对于效果大小分析,我注意到Cohen的d,对冲的g和对冲的g *之间存在差异。
- 这三个指标通常非常相似吗?
- 他们会产生不同结果的情况如何?
- 还是我使用或报告的偏好问题?
对于效果大小分析,我注意到Cohen的d,对冲的g和对冲的g *之间存在差异。
Answers:
据我了解,Hedges的g是Cohen d(合并SD)的精确度更高的版本,因为我们为小样本添加了校正因子。这两项措施的普遍认同时,同方差的假设不受侵犯,但我们可以发现的情况下这种情况并非如此,例如见麦格拉思和迈耶,心理学的方法 2006年,11(4):386-401(PDF)。我的答复末尾列出了其他论文。
我通常发现,几乎在所有心理学或生物医学研究中,这都是科恩氏病的报道。这可能与众所周知的经验法则来解释其大小有关(Cohen,1988)。我不知道有任何关于Hedges的g(或Cliff delta作为非参数替代)的论文。布鲁斯·汤普森(Bruce Thompson)对APA部分的效果大小进行了修订。
搜寻有关效果大小量度的蒙特卡洛研究,我发现本文可能很有趣(我只阅读摘要和仿真设置):效果大小的鲁棒置信区间:非正态下Cohen d和Cliff Delta的比较研究和异构方差(pdf)。
关于您的第二条评论,MBESS
R软件包包括用于ES计算的各种实用程序(例如,smd
以及相关功能)。
其他参考
似乎当人们说科恩(Cohen)时,他们的意思主要是:
其中是合并的标准偏差,
对于合并的标准偏差,还有其他估计量,除了上述以外,可能最常见的是:
这里的表示法明显不一致,但有时人们会说(即版本)版本称为Cohen的,并为使用的版本保留名称Hedge's(即通过Bessel修正, n1 + n2−2版本)。这有点怪异,因为科恩在对冲写出标准差之前(例如,科恩,1977年,第67页的版本)概述了合并标准差的两个估计量(对冲,1981年)。
其他时间,Hedge的g被保留以指代Hedges开发的标准化均值偏差的任一偏差校正版本。Hedges(1981)表明,Cohen的d偏向上(即,其期望值高于真实总体参数值),尤其是在小样本中,并提出了一个校正系数来校正Cohen的d偏:
对冲的g(无偏估计量):
但是,此校正因子在计算上相当复杂,因此,Hedges还提供了计算上的微不足道的近似值,尽管仍然略有偏差,但对于几乎所有可以想到的目的来说都很好:
对冲的(计算上的平凡近似):
(最初来自《 Hedges》,1981年,此版本来自Borenstein,Hedges,Higgins和Rothstein,2011年,第27页)
但是,至于人们说科恩的d与对冲的g相对于g *的含义,人们似乎将这三个估计量中的任何一个都称为对冲的g或科恩的d,尽管我从未见过有人写过“非方法/统计研究论文中的“ ”。如果有人说“无偏Cohen的d”,那么您只需要对后两个中的任意一个进行最佳猜测即可(而且我认为可能甚至还有另一种近似值已用于Hedge的!)。
如果左右,它们实际上都是相同的,并且都可以用相同的方式解释。出于所有实际目的,除非您要处理的样本量很小,否则使用哪种方法都无关紧要(尽管可以选择,也可以使用我称为对冲g的方法)没有偏见)。
参考文献:
Borenstein,M.,Hedges,LV,Higgins,JP和Rothstein,HR(2011)。荟萃分析简介。英国西萨塞克斯郡:John Wiley&Sons。
Cohen,J。(1977)。行为科学的统计功效分析(第二版)。美国新泽西州希尔斯代尔市:Lawrence Erlbaum Associates,Inc.
Hedges,LV(1981)。Glass的效应大小估计量和相关估计量的分布理论。教育统计杂志,6(2),107-128。doi:10.3102 / 10769986006002107
Hedges LV,Olkin I.(1985)。荟萃分析的统计方法。加利福尼亚州圣地亚哥:学术出版社
如果您只是想像我一样理解Hedges的g的基本含义,那么您可能还会发现以下帮助:
使用Cohen(1988 [2])的惯例可以将对冲的g的大小解释为小(0.2),中(0.5)和大(0.8)。[1]
他们的定义简短明了:
Hedges'g是Cohen d的一种变体,可纠正由于样本量较小而产生的偏差(Hedges&Olkin,1985)。[1]脚注
我希望统计专家对此进行编辑,以便在中小(0.2)(0.5)和大(0.8)声明中添加任何重要的警告,以帮助非专家避免误解社会科学和心理学研究中使用的对冲g数。
[1] http://www.ncbi.nlm.nih.gov/pmc/articles/PMC2848393/基于正念疗法对焦虑和抑郁的影响:荟萃分析综述Stefan G. Hofmann,Alice T. Sawyer, Ashley A. Witt和Diana Oh。J咨询临床心理学家。2010年4月;78(2):169–183。doi:10.1037 / a0018555
[2] Cohen J.行为科学的统计功效分析。第二版。以太坊; 新泽西州希尔斯代尔:1988年(引[1])。
布鲁斯·汤普森(Bruce Thompson)确实警告过要使用Cohen(0.2)的中小(0.5)和中号(0.8)。科恩从未打算将这些用作严格的解释。所有效果大小都必须根据相关文献的背景进行解释。如果您正在分析有关主题报告的相关效果大小,并且它们的大小为(0.1)(0.3)(0.24),并且您产生的效果为(0.4),则可能是“大”。相反,如果所有相关文献都具有(0.5)(0.6)(0.7)的效果,而您具有(0.4)的效果,则可以认为它很小。我知道这是一个简单的例子,但绝对重要。我相信汤普森曾经在一篇论文中说过:“在比较效应大小的解释和当时社会科学家如何解释p值时,我们只会愚蠢”。