثر = میانگین گروه آزمایش منهای گروه کنترل تقسیم بر انحراف معیار

d 1 نشان می دهد که دو گروه با 1 انحراف معیار متفاوت هستند، d 2 نشان می دهد که آنها با 2 انحراف معیار متفاوت هستند و غیره. انحراف استاندارد معادل امتیاز z است (1 انحراف استاندارد = 1 z-score).

کوهن پیشنهاد کرد که d = 0.2 به عنوان اندازه اثر “کوچک”، 0.5 نشان دهنده اندازه اثر “متوسط” و 0.8 اندازه اثر “بزرگ” در نظر گرفته شود. به این معنی که اگر تفاوت بین دو گروه کمتر از 0.2 انحراف معیار باشد، این تفاوت حتی اگر از نظر آماری معنی‌دار باشد ناچیز است.

همبستگی پیرسون

این پارامتر اندازه اثر، قدرت رابطه دو متغیره را خلاصه می کند. مقدار اندازه اثر همبستگی پیرسون r بین -1 (یک همبستگی منفی کامل) تا +1 (یک همبستگی مثبت کامل) متغیر است.

به گفته کوهن (1988، 1992)، اگر مقدار r حول 0.1 تغییر کند، اندازه اثر کم است، اگر r حول 0.3 تغییر کند، متوسط، و اگر r بیش از 0.5 تغییر کند، بزرگ است.

چرا اندازه اثرها را گزارش کنیم؟

مقدار p کافی نیست

مقدار p کمتر گاهی اوقات به این معنا تفسیر می شود که رابطه قوی تری بین دو متغیر وجود دارد. با این حال، معنی دار بودن آماری به این معنی است که بعید است که فرضیه صفر درست باشد (کمتر از 5٪).

بنابراین، یک مقدار p قابل توجه به ما می گوید که یک مداخله کار می کند، در حالی که اندازه اثر به ما می گوید که چقدر کار می کند.

می توان استدلال کرد که تأکید بر اندازه اثر رویکرد علمی تری را ترویج می کند، زیرا بر خلاف آزمون های معناداری، اندازه اثر مستقل از اندازه نمونه است.

برای مقایسه نتایج مطالعات انجام شده در محیط های مختلف

برخلاف p-value، اندازه‌های اثر را می‌توان برای مقایسه کمی نتایج مطالعات انجام‌شده در یک محیط متفاوت استفاده کرد که به طور گسترده ای در متاآنالیز استفاده می شود.

مطالب مرتبط مفید

همبستگی یا correlation

آنالیز واریانس (ANOVA)

آزمون کای دو یا مربع کای (Chi-square)