自己給自己不管在"效率"及"學習方式"的分數都不高,
代表著有很大進步空間,
綜合最近和老師的討論,
了解到若老師已給予一些發現問題的機會,
應該多把握,多和老師討論,如此才能快速進步,
目前也要把基礎好好打穩!!!多思考,多Input及Output,如此才能提升,
找到樂趣與熱情!!!
2014年11月26日 星期三
2014年11月2日 星期日
[memo] statistics used in efficacy and effectiveness studies
<Effect size效果量>
效果量η2,簡單來說就是描述統計結果的效果大小。 與p-value有概念上的不同。p-value是用以判斷有或無的指標(無法估計效果的大小)。
先舉一個日常生活的例子: 今天有位推銷員聲稱X牌減肥食品有效,也提出數據證明:以t-test考驗實驗組(服用X)與控制組(不用X),結果達顯著,p<.05。於是我相信X牌減肥食品應當有效。 但是我會進一步問,既然有效,那效果有多大呢?於是推銷員保證持續服用X,可以讓你一個月內減少10公斤,這就是效果量。
需注意的是,「效果量」以統計術語來說是「樣本資料所得到的差異是幾個標準差」,因為已經除以標準差,就代表我們已經將變項「去掉單位」。
事實上,p-value在實際運用上只能夠告訴我們:數據差異是真實存在抑或是隨機誤差造成(顯著則為存在,不顯著則為隨機誤差造成)。並不能告訴我們,該效果有多大;相對的η2可以進一步告訴我們該效果的大小。 在t-test中,不論是單一母數的考驗或是兩個母數的考驗,η2都不難解釋(可用原始分數或標準分數表達,取決於原始分數是否有實際含意):單一母數時,η2是指實驗處理造成的值;兩個母數時,η2代表的是兩組間的差異。
<如何計算效果量(Effect Size)?>
近年來,在美國心理學會(APA)大力呼籲下,學術界已逐漸形成一個新的趨勢,亦即學術報告除交代檢定結果是否達顯著外,尚需呈現效果量(Effect Size)的大小,以判斷實驗結果實際顯著性(Practical significance)之程度。其中,尤以Cohen於1988年所提出的d係數,計算最為簡便、應用最廣。計算時只要輸入用以檢定時的平均數及標準差即可。以下提供一個簡易計算效果量的網站(http://www.uccs.edu/~faculty/lbecker/)根據Cohen的標準,若其值小於0.2表示實際顯著性為低,介於0.2至0.5表 示實際顯著性為低至中等,而0.5至0.8表示實際顯著性為中至高等,高於0.8表示具有相當大的實際顯著性。
<The Formula>
Cohen’s d is simply a measure of the distance between two means, measured in standard deviations. The formula used to calculate the Cohen’s d looks like this:
d={M_1 - M_2} over {SD_pooled}
Where M1 and M2 are the means for the 1st and 2nd samples, and SDpooled is the pooled standard deviation for the samples.
Reference:
1. ctlpub.scu.edu.tw/booking/tutors/blog/219/201105271722250.doc
2. http://nknucc.nknu.edu.tw/~willow/taintroduction/taqa/taqa.html#如何計算效果量(Effect Size)?
3. http://trendingsideways.com/index.php/cohens-d-formula/
4.http://dasanlin888.pixnet.net/blog/post/34468802-%E6%A8%A3%E6%9C%AC%E6%95%B8%E8%A6%8F%E5%8A%83%E5%88%9D%E6%8E%A2~%E6%9E%97%E6%98%9F%E5%B8%86%E9%A1%A7%E5%95%8F%E6%95%B4%E7%90%86-(sample-size-%26-p
<型一錯誤(Type I error)和型二錯誤(Type 2 error)的比較 >
當Ho是真實的,但經過研究後,研究者卻判斷它是錯誤的而拒絕它,這種錯誤就是型一錯誤(type 1 error)。
當Ho是錯誤的,但經過研究後,研究者卻判斷它是正確的而接受它,這種錯誤就是型二錯誤(type 2 error)。
Refernce: http://myweb.nutn.edu.tw/~hycheng/Ecodicourse/type2error.htm
效果量η2,簡單來說就是描述統計結果的效果大小。 與p-value有概念上的不同。p-value是用以判斷有或無的指標(無法估計效果的大小)。
先舉一個日常生活的例子: 今天有位推銷員聲稱X牌減肥食品有效,也提出數據證明:以t-test考驗實驗組(服用X)與控制組(不用X),結果達顯著,p<.05。於是我相信X牌減肥食品應當有效。 但是我會進一步問,既然有效,那效果有多大呢?於是推銷員保證持續服用X,可以讓你一個月內減少10公斤,這就是效果量。
需注意的是,「效果量」以統計術語來說是「樣本資料所得到的差異是幾個標準差」,因為已經除以標準差,就代表我們已經將變項「去掉單位」。
事實上,p-value在實際運用上只能夠告訴我們:數據差異是真實存在抑或是隨機誤差造成(顯著則為存在,不顯著則為隨機誤差造成)。並不能告訴我們,該效果有多大;相對的η2可以進一步告訴我們該效果的大小。 在t-test中,不論是單一母數的考驗或是兩個母數的考驗,η2都不難解釋(可用原始分數或標準分數表達,取決於原始分數是否有實際含意):單一母數時,η2是指實驗處理造成的值;兩個母數時,η2代表的是兩組間的差異。
<如何計算效果量(Effect Size)?>
近年來,在美國心理學會(APA)大力呼籲下,學術界已逐漸形成一個新的趨勢,亦即學術報告除交代檢定結果是否達顯著外,尚需呈現效果量(Effect Size)的大小,以判斷實驗結果實際顯著性(Practical significance)之程度。其中,尤以Cohen於1988年所提出的d係數,計算最為簡便、應用最廣。計算時只要輸入用以檢定時的平均數及標準差即可。以下提供一個簡易計算效果量的網站(http://www.uccs.edu/~faculty/lbecker/)根據Cohen的標準,若其值小於0.2表示實際顯著性為低,介於0.2至0.5表 示實際顯著性為低至中等,而0.5至0.8表示實際顯著性為中至高等,高於0.8表示具有相當大的實際顯著性。
<The Formula>
d={M_1 - M_2} over
訂閱:
文章 (Atom)