Wielkość efektu dla efektu interakcji w projekcie kontroli przed leczeniem


11

Jeśli zdecydujesz się przeanalizować projekt kontrolny przed leczeniem z ciągłą zmienną zależną przy użyciu mieszanej ANOVA, istnieją różne sposoby oceny wpływu przebywania w grupie leczenia. Efekt interakcji jest jedną z głównych opcji.

Ogólnie, szczególnie podoba mi się miara typu Cohena d (tj. ). Nie podoba mi się wyjaśnienie miary wariancji, ponieważ wyniki różnią się w zależności od nieistotnych czynników, takich jak względna wielkość próby grup.μ1-μ2)σ

Pomyślałem więc, że mogę określić efekt w następujący sposób

  • Δμdo=μdo2)-μdo1
  • Δμt=μt2)-μt1
  • Zatem rozmiar efektu można zdefiniować jakoΔμt-Δμdoσ

gdzie odnosi się do kontroli, do leczenia, a 1 i 2 odpowiednio do pre i post. może być zbiorczym odchyleniem standardowym w czasie 1.t σdotσ

Pytania:

  • Czy właściwe jest oznaczenie tej miary wielkości efektu d?
  • Czy to podejście wydaje się rozsądne?
  • Jaka jest standardowa praktyka pomiaru wielkości efektu dla takich projektów?

Odpowiedzi:


7

Tak, sugerujesz dokładnie to, co zostało zasugerowane w literaturze. Patrz na przykład: Morris, SB (2008). Szacowanie wielkości efektu na podstawie projektów grup kontrolnych przed testem i po teście. Organizational Research Methods, 11 (2), 364-386 ( link , ale niestety brak wolnego dostępu). W artykule opisano także różne metody szacowania miary wielkości efektu. Możesz użyć litery „d”, aby określić rozmiar efektu, ale zdecydowanie powinieneś podać wyjaśnienie tego, co obliczasz (w przeciwnym razie czytelnicy prawdopodobnie założą, że obliczasz znormalizowaną średnią różnicę tylko dla wyników po teście).


re^

3

Uważam, że uogólniony eta-kwadrat ( Olejnik i Algena, 2003 ; Bakeman, 2005 ) zapewnia rozsądne rozwiązanie do kwantyfikacji wielkości efektu, które uogólnia się między konstrukcjami pomiędzy S i wewnątrz S. Jeśli poprawnie odczytam te odniesienia, uogólniony eta-kwadrat powinien również uogólnić na rozmiary próbek.

Uogólniony eta-kwadrat jest automatycznie obliczany przez funkcję ezANOVA () w pakiecie ez dla R.


1
Dzięki za referencje i funkcję r. Nadal wolę interpretację miar opartych na d (tam, gdzie mają one zastosowanie) niż miar opartych na wyjaśnieniu wariancji. Uważam, że jaśniej jest myśleć o efekcie interwencji pod względem wyniku różnicowego.
Jeromy Anglim,

1

I myślę, że można to wyjaśnić, odnotowując (pomiędzy), aby ludzie wiedzieli, że jest to wielkość efektu kontroli eksperymentalnej. Ponieważ istnieje również rozmiar efektu wewnątrz grupy. Do Twojej wiadomości Powodzenia!

Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.