Taille de l'effet pour l'effet d'interaction dans la conception pré-post-traitement-contrôle

11

Si vous choisissez d'analyser un plan de contrôle pré-post-traitement avec une variable dépendante continue à l'aide d'une ANOVA mixte, il existe différentes façons de quantifier l'effet d'être dans le groupe de traitement. L'effet d'interaction est une option principale.

En général, j'aime particulièrement les mesures de type d de Cohen (c.-à-d. ). Je n'aime pas les mesures expliquées par la variance parce que les résultats varient en fonction de facteurs non pertinents tels que la taille relative des échantillons des groupes. ${\frac{\mu_1 - \mu_2}{\sigma}}$

Ainsi, je pensais que je pouvais quantifier l'effet comme suit

$\Delta\mu_c = \mu_{c2} - \mu_{c1}$
$\Delta\mu_t = \mu_{t2} - \mu_{t1}$
Ainsi, la taille de l'effet pourrait être définie comme $\frac{\Delta\mu_t - \Delta\mu_c}{\sigma}$

où fait référence au contrôle, au traitement et 1 et 2 au pré et au post respectivement. pourrait être l'écart type groupé au temps 1. $c$ $t$ $\sigma$

Des questions:

Est-il approprié d'étiqueter cette mesure de taille d'effet d?
Cette approche semble-t-elle raisonnable?
Quelle est la pratique standard pour les mesures de taille d'effet pour de telles conceptions?

— Jeromy Anglim
source

7

Oui, ce que vous proposez est exactement ce qui a été suggéré dans la littérature. Voir, par exemple: Morris, SB (2008). Estimation de la taille des effets à partir des conceptions des groupes témoins pré-test-post-test Méthodes de recherche organisationnelle, 11 (2), 364-386 ( lien , mais malheureusement, pas d'accès gratuit). L'article décrit également différentes méthodes d'estimation de cette mesure de la taille de l'effet. Vous pouvez utiliser la lettre "d" pour indiquer la taille de l'effet, mais vous devez certainement fournir une explication de ce que vous avez calculé (sinon, les lecteurs supposeront probablement que vous avez calculé la différence moyenne normalisée uniquement pour les scores post-test).

— Wolfgang
source

\hat{d}

$\hat{d}$

3

Je pense que l' éta carré généralisé ( Olejnik et Algena, 2003 ; Bakeman, 2005 ) fournit une solution raisonnable à la quantification de la taille de l'effet qui se généralise entre les conceptions entre les S et à l'intérieur des S. Si je lis correctement ces références, l'eta-square généralisé devrait également généraliser à travers les tailles d'échantillon.

Le carré éta généralisé est automatiquement calculé par la fonction ezANOVA () dans le package ez pour R.

— Mike Lawrence
source

1

Merci pour les références et la fonction r. Je préfère toujours l'interprétation des mesures basées sur d (lorsqu'elles s'appliquent) aux mesures basées sur la variance expliquée. Je trouve plus clair de penser à l'effet d'une intervention en termes de score de différence.

— Jeromy Anglim

1

Et je pense que l'on pourrait le dire clairement en notant (entre), afin que les gens sachent que c'est une taille d'effet de contrôle expérimental. Parce qu'il y a aussi une taille d'effet intra-groupe. Pour info. Bonne chance!