Sağlam Etki Büyüklüğü Analizi
Robust Effect Size Analysis · Ayrıca şöyle bilinir: robust Cohen's d, trimmed-mean effect size, outlier-resistant effect size, robust standardized mean difference
Sağlam etki büyüklüğü analizi, farkın veya ilişkinin büyüklüğünü, aykırı değerlere ve normallik varsayımının ihlallerine karşı dirençli tahmin ediciler kullanarak nicelleştirir. Örneklem ortalamalarına ve standart sapmalara dayanan Cohen's d gibi klasik istatistiklere güvenmek yerine, sağlam varyantlar, aşırı değerler tarafından şişirilmek yerine tipik etkiyi doğru bir şekilde yansıtan etki büyüklüğü tahminleri üretmek için kırpılmış ortalamalar ve Winsorize edilmiş standart sapmalar kullanır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Veriler aykırı değerler içerdiğinde, ağır kuyruklu dağılımlar gösterdiğinde veya normallik kontrollerini geçemediğinde ve bir grup farkının veya ilişkinin pratik büyüklüğünü rapor etmeniz gerektiğinde sağlam etki büyüklüğü analizini kullanın. Özellikle psikoloji, eğitim, klinik araştırma ve aşırı puanların özünde makul olduğu herhangi bir alanda önerilir. Veriler iyi davrandığında (normal, aykırı değer yok) ve örneklem büyüklükleri yeterli olduğunda KULLANMAYIN — bu durumlarda klasik Cohen's d daha basittir ve eşit derecede geçerlidir. Ayrıca, kırpma, eserleri değil, özünde anlamlı verileri kaldırdığında veya hedef kitleler veya dergiler yalnızca klasik etki büyüklüğü metriklerini gerektirdiğinde sağlam etki büyüklüklerinden kaçının.
Güçlü yönler & sınırlılıklar
- Klasik Cohen's d'yi ciddi şekilde bozan aykırı değerlere ve ağır kuyruklu dağılımlara karşı dirençlidir.
- Kırpılmış ortalama ve Winsorize edilmiş standart sapma, bilinen istatistiksel özelliklere sahip, iyi incelenmiş tahmin edicilerdir.
- Dağılımsal varsayımlar ihlal edildiğinde bile anlamlı, yorumlanabilir bir büyüklük tahmini sağlar.
- Tutarlı raporlama için sağlam hipotez testleri (örn. kırpılmış ortalamalar üzerinde Yuen's t) ile doğal olarak eşleşir.
- Önyükleme güven aralıkları, gözlemlenen veriler dışında ek dağılımsal varsayım gerektirmez.
- Birkaç atipik gözlemden kaynaklanan şişirilmiş etki büyüklüklerini raporlama riskini azaltır.
- Kırpma gerçek verileri atar; %20'lik varsayılan oran tüm veri kümeleri veya araştırma soruları için uygun olmayabilir.
- Hakemler ve okuyucular için Cohen's d'den daha az tanıdıktır, bu da makalelerde ek açıklama gerektirir.
- Yazılım desteği klasik etki büyüklüklerine göre daha az evrenseldir; WRS2 (R) veya özel kod genellikle gereklidir.
- Dağılım gerçekten normal ve aykırı değer içermediğinde, sağlam tahmin ediciler klasik olanlardan biraz daha az verimlidir.
- Kıyaslama noktaları (küçük/orta/büyük) açısından yorumlama, Cohen'in orijinal eşiklerinden doğrudan çevrilemeyebilir.
SSS
Hangi kırpma oranını kullanmalıyım?
Varsayılan %20'lik kırpma, en çok incelenen ve önerilen başlangıç noktasıdır. Geniş bir dağılım yelpazesinde iyi performans gösterir. Çok küçük örneklemler için daha düşük oranlar (%5-10) tercih edilebilir. Seçiminiz önemliyse, farklı oranlarla duyarlılık analizleri yapılması tavsiye edilir.
Sağlam Cohen's d, sıra tabanlı etki büyüklükleri (sıra-çift serili korelasyon gibi) ile nasıl karşılaştırılır?
Her ikisi de aykırı değerlere karşı dirençlidir, ancak farklı şeyleri ölçerler. Sağlam d hala orijinal ölçekte standartlaştırılmış bir ortalama farkıdır; sıra-çift serili (veya üstünlük olasılığı) ise bir grubun diğerini ne sıklıkla aştığını ölçen parametrik olmayan bir etki büyüklüğüdür. Orijinal ölçeğin anlamlı bir yorumu olmadığında sıra tabanlı ölçümleri kullanın; orijinal ölçüm ölçeğinde kalmak istediğinizde sağlam d'yi kullanın.
Meta-analizde sağlam etki büyüklüklerini kullanabilir miyim?
Evet, ancak dikkatli olmak gerekir. Birleştirmenin geçerli olması için birincil çalışmaların sağlam etki büyüklüklerini tutarlı bir şekilde (aynı kırpma oranı, aynı tahmin edici) rapor etmesi gerekir. Birincil çalışmalar yalnızca klasik d'yi rapor ediyorsa, ham verilerden sonradan yeniden hesaplama gerekir ki bu nadiren mümkündür.
Sağlam etki büyüklükleri için bir yazılım paketi var mı?
R'deki WRS2 paketi, Algina-Keselman-Penfield'ın tahmin edicisi de dahil olmak üzere sağlam etki büyüklüklerini, ilişkili önyükleme güven aralıklarıyla birlikte uygular. akp.effect fonksiyonu, iki bağımsız grup için sağlam standartlaştırılmış ortalama farkını doğrudan hesaplar.
Klasik Cohen's d'yi hala sağlam versiyonun yanında rapor etmeli miyim?
Her ikisini de rapor etmek bilgilendirici olabilir, özellikle önemli ölçüde farklılık gösteriyorlarsa — farklılık, aykırı değerlerin klasik tahmini önemli ölçüde etkilediğini gösterir. Ancak, veriler açıkça normal değilse veya kirlenmişse, sağlam tahmin daha güvenilir bir özettir ve ön planda tutulmalıdır.
Kaynaklar
- Algina, J., Keselman, H. J., & Penfield, R. D. (2005). An alternative to Cohen's standardized mean difference effect size: A robust parameter and confidence interval in the two independent groups case. Psychological Methods, 10(3), 317–328. DOI: 10.1037/1082-989X.10.3.317 ↗
- Wilcox, R. R. (2012). Introduction to Robust Estimation and Hypothesis Testing (3rd ed.). Academic Press. ISBN: 978-0123869838
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Robust Effect Size Analysis. ScholarGate. https://scholargate.app/tr/statistics/robust-effect-size-analysis
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Etki Büyüklüğü Analiziİstatistik↔ karşılaştır
- Güç Analiziİstatistik↔ karşılaştır
- Sağlam Tanımlayıcı İstatistiklerİstatistik↔ karşılaştır
- Sağlam Bağımsız Örneklem t-testiİstatistik↔ karşılaştır
- Sağlam Tek Yönlü ANOVAİstatistik↔ karşılaştır