Efektikoko varianssianalyysissä (ANOVA)

, Author

X

Tietosuoja & Evästeet

Tämä sivusto käyttää evästeitä. Jatkamalla hyväksyt niiden käytön. Lue lisää, mukaan lukien evästeiden hallitseminen.

Got It!

Mainokset

Jos luet tätä viestiä, oletan, että sinulla on ainakin jonkin verran aiempaa tietämystä psykologian tilastoista. Sitä paitsi et voi mitenkään tietää, mikä on ANOVA, ellet ole käynyt jonkinlaista tilastotieteen/tutkimusmenetelmien opetusta.

Tämä opas ei luultavasti sovellu kenellekään, joka ei ole psykologian tutkintotasolla. Anteeksi, mutta kaikki viestit eivät voi hyödyttää kaikkia, ja tiedän, että tutkimusmenetelmät on vaikea moduuli yliopistossa. Kiitos ymmärryksestä!

Efektikoon kertaus.

Efektikoko on pähkinänkuoressa arvo, jonka avulla voit nähdä, kuinka paljon riippumaton muuttuja (IV) on vaikuttanut riippuvaiseen muuttujaan (DV) kokeellisessa tutkimuksessa. Toisin sanoen sillä tarkastellaan, kuinka paljon varianssia DV:ssäsi oli IV:n seurausta. Voit laskea vaikutuksen koon vasta, kun olet suorittanut asianmukaisen tilastollisen merkitsevyystestin. Tässä viestissä tarkastellaan vaikutuskokoa ANOVA:n (ANalysis Of VAriance) avulla, joka ei ole sama kuin muut testit (kuten t-testi). Kun käytämme efektikokoa ANOVA:n kanssa, käytämme η²:tä (Eta-neliö), emmekä esimerkiksi Cohenin d:tä t-testin kanssa.

Ennen kuin tarkastelemme, miten efektikoko lasketaan, kannattaa ehkä tutustua Cohenin (1988) ohjeisiin. Hänen mukaansa:

  • Pieni: 0,01
  • Keskikoko: 0,059
  • Suuri: 0.138

Jos siis päädytään η² = 0.45, voidaan olettaa, että efektikoko on hyvin suuri. Se tarkoittaa myös, että 45 % DV:n muutoksesta voidaan selittää IV:llä.

Efektikoko ryhmien välisessä ANOVA:ssa

Efektikoon laskeminen ryhmien välisessä mallissa on paljon helpompaa kuin ryhmien sisäisessä mallissa. Kaava näyttää tältä:

η² = Treatment Sum of Squares
Total Sum of Squares

Jos siis tarkastelemme ryhmien välisen ANOVA:n tulosta (SPSS/PASW:n avulla):
(Anteeksi, jouduin nipistämään tämän luennoitsijan diaesityksestä, koska SPSS-ohjelmani ei toimi…)

Katsomme yllä olevaa taulukkoa ja tarvitsemme toisen sarakkeen (neliösumma).
Hoidon neliösumma on ensimmäinen rivi: Ryhmien välillä (31.444)
Kokonaisneliösumma on viimeinen rivi: Yhteensä (63.111)

Siten:

η² = 31.444
63.111

η² = 0.498

Tätä pidettäisiin Cohenin ohjeiden mukaan erittäin suurena efektikokona; 49.8 % varianssista aiheutui IV:stä (hoito).

Effect size for a within subjects ANOVA

Tässä kaava on hieman monimutkaisempi, koska sinun täytyy itse laskea kokonaisneliösumma:

Kokonaisneliösumma = Hoidon neliösumma + Virheneliösumma + Virheen (koehenkilöiden välinen) neliösumma.

Sitten käytät kaavaa normaalisti:

η² = Treatment Sum of Squares
Total Sum of Squares

Katsotaanpa esimerkki:
(Jälleen kerran tuotos ’lainattu’ luentokalvoiltani, koska PASW on keskiarvo!)

Kokonaisneliösumma, joka meidän on laskettava, on siis seuraava:

31.444 (ylätaulukko, SPEED 1) + 21.889 (ylätaulukko, Error(SPEED1)) + 9.778 (alin taulukko, Virhe) = 63.111

Kuten huomaatte, tämä arvo on sama kuin edellisessä esimerkissä ryhmien välillä – joten se toimii!

Kirjoitetaan vain summa kaavaan kuten aiemmin:

Vastaa

Sähköpostiosoitettasi ei julkaista.