Effectgrootte is een statistisch concept dat de sterkte meet van de relatie tussen twee variabelen op een numerieke schaal. Als we bijvoorbeeld gegevens hebben over de lengte van mannen en vrouwen en we merken dat mannen gemiddeld langer zijn dan vrouwen, dan staat het verschil tussen de lengte van mannen en de lengte van vrouwen bekend als de effectgrootte. Hoe groter de effectgrootte, hoe groter het hoogteverschil tussen mannen en vrouwen zal zijn. De grootte van het statistische effect helpt ons om te bepalen of het verschil echt is of het gevolg is van een verandering van factoren. Bij het testen van hypothesen zijn effectgrootte, kracht, steekproefomvang en kritisch significantieniveau aan elkaar gerelateerd. In Meta-analyse heeft effectgrootte betrekking op verschillende onderzoeken en combineert vervolgens alle onderzoeken tot een enkele analyse. Bij statistische analyse wordt de effectgrootte meestal op drie manieren gemeten: (1) gestandaardiseerd gemiddeld verschil, (2) oneven ratio, (3) correlatiecoëfficiënt.
Soorten effectgrootte
Pearson correlatie: Pearson correlatie is ontwikkeld door Karl Pearson en wordt het meest gebruikt in statistieken. Deze parameter van effectgrootte wordt aangeduid met r. De waarde van de effectgrootte van Pearson correlatie varieert tussen -1 en +1. Volgens Cohen (1988, 1992) is de effectgrootte laag als de waarde van r rond 0,1 varieert, medium als r rond 0,3 varieert en groot als r meer dan 0,5 varieert. De Pearson-correlatie wordt berekend met behulp van de volgende formule:
Waar
r = correlatiecoëfficiënt
N = getal van paren scores
∑xy = som van de producten van gepaarde scores
∑x = som van x scores
∑y = som van y scores
∑x2 = som van kwadraat x scores
∑y2 = som van kwadratische y-scores
Gestandaardiseerd gemiddeld verschil: wanneer een onderzoeksstudie is gebaseerd op het populatiegemiddelde en de standaarddeviatie, wordt de volgende methode gebruikt om de effectgrootte te weten:
De effectgrootte van de populatie kan worden gekend door de twee populatiegemiddelde verschillen te delen door hun standaarddeviatie.
Cohen’s d effect size : Cohen’s d staat bekend als het verschil tussen twee populatiegemiddelden en wordt gedeeld door de standaarddeviatie van de gegevens. Wiskundig gezien wordt de effectgrootte van Cohen aangeduid met:
Waar s kan worden berekend met behulp van deze formule:
Glass’s Δ-methode van effectgrootte: deze methode is vergelijkbaar met de methode van Cohen, maar in deze methode wordt standaarddeviatie gebruikt voor de tweede groep. Wiskundig kan deze formule worden geschreven als:
Hedges ‘g-methode van effectgrootte: deze methode is de aangepaste methode van Cohen’s d methode. De methode van de effectgrootte van hedges kan wiskundig als volgt worden geschreven:
Waar de standaarddeviatie kan worden berekend met behulp van deze formule:
Cohen’s f2-methode van effectgrootte: Cohen’s f2-methode meet de effectgrootte wanneer we methoden gebruiken zoals ANOVA, multiple regressie, enz. De grootte van het f2-maateffect voor meerdere regressies wordt als volgt gedefinieerd:
Waarbij R2 de gekwadrateerde meervoudige correlatie is.
Cramer’s φ of Cramer’s V-methode van effectgrootte: Chi-kwadraat is de beste statistiek om de effectgrootte voor nominale data te meten. In nominale gegevens, wanneer een variabele twee categorieën heeft, is de phi van Cramer het beste statistische gebruik. Als deze categorieën meer dan twee zijn, geven de V-statistieken van Cramer het beste resultaat voor nominale gegevens.
Oneven ratio: de odds ratio is de kans op succes in de behandelgroep in verhouding tot de kans op succes in de controlegroep. Deze methode wordt gebruikt in gevallen waarin de gegevens binair zijn. Het wordt bijvoorbeeld gebruikt als we de volgende tabel hebben:
| Frequentie | ||
| Succes | Mislukt | |
| Behandelingsgroep | a | b |
| Stuurgroep | c | d |
Om de effectgrootte van de tabel te meten, kunnen we de volgende formule voor oneven verhoudingen gebruiken :
Gerelateerde pagina’s:
- Rekenmachine voor steekproefgrootte / vermogensanalyse met opgave