La effect-size
balise n'a pas de wiki. La page wikipedia sur la taille de l'effet ne fournit pas de définition générale précise. Et je n'ai jamais vu de définition générale de la taille de l' effet . Cependant, en lisant certaines discussions comme celle-ci, j'ai l'impression que les gens ont en tête une notion générale de la taille de l'effet, dans le contexte des tests statistiques . J'ai déjà vu que la moyenne normalisée est désignée comme la taille d'effet pour un modèle normal N ( μ , σ 2 ) ainsi que la différence moyenne normalisée θ = ( pour un modèle "deux moyennes gaussiennes". Mais qu'en est-il d'une définition générale? La propriété intéressante partagée par les deux exemples ci-dessus est que, pour autant que je puisse voir, la puissance ne dépend des paramètres que par θ et est une fonction croissante de | θ | si l'on considère les tests habituels pour H 0 : { μ = 0 } dans le premier cas et H 0 : { μ 1 = μ 2 } dans le second cas.
Cette propriété est-elle l'idée sous-jacente à la notion de taille d'effet? Cela signifierait que la taille de l'effet est définie jusqu'à une transformation monotone biunivoque? Ou existe-t-il une définition générale plus précise?
la source
Réponses:
Je ne pense pas qu'il puisse y avoir de réponse générale et précise. Il peut y avoir des réponses générales qui sont lâches et des réponses spécifiques qui sont précises.
Plus généralement (et de manière plus lâche), la taille d'un effet est une mesure statistique de l'ampleur d'une relation ou d'une différence.
Dans les problèmes de type régression, un type de taille d'effet est une mesure de la proportion de la variance de la variable dépendante prise en compte par le modèle. Mais, ce n'est que précisément justifiable (AFAIK) dans la régression OLS - par . Il existe des mesures «pseudo- R 2 » pour les autres régressions. Il existe également des mesures de taille d'effet pour des variables indépendantes individuelles - ce sont les estimations des paramètres (et leurs transformations).R2 R2
Dans un test t, une bonne taille d'effet est la différence standardisée des moyennes (cela fonctionne également en ANOVA, et peut fonctionner en régression si nous choisissons des valeurs particulières des variables indépendantes)
etc.
Il existe des livres entiers sur le sujet; J'en avais un, je crois qu'Ellis en est une version mise à jour (le titre semble familier)
la source