वर्णनात्मक आँकड़े क्या प्रभाव आकार नहीं हैं?

Question

विकिपीडिया कहता है

प्रभाव का आकार किसी घटना की ताकत या उस मात्रा के नमूने-आधारित अनुमान का एक माप है। डेटा से परिकलित एक प्रभाव आकार एक वर्णनात्मक आँकड़ा है जो किसी भी संबंध के अनुमानित परिमाण को व्यक्त करता है बिना किसी बयान के कि क्या डेटा में स्पष्ट संबंध आबादी में एक सच्चे संबंध को दर्शाता है।

इसे बेहतर ढंग से समझने के लिए, मैं सोच रहा था कि वर्णनात्मक आँकड़े ग्राफ और भूखंडों को छोड़कर, प्रभाव आकार नहीं हैं।

Comments

ग्राफ और भूखंड वास्तव में प्रभाव आकार के उपायों की तुलना में अधिक सहज तरीके से प्रभाव के आकार को मापने के लिए महान हो सकते हैं। यदि आप वास्तव में कुछ उपायों पर दो समूहों के बीच ओवरलैप देखते हैं (जो मोटे तौर पर छोटे घ के अनुरूप होंगे ), तो यह महसूस करना आसान है कि एक महत्वपूर्ण अंतर का मतलब यह नहीं है कि एक समूह के सदस्य के पास दूसरे समूह के सदस्यों की तुलना में कम स्कोर है , इत्यादि

— गाला

Answer 1

प्रभाव आकार

• आम मानकीकृत प्रभाव आकार आमतौर पर किसी रिश्ते या प्रभाव की मात्रा या डिग्री की मात्रा निर्धारित करते हैं। सबसे आम प्रभाव आकार के उपाय संभवतः कोहेन के डी, पियर्सन के आर, और ऑड्स अनुपात (विशेष रूप से एक द्विआधारी भविष्यवक्ता के लिए) हैं।
• कम आम प्रभाव आकार के उपाय:उस ने कहा, आप मानक और अनियमित प्रभाव आकार के उपाय कर सकते हैं। कोई भी आँकड़ा जो रिश्तों की डिग्री को बताता है और विशेष रूप से नमूना आकार से दूषित नहीं होता है, संभवतः एक प्रभाव आकार उपाय है। इस प्रकार, बीटा गुणांक, आर-वर्ग, सहसंयोजक, समूहों के बीच कच्चे माध्य अंतर, और इसलिए सभी प्रभाव की डिग्री पर कब्जा कर लेते हैं। उस ने कहा, मुझे पता है कि कुछ शोधकर्ता प्रभाव आकार के उपायों को कुछ हद तक आँख बंद करके लागू करते हैं और भूल जाते हैं कि व्यापक उद्देश्य पाठकों को प्रभाव की डिग्री की भावना देना है। और इस प्रकार, वे अक्सर महसूस नहीं करते हैं कि अंतर अंतर या कच्चे प्रतिगमन गुणांक जैसे उपाय कुछ अर्थों में एक प्रभाव आकार माप हैं। प्रभाव आकारों के अंधा उपयोग का एक और उदाहरण प्रभाव आकार उपायों का उपयोग शामिल है जिसमें एक सहज व्याख्या नहीं है, लेकिन कुछ पाठ्यपुस्तक द्वारा सिफारिश की गई है।

प्रभाव आकार नहीं:

• अधिकांश परीक्षण आँकड़े प्रभाव आकार नहीं हैं। जैसे, ची-स्क्वायर टेस्ट, टी-टेस्ट, जेड-टेस्ट, एफ-टेस्ट। जैसे ही जनसंख्या प्रभाव का आकार बढ़ता है और नमूने का आकार बढ़ता है, वे दोनों बड़े होते जाते हैं। कई मामलों में हाल के वर्षों में प्रभाव आकारों की पूरी भाषा पर जोर दिया गया है क्योंकि शोधकर्ता इस बात पर बहुत अधिक ध्यान केंद्रित कर रहे थे कि उनके प्रभाव के आकार कितने बड़े थे, उनके परीक्षण के आंकड़े कितने बड़े थे। यह विशेष रूप से महत्वपूर्ण है जहां आपके पास एक बड़ा नमूना आकार है जब छोटे प्रभाव भी सांख्यिकीय रूप से महत्वपूर्ण हो सकते हैं।
• अधिकांश अविभाज्य आँकड़े प्रभाव आकार नहीं हैं। अधिकांश उद्देश्यों के लिए, प्रभाव आकार कम से कम दो चर के बीच संबंध के बारे में चिंतित है। इस प्रकार, नमूना का मतलब है, मानक विचलन, तिरछा, कुर्तोसिस, न्यूनतम, अधिकतम, और इसी तरह प्रभाव आकार के उपाय नहीं हैं।
• संबंध की डिग्री से संबंधित आंकड़े प्रभाव आकार के उपाय नहीं हैं। उदाहरण के लिए, बहुभिन्नरूपी सामान्यता के परीक्षण, एक मैट्रिक्स के आइगेनवेल्यूज़, और इसलिए आमतौर पर शब्द के सामान्य अर्थों में एक प्रभाव को निर्धारित करने के लिए सीधे लक्षित नहीं होते हैं।

व्यापक विचार

• स्केलिंग विचार: एक प्रभाव आकार माप के रूप में एक आंकड़े की उपयोगिता काफी हद तक एक प्रभाव के आकार को संवाद करने की अपनी क्षमता से संबंधित है। कभी-कभी यह प्रभाव के परिचित मानकीकृत उपायों का उपयोग करके प्राप्त किया जाता है (जैसे, कोहेन का घ)। अन्य समय, चर के स्केलिंग पर सावधानीपूर्वक विचार करने से प्रभाव के आकार की एक समान व्याख्या हो सकती है। उदाहरण के लिए, मान लें कि मेरे पास आय स्तरों पर एक प्रशिक्षण कार्यक्रम को देखने का एक अध्ययन था। मैं रिपोर्ट कर सकता हूं कि प्रशिक्षण कार्यक्रम में 2 मानक विचलन द्वारा आय में वृद्धि हुई है या मैं कह सकता हूं कि कार्यक्रम ने $ 3,500 अमेरिकी डॉलर की आय में वृद्धि की। दोनों उपयोगी हैं; दोनों प्रभाव आकार के उपाय हैं। पहला मानकीकृत है (कोहेन का डी), दूसरा अस्वास्थ्यकर (कच्चे समूह का मतलब अंतर) है।
• प्रभाव के आकार का आकलन करने में सटीकता: हम अक्सर प्रभाव के आकार के उपायों के नमूने के अनुमानों को निकालते हैं (जैसे, कोहेन के डी, पियर्सन के आर, आदि)। यह संदर्भ प्रभाव आकार उपायों के साथ महत्व परीक्षण के विपरीत हो सकता है। बहरहाल, उद्देश्य अभी भी सटीक और निष्पक्ष तरीके से, जनसंख्या प्रभाव आकार का अनुमान लगाना चाहिए। एक निरंतर दृष्टिकोण से, प्रभाव आकार के आसपास आत्मविश्वास अंतराल सटीक का अनुमान प्रदान करते हैं। बायेसियन परिप्रेक्ष्य से, प्रभाव के आकार पर पश्च घनत्व हैं। कई मामलों में, यह सुनिश्चित करने के लिए ध्यान रखा जाना चाहिए कि आप एक निष्पक्ष प्रभाव आकार माप का उपयोग कर रहे हैं।

Comments

(+1) अच्छा जवाब।

— CHL

तीसरा और अंतिम बिंदु संभवतः समझाता है कि विकिपीडिया लेख के लेखक (लेखक) कहाँ से आ रहे हैं। मनोविज्ञान पर जोर देते हुए, मुझे लगता है कि यह बिंदु अन्य वर्णनात्मक आँकड़ों के साथ प्रभाव के आकार के विपरीत नहीं है, बल्कि परीक्षण के आँकड़ों और पी-मानों (यानी अनुमानात्मक आँकड़ों) के साथ है और इस बात पर ज़ोर देने के लिए कि आकार के उपायों में नमूने की परिवर्तनशीलता के बारे में कुछ नहीं कहा गया है।

— गाला

आपके अच्छे उत्तर के लिए बहुत बहुत धन्यवाद। हालांकि मेरा एक सवाल है: क्या आपका मतलब है कि विश्वास अंतराल को एक प्रभाव आकार माप के रूप में इस्तेमाल नहीं किया जा सकता है, क्योंकि यह सीधे नमूना आकार से संबंधित है? (विश्वास अंतराल द्वारा, मेरा मतलब है कि मूल्य जो कि प्रचलन से घटाया या घटाया गया है, मतलब, आदि - एक CI के ऊपरी और निचले सीमा नहीं)।

— विक

@ यदि आप एक प्रभाव आकार माप पर एक विश्वास अंतराल हो सकता है, लेकिन विश्वास अंतराल ही प्रभाव आकार नहीं है।

— जेरोमे एंगलिम

उह बहुत धन्यवाद प्रिय जिरोमी। इन सभी वर्षों के लिए मुझसे गलती हुई थी। :)

— विक

Answer 2

सबसे पहले, प्रभाव आकार का उपयोग हीनता के साथ-साथ वर्णनात्मक रूप से किया जा सकता है। आर और ओआरएस सभी प्रभाव आकार हैं और निश्चित रूप से सभी का उपयोग हीन सांख्यिकी में किया जाता है।

Univariate आँकड़े आमतौर पर प्रभाव आकार नहीं होते हैं, हालांकि वे हो सकते हैं। उदा। यदि आप उन पुरुषों और महिलाओं की उम्र की तुलना कर रहे हैं, जो एक-दूसरे से विवाहित हैं, तो पुरुषों की औसत आयु कोई प्रभाव आकार नहीं है (तब साधनों का अंतर एक प्रभाव आकार होगा)। लेकिन अगर आप देखना चाहते हैं कि किसी चीज का मतलब 0 है, तो मतलब एक प्रभाव का आकार होगा।

यदि यह एक प्रभाव को मापता है, तो यह एक प्रभाव आकार है!

Comments

मुझे लगता है कि यह सच है @Peter, लेकिन प्रभाव का आकार एक शब्द है जिसे कोहेन द्वारा अधिक संकीर्ण रूप से परिभाषित किया गया है: (मीन 1-मी 2) / पूलडोकस। यह थोड़ा सा लगता है जैसे अंतर महत्वपूर्ण है, या केवल सांख्यिकीय रूप से महत्वपूर्ण है - एक सांख्यिकीय शब्द को परिभाषित करने के लिए सामान्य शब्दों का उपयोग।

— doug.numbers

कोहेन ने इसे इस तरह से कहां परिभाषित किया है? यदि आप पावर एनालिसिस पर उनकी पुस्तक से आशय रखते हैं, तो मुझे लगता है कि वह अन्य प्रभाव आकारों को परिवर्तित करने के लिए मानक की तरह उपयोग करता है। लेकिन उस किताब में हर शक्ति विश्लेषण तालिका (और वहाँ एक बहुत हैं) कुछ प्रभाव आकार का उपयोग करता है (और सभी उपयोग नहीं है कि एक)

— पीटर Flom - को पुनः स्थापित मोनिका

कोहेन की ड हमेशा वह तरीका है जो मैंने उसे समझा। जैसा कि वर्णित है । en.wikipedia.org/wiki/Effect_size लेकिन आप बिल्कुल सही हैं, प्रभाव के आकार के रूप में वर्णित कई विधियां हैं।

— doug.numbers

टी-परीक्षण और जेड-परीक्षण प्रभाव आकार नहीं हैं। एक ही प्रभाव आकार अलग नमूना आकार के लिए काफी अलग टी और जेड मानों का उत्पादन करेगा।

— जेरोमे एंग्लीम

@JeromyAnglim सही है; +1। मैंने अपना जवाब संपादित किया

— पीटर फ़्लॉम -