Jeśli czytasz ten post, zakładam, że masz przynajmniej jakąś wcześniejszą wiedzę na temat statystyki w psychologii. Poza tym, nie możesz wiedzieć, co ANOVA jest, chyba że masz jakąś formę statystyki / metody badawcze tuition.

Ten przewodnik prawdopodobnie nie nadaje się dla nikogo, kto nie jest na poziomie stopnia Psychologii. Przykro mi, ale nie wszystkie posty mogą przynieść korzyści każdemu, a wiem, że metody badawcze to trudny moduł na uniwersytecie. Dzięki za zrozumienie!

Podsumowanie wielkości efektu.

Wielkość efektu, w skrócie, jest wartością, która pozwala zobaczyć, jak bardzo twoja zmienna niezależna (IV) wpłynęła na zmienną zależną (DV) w badaniu eksperymentalnym. Innymi słowy, pokazuje ona, jak wiele wariancji w DV było wynikiem działania IV. Wielkość efektu można obliczyć tylko po przeprowadzeniu odpowiedniego testu statystycznego na istotność. W tym poście przyjrzymy się wielkości efektu za pomocą ANOVA (ANalysis Of VAriance), która nie jest taka sama jak inne testy (np. t-test). Kiedy używamy wielkości efektu z ANOVA, używamy η² (Eta squared), zamiast d Cohena z t-testem, na przykład.

Przed spojrzeniem na to, jak opracować wielkość efektu, może warto spojrzeć na wytyczne Cohena (1988). Według niego:

• Mała: 0,01
• Średnia: 0,059
• Duża: 0.138

Jeśli więc skończysz z η² = 0.45, możesz założyć, że wielkość efektu jest bardzo duża. Oznacza to również, że 45% zmiany w DV może być wyjaśnione przez IV.

Wielkość efektu dla ANOVA między grupami

Obliczanie wielkości efektu dla projektów między grupami jest znacznie łatwiejsze niż dla wewnątrz grup. Wzór wygląda następująco:

η² = Treatment Sum of Squares
Total Sum of Squares

Więc jeśli weźmiemy pod uwagę wynik ANOVA między grupami (używając SPSS/PASW):
(Przepraszam, musiałem to uszczypnąć z pokazu slajdów wykładowcy, ponieważ mój SPSS się zawiesza…)

Patrząc na powyższą tabelę, potrzebujemy drugiej kolumny (Suma kwadratów).
Suma kwadratów leczenia jest w pierwszym wierszu: Between Groups (31.444)
Całkowita suma kwadratów to ostatni wiersz: Total (63.111)

Therefore:

η² = 31.444
63.111

η² = 0.498

To byłoby uznane przez wytyczne Cohena jako bardzo duża wielkość efektu; 49.8% wariancji było spowodowane przez IV (leczenie).

Wielkość efektu dla ANOVA

Wzór jest tu nieco bardziej skomplikowany, ponieważ musisz sam obliczyć całkowitą sumę kwadratów:

Całkowita suma kwadratów = Suma kwadratów leczenia + Suma kwadratów błędu + Suma kwadratów błędu (między przedmiotami).

Wtedy, użyłbyś wzoru jak zwykle.

η² = Treatment Sum of Squares
Total Sum of Squares

Przyjrzyjrzyjmy się przykładowi:
(Ponownie, dane wyjściowe 'pożyczone’ z moich slajdów wykładowych, jako że PASW jest średni!)

Więc, całkowita suma kwadratów, którą musimy obliczyć, jest następująca:

31.444 (górna tabela, SPEED 1) + 21.889 (górna tabela, Error(SPEED1)) + 9.778 (tabela dolna, Error) = 63.111

Jak widać, wartość ta jest taka sama jak w ostatnim przykładzie z grupami międzygrupowymi – a więc działa!

Po prostu wprowadź sumę do wzoru tak jak poprzednio:

.