Яка описова статистика не є розмірами ефектів?

У Вікіпедії йдеться

розмір ефекту - це міра сили явища чи оцінка на основі вибірки цієї кількості. Розмір ефекту, обчислений на основі даних, є описовою статистикою, яка передає оцінену величину взаємозв'язку, не роблячи жодних тверджень про те, чи відображається очевидний зв'язок у даних справжніх стосунків у сукупності.

Щоб краще зрозуміти, мені було цікаво, що описова статистика не має розміру ефекту, крім графіків та графіків.

Ефекти розмірів

• Загальні стандартизовані розміри ефекту зазвичай кількісно визначають кількість або ступінь взаємозв'язку чи ефекту. Найбільш розповсюджені розміри ефектів - це, мабуть, d Коена, Пірсона r та коефіцієнт шансів (особливо для двійкового прогноктора).
• Менш поширені заходи щодо розміру ефекту:З огляду на це, можна застосовувати стандартизовані та нестандартні заходи щодо розміру ефекту. Будь-яка статистика, яка повідомляє ступінь взаємозв'язку і не особливо забруднена розміром вибірки, ймовірно, є мірою ефекту. Таким чином, бета-коефіцієнти, R-квадрат, коваріація, середні значення різниці між групами і так далі фіксують ступінь ефекту. Зважаючи на це, я вважаю, що деякі дослідники застосовують заходи щодо розміру ефекту дещо наосліп і забувають, що більш широка мета полягає в тому, щоб дати читачам відчуття ступеня ефекту. Таким чином, вони часто не усвідомлюють, що такі заходи, як середні різниці або коефіцієнти регресії, є певним чином мірою розміру ефекту. Інший приклад сліпого використання розмірів ефектів передбачає використання заходів щодо розміру ефекту, які не мають інтуїтивного тлумачення, але були рекомендовані деяким підручником.

Розміри без ефекту:

• Більшість тестових статистичних даних не мають ефектів. Наприклад, тест на Chi-квадрат, t-тест, z-тест, F-тест. Вони збільшуються як із збільшенням чисельності ефекту популяції, так і зі збільшенням кількості вибірки. Багато в чому в останні роки наголошувалося на цілій мові розмірів ефектів, оскільки дослідники занадто велику увагу приділяли тому, наскільки великими були їхні статистичні дані, а не наскільки великі їх розміри ефектів. Це особливо важливо, коли у вас великий розмір вибірки, коли навіть невеликі ефекти можуть бути статистично значущими.
• Більшість одноманітних статистичних даних не мають розмірів ефектів. Для більшості цілей розмір ефекту викликає залежність між принаймні двома змінними. Таким чином, середнє значення для вибірки, стандартне відхилення, перекос, куртоз, хв, макс. Тощо не є мірою розміру ефекту.
• Статистика, що не стосується ступеня взаємозв'язку , не є мірою розміру ефекту. Наприклад, тести на багатоваріантну нормальність, власні значення матриці тощо, як правило, безпосередньо не спрямовані на кількісну оцінку ефекту у звичайному розумінні цього слова.

Ширші міркування

• Міркування щодо масштабування: Корисність статистики як міри розміру ефекту багато в чому пов'язана з її здатністю повідомляти розмір ефекту. Іноді це досягається за допомогою звичних стандартизованих заходів ефекту (наприклад, Коена d). В іншому випадку ретельний розгляд масштабування змінних може дати ще більш чітку інтерпретацію розміру ефекту. Наприклад, скажіть, у мене було дослідження, яке вивчало навчальну програму щодо рівня доходів. Я можу повідомити, що програма навчання збільшила дохід на .2 стандартних відхилення або могла сказати, що програма збільшила дохід на 3500 доларів США. Обидва корисні; і те й інше - це розмір ефекту. Перший є стандартизованим (d) Коена, другий - нестандартним (середні групи значень різниці).
• Точність в оцінці розмірів ефекту: ми часто дістаємо зразкові оцінки мір розміру ефекту (наприклад, d Коена, r, пірсона тощо). Цей контекст може призвести до протиставлення значущості тестуванню мірам розміру ефекту. Тим не менше, мета все ж повинна бути точно та неупереджено оцінити розмір ефекту від населення. З періодичної точки зору, довірчі інтервали навколо розмірів ефекту забезпечують точність оцінки. З байєсівської точки зору, спостерігаються задні щільності за розмірами ефекту. У багатьох випадках потрібно бути обережним, щоб ви використовували неупереджений розмір ефекту.

По-перше, розміри ефектів можуть використовуватися як інфекційно, так і описово. r та АБО - всі розміри ефектів і, безумовно, всі використовуються в статистиці інфекцій.

Уніваріатна статистика зазвичай не має ефектів, хоча вони можуть бути. Наприклад, якщо ви порівнюєте віки чоловіків і жінок, які одружуються один з одним, середній вік чоловіків не є розміром ефекту (тоді різниця засобів буде одним розміром ефекту). Але якщо ви хочете побачити, чи є середнє значення чогось 0, то це буде розмір ефекту.

Якщо він вимірює ефект, це розмір ефекту!