/effektstørrelse
Effektstørrelse er et mål for å vurdere den praktiske betydningen av observerte resultater i forskning og brukes gjerne i tillegg til p-verdi for å oppgi rikere informasjon om endringer og forskjeller. For å hjelpe med å gjøre effektstørrelseberegninger lettere har vi utviklet tre enkle og brukervennlige kalkulatorer basert på Cohen's d og Hedges' g.
Disse to kalkulatorene lar deg beregne effektstørrelsen for tester med to uavhengige grupper ved å bare angi gjennomsnitt og standardavvik. Cohen's d regnes ut ved å bruke formelen "d = (M1 – M2) / SDpooled " eller enklere forklart som forskjellen i gjennomsnitt delt på det samlede standardavviket (Cohen. 1988). Hedge's regnes ut med en lignende formel, men korrigerer i tillegg for små utvalg eller ulike gruppestørrelser og krever derfor at du legger inn denne informasjonen også (Hedges, 1981). Cohen's d er nyttig i de fleste sammenhenger, men kan resultere i veldig høye verdier hvis man har et lite utvalg. Hedges' g er anbefalt dersom man har et lavere antall deltakere / observasjoner eller ulike gruppestørrelser.
Dersom du skal regne ut effektstørrelsen mellom to avhengige grupper (f.eks. hvis du har benyttet en parret t-test), kan du bruke verktøyet lenger nede hvor du må lime inn datamaterialet du vil analysere. Dette er fordi denne utregningen trenger de individuelle forskjellene og ikke bare gruppens gjennomsnitt. Vær bevisst på at verktøyene noen ganger gir negative effektstørrelser. Undersøk alltid gjennomsnittene for å forsikre deg om at retningen på effektstørrelsen (positiv eller negativ) er riktig med tanke på hva du ønsker å teste for.
Effektstørrelser for ikke-parametriske data
Dersom du analyserer data som ikke er normalfordelt og du har brukt ikke-parametriske tester, kan andre utregninger av effektstørrelser passe bedre enn Cohen's og Hedge's. Et eksempel er den følgende formelen
r = Z / sqrt(N)
Dette verktøyet lar deg beregne effektstørrelsen (r) for to grupper eller måletidspunkter ved hjelp av ikke-parametrisk statistikk. For å bruke verktøyet, lim inn datasettene for hver gruppe i de tilsvarende tekstfeltene. Hver verdi skal skilles med ny linje (dette skjer automatisk om du limer inn fra ExCel eller SPSS. I verktøy 1 kan du lime inn dataene dine, mens i nr. 2 skrive inn Z og n dersom du allerede har regnet disse ut. Dette kan du gjøre på denne siden.
Utregningen kan beskrives på følgende måte:
"Effektstørrelser ble regnet ut ved å dele Z-scorene på kvadratroten av antall observasjoner"
Dette gir en normalisert indikator på forskjellen mellom de to gruppene. Effektstørrelsen kan tolkes som hvor betydelig forskjellen mellom gruppene er, og kategoriseres som triviell (<0.1), liten (0.1–0.3), middels (0.3–0.5), og stor (>0.5) (Cohen, 1977).
Referanser:
Cohen, J. (1977). Statistical power analysis for the behavioral sciences. Academic press.
Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2.utg). Academic press.
Hedges, L. (1981). Distribution Theory for Glass’s Estimator of Effect Size and Related Estimators. Journal of Educational Statistics, 6(2), 107-128.