Efekta lielums
Efekta lielums kvantificē pētījuma rezultāta magnitūdu neatkarīgi no izlases lieluma. Kamēr p-vērtība norāda, vai rezultāts ir statistiski nozīmīgs, efekta lielums parāda, cik liels ir rezultāts. Džeikobs Koens (Jacob Cohen) formalizēja efekta lieluma mērījumus uzvedības zinātnēs (1988), nosakot standarta etalonus (mazs = 0.2, vidējs = 0.5, liels = 0.8 Koena d gadījumā). Efekta lielumi ir būtiski metaanalīzei, jaudas analīzei un pētījumu rezultātu praktiskās nozīmes komunikācijai.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Lawrence Erlbaum Associates. ISBN: 0-8058-0283-5
- Cumming, G. (2012). Understanding the New Statistics: Effect Sizes, Confidence Intervals, and Meta-Analysis. Routledge. ISBN: 0-415-87968-8
- Lakens, D. (2013). Calculating and Reporting Effect Sizes to Facilitate Cumulative Science: A Practical Primer for t-Tests and ANOVAs. Frontiers in Psychology, 4, 863. DOI: 10.3389/fpsyg.2013.00863 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Effect Size: Quantifying the Magnitude of Research Findings. ScholarGate. https://scholargate.app/lv/research-statistics/effect-size
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Ticamības intervālsPētniecības statistika↔ compare
- P vērtība un statistiskā nozīmībaPētniecības statistika↔ compare
- Statistiskā jauda un izlases lielumsPētniecības statistika↔ compare
- I un II tipa kļūdasPētniecības statistika↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →