Effektgröße für den Interaktionseffekt im Kontrolldesign vor und nach der Behandlung

11

Wenn Sie ein Kontrolldesign vor und nach der Behandlung mit einer kontinuierlichen abhängigen Variablen unter Verwendung einer gemischten ANOVA analysieren, gibt es verschiedene Möglichkeiten, den Effekt der Zugehörigkeit zur Behandlungsgruppe zu quantifizieren. Der Interaktionseffekt ist eine Hauptoption.

Im Allgemeinen mag ich besonders Cohens d-Typ-Maße (dh ). Ich mag keine Varianz erklärten Maßnahmen, da die Ergebnisse aufgrund irrelevanter Faktoren wie der relativen Stichprobengröße von Gruppen variieren. ${\frac{\mu_1 - \mu_2}{\sigma}}$

Daher dachte ich, ich könnte den Effekt wie folgt quantifizieren

$\Delta\mu_c = \mu_{c2} - \mu_{c1}$
$\Delta\mu_t = \mu_{t2} - \mu_{t1}$
Somit könnte die Effektgröße als $\frac{\Delta\mu_t - \Delta\mu_c}{\sigma}$

Dabei bezieht sich auf die Kontrolle, auf die Behandlung und 1 und 2 auf vor bzw. nach der Behandlung. könnte die gepoolte Standardabweichung zum Zeitpunkt 1 sein. $c$ $t$ $\sigma$

Fragen:

Ist es angebracht, dieses Effektgrößenmaß zu kennzeichnen d?
Scheint dieser Ansatz vernünftig?
Was ist die Standardpraxis für Effektgrößenmessungen für solche Designs?

— Jeromy Anglim
quelle

7

Ja, was Sie vorschlagen, ist genau das, was in der Literatur vorgeschlagen wurde. Siehe zum Beispiel: Morris, SB (2008). Schätzung der Effektgrößen anhand von Pretest-Posttest-Kontrollgruppen-Designs. Organizational Research Methods, 11 (2), 364-386 ( Link , aber leider kein freier Zugang). Der Artikel beschreibt auch verschiedene Methoden zur Schätzung dieses Effektgrößenmaßes. Sie können den Buchstaben "d" verwenden, um die Effektgröße anzugeben, aber Sie sollten auf jeden Fall eine Erklärung für Ihre Berechnung abgeben (andernfalls gehen die Leser wahrscheinlich davon aus, dass Sie die standardisierte mittlere Differenz nur für die Ergebnisse nach dem Test berechnet haben).

— Wolfgang
quelle

\hat{d}

$\hat{d}$

3

Ich glaube, dass das verallgemeinerte Eta-Quadrat ( Olejnik & Algena, 2003 ; Bakeman, 2005 ) eine vernünftige Lösung für die Quantifizierung der Effektgröße darstellt, die zwischen Ss- und Ss-Designs verallgemeinert wird. Wenn ich diese Referenzen richtig lese, sollte verallgemeinertes Eta-Quadrat auch über Stichprobengrößen hinweg verallgemeinern.

Das verallgemeinerte Eta-Quadrat wird automatisch von der Funktion ezANOVA () im ez-Paket für R berechnet.

— Mike Lawrence
quelle

1

Danke für die Referenzen und r Funktion. Ich bevorzuge immer noch die Interpretation von d-basierten Maßnahmen (wo sie gelten) gegenüber Varianz-erklärten Maßnahmen. Ich finde es klarer, die Wirkung einer Intervention als Differenzwert zu betrachten.

— Jeromy Anglim

1

Und ich denke, man könnte es klarstellen, indem man (zwischen) notiert, damit die Leute wissen, dass es sich um eine experimentelle Effektgröße handelt. Weil es auch eine gruppeninterne Effektgröße gibt. Zu Ihrer Information. Viel Glück!