사후 처리 제어 설계에서 상호 작용 효과의 효과 크기

혼합 분산 분석을 사용하여 연속 종속 변수를 사용하여 사전 사후 처리 제어 설계를 분석하기로 선택한 경우 처리 그룹에있는 효과를 정량화하는 다양한 방법이 있습니다. 상호 작용 효과는 하나의 주요 옵션입니다.

일반적으로 Cohen의 d 유형 측정법 (예 : )이 특히 좋습니다. 그룹의 상대 표본 크기와 같은 관련이없는 요소에 따라 결과가 달라지기 때문에 분산 설명 측정이 마음에 들지 않습니다.${\frac{\mu_1 - \mu_2}{\sigma}}$

따라서 다음과 같이 효과를 정량화 할 수 있다고 생각했습니다.

• $\Delta\mu_c = \mu_{c2} - \mu_{c1}$
• $\Delta\mu_t = \mu_{t2} - \mu_{t1}$
• 따라서 효과 크기는 로 정의 될 수 있습니다.$\frac{\Delta\mu_t - \Delta\mu_c}{\sigma}$

여기서 는 대조군, 는 치료를, 1 및 2는 각각 전후를 나타낸다. 는 시간 1에서 풀링 된 표준 편차 일 수 있습니다.$c$$t$$\sigma$

질문 :

• 이 효과 크기 측정에 레이블을 지정하는 것이 적절 d합니까?
• 이 접근법이 합리적으로 보입니까?
• 이러한 디자인의 효과 크기 측정에 대한 표준 사례는 무엇입니까?

네, 당신이 제안하는 것은 바로 문헌에서 제안 된 것입니다. 예를 들어 : Morris, SB (2008). 사전 테스트-사후 테스트-제어 그룹 설계에서 효과 크기 추정. Organizational Research Methods, 11 (2), 364-386 ( link , 그러나 불행히도 무료 액세스는 없습니다). 또한이 효과 크기 측정을 추정하는 여러 가지 방법에 대해서도 설명합니다. 문자 "d"를 사용하여 효과 크기를 나타낼 수 있지만 계산 한 내용에 대한 설명을 제공해야합니다 (그렇지 않으면 독자는 아마도 시험 후 점수에 대해서만 표준화 된 평균 차이를 계산했다고 가정 할 것입니다).

일반화 된 에타 스퀘어 ( Olejnik & Algena, 2003 ; Bakeman, 2005 )는 S-S 및 S-Ss 디자인 전반에 걸쳐 일반화되는 효과 크기의 정량화에 대한 합리적인 솔루션을 제공한다고 생각합니다. 해당 참조를 올바르게 읽으면 일반화 된 에타-제곱도 샘플 크기에 대해 일반화해야합니다.

일반화 된 에타-제곱은 R에 대한 ez 패키지의 ezANOVA () 함수에 의해 자동으로 계산됩니다.

그리고 나는 (사이에) 주목함으로써 그것을 분명히 할 수 있다고 생각합니다. 그래서 사람들은 그것이 실험 제어 효과 크기임을 알 것입니다. 그룹 내 효과 크기도 있기 때문입니다. 참고로 행운을 빕니다!