Tamanho do efeito para o efeito de interação no projeto de controle de tratamento pré-pós

11

Se você optar por analisar um projeto de controle de tratamento pré-pós com uma variável dependente contínua usando uma ANOVA mista, existem várias maneiras de quantificar o efeito de pertencer ao grupo de tratamento. O efeito de interação é uma opção principal.

Em geral, eu particularmente gosto das medidas do tipo d de Cohen ( ). Não gosto de medidas explicadas pela variação, porque os resultados variam com base em fatores irrelevantes, como tamanhos relativos da amostra dos grupos. ${\frac{\mu_1 - \mu_2}{\sigma}}$

Assim, eu estava pensando que poderia quantificar o efeito da seguinte forma

$\Delta\mu_c = \mu_{c2} - \mu_{c1}$
$\Delta\mu_t = \mu_{t2} - \mu_{t1}$
Assim, o tamanho do efeito pode ser definido como $\frac{\Delta\mu_t - \Delta\mu_c}{\sigma}$

onde refere-se ao controle, ao tratamento e 1 e 2 ao pré e pós, respectivamente. $c$ $t$ $\sigma$ pode ser o desvio padrão combinado no tempo 1.

Questões:

É apropriado rotular essa medida de tamanho de efeito d?
Essa abordagem parece razoável?
Qual é a prática padrão para medidas de tamanho de efeito para esses projetos?

— Jeromy Anglim
fonte

7

Sim, o que você está sugerindo é exatamente o que foi sugerido na literatura. Veja, por exemplo: Morris, SB (2008). Estimando tamanhos de efeito de projetos de grupo pré-teste-pós-controle. Métodos de pesquisa organizacional, 11 (2), 364-386 ( link , mas infelizmente não há acesso gratuito). O artigo também descreve métodos diferentes para estimar essa medida de tamanho de efeito. Você pode usar a letra "d" para indicar o tamanho do efeito, mas definitivamente deve fornecer uma explicação do que calculou (caso contrário, os leitores provavelmente assumirão que você calculou a diferença média padronizada apenas para as pontuações pós-teste).

— Wolfgang
fonte

\hat{d}

$\hat{d}$

3

Acredito que o eta-quadrado generalizado ( Olejnik e Algena, 2003 ; Bakeman, 2005 ) fornece uma solução razoável para a quantificação do tamanho do efeito que generaliza entre projetos entre Ss e dentro de Ss. Se eu ler essas referências corretamente, o eta-quadrado generalizado também deve generalizar nos tamanhos das amostras.

O eta-quadrado generalizado é automaticamente calculado pela função ezANOVA () no pacote ez para R.

— Mike Lawrence
fonte

1

Obrigado pelas referências er função. Eu ainda prefiro a interpretação de medidas baseadas em d (onde elas se aplicam) em vez de medidas baseadas em variações. Acho mais claro pensar no efeito de uma intervenção em termos de uma pontuação de diferença.

— Jeromy Anglim

1

E eu acho que alguém poderia deixar claro anotando (entre), para que as pessoas saibam que é um tamanho de efeito de controle experimental. Porque também há tamanho de efeito dentro do grupo. PARA SUA INFORMAÇÃO. Boa sorte!