Какие описательные статистические данные не являются величинами эффекта?

Википедия говорит

величина эффекта - это мера силы явления или оценка этой величины на основе выборки. Величина эффекта, рассчитанная на основе данных, представляет собой описательную статистику, которая передает оценочную величину отношения, не делая никаких заявлений о том, отражает ли кажущаяся связь в данных истинную связь в популяции.

Чтобы лучше это понять, мне было интересно, что описательная статистика не имеет размера эффекта, кроме графиков и графиков.

Размеры эффекта

• Общие стандартизированные величины эффекта обычно определяют количество или степень отношения или эффекта. Наиболее распространенными показателями величины эффекта являются, вероятно, d Коэна, r Пирсона и отношение шансов (особенно для двоичного предиктора).
• Менее распространенные меры размера эффекта:Тем не менее, вы можете иметь стандартизированные и нестандартные меры размера эффекта. Любая статистика, которая отображает степень взаимосвязи и не особенно зависит от размера выборки, вероятно, является мерой размера эффекта. Таким образом, коэффициенты бета, R-квадрат, ковариация, сырые средние различия между группами и т. Д. Отражают степень эффекта. Тем не менее, я считаю, что некоторые исследователи применяют меры величины эффекта несколько слепо и забывают, что более широкой целью является дать читателям ощущение степени эффекта. И поэтому они часто не осознают, что такие показатели, как средние различия или необработанные коэффициенты регрессии, в некотором смысле являются мерой величины эффекта. Другой пример слепого использования размеров эффекта включает использование мер размера эффекта, которые не имеют интуитивной интерпретации, но были рекомендованы в некоторых учебниках.

Не влияют размеры:

• Большинство тестовых статистик не являются величинами эффекта. Например, критерий хи-квадрат, t-критерий, z-критерий, F-критерий. Они увеличиваются как при увеличении размера популяции, так и при увеличении размера выборки. Во многих отношениях в последние годы подчеркивался весь язык размеров эффектов, поскольку исследователи слишком много внимания уделяли тому, насколько велики были их статистические данные, а не насколько велики были их размеры. Это особенно важно, когда у вас большой размер выборки, когда даже небольшие эффекты могут быть статистически значимыми.
• Большинство одномерных статистических данных не являются величинами эффекта. В большинстве случаев размер эффекта касается взаимосвязи, по крайней мере, между двумя переменными. Таким образом, среднее значение выборки, стандартное отклонение, перекос, эксцесс, минимальное, максимальное и т. Д. Не являются показателями величины эффекта.
• Статистические данные, не относящиеся к степени взаимосвязи , не являются показателями величины эффекта. Например, тесты многомерной нормальности, собственные значения матрицы и т. Д., Как правило, не направлены непосредственно на количественную оценку эффекта в обычном смысле этого слова.

Более широкие соображения

• Соображения по поводу масштабирования . Полезность статистики в качестве меры размера эффекта во многом связана с ее способностью сообщать о размере эффекта. Иногда это достигается с помощью знакомых стандартизированных мер воздействия (например, Коэна г). В других случаях тщательное рассмотрение масштабирования переменных может дать еще более четкую интерпретацию величины эффекта. Например, скажем, у меня было исследование по программе обучения по уровням доходов. Я мог бы сообщить, что программа обучения увеличила доход на 0,2 стандартных отклонения, или я мог бы сказать, что программа увеличила доход на 3500 долларов США. Оба полезны; оба являются измерениями эффекта. Первый стандартизирован (d Коэна), второй нестандартен (необработанные средние различия по группам).
• Точность в оценке размеров эффекта: мы часто извлекаем выборочные оценки мер размера эффекта (например, d Коэна, r Пирсона и т. Д.). Этот контекст может привести к сопоставлению тестирования значимости с показателями величины эффекта. Тем не менее, цель по-прежнему должна состоять в том, чтобы точно и объективно оценить величину воздействия на население. С частой точки зрения доверительные интервалы вокруг размеров эффекта дают оценку точности. С байесовской точки зрения существуют задние плотности на величину эффекта. Во многих случаях необходимо соблюдать осторожность, чтобы убедиться, что вы используете объективную величину эффекта.

Во-первых, величины эффекта могут использоваться как косвенно, так и описательно. r и OR - все величины эффекта и, безусловно, все они используются в логических выводах.

Одномерная статистика обычно не имеет размеров эффекта, хотя может быть. Например, если вы сравниваете возраст мужчин и женщин, состоящих в браке друг с другом, средний возраст мужчин не является величиной эффекта (тогда разница средних значений будет одной величиной эффекта). Но если вы хотите увидеть, если среднее значение чего-либо равно 0, тогда среднее значение будет величиной эффекта.

Если он измеряет эффект, это размер эффекта!