यह जाने बिना कि किस तरह के डेटा का आकलन किया जा रहा है, यहां अच्छी सलाह देना बहुत कठिन है। और वास्तव में, यह सब आपको मिल सकता है। इस तरह के सवालों के लिए प्रभाव के आकार का सबसे अच्छा उपाय के रूप में बस ऐसी कोई चीज नहीं है ... शायद कभी भी।
प्रश्न में उल्लिखित प्रभाव आकार सभी मानकीकृत प्रभाव आकार हैं। लेकिन यह पूरी तरह से संभव है कि मूल उपायों के साधन या मंझले ठीक हों। उदाहरण के लिए, यदि आप माप रहे हैं कि किसी निर्माण प्रक्रिया को पूरा होने में कितना समय लगता है तो समय में अंतर पूरी तरह से उचित प्रभाव का आकार होना चाहिए। प्रक्रिया में कोई भी परिवर्तन, भविष्य के माप, प्रणालियों में माप और कारखानों में माप, सभी समय में होंगे। हो सकता है कि आप माध्य चाहते हैं या हो सकता है कि आप माध्यिका या यहां तक कि मोड चाहते हैं, लेकिन पहली बात जो आपको करने की ज़रूरत है वह वास्तविक माप पैमाने पर देखें और देखें कि क्या प्रभाव का आकार व्याख्या करने के लिए उचित है और माप से दृढ़ता से जुड़ा हुआ है।
उस बारे में सोचने में सहायता करने के लिए, जिन प्रभावों को मानकीकृत किया जाना चाहिए, वे चीजें हैं जो अप्रत्यक्ष रूप से और कई तरीकों से मापी जाती हैं। उदाहरण के लिए, मनोवैज्ञानिक तराजू समय के साथ और कई तरीकों से भिन्न हो सकते हैं और एक अंतर्निहित चर पर प्राप्त करने का प्रयास करते हैं जिसका सीधे आकलन नहीं किया जा रहा है। उन मामलों में आप मानकीकृत प्रभाव आकार चाहते हैं।
मानकीकृत प्रभाव के साथ, महत्वपूर्ण मुद्दा यह नहीं है कि कौन सा उपयोग करना है लेकिन उनका क्या मतलब है। जैसा कि आप अपने प्रश्न में लगाते हैं, आप यह भी नहीं जानते कि उनका क्या मतलब है और यह महत्वपूर्ण बात है। यदि आप नहीं जानते कि मानकीकृत प्रभाव क्या है तो आप इसे सही ढंग से रिपोर्ट नहीं कर सकते हैं, इसकी सही व्याख्या कर सकते हैं या इसका सही उपयोग कर सकते हैं। इसके अलावा, यदि आप डेटा पर चर्चा करना चाहते हैं, तो कई तरह के तरीके हैं, जो आपको एक प्रभाव आकार से अधिक रिपोर्ट करने से बिल्कुल नहीं रोक सकते हैं। आप अपने डेटा के बारे में रैखिक संबंध के बारे में चर्चा कर सकते हैं, जैसे उत्पाद का समय सहसंबंध के साथ, या स्पैसमैन के साथ रैंक के बीच संबंध के संदर्भ मेंrऔर उन लोगों के बीच मतभेद या तालिका में सभी जानकारी प्रदान करते हैं। इसमें कुछ भी गलत नहीं है। लेकिन जितना आप तय करना चाहते हैं, उससे कहीं अधिक आपको अपने परिणामों का मतलब निकालना होगा। यह कुछ ऐसा है जो दी गई जानकारी से उत्तर नहीं दिया जा सकता है और इस तरह के फोरम में एक प्रश्न के लिए उचित से अधिक जानकारी और डोमेन विशिष्ट ज्ञान की आवश्यकता हो सकती है।
और हमेशा मेटा-विश्लेषणात्मक रूप से सोचें कि आप प्रभावों की रिपोर्टिंग कैसे कर रहे हैं। क्या भविष्य में लोग उन परिणामों को लेने में सक्षम होंगे जो मैं रिपोर्ट कर रहा हूं और उन्हें दूसरों के साथ एकीकृत कर रहा हूं? शायद इन चीजों के लिए आपके क्षेत्र में एक मानक है। शायद आपने मुख्य रूप से एक गैर-पैरामीट्रिक परीक्षण का चयन किया क्योंकि आपको विश्वास नहीं है कि दूसरों ने अंतर्निहित वितरण के बारे में निष्कर्ष निकाला है और आप मुख्य रूप से पैरामीट्रिक परीक्षणों का उपयोग करने वाले क्षेत्र में अपनी मान्यताओं में अधिक रूढ़िवादी होना चाहते हैं। इस मामले में आमतौर पर पैरामीट्रिक परीक्षणों के साथ उपयोग किए जाने वाले एक प्रभाव आकार प्रदान करने के साथ कुछ भी गलत नहीं है। इन और कई अन्य मुद्दों पर विचार करने की आवश्यकता होती है, जब आप सोचते हैं कि आप समान शोध के बड़े साहित्य में अपनी खोज कैसे करते हैं। आमतौर पर अच्छे वर्णनात्मक आँकड़े इन समस्याओं को हल करते हैं।
तो यह प्राथमिक सलाह है। मेरी कुछ अतिरिक्त टिप्पणियां हैं। यदि आप चाहते हैं कि आपके प्रभाव का आकार आपके द्वारा किए गए परीक्षण से दृढ़ता से संबंधित हो तो Zआधारित अनुशंसा स्पष्ट रूप से सर्वोत्तम है। आपके मानकीकृत प्रभाव का आकार परीक्षण के समान ही होगा। लेकिन जैसे ही आप ऐसा नहीं कर रहे हैं, तब कुछ और का उपयोग करने में कुछ भी गलत नहीं है, यहां तक dकि कोहेन जैसा कुछ भी पैरामीट्रिक परीक्षणों से जुड़ा हुआ है। साधन, मानक विचलन, या की गणना के लिए सामान्यता की कोई धारणा नहीं हैd स्कोर । वास्तव में, अनुशंसित सहसंबंध गुणांक की तुलना में कमजोर धारणाएं हैं। और हमेशा अच्छे वर्णनात्मक उपायों की रिपोर्ट करें। फिर, वर्णनात्मक उपायों की कोई धारणा नहीं है जिसका आप उल्लंघन कर रहे हैं, लेकिन उनके मूल अर्थ को ध्यान में रखें। आप वर्णनात्मक आँकड़े रिपोर्ट करते हैं जो आपके डेटा के बारे में कुछ कहते हैं जो आप कहना चाहते हैं और साधन और मध्यस्थ अलग-अलग बातें कहते हैं।
यदि आप बार-बार स्वतंत्र डिजाइन प्रभाव आकारों के उपायों पर चर्चा करना चाहते हैं तो यह वास्तव में एक नया प्रश्न है।
