اندازه اثر چیست؟ Effect Size

در آزمون فرض آماری، معنی‌داری (Statistical Significance) به طور خلاصه، احتمال مشاهده نمونه تصادفی با توجه به صحیح بودن یک فرض آماری است. اگر این احتمال ضعیف باشد، به نظر می‌رسد که فرض مورد نظر در آزمون، صحیح نخواهد بود. البته این موضوع را هم باید در نظر گرفت که هدف از انجام آزمون فرض، نشان دادن مطابقت (یا عدم مطابقت) داده‌ها با توجه به فرضیه‌های آماری است. اندازه اثر میزان این انطباق را به صورت یک مقدار عددی نشان می‌دهد که درک آن نیز به سادگی صورت می‌گیرد. پس اندازه اثر یک مقدار عددی است که تفاوت بین داده‌ها و فرضیه آماری را مشخص و تعیین می‌کند.

هنگام تفسیر یا محاسبه اندازه اثر باید به نکات زیر نیز توجه داشت:

  1. اندازه اثر ابزاری برای تعیین اثرات درون و بین آزمودنی‌ها (Within and between Subjects) است.
  2. برای محاسبه توان (1−β

·  ) در آزمون‌های آماری احتیاج به محاسبه اندازه اثر داریم. این مقدار به واسطه محاسبه احتمال رد یک فرضیه برحسب فرض مقابل تعیین می‌شود.

·  اندازه اثر برای تعین حجم نمونه موثر است. به این ترتیب به کمک آن توان آزمون‌ها را می‌توان افزایش داد. البته مشخص است که هر چه تعداد نمونه‌ها بیشتر باشد، توان آزمون نیز افزایش خواهد یافت.

بسیاری از نرم‌افزارهای محاسبات آماری، قادر هستند برای بعضی از آزمون‌های آماری، اندازه اثر را محاسبه و طبق جدول شماره ۱، گزارش دهند. کران‌ و میزان‌های با اهمیت بودن مقدار اندازه اثر برای هر یک از آزمون‌ها نیز در این جدول دیده می‌شود.

جدول ۱: کران‌های اندازه‌های اثر مختلف در آزمون و تحلیل‌های آماری مختلف

ردیفنام تحلیلشرحنام اندازه اثراثر ضعیفاثر متوسطاثر زیاد
۱Chi-Square Independence Testتحلیل کای ۲ و آزمون استقلالCohen’s W0.10.30.5
۲Chi-Square Independence Testتحلیل کای ۲ و آزمون استقلالContingency Coefficient0.10.290.45
۳Chi-Square Independence Testتحلیل کای ۲ و آزمون استقلالCramér’s V
4Chi-Square Goodness-of-Fit Testآزمون کای ۲ برای برازش توزیعCohen’s W0.10.30.5
5Independent Samples T-Testآزمون نمونه‌ای تیCohen’s D0.20.50.8
6Independent Samples T-Testآزمون نمونه‌ای تیRpb – Point-Biserial Correlation0.10.240.37
7Paired Samples T-Testآزمون نمونه‌ای تی روجیCohen’s D0.20.50.8
8One-Sample T-Testآزمون نمونه‌ای تی تکیCohen’s D0.20.50.8
9Pearson Correlationضریب همبستگی پیرسونR – Correlation0.10.30.5
10ANOVAتحلیل واریانسω² – Omega Squared0.010.060.14
11ANOVAتحلیل واریانسη² – (Partial) Eta Squared0.010.060.14
12ANOVAتحلیل واریانسCohen’s F0.10.250.4
13Linear Regression – Entire Modelمدل کامل رگرسیون خطیModel R² – R Squared0.020.130.26
14Linear Regression – Entire Modelمدل کامل رگرسیون خطیModel F² – F Squared0.020.150.35
15Linear Regression – Individual Predictorبرای هر متغیر در مدل رگرسیون خطیPredictor R²sp – Squared Semipartial (“Part”) Correlation0.020.130.26
16Linear Regression – Individual Predictorبرای هر متغیر در مدل رگرسیون خطیPredictor F² – F Squared0.020.150.35

برگرفته از فرادرس

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *