1. 统计功效:在假设检验中,拒绝原假设后,接受正确的替换假设的概率。计算:1- β(一般由计算积分而得)
2. 统计效果量:不依赖于样本,反应自变量与应变量关联强度的指标。
3. 意义:可以了解自变量效果的大小,可以用来概括包含同样自变量或因变量的一系列实验的结果,考察某自变量在一系列实验中的效果量,为改进研究设计、提高检验能力提供依据。
4. 发表研究报告时,除了报告显著性,还要效果量。
5. 统计效果量计算:
(1)两个独立样本t检验公式
(2)两个相关样本t检验公式
(3)方差分析公式:η2(针对样本,常用)、ω2(针对总体)
6. 统计效果量评价:
(1) d:≤ 0.2,效果小;= 0.5,效果中等;≥ 0.8,效果大。
(2)rpb2: ≤ 0.010,效果小;= 0.059,效果中等;≥0.138,效果大。
(3)η2、ω2: ≤ 0.06,效果小;≥ 0.16,效果大
7. 统计效果量的影响因素:良好的实验设计能够提高统计效果量。