To tylko jedna z 4 stron tej notatki. Zaloguj się aby zobaczyć ten dokument.
Zobacz
całą notatkę
Ocena wielkości (siły) efektu (effect size)
Czym innym jest pytanie o to, czy różnica między średnimi w ogóle istnieje (istotność różnicy) a czym innym pytanie o to, ja duża jest ta różnica (wielkość efektu). Na przykład, dysponując precyzyjną wagę laboratoryjną możemy wykazać że waga dwóch przedmiotów różni się o 10 mg, a dysponując tylko wagą towarową możemy nie być w stanie wykazać, że waga dwóch ciężarówek różni się o 10 kg.
Istotność testu statystycznego zależy od wielkości próby. Nawet niewielka różnica między średnimi będzie istotna jeśli próba będzie bardzo duża, a duża różnica między średnimi może okazać się nieistotna gdy próba będzie bardzo mała. Istotność różnicy nie wskazuje więc, czy różnica ta jest mała czy duża. Ogólnie: istotność statystyczna efektu nie wskazuje czy jest on silny czy słaby. Dziś coraz częściej wymaga się aby podawać nie tylko istotność efektu ale i jego wielkość.
W analizie regresji miarą siły efektu zm. niezależnej (lub zmiennych niezależnych w regresji wielokrotnej) jest współczynnik determinacji, tzn. kwadrat współczynnika korelacji: r2 lub R2 . Jeśli np. R2 = 0,40 to znaczy to, że 40% sumy kwadratów zmiennej zależnej można przewidzieć na podstawie znajomości zmiennych niezależnych
W ANOVA można stosować różne miary siły wpływu czynnika eksperymentalnego. Jedną z najlepszych jest współczynnik ω2 („omega kwadrat”). Na przykład, w eksperymencie jednoczynnikowym, siłę wpływu czynnika A można policzyć wg wzoru::
Wzory na ω2 dla innych planów eksperymentalnych podaje Brzeziński („Badania eksperymentalne w psychologii i pedagogice”, Warszawa: Scholar, 2000). W menu programu SPSS nie ma współczynnika ω2, jest natomiast współczynnik η2 (eta kwadrat), który interpretuje się podobnie jak ω2, tzn. jako procent zmienności (sumy kwadratów) zmiennej zależnej, wywołanej wpływem czynnika eksperymentalnego. Jeśli np. w eksperymencie η2 = 0,20 dla czynnika A, to znaczy to, że 20% zmienności zmiennej zależnej wywołana została działaniem czynnika A.
Najprostsza wersja współczynnika η2 ma postać:
Inna wersja wzoru (dostępna w SPSS) ma postać:
(w wypadku eksperymentu jednoczynnikowego oba wzory dają ten sam wynik).
Współczynnik η2 (w wersji dostępnej w SPSS) można stosować do porównywania efektu tej samej zmiennej w różnych badaniach. Jeśli natomiast oceniamy efekty różnych czynników w tym samym eksperymencie to może się okazać, że suma wszystkich η2 (tzn. oszacowanych dla wszystkich czynników eksperymentalnych) będzie większa od 1.
(…)
… dla wszystkich czynników eksperymentalnych) będzie większa od 1.
Przykład: CUD - efekt Poffenbergera (1912)
(por. Wolski 2005)
Ruch prawej ręki kontroluje lewa półkula mózgu, ruch lewej ręki - prawa półkula. Czas reakcji motorycznej jest krótszy jeśli bodziec wzrokowy eksponowany jest do tej samej półkuli, która kontroluje ruch reagującej ręki niż wtedy, gdy jest kierowany do półkuli przeciwnej (bodziec eksponuje się w taki sposób aby trafiał tylko do jednej, wybranej połowy pola widzenia). Średnia różnica między czasem prostej reakcji skrzyżowanej i nieskrzyżowanej (crossed-uncrossed difference - CUD) miała wynosić wg Poffenbergera 4 milisekundy, dziś szacuje się ją na 3 ms. CUD jest efektem bardzo słabym. Aby wykazać jego istotność statystyczną potrzeba wielkiej liczby (kilkuset ) prób. Wolski w swoich badaniach (eksperyment 2001…
... zobacz całą notatkę
Komentarze użytkowników (0)