Обсуждение:Размер эффекта

Эта статья имеет рейтинг C-класса по шкале оценки контента Википедии . Она представляет интерес для следующих WikiProjects :

Психология Эта статья находится в рамках WikiProject Psychology , совместных усилий по улучшению освещения психологии в Википедии. Если вы хотите принять участие, посетите страницу проекта, где вы можете присоединиться к обсуждению и увидеть список открытых задач.Психология Википедия:WikiProject Психология Шаблон:WikiProject Психология статьи по психологии ??? Данная статья пока не получила рейтинга по шкале важности проекта . Математика Средний приоритет Эта статья находится в рамках WikiProject Mathematics , совместных усилий по улучшению освещения математики в Википедии. Если вы хотите принять участие, посетите страницу проекта, где вы можете присоединиться к обсуждению и увидеть список открытых задач.Математика Википедия:WikiProject Mathematics Шаблон:WikiProject Mathematics математические статьи Середина Данная статья имеет средний уровень приоритетности по шкале приоритетов проекта . Статистика Высокая важность This article is within the scope of WikiProject Statistics, a collaborative effort to improve the coverage of statistics on Wikipedia. If you would like to participate, please visit the project page, where you can join the discussion and see a list of open tasks.StatisticsWikipedia:WikiProject StatisticsTemplate:WikiProject StatisticsStatistics articles High This article has been rated as High-importance on the importance scale.

Я начал дело, ребята, с обновления заглушки и привел только одну формулу размера эффекта в качестве примера. Люди думают, что этого достаточно? Грант

Грант:

Я прочитал еще кое-что о метаанализе и размерах эффекта в связи со статьей в Википедии.

Статья теперь содержит два способа вычисления размера эффекта, но, похоже, ни один из них не является наиболее часто используемым, а именно разницей средних значений, деленной на объединенное стандартное отклонение. Вы ссылаетесь на знаменатель, указанный в d Коэна, как на объединенное стандартное отклонение, но я вижу, что его также называют средним SD, оставляя термин «объединенный» для случая, когда учитываются два размера выборки.

Хотя я не видел оригинальной формулировки Коэна для размера эффекта, из того, что я читал, похоже, он указал только, что это разница в средних значениях, деленная на стандартное отклонение, и что стандартное отклонение контрольной группы изначально использовалось чаще всего. Затем были использованы другие стандартные отклонения (например, среднее и объединенное) и сделаны другие корректировки (как в g Хеджеса).

Итак, то, что мне кажется наиболее часто используемым индексом размера эффекта, то есть разницей средних значений, деленной на объединенное SD (принимая во внимание размер выборки каждой группы), не приводится в статье Википедии. Это также размер эффекта, полученный, если он сгенерирован из значения (ES = t (sqrt ((n1 + n2)/n1n2))), F-коэффициента или точной вероятности для t-значения или F-коэффициента (см. Lipsey and Wilson, 2001, стр. 173-175) --ссылка добавлена ​​в статью Википедии.

Поэтому я предлагаю организовать статью следующим образом:

1. коэффициент корреляции и r-квадрат
2. Коэффициент d Коэна как разница между двумя средними значениями, деленная на стандартное отклонение, первоначально SD контрольной группы
3. . . . . разделенный на два SD (как это выглядит в настоящее время).
4. . . . . деленное на объединенное SD, и как это значение также может быть вычислено из at, F или точно доказуемости at или F
5. . Хеджес г с объяснением того, что делает вторая часть формулы.
6. . Отношение шансов

Это показало бы «эволюцию величины эффекта и основные различные способы ее расчета».

Я мог бы заняться этим сам, но мне еще предстоит разобраться, как писать формулы в Википедии, а времени на это у меня, вероятно, еще некоторое время не будет.

Дайте мне знать, что вы думаете. Я также добавил это в обсуждение статьи, чтобы это не стало просто частной дискуссией между вами и мной.

--Гэри Гэри 11:52, 4 апреля 2006 (UTC) [ ответить ]

Привет, Гэри!

Я снова просмотрел Библию Коэна 1988 года, и он предлагает введенную мной формулу. Эта формула определенно более консервативна по отношению к большей дисперсии, но учитывает и то, и другое. Принимая во внимание N (или, скорее, n1 и n2), формула Хеджеса действительно вступает в дело. Может быть, мне нужно добавить больше объяснений второй части Хеджеса, как вы предлагаете?

Да, я согласен, что одним из преимуществ ES является то, как его можно преобразовывать между всеми основными статистиками. Я добавил многие из этих функций в свое программное обеспечение ClinTools — проблема в том, что там слишком много перестановок.

Лучшее на данный момент,

Грант 14:00, 18 ноября 2006 (UTC) [ ответить ]

1. Добавить обсуждение меры размера эффекта f для F-тестов ANOVA.

2. Добавить обсуждение меры размера эффекта w для тестов хи-квадрат.

-- DanSoper 07:56, 11 июня 2006 (UTC) [ ответить ]

3. Добавьте обсуждение стандартизированного линейного контраста средних значений и результатов доверительного интервала Бонетта (2008, Psychological Methods) для межсубъектных и внутрисубъектных планов — Предыдущий неподписанный комментарий добавлен Tukey1952 (обсуждение • вклад ) 00:46, 24 сентября 2011 (UTC) [ ответить ]

«Корреляция Пирсона r — один из наиболее широко используемых размеров эффекта. Его можно использовать, когда данные непрерывны или двоичны».

Это вызвало дискуссию о том, следует ли говорить «непрерывный или дискретный». Интересно, можно ли это прояснить. Я бы предположил, что дискретные числовые данные также подходят (хотя не дискретные качественные «уровни»). -- Ричард Клегг 16:36, 10 августа 2006 (UTC) [ ответить ]

Также необходимо объяснение частичного эта-квадрата и других типов размеров эффекта, таких как омега и т. д. Я был бы благодарен, если бы вы могли помочь. Кроме того, было бы неплохо иметь то, что социальные ученые считают адекватным размером эффекта (например, различия Коэна между большими и малыми размерами эффекта). Димитриос Захаратос 24/03/2007

НЕКОТОРЫЕ ССЫЛКИ НЕ РАБОТАЮТ — Предыдущий неподписанный комментарий добавлен 137.56.137.204 (обсуждение) 11:35, 20 мая 2008 (UTC) [ ответить ]

В настоящее время я читаю «Объяснение психологической статистики» 2-е изд. Барри Коэна. Пример с инопланетянами в этой статье почти дословно повторяет тот, что можно найти в этой книге в начале главы 8. Мне интересно узнать, является ли это просто совпадением или кто-то забыл включить надлежащие цитаты. —Предыдущий неподписанный комментарий добавлен 147.4.214.44 (обсуждение • вклад )

Вероятно, это было содрано. Многие редакторы Wiki не знают лучше. Не могли бы вы отредактировать статью, чтобы удалить ее или сослаться на книгу? Спасибо! Chris53516 13:33, 5 октября 2006 (UTC) [ ответить ]

На самом деле, это я написал раздел, используя инопланетян в качестве примера, и «нет», я не «слил». Это распространенный пример, используемый с тех пор, как был изучен научный метод. Я использую его при обучении своих студентов, и я записывал слова так, как они приходили мне в голову, сидя перед экраном. Я использовал этот конкретный пример, потому что в тот день я переписывался по электронной почте с коллегой (доктором Сьюзан Клэнси), которая только что закончила книгу, излагающую гипотезу о том, почему люди верят, что их похищали инопланетяне. Я не знаю книгу Барри Коэна, поэтому я не вижу «повторяющихся дословных» отрывков. Я могу вас заверить, что я знаю больше, чем плагиат, поэтому, пожалуйста, не делайте такого предположения. Может быть, Барри Коэн - я полагаю, никакого отношения к Джейкобу Коэну - присутствовал на МОИХ лекциях, или лекциях моих старых лекторов, или... Я только что просмотрел историю этой страницы (и конкретно пример с пришельцами, который я использовал), и можно увидеть, что текущий пример немного изменился с небольшими правками от разных людей. Это не плагиат. Спасибо, Грант

Как ученый, вы должны знать важность цитирования источников. Пожалуйста, см. Wikipedia:Citing sources для получения дополнительной информации. Неважно, являетесь ли вы профессором или танцором с хула-хупом, вы все равно должны ссылаться на свои источники. Кроме того, ваш личный опыт не должен использоваться в качестве источника для статьи в энциклопедии. См. Wikipedia:No original research и Wikipedia:Verifiability для получения дополнительной информации. Содержание было определено как возможный плагиат, и его следует удалить. Есть много других примеров, которые можно использовать. – Chris53516 ( Обсуждение ) 14:51, 9 ноября 2006 (UTC) [ ответить ]

Крис, я видел ваши собственные страницы, и у вас, очевидно, есть серьезная проблема с плагиатом — возможно, оправданная прошлым опытом — и вы, похоже, очень любите флеймить. Ваши постоянные обвинения здесь оскорбительны. Я верну оригинальный текст. Пожалуйста, предоставьте доказательства, если вы хотите обвинить в плагиате. Как вы также знаете — эксперты в этой области пишут оригинальные работы и используют примеры. Я назвал себя, чтобы разместить свои комментарии в Википедии в контексте. Я указал источники всех своих комментариев. Фактические правила предполагают, что перед удалением текста следует поговорить с авторами — что, по-вашему, излишне? Грант

Не начинайте с личных нападок — это мелочно. Wikipedia:Личные нападки . Я никогда ничего не плагиатил и понятия не имею, о чем вы говорите. Текст, который вы вернете, совершенно не нужен. Вы вообще удосужились прочитать политику, которую я упомянул выше? Wikipedia не допускает оригинальные исследования. Текст вообще не нужен для статьи, поэтому мне не нужно ваше разрешение, чтобы удалить его. Это неважно. В следующий раз оставьте свои мелкие личные нападки при себе. – Chris53516 ( Обсуждение ) 03:43, 10 ноября 2006 (UTC) [ ответить ]

О, боже, это деградирует - вы полностью упустили мою мысль, и это становится очень утомительным (я уверен, что это единственное, в чем мы согласны). Когда я сказал "у вас, очевидно, есть серьезная проблема с плагиатом - возможно, оправданная прошлым опытом", я имел в виду, что кто-то мог плагиатить у ВАС в прошлом. Я не вижу, как это можно было бы интерпретировать как-то иначе - но я хотел бы сейчас прояснить ситуацию, что я никогда не подразумевал, что вы плагиатили у кого-то другого (как я мог - я даже не знаю, кто вы?). Что касается сути вопроса: причина, по которой необходимо включить пример с инопланетянами, заключается в том, что позже я привел рабочий пример анализа размера эффекта, который без более раннего раздела просто сидит там изолированно, не имея почти никакого смысла. Пожалуйста, прочитайте всю запись - я немного сбит с толку, как вы могли это пропустить (см. пример после d Коэна). Вот почему текст НУЖЕН. Кроме того, если вы посетите старые-старые страницы, когда мы собирали эту страницу из заглушки (например, http://en.wikipedia.org/w/index.php?title=Effect_size&oldid=11322482), вы увидите, как страница развивалась с течением времени. Теперь я не совсем уверен, что делать с этим, потому что похоже, что каждый раз, когда я возвращаю запись, вы просто собираетесь удалить ее снова, и пример, который я написал позже, вообще не имеет смысла. Как насчет этого: я возвращаю запись — если она вам не нравится, хорошо. Но вместо того, чтобы просто удалить ее, как насчет изменения ее (и более позднего примера с использованием реальных данных — как в текущем примере)? Как насчет использования предпочтения кофе перед чаем в США? Или, может быть, размера эффекта лечения перед плацебо для какого-то типа медицинского вмешательства? Я думаю, что таким образом достигается продуктивный результат, который является информативным для зрителя, и вам не обязательно видеть слово «инопланетяне» на странице. Однако это потребует от вас приложения усилий, а не просто удаления текста. Это приемлемо для вас? Грант

Нет, это неприемлемо. На вас лежит бремя доказательства, то есть на вас лежит бремя переписывания страницы, поскольку именно ваш контент находится под пристальным вниманием. Пример НЕ нужен, поскольку статья, по идее, может существовать и без него. – Chris53516 ( Обсуждение ) 14:18, 13 ноября 2006 (UTC) [ ответить ]

Вы даже не дождались моего мнения, так зачем вы вообще спрашиваете? НЕ добавляйте текст снова, или я заставлю вас цитировать за вандализм. – Chris53516 ( Обсуждение ) 14:20, 13 ноября 2006 (UTC) [ ответить ]

( отступы не удаляются ) Извините, Грант, но как нейтральная третья сторона я вынужден согласиться с Крисом. Вы ДОЛЖНЫ ссылаться на источники. Что касается: "Как насчет этого: я вернул запись - если она вам не нравится, отлично. Но вместо того, чтобы просто удалить ее, как насчет ее изменения (и более позднего примера с использованием реальных данных - как в текущем примере)" - если вы не ссылаетесь на свои источники, она будет удалена. Если вы ссылаетесь на свой источник для этого отрывка, он будет сохранен там. Ссылаться на источники совсем не сложно; см. WP:CITE . Существует множество удобных шаблонов, которые были созданы, чтобы помочь пользователям ссылаться на источники. Поскольку вы были тем, кто создал контент, на вас лежит бремя предоставления источника для вашего материала (гораздо проще, чем заставлять других редакторов пытаться отследить, из какой книги вы это взяли). Я действительно думаю, что цитирование Гранта за вандализм - это немного чрезмерная реакция, Крис. Мне он кажется добросовестным редактором. Возможно, он просто немного заблуждается относительно некоторых положений Википедии. Gzkn 01:58, 16 ноября 2006 (UTC) [ ответить ]

Возможно, я так и сделал, но я постоянно имею дело с вандалами. И время от времени я имею дело с вандалом, который любит продолжать возвращаться и восстанавливать то, что было разрушено, что, как мне казалось, и происходило здесь. Более того, на меня здесь напали лично, что было совершенно необоснованно и не принесло ничего, кроме как испортило мне настроение. – Chris53516 ^{( Обсуждение )} 05:14, 16 ноября 2006 (UTC) [ ответить ]

Привет, Gzkn, спасибо за аргументированный голос. Однако я не могу никого процитировать, потому что я не копировал его. Я понимаю, что людям, не разбирающимся в статистике преподавания, может быть трудно в это поверить, но мы постоянно используем пример с инопланетянами. Он позволяет создать искусственный сценарий, в котором можно представить себе совершенно наивное существо, пытающееся понять мир, и дает нам возможность продемонстрировать вероятность. Одним из самых забавных примеров является статья в Nature , в которой Бек-Борнхольдт и Дуббен (1996) продемонстрировали (ошибочно, я бы добавил), что с помощью теории вероятности можно предположить, что Папа был инопланетянином! Быстрый поиск в Интернете выдал следующие примеры людей, использующих инопланетный метод объяснения для демонстрации вероятности: здесь, здесь и здесь. По какой-то причине Крису не нравятся примеры с инопланетянами, так что как насчет того, чтобы я рассказал об обезьяне, которая стала разумной и попыталась понять мир? Тогда я просто изменю пример позже (все еще на странице и не имеющий никакого смысла из-за удаления более раннего фрагмента) на обезьяну? Я мог бы просто процитировать одну из моих собственных академических статей, если все так предпочитают (где я использую размеры эффекта, чтобы продемонстрировать разницу в показателях успешности между двумя методами лечения), но это кажется довольно самовосхваляющим. Что вы думаете, Gzkn? Cheers Grant 15:37, 16 ноября 2006 (UTC) [ ответить ]

В зависимости от того, как используется ваша статья, цитирование самого себя может быть нарушением Wikipedia:No original research (см. особенно Цитирование самого себя ) и Wikipedia:Neutral point of view . Если вы собираетесь это сделать, делайте это осторожно. Что касается примера, разговоры об обезьянах и инопланетянах просто не подходят для энциклопедии. Wikipedia не является учебным пособием . – Chris53516 ^{( Обсуждение )} 15:52, 16 ноября 2006 (UTC) [ ответить ]

Для тех из вас, кто не знает, Грант запросил посредничество по этому вопросу, и я взялся за дело . Извините, что занялся этим немного позже, чем предполагалось.

Теперь, просматривая раздел «Резюме» статьи, я вижу, что там приведены еще два примера. Я готов поспорить на недельную зарплату посредника, что что-то очень похожее на каждый из них можно найти где-нибудь в учебнике. И все же я не думаю, что они нуждаются в цитатах. Почему бы и нет? Я вытащу часть WP:CITE, которая, по моему мнению, наиболее актуальна:

При написании новой статьи или добавлении ссылок в существующую статью, в которой их нет, следуйте установленной практике для соответствующей профессии или дисциплины.

Важный вопрос, тогда, в том, при каких обстоятельствах пример будет достоин цитирования в научной статье или тексте. Я думаю, это будет иметь место только в том случае, если пример обычно ассоциируется по крайней мере с одним человеком или работой. Того, что та же идея выражена в другом месте, самого по себе недостаточно.

Грант предоставил некоторые источники, которые подтверждают его утверждение, что пример с пришельцами является в некоторой степени повсеместным; с другой стороны, даже первоначальное возражение против примера на самом деле не давало никаких подробных оснований предполагать обратное. Учитывая это, я не вижу здесь оснований для цитирования.

Поскольку мне нужна еда, я собираюсь остановиться здесь и пригласить к комментариям обе стороны, а также всех, кто заинтересован. Tsumetai 18:50, 18 ноября 2006 (UTC) [ ответить ]

Спасибо Tsumetai за то, что взялись за дело. Я подозреваю, что пример «Инопланетяне» теперь просто расстроит некоторых людей, когда они его увидят. Поэтому вчера вечером я изменил пример на «представьте себе посещение Англии без каких-либо предварительных знаний о людях...» (в резюме). Затем я сослался на данные, которые я использовал в примере (Обследование здоровья в Англии, 2004) и продолжил с этим примером, чтобы продемонстрировать также g Хеджеса. Надеюсь, что это удовлетворит всех — на данный момент я не вижу угла, который сделал бы этот пример несостоятельным. Еще раз спасибо за то, что нашли время взглянуть на этот Tsumetai. Я думаю, Крису могут понравиться внесенные мной изменения. Всего наилучшего, Грант 02:02, 19 ноября 2006 (UTC) [ ответить ]

Крис, очевидно, не имеет никаких возражений против этой версии, поэтому я оставлю ее такой, какая она есть сейчас. Спасибо Tsumetai за то, что уделили время и посмотрели на этот вопрос. Всего наилучшего, Grant 07:48, 30 ноября 2006 (UTC) [ ответить ]

Привет, Крис и Микатарсис. Прежде чем что-либо вернуть, я подумал, что мне следует сначала сделать комментарий для обсуждения. Я понимаю, что говорит Крис, но должен согласиться с Микатарсисом. Коэн предложил интерпретации, предложенные в статьях 1988 и 1992 годов. Аргумент, который он использует, заключается в том, что r — это самая фундаментальная доступная мера размера эффекта, позволяющая напрямую интерпретировать степень ассоциации. Есть ли у кого-нибудь проблемы, если это вернуть и расширить? Привет, Грант 10:56, 29 декабря 2006 (UTC) [ ответить ]

О чем вы говорите? Пожалуйста, поместите этот разговор туда, где находится остальная его часть, потому что он не имеет смысла. — Chris53516 ^{( Обсуждение )} 15:10, 29 декабря 2006 (UTC) [ ответить ]

Привет, Крис, извини, что это не имело для тебя смысла - я просто запустил последнюю правку и ошибочно предположил, что все были в моем мысленном пространстве. Я имел в виду правки, которые ты сделал здесь [1] и которые обсуждались на странице обсуждения Mycartharsis здесь [2]. Это та информация, которая тебе нужна? Привет, Грант 13:10, 30 декабря 2006 (UTC) [ ответить ]

Я думаю, что ваша интерпретация того, что r — это размер эффекта, неверна r -квадрат можно интерпретировать как размер эффекта. Я никогда не слышал, чтобы r использовался как единица. Более того, это кажется логичным неуместным использовать r , потому что это не направленная связь; то есть связь между двумя переменными может быть в любом направлении. В-третьих, неизвестные переменные могут быть причиной двух, которые коррелируют. Например, количество убийств растет (или коррелирует) с количеством потребляемого мороженого, но температура на самом деле влияет на оба. По мере того, как становится теплее, люди больше взаимодействуют на улице, и происходит больше насилия. Также, по мере того, как становится теплее, люди едят больше мороженого. (Это всего лишь пример, пожалуйста, не переусердствуйте с его интерпретацией.) В любом случае, использование r в качестве размера эффекта будет подразумевать причинно-следственную связь, которая не установлена ​​с r . Это мое мнение. — Chris53516 ^{( Talk )} 06:14, 31 декабря 2006 (UTC) [ ответить ]

Боюсь, я не соглашусь. Действительно, r-квадрат обычно используется, потому что он дает прямую величину дисперсии, которая может быть отнесена к взаимосвязи (даже если есть третий фактор, влияющий на взаимосвязь). r часто используется как «базовый» размер эффекта, и многие метаанализы преобразуются в r, а не в d или g (r-квадрат — это именно то, что — r, умноженное на r). Его часто называют корреляцией размера эффекта. Хорошим ресурсом (приведенным также на странице статьи) являются страницы Беккера, который дает различные формулы для преобразования в r [3]. Мы также должны помнить, что размеры эффектов являются направленными только в силу их знака + или —: так же, как и r (все зависит от того, как вы это настроите в анализе и является ли + хорошим или плохим). Я понимаю вашу точку зрения по поводу примера с мороженым, но все размеры эффектов подвержены этому (печально известная проблема типа III), и поэтому размеры эффектов никогда не устанавливают причинно-следственную связь, но интерпретация может подразумевать ее. Коэн дал эмпирические правила (маленький = 0,1; средний = 0,3; большой = 0,5) в своем трактате 1988 года и статье Psych Bull 1992 года. Лучшее объяснение дано: Rosnow, RL, & Rosenthal, R. (1996). Вычисление контрастов, размеров эффектов и контрнулей на основе опубликованных другими людьми данных: общие процедуры для потребителей исследований. Pyschological Methods, 1, 331-340. Это всегда было моей интерпретацией. ps. С Новым годом от всех из Нижнего мира. Grant 13:45, 2 января 2007 (UTC) [ ответить ]

Я не совсем удовлетворен таким объяснением. r и r-квадрат не являются мерами размера эффекта; это всего лишь степень соответствия модели. R-квадрат также ничего не говорит вам о РАЗМЕРЕ эффекта, только о проценте зависимой переменной, которая затронута. Коэффициент бета указывает на размер эффекта; он указывает на направление и величину связи между переменными. Вам нужно на самом деле подумать о том, что нам говорят эти меры. r и r-квадрат говорят нам, какая часть дисперсии зависимой переменной варьируется так же, как и независимая переменная - корреляция - но ничего не говорят нам о размере эффекта, который является коэффициентом уравнения линии. То есть, насколько сильное изменение Y вызвано изменением X на одну единицу. ЭТО размер эффекта, поскольку он показывает вам, что одна переменная делает с другой. r и его производные родственники являются мерами качества соответствия модели, но ничего не говорят вам о размере эффекта, только о том, насколько точна ваша модель. Это должно быть сразу очевидно; совершенно разумно найти очень высокую корреляцию с очень низким размером эффекта. Когда вы говорите о r, вы говорите только о самом эффекте, а не о его величине. 59.167.60.92 (обсуждение) 11:54, 17 января 2009 (UTC) [ ответить ]

Привет всем и особенно Гранту. Вы заметили, что в текущей версии статьи - раздел об интерпретации размера эффекта Коэна и r - говорится, что "Коэн дает следующие рекомендации для социальных наук: малый размер эффекта, r = 0,1 − 0,23; средний, r = 0,24 − 0,36; большой, r = 0,37 или больше" (ссылки: книга Коэна 1988 года и статья Psych Bull 1992 года), тогда как, как говорит Грант, в этих двух работах Коэна говорится, что малый = 0,1; средний = 0,3; большой = 0,5. Интересно, откуда взялись цифры .10/.24/.37? Если кто-то знаком с этими пороговыми значениями, может быть, они могли бы добавить ссылку? Спасибо, Джейн — Предыдущий неподписанный комментарий добавлен 86.175.216.72 (обсуждение) 00:32, 7 февраля 2010 (UTC) [ ответить ]

Да, откуда берутся эти диапазоны для r. У меня нет Cohen (1988) перед глазами, но я не вижу этих диапазонов в Cohen (1992). — Предыдущий неподписанный комментарий добавлен Schmitta1573 (обсуждение • вклад ) 14:50, 25 сентября 2011 (UTC)[ отвечать ]

Это всего лишь термин, но я не согласен, что r-квадрат не является размером эффекта. Следуя аргументу 59.167.60.92, только коэффициент регрессии или средняя разность (что-то в масштабе данных) будут размером эффекта. Даже d Коэна будет исключено. Но важное различие заключается не в относительных (r-квадрат, d Коэна) и абсолютных (коэффициент регрессии, средняя разность) мерах, а в том, является ли статистика выводимой величиной, такой как Z-оценка или p-значение, которая масштабируется с размером выборки (определенно не размером эффекта), или чем-то вроде коэффициента корреляции, коэффициента регрессии, отношения шансов или d Коэна, которая оценивает относительный или абсолютный параметр популяции, который не зависит от размера выборки. В случае коэффициента корреляции, к сожалению, часто можно прочитать, что коэффициент корреляции выборки значительно отличается от нуля, возможно, с некоторым p-значением, но тогда не будет сказано, каков фактический расчетный коэффициент корреляции. Это ситуация, когда размер эффекта (т.е. предполагаемый коэффициент корреляции) должен быть предоставлен вместе с выводимыми данными. Я согласен, что то, что называется «размером», должно быть подобно величине и, следовательно, не иметь знака. Skbkekas ( talk ) 02:15, 7 февраля 2010 (UTC) [ ответить ]

По данным Коэна (1992, таблица 1, стр. 157), .2, .5 и .8 являются малыми, средними и большими размерами эффекта для d соответственно, а .1, .3 и .5 являются малыми, средними и большими размерами эффекта для r соответственно.

Cohen, J. (1992). A power primer. Psychological Bulletin, 112(1), 155-159. http://web.vu.lt/fsf/d.noreika/files/2011/10/Cohen-J-1992-A-power-primer-kokio-reikia-imties-dydžio.pdf — Предыдущий неподписанный комментарий добавлен 67.180.50.244 (обсуждение) 17:13, 23 декабря 2013 (UTC) [ ответить ]

Обратите внимание, что нет необходимости менять британское написание на американское. Подробнее см. Wikipedia:Manual of Style . — Chris53516 ^{( Обсуждение )} 19:00, 8 июня 2007 (UTC) [ ответить ]

Должен ли текст «Как оценка размера эффекта популяции θ он смещен» на самом деле читаться как «g смещен»? 85.218.70.138 (обс.) 12:33, 12 апреля 2010 (UTC) [ ответить ]

В тексте присутствует серьезное недопонимание Hedges G. Хотя расчет примера вполне корректен, «более консервативная» оценка размера эффекта не имеет ничего общего с величиной размера выборки, на самом деле, она связана с меньшей дисперсией женской группы (и это становится более весомым из-за большей группы женщин). Это становится ясно, когда размер выборки мужчин увеличивается до 3311, результирующий размер эффекта составит 1,72, хотя абсолютный размер выборки больше. Я предлагаю вместо этого использовать пример с равными стандартными отклонениями. 212.118.219.90 (обсуждение) 07:40, 4 сентября 2008 (UTC)Маркус [ ответить ]

Мне кажется, что большая часть раздела о коэффициенте хеджеса в настоящей версии неверна. На коэффициент d Коэна не сильно влияют различные размеры выборок между двумя группами по сравнению с коэффициентом хеджеса. Их формы для объединенного стандартного отклонения одинаковы, за исключением "-2" в знаменателе (по крайней мере, в представлении коэффициента d Коэна, к которому я получил доступ). — fnielsen ( talk ) 13:18, 8 октября 2008 (UTC) [ reply ]

Я уже стёр значительную часть текста. — fnielsen ( talk ) 14:18, 8 октября 2008 (UTC) [ ответить ]

В настоящее время и D Коэна, и G Хеджа представлены одинаково: в обоих случаях разница между двумя средними и объединенными стандартными отклонениями, с весами для S1 и S2, пропорциональными n-1 (n — размер выборки). Тогда в чем разница между ними? Борисба ( обсуждение ) 15:43, 26 июня 2022 (UTC) [ ответить ]

Почему у g есть шляпа? Ни в Hedges/Olkin, ни в Hartung/Knapp/Sinha нет шляпы? — fnielsen ( talk ) 19:23, 7 октября 2008 (UTC) [ ответить ]

Теперь я использовал символ g и g-звездочку вместо g-шляпки, чтобы не создавать путаницы, что g-шляпка — это оценка g. — fnielsen ( обсуждение ) 14:18, 8 октября 2008 (UTC) [ ответить ]

Уравнение для поправочного коэффициента имело -9 в знаменателе вместо -1. http://files.eric.ed.gov/fulltext/ED309952.pdf показывает вместо этого -1. Если это уравнение использовалось для расчета каких-либо примеров, то их, возможно, следует обновить.Tdilorenzo (обсуждение) 14:31, 1 июня 2016 (UTC) [ ответить ]

Я немного обескуражен некоторым ядом здесь, поскольку я не статистик. Однако мне кажется, что это не было исправлено. У меня нет книги Хеджеса и Олкина, но у меня есть статья Хеджеса (1981), и приведенная там формула имеет «-1», а не «-9», и определенно приближается ближе к правильному значению для g, чем формула, приведенная здесь. См. мой пост в Rblog: [4]. Я рад изменить формулу на правильную, но беспокоюсь, что я что-то упускаю. Cpsyctc ( talk ) 12:43, 21 января 2024 (UTC) [ ответить ]

По сути, Джейкоб Коэн изобрел концепцию размера эффекта. Или, по крайней мере, он выдвинул ее важность на передний план. Вот почему это называется d Коэна. Почему никто не упомянул Джейкоба «Джека» Коэна? — Предыдущий неподписанный комментарий, добавленный 71.172.128.74 (обсуждение) 01:47, 22 сентября 2008 (UTC) [ ответить ]

По состоянию на 7 октября 2008 года есть две ссылки на его работу. Вы можете добавить больше, если считаете нужным. — fnielsen ( talk ) 19:41, 7 октября 2008 (UTC) [ ответить ]

В формуле d=t/sqrt(N) есть ошибка. Должно быть d=t*sqrt(1/n+1/m), где n, m — размеры выборки. /Harald Lang — Предыдущий комментарий без знака, добавленный 46.39.98.137 (обсуждение) 11:09, 1 августа 2024 (UTC) [ ответить ]

Я не уверен в форме d Коэна. В книге Хартунга, Кнаппа и Синхи они пишут (стр. 14), что d Коэна — это

${\displaystyle d={\frac {{\bar {X}}_{1}-{\bar {X}}_{2}}{S}}}$

где

${\displaystyle S^{2}={\frac {(n_{1}-1)S_{1}^{2}+(n_{2}-1)S_{2}^{2}}{n_{1}+n_{2}}}}$

с

${\displaystyle (n_{1}-1)S_{1}^{2}=\sum _{i=1}^{n_{1}}(X_{1i}-{\bar {X}}_{1})^{2}}$

Кажется, это не та же самая форма, которая представлена ​​в статье Википедии. — fnielsen ( обсуждение ) 21:36, 7 октября 2008 (UTC) [ ответить ]

${\displaystyle S^{2}={\frac {(n_{1}-1)S_{1}^{2}+(n_{2}-1)S_{2}^{2}}{n_{1}+n_{2}}}}$не является беспристрастной оценкой . Я полагаю, что это оценка ML. Любая из них имеет свое соответствующее применение. — Lixiaoxu ( обсуждение ) 17:27, 7 ноября 2008 (UTC) [ ответить ]${\displaystyle \sigma ^{2}}$

После того, как я написал комментарий, я обнаружил, что то, что Якоб Коэн пишет на странице 20 в своей книге (в настоящее время она доступна в Google books [5]), не совсем ясно. Он пишет: «сигма = стандартное отклонение любой популяции (поскольку они предполагаются равными)». Хеджес и Хартунг, с другой стороны, пишут явную формулу для вычисления размера эффекта на основе выборки. Я думаю, что статья в Википедии должна быть осторожна при использовании слова «d Коэна»? — fnielsen ( talk ) 09:59, 10 ноября 2008 (UTC) [ reply ]

Термин d Коэна слишком популярен в литературе по социальным наукам. Многие варианты названы в честь Коэна , поскольку авторы литературы впервые столкнулись с этой самой идеей стандартизированного размера эффекта или чаще всего с именем Коэна. Его следует интерпретировать лучше как идею d Коэна и других, чем как формулу d Коэна . — Lixiaoxu ( обсуждение ) 16:35, 14 ноября 2008 (UTC) [ ответить ]

Коэн указывает три определения для знаменателя. Первое указал Фнейлсен, второе (стр. 44) для случая, когда стандартные отклонения не равны и определяется как:

${\displaystyle \sigma ^{'}={\sqrt {\frac {\sigma _{A}^{2}+\sigma _{B}^{2}}{2}}}}$

и третье (стр. 67), "s = обычная объединенная в пределах выборки оценка стандартного отклонения популяции", что согласуется с уравнением для объединенной дисперсии или Хеджеса, но в другой нотации. Можно спорить, все ли из этого необходимо или желательно на странице. Независимо от этого, текущее определение объединенного стандартного отклонения неверно (хотя и не слишком, в знаменателе должно быть -2), а строка под ним выглядит как остатки небрежного редактирования, когда формула была изменена до ее текущего состояния. Я исправлю оба. —Предыдущий неподписанный комментарий добавлен 216.170.110.94 (обсуждение) 15:49, 17 ноября 2010 (UTC)${\displaystyle s^{*}}$[ отвечать ]

216.170.110.94: Что написано в книге Хартунга на странице 14? Поскольку в формуле есть ссылка на книгу Хартунга, вам не следует менять формулу. Это также сделает ее несовместимой с написанием определения Hedge. — fnielsen ( talk ) 09:38, 31 января 2011 (UTC) [ reply ]

Существует интересное обсуждение отсутствия согласованности в обозначениях, определениях и оценках для стандартизированных средних различий в "McGrath, RE, & Meyer, GJ (2006). Когда размеры эффекта не совпадают: случай r и d. Психологические методы, 11(4), 386-401." http://www.bobmcgrath.org/Pubs/When_effect_sizes_disagree.pdf. Они фактически предлагают обозначение 'd' для версии, в настоящее время представленной в статье Википедии. Некоторая путаница в терминологии/определении здесь вызвана путаницей между параметрами популяции и их оценками. Коэн четко определяет свое 'd' в терминах параметров популяции, а не выборочной статистики, например, в своей книге "Статистический анализ мощности для поведенческих наук" (стр. 20 2-го издания). В упомянутой мной статье 2006 года также показана простая аппроксимация для коэффициента коррекции смещения g (J?) по Хантеру и Шмидту, 2004: (N-3)/(N-2.25). — Предыдущий неподписанный комментарий добавлен 143.107.252.87 (обсуждение) 15:52, 21 февраля 2011 (UTC) [ ответить ]

Я сейчас пытаюсь немного почистить [6]. Я не совсем уверен, что это удовлетворительно. — fnielsen ( talk ) 08:58, 30 июля 2014 (UTC) [ ответить ]

STATA , которая часто кажется «отраслевым стандартом» в проведении метаанализов, использует несколько иные уравнения, чем те, которые используются в этой статье. Программный код для функции METAN можно найти здесь [7] и он использует следующие уравнения:

Объединенное стандартное отклонение:

${\displaystyle s={\sqrt {\frac {(n_{1}-1)s_{1}^{2}+(n_{2}-1)s_{2}^{2}}{n_{1}+n_{2}-2}}}}$

т.е. разница равна -2.
В статье говорится, что это уравнение используется только для хеджирования g, однако, похоже, что функция METAN использует эту версию объединенного стандартного отклонения для d Коэна, хеджирования g и дельты Гласса. Это уравнение также показано на странице объединенного стандартного отклонения .

Дисперсия d Коэна (еще не указана явно в статье):

${\displaystyle {\hat {\sigma }}^{2}(d)={\frac {n_{1}+n_{2}}{n_{1}n_{2}}}+{\frac {d^{2}}{2(n_{1}+n_{2}-2)}}}$

Дисперсия хеджирования g:

${\displaystyle {\hat {\sigma }}^{2}(g)={\frac {n_{1}+n_{2}}{n_{1}n_{2}}}+{\frac {g^{2}}{2(n_{1}+n_{2}-3.94)}}}$

т.е. разница составляет дополнительно -3,94

Дисперсия &Delta Гласса (еще не указана явно в статье):

${\displaystyle {\hat {\sigma }}^{2}(\Delta )={\frac {n_{1}+n_{2}}{n_{1}n_{2}}}+{\frac {\Delta ^{2}}{2(n_{2}-1)}}}$

Кто-нибудь знает, почему существуют эти различия?
Стоит ли нам изменить статью на эти уравнения? 194.83.139.137 (обсуждение) 14:36, 30 января 2009 (UTC) [ ответить ]

Я хотел бы сейчас подставить приведенные выше уравнения в статью вкратце. Пожалуйста, прокомментируйте здесь, если вы согласны/не согласны - спасибо 194.83.139.177 ( talk ) 18:25, 31 июля 2009 (UTC) [ ответить ]

Решили ли мы эту проблему? Я написал уравнение дисперсии, но я озадачен. Книги Хеджеса и Хартунга мне не понятны. Я пытался вывести дисперсию для Хеджеса g и g* сам и/или получил 2(n1+n2-4) в знаменателе (асимптотически) для g*. — fnielsen ( talk ) 15:54, 8 ноября 2010 (UTC) [ ответить ]

Откуда взялось следующее выражение для Коэна ?${\displaystyle f^{2}}$

${\displaystyle {\hat {f}}_{Effect}={\sqrt {(df_{Effect}/N)(F_{Effect}-1)}}.}$

Я думаю, что это неверно (оно также не определяет , но если я прав, то не существует постоянного значения , которое было бы правильным в любом случае).${\displaystyle N}$${\displaystyle N}$

В контексте регрессии, где объясненная/гипотетическая сумма квадратов представляет собой разницу между редуцированной моделью или общей суммой квадратов и полной моделью или суммой квадратов ошибок , мы имеем${\displaystyle SS_{h}}$${\displaystyle SS_{t}}$${\displaystyle SS_{e}}$

${\displaystyle R^{2}=1-{\frac {SS_{e}}{SS_{t}}}={\frac {SS_{h}}{SS_{t}}}}$,

и использование этих выражений дает

${\displaystyle f^{2}={\frac {R^{2}}{1-R^{2}}}={\frac {SS_{h}}{SS_{e}}}}$.

Сама F-статистика — это

${\displaystyle F={\frac {SS_{h}/df_{h}}{SS_{e}/df_{e}}}}$,

показывая, что

${\displaystyle f^{2}=F{\frac {df_{h}}{df_{e}}}}$.

Мне также кажется логичным, что неформально мера размера эффекта соотносится с соответствующей ей статистикой, «отбрасывая» зависимость от размера выборки. Точнее, d Коэна соотносится с t-тестом, используя некоторую оценку стандартного отклонения вместо стандартной ошибки, которая включает размер выборки; сравнение и выражения для выше показывает примерно схожую связь, в которой степени свободы, которые связаны с размером выборки (и сложностью гипотезы), удаляются.${\displaystyle f^{2}=SS_{h}/SS_{e}}$${\displaystyle F}$

Я вполне допускаю возможность своей ошибки, но в данном случае я думаю, что уравнение настолько далеко от очевидности, что требует ссылки (я нашел ироничным читать все вышеизложенные рассуждения о цитатах для примера с инопланетянами, когда именно определения и уравнения, описывающие соотношения, лишены ссылок, а не примеры, которые, по моему мнению, были совершенно разумно приведены как есть!)

Ged.R ( обсуждение ) 17:04, 7 апреля 2009 (UTC) [ ответ ]

Я только что понял, что мой комментарий о том, что уравнение требует ссылки, может сделать меня уязвимым для обвинений в лицемерии из-за того, что я сам не ссылаюсь на какие-либо источники. Я должен был сказать «требуется либо ссылка, либо ясный вывод», поскольку я бы утверждал, что мой вывод по крайней мере ясен (даже если где-то окажется, что в нем есть изъян, по крайней мере, кто-то мог бы указать на конкретный изъян, тогда как статья в ее нынешнем виде просто выхватывает странное уравнение из воздуха). Мои уравнения для соответствия двум выражениям, данным в квадратичной множественной корреляции , за исключением обозначений, у меня есть:${\displaystyle R^{2}}$

${\displaystyle SS_{h}=SS_{reg}}$

${\displaystyle SS_{e}=SS_{err}}$

${\displaystyle SS_{t}=SS_{tot}}$

Мое уравнение для F-статистики совпадает с уравнением в F-тесте при следующем переводе обозначений:

${\displaystyle SS_{h}=RSS_{1}-RSS_{2}}$

${\displaystyle SS_{e}=RSS_{2}}$

${\displaystyle SS_{t}=RSS_{1}}$

(Здесь явно путаница с обозначениями. Я знаю одно предложение по стандартным обозначениям в смежной области эконометрики, Abadir and Magnus (2005), doi:10.1111/1368-423X.t01-1-00074, но оно заходит только до того, что RSS обозначает «остаточную сумму квадратов». Я думаю, что индексы 1 и 2, используемые в F-тесте, являются плохим выбором, поскольку 1 обычно относится к альтернативной гипотезе, и в этом случае общий или ограниченный RSS может обозначать, что он ограничен в соответствии с нулевой гипотезой, в то время как RSS ошибки может обозначать, что он находится под альтернативной гипотезой полной модели. Тогда было бы разумно обозначить регрессию или гипотезу RSS. Но в любом случае это выходит за рамки текущего момента.)${\displaystyle RSS_{0}}$${\displaystyle RSS_{1}}$${\displaystyle RSS_{H}=RSS_{0}-RSS_{1}}$

Ged.R ( обсуждение ) 18:07, 7 апреля 2009 (UTC) [ ответ ]

Этот раздел должен быть немного подчищен кем-то с соответствующим пониманием деталей и полномочиями от страшных редакторов. Предложение "Обычно μbaseline равен нулю, хотя это не обязательно. " в частности нуждается в некоторой доработке. 87.114.240.70 (обсуждение) 20:50, 24 марта 2010 (UTC) [ ответить ]

Я добавил шаблон "эксперт", потому что начиная с раздела "Доверительный интервал и отношение к нецентральным параметрам" и далее английский настолько плох, что трудно понять, что происходит. Кажется, даже не делается попытки объяснить, что происходит. Но может быть, говорится что-то важное. Это может относиться к комментарию выше. JA(000)Davidson ( talk ) 16:44, 27 мая 2011 (UTC) [ ответить ]

Келли опубликовал еще одну статью и определяет размер эффекта как количественное отражение величины некоторого явления, которое используется для решения интересующего вопроса . Возможно, стоит включить это в статью. Кстати, согласен с мнением выше, что статья нуждается в доработке. Tayste ( редактирование ) 22:05, 12 сентября 2012 (UTC) [ ответить ]

Умеренный — это то же самое, что и средний размер эффекта? Если их можно использовать взаимозаменяемо, то я думаю, что статья должна это указать, поскольку оба они распространены в психологической литературе. Если есть другие синонимичные термины, я думаю, их тоже следует включить. -- 1000Faces ( обсуждение ) 22:05, 14 июля 2013 (UTC) [ ответить ]

Всем привет,

Возможно, d Коэна рассчитано неправильно. Приведенный пример может нуждаться в пояснении.

Текст: «Итак, в приведенном выше примере посещения Англии и наблюдения за ростом мужчин и женщин данные (Aaron, Kromrey, & Ferron, 1998, ноябрь; из репрезентативной выборки Великобритании 2004 года из 2436 мужчин и 3311 женщин) таковы: Мужчины: средний рост = 1750 мм; стандартное отклонение = 89,93 мм Женщины: средний рост = 1612 мм; стандартное отклонение = 69,05 мм Размер эффекта (с использованием d Коэна) будет равен 1,72 (95% доверительные интервалы: 1,66–1,78). Это очень много, и у вас не должно возникнуть проблем с обнаружением того, что в среднем существует постоянная разница в росте между мужчинами и женщинами».

Я рассчитал d Коэна из предоставленных средних значений, стандартных отклонений и размера группы. Значение составило 1,756.

Когда я попытался найти оригинальную статью, представляющую d Коэна, я не смог найти нужную статью. Ссылка на Aaron, Kromrey, & Ferron (1998) в тексте, похоже, не работает, но ссылка в списке литературы, похоже, работает. Я смог найти статью, но данные в ней не представлены. Более того, говорится, что данные взяты из выборки Великобритании 2004 года. Я не могу найти, в какой статье представлены эти данные из выборки Великобритании 2004 года. Кроме того, я не понял, что подразумевается под «примером выше».

В целом, мне это кажется запутанным. У меня возникает несколько вопросов: 1. Каким должно быть правильное значение в примере расчета d Коэна? 2. Должна ли быть процитирована статья с данными из выборки Великобритании 2004 года? Или, если они уже где-то есть, где я могу их найти? 3. Каковы причины цитировать Aaron, Kromrey, & Ferron (1998) в этом примере и в этом конкретном месте? 4. Что подразумевается под «примером выше»?

Возможно, я что-то не так понял. Однако, может ли кто-нибудь прояснить это для меня? Спасибо!

С уважением, Joep — Предыдущий неподписанный комментарий добавлен 86.89.158.241 (обсуждение) 15:14, 26 июля 2013 (UTC) [ ответить ]

Да, я тоже обнаружил, что правильное значение d Коэна из приведенного выше уравнения должно быть 1,756, а не 1,72. — Предыдущий неподписанный комментарий добавлен Dlb012 ( обсуждение • вклад ) 16:06, 29 августа 2013 (UTC) [ ответить ]

И, да, я тоже. Я тоже наткнулся на эту проблему. Довольно тревожно иметь подробное обсуждение различных версий s, а затем продолжать с примером, в котором не упоминается, какой s был использован. Я на самом деле выяснил, как s в примере был вычислен: это среднее значение двух квадратов s1 и s2, поэтому s = (s1^2+s2^2/2 = 80,172. Если вы используете это s, вы получаете d = 1,72. В противном случае, как отмечено выше, вы получаете d = 1,756. Lionelkarman (обсуждение) 14:14, 5 июня 2014 (UTC) [ ответить ]

Joep также прав относительно ссылки Aaron, Kromrey, & Ferron (1998): статья 1998 года анализирует данные 2004 года, просто представьте себе! Статья существует, но не содержит примера. Было бы легко удалить ссылку, но тогда не будет источника для примера. Все это очень прискорбно. Lionelkarman (обсуждение) 14:27, 5 июня 2014 (UTC) [ ответить ]

В разделе этой статьи, посвященном « коэффициенту корреляции », говорится: «... r², коэффициент корреляции (также называемый «r-квадрат»)». Однако страница вики для коэффициента корреляции объясняет этот термин как относящийся просто к r. Более того, [далее в этой статье] объясняется, что r² называется коэффициентом детерминации. Я действительно считаю, что последний термин является правильным для r². Однако я могу ошибаться, и поэтому надеюсь, что кто-то более подкованный в статистике сможет подтвердить и исправить это неправильное наименование в статье. Спасибо.

Заголовки были исправлены. Пирсон r - это то же самое, что и коэффициент корреляции. Его можно использовать как размер эффекта, хотя коэффициент детерминации также используется. Dger ( talk ) 04:36, 29 июня 2014 (UTC) [ ответить ]

Я пересмотрел первый параграф, который в настоящее время начинается с двух определений, дает пример явления (не размера эффекта), затем говорит, что размеры эффекта являются описательными и не выводимыми, но также выводимыми (WTF?) и не связывает напрямую размеры эффекта с NHST. Я добавил недавний и, как мне кажется, убедительный пример того, как следует использовать размеры эффекта. Amead ( talk ) 05:25, 6 июля 2014 (UTC) [ ответить ]

Редактор удалил таблицу с расширенными дескрипторами, заявив, что (a) они не являются общепринятыми, (b) есть только 5 ссылок, и (c) обоснование, приведенное в ссылках, неясно. Прежде чем я это отменю, пожалуйста, прокомментируйте, что (a) нет такого стандарта Википедии, который называется «широко принятым», (5) нет стандарта Википедии, указывающего, что 5 ссылок недостаточно, и (c) аргумент об обосновании, выдвигаемый редактором, является нарушением Википедией оригинального исследования (т. е. редактор дискутирует со статьей). Я немного подожду, чтобы посмотреть, захотят ли другие прокомментировать, или сможет ли редактор задокументировать источники Вики для (a) и (b). Что касается (c), редактор, по-видимому, призывает к перечислению литературы, рассмотренной в ссылках, что можно было бы сделать, но это только сделало бы статью длиннее. Как следует из тегов, эта статья явно представляет собой давний беспорядок, и я не уверен, почему создаются препятствия, чтобы помешать ее улучшению. — Предыдущий неподписанный комментарий добавлен 2601:40F:401:5A14:3C18:A5A1:588E:9B3A (обсуждение) 14:23, 7 октября 2016 (UTC) [ ответить ]

Если быть точнее, я не увидел 5 ссылок с использованием расширенных дескрипторов, я нашел только 4:

1. Журнал боли 2. Журнал послесреднего образования и инвалидности 3. Американский журнал прикладной математики и статистики 4. Британский журнал прикладной науки и технологий

хотя я нашел 2 докторские диссертации на основе расширенных дескрипторов. 2601:40F:401:5A14:3C18:A5A1:588E:9B3A (обсуждение) 14:32, 7 октября 2016 (UTC) [ ответить ]

Прошел примерно месяц. Я вижу, что есть дополнительная ссылка на расширенные дескрипторы в Ary et al. 2012, стр. 150, поэтому я отменяю удаление предыдущего редактора. 2601:40F:401:5A14:A999:96B1:92A2:7081 (обсуждение) 15:19, 1 ноября 2016 (UTC) [ ответить ]

Эта статья НИЧЕМУ не научит неспециалиста. Она непонятна. Например, когда кто-то читает «мы получили размер эффекта 1,24» и приходит сюда, чтобы понять, что это значит, он в итоге НЕ поймет, что это значит.

Я впервые опубликовал комментарий выше (как сводку правок) три года назад; страница не улучшилась в этом отношении. Я предполагаю, что 95% этой страницы нужно выбросить как слишком техническую (или перенести в вики-книгу по статистике), а остальные 5% нужно полностью переписать для простоты и ясности. Gnuish ( обсуждение ) 06:56, 12 января 2017 (UTC) [ ответ ]

Хотя Википедия не учебник, я понимаю эту проблему. Я согласен, что статьи, непонятные среднестатистическому обывателю, имеют ограниченную ценность. Но я сомневаюсь, что из этих комментариев что-то выйдет без перечисления конкретных непонятных вещей. Кроме того (и я не критикую), ваш пример тоже мне непонятен. Это как сказать «животное весит 3 кг»... Не зная, какое животное, я не знаю, большое ли это 3 кг (это была бы ОГРОМНАЯ мышь) или маленькое (как микрослон). Величина эффекта 1,24 не поддается интерпретации без дополнительной информации. Если вы скажете мне, что это d Коэна или g Хеджа, то я буду знать, что это довольно большая разница (около 1,25 стандартных отклонений, что является большой разницей для двух переменных, распределенных приблизительно нормально). Наконец, я хотел бы отметить, что причина, по которой все это так сложно, заключается в том, что мы описываем вещи, которые, как правило, не имеют естественной метрики, например, температуру. Итак, чтобы хотя бы начать понимать размер эффекта, вы должны понимать его метрику. Для температуры вам нужно знать, является ли она Фаренгейтом, Цельсием, Кельвином и т. д.... 35F, 35C и 35K — это действительно разные температуры. Amead ( talk ) 23:03, 25 августа 2017 (UTC) [ reply ]

Здравствуйте, уважаемые википедисты!

Я только что изменил одну внешнюю ссылку на Effect size . Пожалуйста, уделите немного времени, чтобы просмотреть мои правки. Если у вас есть какие-либо вопросы или вам нужно, чтобы бот игнорировал ссылки или страницу в целом, посетите этот простой раздел FaQ для получения дополнительной информации. Я внес следующие изменения:

• Добавлен архив https://web.archive.org/web/20090323151854/http://www.mdp.edu.ar/psicologia/vista/vista.htm в http://www.mdp.edu.ar/psicologia/vista/vista.htm

Закончив просмотр моих изменений, вы можете следовать инструкциям в шаблоне ниже, чтобы исправить любые проблемы с URL-адресами.

Y Редактор проверил эту правку и исправил все обнаруженные ошибки.

• Если вы обнаружили URL-адреса, которые бот ошибочно посчитал неработающими, вы можете сообщить о них с помощью этого инструмента.
• Если вы обнаружили ошибку в архивах или самих URL-адресах, вы можете исправить их с помощью этого инструмента.

Привет.— InternetArchiveBot ( Сообщить об ошибке ) 06:02, 18 сентября 2017 (UTC) [ ответить ]

Если вы прочтете статью, то увидите, что она не совсем для порядковых данных. Анализ порядковый, но он был очень предназначен для использования в качестве надежной общей метрики, в том числе для непрерывных данных, особенно если предположение о нормальности и дисперсии не выполняется, как это необходимо для d Коэна.

Разве не следует упомянуть Wilcoxon's в статье? Он определяется как${\displaystyle r}$

${\displaystyle r:={\frac {z}{\sqrt {N}}}}$

где — z-оценка , — размер выборки или количество испытаний.${\displaystyle z}$${\displaystyle N}$

PedantNumber1 (обсуждение) 18:28, 17 апреля 2022 (UTC) [ ответить ]

Многие источники называют ее «омегой Коэна» ( ), а не w Коэна. Эти две буквы выглядят очень похожими, поэтому их легко спутать, но они разные. В книге Коэна (Statistical Power Analysis for the Behavioral Sciences, 1988) буква отличается от обычной латинской w (в книге она выделена жирным шрифтом, немного другим), поэтому я склонен думать, что на самом деле это омега, а не w. Если я прав, это то, что следует исправить в статье. 85.169.195.108 ( talk ) 08:15, 12 марта 2023 (UTC) [ ответить ]${\displaystyle \omega }$

Я собираюсь высказать жалобу, которая уже высказывалась 6 лет назад, а также 13 лет назад, в частности, касательно вводного раздела, который в настоящее время представляет собой множество абзацев с нулевыми уравнениями (по состоянию на 13 августа 2024 г.).

Вводная часть вряд ли будет полезна неспециалисту, который только что столкнулся с этим термином. Она длинная, но в ней нет ни одного уравнения или примера. В ней даже есть цитата о единицах (измерениях), которые следует использовать при сообщении размеров эффекта, а в цитате упоминается количество выкуренных сигарет (предположительно, как переменная, вызывающая наблюдаемый эффект в переменной болезни), что было бы очень хорошо в качестве примера с конкретными числами (хотя, возможно, и выдуманными числами).

В вводном разделе не упоминается, что существует одно конкретное определение «размера эффекта», которое часто не нужно указывать, хотя оно обычно подразумевается контекстом: в статье будут сообщаться группа лечения и контрольная группа, а также непрерывная мера результата, такая как «масса опухоли в граммах», затем они сообщат среднее значение (или иногда медиану) и стандартное отклонение (или иногда межквартильный размах) как для группы лечения, так и для контрольной группы, и как только они это сделают, «размер эффекта» можно разумно понимать как разницу в средних значениях (или любую меру центральной тенденции, которую они использовали), деленную на стандартное отклонение (или любую меру разброса, которую они использовали). Размер эффекта также может быть сообщен просто как разница в средних значениях в значимых единицах, таких как граммы, но по моему опыту это чаще называют «средней разницей».

Было бы неплохо привести уравнение для "размера эффекта" такого типа, затем пример с выдуманными числами, а ПОТОМ начать обсуждать, что многие другие статистики также представляют размеры эффекта. Оставшаяся часть статьи охватывает ряд других описательных статистик.

Самое начало также не дает особенно полезного введения в то, чем часто являются две связанные переменные, и что часто означает наблюдение эффекта. Размер эффекта часто используется, когда две переменные коррелируют, например, размер животного и скорость бега, но он особенно полезен в подмножестве тех ситуаций, когда одной переменной можно манипулировать, например, выкуривать больше или меньше сигарет, а затем смотреть, насколько уменьшение одной сигареты в день снижает риск заболевания. Fluoborate ( talk ) 20:36, 13 августа 2024 (UTC) [ ответить ]