Analīze efektu lielumam
Analīze efektu lielumam kvantificē statistiskā rezultāta praktisko nozīmīgumu neatkarīgi no izlases lieluma. Tā vietā, lai jautātu tikai par to, vai atšķirība vai sakarība ir statistiski nozīmīga, tā jautā, cik liela tā ir, izmantojot standartizētus rādītājus, piemēram, Cohena d, ēta kvadrātā, omega kvadrātā vai Pīrsona r, kas ļauj tieši salīdzināt pētījumus un populācijas.
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: 978-0805802832
- 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 Analysis. ScholarGate. https://scholargate.app/lv/statistics/effect-size-analysis
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.
- Neatkarīgo paraugu t-testsStatistika↔ compare
- Vienvirziena dispersijas analīzeStatistika↔ compare
- Jaudas analīzeStatistika↔ compare
- ROC analīze (Receiver Operating Characteristic)Statistika↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →