Etki Büyüklüğü Nedir? Nasıl Yorumlanır?
Basira Editör Ekibi · · 13 dk okuma · Güncellendi: 16 Kasım 2026 · Bilimsel inceleme: Doç. Dr. Hasan Yıldırım
Aa Yazı boyutu
Anahtar çıkarımlar
- Etki büyüklüğü bir farkın ya da ilişkinin ne kadar büyük olduğunu söyler; p değeri bunu söylemez, çünkü örneklem büyüdükçe çok küçük farklar da anlamlı çıkar.
- Ölçü desene göre seçilir: iki ortalama için d, g ya da Glass Δ; çok grupta η², ω² ya da ε²; ilişki için r; çapraz tabloda φ, Cramér's V ya da olasılık oranı (OR).
- Etki büyüklüğü güven aralığıyla raporlanır; küçük örneklemde aralık, etkinin küçük de büyük de olabileceğini gösterecek kadar geniştir.
- Cohen'in küçük, orta, büyük eşikleri bağlamsız bir kural değildir; Cohen de bunu yazmıştır. Etki, aynı alanda benzer ölçümlerle yapılmış çalışmalarla karşılaştırılarak yorumlanır.
İçindekiler
Etki büyüklüğü, bir farkın ya da ilişkinin ne kadar büyük olduğunu gösteren sayıdır. p değeri, H₀ doğru olsaydı en az bu kadar uç bir sonucun ne kadar olası olacağını söyler; etki büyüklüğü ise farkın ya da ilişkinin büyüklüğünü verir. En yaygın ölçüler Cohen’s d, Hedges’ g, r, η², Cramér’s V ve olasılık oranıdır (odds ratio, OR). Her biri güven aralığıyla raporlanır ve alanın benzer çalışmalarıyla karşılaştırılarak yorumlanır.
Etki büyüklüğü nedir?
Etki büyüklüğü, bir farkın ya da ilişkinin büyüklüğünü ham ya da standartlaştırılmış bir sayıyla veren ölçüdür. Bir araştırma sorusu çoğu zaman “var mı?” değil “ne kadar?” sorusudur: iki öğretim yöntemi arasındaki fark ne kadar, iki değişken ne kadar ilişkili, bir tedavi riski ne kadar değiştiriyor? Etki büyüklüğü bu soruların yanıtını bir sayıyla verir.
Ham bir fark da bir etki büyüklüğüdür: iki grubun ortalama puanları arasındaki fark, ölçüm birimi okur için anlamlıysa çoğu zaman en kolay yorumlanan biçimdir. Standartlaştırılmış etki büyüklükleri ise farkı ya da ilişkiyi ölçüm biriminden bağımsız hâle getirir. Böylece farklı ölçeklerle yapılmış çalışmalar karşılaştırılabilir, meta-analizde birleştirilebilir ve bir sonraki çalışmanın güç analizinde kullanılabilir (Lakens, 2013). Üç büyük aile vardır:
- d ailesi: İki ortalama arasındaki farkı bir standart sapmaya böler (Cohen’s d, Hedges’ g, Glass Δ).
- r ailesi: İlişkinin gücünü ya da açıklanan varyansın oranını verir (r, η², ω², ε², R²).
- Kategorik veri ölçüleri: Kategorik değişkenler arasındaki ilişkiyi özetler (φ, Cramér’s V, OR).
Aileler birbirine dönüştürülebilir (Borenstein vd., 2009); ama her dönüşüm bir varsayım taşır. Örneğin d’den r’ye geçen yaygın formül iki grubun eşit büyüklükte olduğunu varsayar.
Neden p değeri yetmez?
p değeri tek başına yetmez, çünkü bir sonucun H₀ doğruysa ne kadar şaşırtıcı olduğunu söyler, etkinin ne kadar büyük olduğunu söylemez.
p değeri, yokluk hipotezi (H₀) doğruysa elde edilen ya da ondan daha uç bir sonucun ne kadar olası olduğunu söyler. Bu olasılık örneklem büyüklüğüne güçlü biçimde bağlıdır: aynı küçük fark binlerce katılımcıyla çok küçük bir p değeri verir, aynı büyük fark birkaç katılımcıyla anlamlı çıkmayabilir. Amerikan İstatistik Derneği’nin bildirisi bunu açıkça yazar: p değeri ya da istatistiksel anlamlılık, bir etkinin büyüklüğünü ya da bir sonucun önemini ölçmez (Wasserstein ve Lazar, 2016).
Bu yüzden “anlamlı” ile “önemli” ayrı sorulardır. Anlamlı bir sonuç pratikte önemsiz olabilir. Anlamlı olmayan bir sonuç da etkinin olmadığını göstermez; H₀ reddedilemez ve çalışmanın gücü düşük olabilir (birinci ve ikinci tür hata yazısında). Etki büyüklüğü, güven aralığıyla birlikte verildiğinde “ne kadar?” sorusunu ve bu yanıtın ne kadar kesin olduğunu birlikte gösterir (Cumming, 2014). p değerinin neyi ölçüp neyi ölçmediği ve Bayesçi bakış p değerinin sınırları yazısında ayrıca tartışılır.
Hangi etki büyüklüğü ne zaman kullanılır?
Ölçü, desene ve verinin türüne göre seçilir. Aşağıdaki tablo yaygın desenleri ve Cohen’in (1988/2013) alışılmış küçük, orta ve büyük değerlerini özetler. Bu değerlerin neden bir kural olmadığı aşağıda ayrı bir bölümde ele alınıyor.
| Desen ya da test | Etki büyüklüğü (değer aralığı) | Cohen’in değerleri (küçük / orta / büyük) |
|---|---|---|
| İki bağımsız grubun ortalaması | Cohen’s d, Hedges’ g (işaretli, sınırsız) | 0.20 / 0.50 / 0.80 |
| İki grup; müdahale yayılımı da değiştiriyor | Glass Δ (işaretli, sınırsız) | d ile aynı ölçek |
| Eşleştirilmiş ölçüm (önce-sonra) | (işaretli, sınırsız) | Bağımsız grupların d değerleriyle doğrudan karşılaştırılmaz |
| Üç ya da daha çok grup (tek yönlü ANOVA) | η² (0–1), ω², ε²; güç analizinde f (0 ve üstü) | η²: .01 / .06 / .14; f: 0.10 / 0.25 / 0.40 |
| İki sürekli değişken | Pearson r (−1 ile +1) | .10 / .30 / .50 |
| Çoklu regresyon | R² (0–1), f² | f²: 0.02 / 0.15 / 0.35 |
| 2×2 çapraz tablo | φ (−1 ile +1), OR (0 ve üstü) | φ: .10 / .30 / .50; OR için yok |
| Daha büyük çapraz tablo | Cramér’s V (0–1) | Tablo büyüdükçe küçülür (aşağıda) |
Her testin kendi yazısı, o testte hangi ölçünün raporlanacağını ayrıntılı anlatır: t-testinin türlerine göre etki büyüklüğü, tek yönlü varyans analizinde η², Pearson korelasyonunda r ve ki-kare bağımsızlık testinde Cramér’s V. Eşleştirilmiş desendeki farkların tutarlılığını da yansıtır; ayrıntısı bağımlı örneklem t-testi yazısındadır.
Cohen’s d, Hedges’ g ve Glass Δ arasındaki fark nedir?
Üçü de iki ortalama arasındaki farkı bir standart sapmaya böler; ayrıldıkları yer, bölen standart sapma ve küçük örneklem düzeltmesidir.
Cohen’s d farkı iki grubun havuzlanmış standart sapmasına böler. d = 0.50, ortalamalar arasında yarım standart sapmalık bir fark demektir:
Burada ve grup ortalamaları, ve grup standart sapmaları, ve grup büyüklükleri, havuzlanmış standart sapmadır.
Hedges’ g küçük örneklemde d’nin kitledeki etkiyi biraz büyük gösterme eğilimini düzeltir. d bir J çarpanıyla küçültülür; gruplar büyüdükçe J 1’e yaklaşır ve d ile g arasındaki fark kaybolur (Borenstein vd., 2009; Lakens, 2013):
Glass Δ farkı yalnız kontrol grubunun standart sapmasına böler. Müdahale yalnız ortalamayı değil puanların yayılımını da değiştiriyorsa (ör. program bazı katılımcılara çok, bazılarına az yarıyorsa) havuzlanmış standart sapma iki farklı yayılımı karıştırır. Glass Δ ölçü olarak müdahale görmemiş grubun yayılımını kullanır (Lakens, 2013):
Burada 2. grup kontrol grubudur. Glass Δ da küçük örneklemde yanlıdır; aynı J düzeltmesi bu kez kontrol grubunun serbestlik derecesiyle (n₂ − 1) uygulanabilir.
Dikkat
Programlar ve kaynaklar düzeltilmiş ya da düzeltilmemiş değeri basabilir; raporda hangisinin verildiği yazılır. d’nin işareti grupların sırasına bağlıdır: hangi grubun hangisinden çıkarıldığı da yazılır.
η², ω², ε² ve f neyi ölçer?
Çok gruplu desende etki, toplam değişkenliğin ne kadarının gruplardan kaynaklandığıyla ölçülür. KT kareler toplamı, KO kareler ortalaması, k grup sayısıdır:
- η² örneklemde açıklanan oranı verir ama kitledeki etkiyi büyük gösterir: kitlede hiç fark olmasa bile örneklem ortalamaları şansla birbirinden ayrılır.
- ω² bu yanlılığı düzeltmeye çalışır (Lakens, 2013), ε² de aynı amaçla kullanılır; ikisi küçük örneklemde η²’den belirgin biçimde küçük çıkabilir, örneklem büyüdükçe üçü birbirine yaklaşır (Albers ve Lakens, 2018).
- Çok faktörlü desenlerde raporlanan kısmi η² ise desene bağlıdır; farklı desenlerden gelen kısmi η² değerleri doğrudan karşılaştırılmaz.
Cohen’in f’si aynı bilgiyi güç analizinin istediği biçimde verir:
G*Power gibi programlar ANOVA için f, regresyon için f² ister; η²’yi f alanına doğrudan yazmak sonucu bozar (G*Power’da Determine düğmesinin açtığı pencerede Direct seçeneği η²’den f’yi kendisi hesaplar). Ayrıntısı G*Power ile güç analizi yazısındadır. Regresyondaki R² ve f² = R² / (1 − R²) aynı ailenin üyeleridir; regresyon türlerine genel bakış için regresyon analizi nedir yazısına bakabilirsiniz. İki grupta η², grup değişkeniyle ölçüm arasındaki nokta çift serili korelasyonun karesine eşittir.
Regresyonda R² ve ΔR²’nin katsayılarla birlikte bir APA 7 tablosunda nasıl raporlandığı, f²’nin yorumuyla birlikte regresyon tablosu yazısında gösterilir.
Kategorik veride φ, Cramér’s V ve olasılık oranı nasıl okunur?
Kategorik veride ilişkinin gücü φ ya da Cramér’s V ile, iki grubun odds karşılaştırması olasılık oranıyla (OR) okunur.
Çapraz tabloda ki-kare istatistiği örneklem büyüdükçe büyür; ilişkinin gücünü göstermez. 2×2 tabloda φ, daha büyük tablolarda Cramér’s V kullanılır. N toplam gözlem sayısı, k satır ve sütun sayısından küçük olanıdır:
Karekök formülü φ’nin yalnız mutlak değerini verir; işaretli φ, ki-kare testi yazısındaki (ad − bc) formülüyle hesaplanır. Cohen’in 0,10, 0,30 ve 0,50 değerleri φ (2×2 tablo) içindir. Tablo büyüdükçe aynı ilişki daha küçük bir V verir: eşdeğer V değerleri bu sayıların √(k − 1)‘e bölünmesiyle bulunur (Cohen, 1988/2013). Örneğin 3×4 gibi k − 1 = 2 olan bir tabloda 0,07, 0,21 ve 0,35’e iner.
Dikkat
Tablo büyüdükçe aynı ilişki daha küçük bir V verdiği için farklı büyüklükteki tablolardan gelen V değerleri tek bir eşikle yorumlanmaz.
OR, bir olayın odds’unun (olma olasılığının olmama olasılığına oranının) iki grupta oranıdır; adına karşın iki olasılığın oranı olan göreli riskle karıştırılmaz. 2×2 tablonun hücre sayılarıyla:
Burada , tablonun . satırı ile . sütununun kesiştiği hücredeki gözlem sayısıdır; satırlar grupları, ilk sütun olayın görüldüğü durumu gösterir.
OR = 1 ilişki olmadığını gösterir. OR = 2 ile OR = 0.5 aynı güçte, ters yönde ilişkilerdir; bu yüzden güven aralığı logaritmik ölçekte kurulur ve 1’in iki yanında simetrik değildir. OR riski değil odds’u karşılaştırır: olay sık görülüyorsa OR göreli riskten belirgin biçimde 1’e daha uzak çıkar ve “risk iki katına çıktı” gibi okunmaz (Davies vd., 1998). Meta-analizde OR d ölçeğine dönüştürülebilir (Borenstein vd., 2009):
Burada ln doğal logaritmadır; √3/π çarpanı, standart lojistik dağılımın standart sapmasının (π/√3) tersidir.
Ki-kare testinin türleri ve Fisher’ın kesin testi ki-kare testi nedir yazısında anlatılır.
Etki büyüklüğü güven aralığıyla nasıl raporlanır?
Etki büyüklüğü, ölçünün adı ve etkinin yönüyle birlikte nokta değer ve %95 güven aralığı olarak raporlanır.
Tek bir etki büyüklüğü değeri, ne kadar belirsiz olduğunu gizler. Güven aralığı veriyle uyumlu değerlerin aralığını gösterir: aralık genişse etki küçük de büyük de olabilir, sıfırı içeriyorsa yönü bile belirsizdir (Cumming, 2014). d ve g için kesin aralık merkezi olmayan t dağılımıyla kurulur; bazı programlar yaklaşık bir standart hatayla kurulan aralığı verir (bu yaklaşımın formülü bağımsız örneklem t-testi yazısında). η² ve ω² için aralık merkezi olmayan F dağılımıyla kurulur (Steiger, 2004).
İyi bir rapor şunları içerir:
- Hangi ölçünün hesaplandığı (d mi g mi; Glass Δ’da düzeltilmiş mi; hangi standart sapmayla standartlaştırıldığı).
- Etkinin yönü (hangi grubun ortalaması daha yüksek).
- Nokta değer ve %95 güven aralığı, aralığın nasıl kurulduğu.
- Mümkünse ham fark ve onun güven aralığı.
İstatistiksel gösterimde ondalık ayırıcı noktadır; 1’i aşabilen ölçülerde (d, g, f, OR) baştaki sıfır yazılır, aşamayanlarda (r, η², ω², φ, V) yazılmaz. Raporlamanın bütün kuralları APA 7’ye göre istatistik raporlama yazısındadır. Etki büyüklüğünün tezde nerede raporlandığı tez istatistik analizi nasıl yapılır rehberindedir. Tezinizin analizini bir uzmanla yürütmek isterseniz kapsam ve teslim edilenler tez istatistik analizi ve raporlama desteği sayfasında anlatılır.
Cohen’in 0,2, 0,5 ve 0,8 eşikleri neden kural değildir?
Cohen (1988/2013) küçük, orta ve büyük değerleri davranış bilimleri için kaba bir başvuru noktası olarak sundu ve yalnız daha iyi bir dayanak yoksa kullanılmasını önerdi. Aynı kitapta bu terimlerin göreli olduğunu, yalnız birbirine göre değil, araştırma alanına, konusuna ve yöntemine göre de değiştiğini yazdı; bu kadar geniş bir alan için alışılmış tanımlar önermenin bir risk taşıdığını da belirtti. Uygulamada ise eşikler çoğu zaman bu uyarılar olmadan, bağlamsız bir kural gibi kullanılır.
Alanlardan gelen ölçümler eşiklerin yerinden oynadığını gösterir:
- Bireysel farklılıklar araştırmaları: Gignac ve Szodorai (2016), meta-analizlerden derledikleri korelasyonlarda 25., 50. ve 75. yüzdelikleri yaklaşık 0,11, 0,19 ve 0,29 buldu ve bu alan için 0,10, 0,20 ve 0,30’u görece küçük, tipik ve görece büyük olarak önerdi. Cohen’in “orta” dediği 0,30, bu alanda görece büyük bir etkidir.
- Eğitim müdahaleleri: Kraft (2020), standart başarı testlerinde ölçülen nedensel eğitim çalışmaları için 0,05’in altını küçük, 0,05 ile 0,20 arasını orta, 0,20 ve üstünü büyük olarak önerdi. Cohen’in “küçük” dediği 0,20, bu bağlamda büyük bir etkidir. Kraft araştırmacının kendi hazırladığı, müdahaleye yakın ölçümlerde ve küçük çalışmalarda etkilerin daha büyük çıkma eğiliminde olduğunu da vurgular.
Eşikler ölçüler arasında da birbirine denk değildir: Cohen’in d için “büyük” dediği değer, r ölçeğine çevrildiğinde r için “büyük” dediği değerin altında kalır. Aşağıdaki örnekte aynı veri d ölçeğinde “büyük” eşiğinin çevresinde, r ölçeğinde ise “orta” aralığında kalıyor.
Bir etkiyi yorumlamanın daha sağlam yolları şunlardır:
- Etkiyi aynı alanda, benzer ölçüm ve desenle yapılmış çalışmalarla, mümkünse meta-analizlerle karşılaştırmak.
- Güven aralığının iki ucunu da yorumlamak.
- Etkiyi ham birime ya da sezgisel bir olasılığa çevirmek (ör. bir gruptan rastgele seçilen birinin ötekinden yüksek puan alma olasılığı).
- Maliyeti ve ölçeği hesaba katmak: Kraft (2020), ucuz ve geniş ölçekte uygulanabilen bir müdahalenin küçük etkisinin pahalı bir müdahalenin daha büyük etkisinden daha değerli olabileceğini vurgular.
Güç analizinde etki büyüklüğünün nereden alınacağı ayrı bir sorudur; dayanakları örneklem büyüklüğü hesaplama yazısında karşılaştırılır.
Çözümlü örnek: okuma programının etkisi yedi ölçüyle
Bir eğitim araştırmacısı 40 dördüncü sınıf öğrencisini rastgele iki gruba ayırıyor: 20 öğrenci sekiz haftalık bir okuma anlama programına katılıyor, 20 öğrenci olağan derslerine devam ediyor. Program sonunda iki gruba da araştırmacının hazırladığı, programın hedeflediği becerileri ölçen 40 soruluk bir okuma anlama testi uygulanıyor. Veri öğretici amaçla hazırlanmıştır; aşağıdan indirip aynı hesapları kendiniz yapabilirsiniz.
| Program | Kontrol |
|---|---|
| 31 | 23 |
| 24 | 19 |
| 28 | 25 |
| 19 | 21 |
| 33 | 18 |
| 27 | 24 |
| 22 | 22 |
| 35 | 27 |
| 25 | 20 |
| 30 | 17 |
| 18 | 23 |
| 29 | 26 |
İlk 12 satır (toplam 20) · Bu örnekteki tüm sayılar SciPy 1.16.3 ile bağımsız olarak yeniden hesaplanır. Veriyi indirin (CSV)
Aynı veriden hesaplanan etki büyüklükleri (program grubu eksi kontrol grubu; aralıklar merkezi olmayan t dağılımıyla):
- Cohen’s d = 0.80, %95 GA [0.15, 1.44]
- Hedges’ g = 0.78, %95 GA [0.14, 1.41]; düzeltme çarpanı J = 0.98
- Kontrol grubunun standart sapmasıyla: düzeltilmemiş Glass Δ = 1.05, %95 GA [0.16, 1.92]; düzeltilmiş Glass Δ = 1.01, %95 GA [0.15, 1.84]
- d’den eşit grup formülüyle: r = .37
- Tek yönlü ANOVA ölçüleri: η² = .14, ω² = .12, ε² = .12, f = 0.41
- d’den normal dağılım varsayımıyla olasılık üstünlüğü = .71; doğrudan veriden Vargha-Delaney A = .70 (eşit puanlar yarı sayılarak)
Etiketler ve aralık. Nokta değerlere Cohen’in eşikleriyle bakılırsa d, η² ve f “büyük” eşiğinin çevresindedir, r ise “orta” aralığındadır: aynı veri, seçilen ölçüye göre iki ayrı etiket alır. Daha önemlisi, d’nin güven aralığı küçük bir etkiden çok büyük bir etkiye uzanır.
Aralık sıfırı içermediği için veri programın olumlu bir etkisiyle uyumludur; ama grup başına 20 öğrenciyle etkinin büyüklüğü kesin olarak belirlenemez. “Büyük bir etki bulundu” demek aralığın alt ucunu yok saymak olur.
d, g ve Glass Δ. g, d’den yalnız biraz küçüktür; 40 öğrenciyle küçük örneklem düzeltmesinin etkisi azdır. Glass Δ ise d’den belirgin biçimde büyüktür: program grubunun puanları kontrol grubununkinden daha yayvandır, Glass Δ farkı yalnız kontrol grubunun daha küçük standart sapmasına böler. Program yayılımı da değiştiriyorsa farkı olağan dersteki öğrencilerin yayılımıyla anlatmak için Glass Δ raporlanabilir; raporda hangi değerin (burada düzeltilmiş ya da düzeltilmemiş) verildiği açıkça yazılır.
η², ω² ve ε². İki grupta da bu ölçüler hesaplanabilir; η², puanlardaki toplam değişkenliğin grup üyeliğiyle açıklanan oranıdır. ω² ve ε² bu oranın örneklemdeki iyimserliğini düzelterek daha küçük bir değer verir.
Sezgisel çeviri. A = .70, bir program öğrencisiyle bir kontrol öğrencisinden oluşan rastgele bir çiftte program öğrencisinin daha yüksek puan alma olasılığıdır (eşit puanlar yarı sayılarak). Bu çeviri okur için d’den daha kolay anlaşılır ve normal dağılım varsayımına dayanan değerle de uyumludur.
Bağlam. Ölçüm araştırmacının hazırladığı ve programa yakın bir test olduğu için etkinin standart başarı testlerinde bu kadar büyük çıkması beklenmez (Kraft, 2020). Sonuç aynı türden ölçüm kullanan çalışmalarla karşılaştırılır. Etki büyüklüğünü bildiren cümle, test sonucunun ardından şöyle yazılabilir:
Tezde nasıl yazılır
Programa katılan öğrencilerin okuma anlama puanları kontrol grubundan yüksektir, Hedges’ g = 0.78, %95 GA [0.14, 1.41].
Test istatistiği ve betimsel değerlerle tam APA 7 cümlesinin örneği bağımsız örneklem t-testi yazısındadır.
Sık yapılan hatalar
Etki büyüklüğüyle ilgili sık hatalar ölçünün eksik raporlanması, yanlış karşılaştırılması ya da bağlamsız yorumlanmasıyla ilgilidir; listenin son maddesi olan gözlenen güç hesabı ise ayrı bir yanılgıdır.
- Cohen’in etiketini bulgu diye yazmak. “Büyük bir etki bulundu” cümlesi alanın ölçütlerine ve güven aralığına bakmadan kurulmaz.
- Hangi ölçünün raporlandığını yazmamak. d, g ve Glass Δ farklı sayılar verir; okur hangisini okuduğunu bilmelidir.
- Eşleştirilmiş desendeki ‘yi bağımsız grupların d’siyle karşılaştırmak. İki ölçü farklı standart sapmalarla hesaplanır.
- Kısmi η²’yi farklı desenler arasında karşılaştırmak. Kısmi η² desene bağlıdır; meta-analiz ve karşılaştırma için genellenebilir bir ölçü seçilir.
- Anlamlı çıkmayan sonuçta etkiyi raporlamamak. Bu değerler olmadan meta-analizler yalnız anlamlı sonuçları birleştirir ve etkiyi şişirir.
- Gözlenen etkiyle “gözlenen güç” hesaplamak. Çalışmanın kendi verisinden hesaplanan güç p değerinin başka bir ifadesidir; onun yerine etki ve güven aralığı raporlanır.
Sık sorulan sorular
Etki büyüklüğü ile p değeri arasındaki fark nedir?
p değeri, H₀ doğruysa gözlenen sonucun ne kadar şaşırtıcı olduğunu söyler ve örneklem büyüklüğüne bağlıdır. Etki büyüklüğü farkın ya da ilişkinin büyüklüğünü verir ve örneklem büyüdükçe kendiliğinden büyümez; örneklem büyüdükçe yalnız onun güven aralığı daralır.
Cohen’s d mi, Hedges’ g mi raporlamalıyım?
Küçük örneklemde g, d’nin yanlılığını düzelttiği için yeğlenir; gruplar büyüdükçe iki değer neredeyse aynı olur. Hangisini raporlarsanız raporlayın adını yazın.
Hangi etki büyüklüğü daha iyidir?
Tek bir en iyi ölçü yoktur. Ölçü desene, verinin türüne ve okurun sorusuna göre seçilir. Ölçüm birimi anlamlıysa ham fark, standartlaştırılmış ölçünün yanında verilir.
Anlamlı olmayan bir sonuçta da etki büyüklüğü raporlanır mı?
Evet. Anlamlı olmayan bir sonucun etki büyüklüğü ve güven aralığı, etkinin hangi büyüklüklerle uyumlu olduğunu gösterir ve meta-analizler için gereklidir.
Negatif bir d değeri ne anlama gelir?
Çıkarılan grubun ortalamasının daha yüksek olduğunu. İşaret yalnız grupların sırasına bağlıdır; büyüklük mutlak değerden okunur ve yön raporda sözle yazılır.
Bir etki büyüklüğü 1’den büyük olabilir mi?
d, g, Glass Δ, f ve OR 1’i aşabilir; d = 1.20, farkın bir standart sapmadan büyük olduğunu söyler. r, η², ω², φ ve Cramér’s V ise 1’i aşamaz; bu yüzden onların gösteriminde baştaki sıfır yazılmaz.
- #etki-buyuklugu
- #temel-istatistik
- #p-degeri
- #hipotez-testi
- #istatistiksel-guc
Bilimsel inceleme
Makine öğrenmesi ve biyoistatistik alanlarında çalışır; sağlık, fen ve sosyal bilimlerde disiplinlerarası araştırmalarda istatistik danışmanlığı yürütür.
Kaynakça
- Albers, C., & Lakens, D. (2018). When power analyses based on pilot data are biased: Inaccurate effect size estimators and follow-up bias. Journal of Experimental Social Psychology, 74, 187–195.
- Borenstein, M., Hedges, L. V., Higgins, J. P. T., & Rothstein, H. R. (2009). Introduction to meta-analysis. Wiley.
- Cohen, J. (2013). Statistical power analysis for the behavioral sciences (2nd ed.). Routledge. (Original work published 1988)
- Cumming, G. (2014). The new statistics: Why and how. Psychological Science, 25(1), 7–29.
- Davies, H. T. O., Crombie, I. K., & Tavakoli, M. (1998). When can odds ratios mislead? BMJ, 316(7136), 989–991.
- Gignac, G. E., & Szodorai, E. T. (2016). Effect size guidelines for individual differences researchers. Personality and Individual Differences, 102, 74–78.
- Kraft, M. A. (2020). Interpreting effect sizes of education interventions. Educational Researcher, 49(4), 241–253.
- Lakens, D. (2013). Calculating and reporting effect sizes to facilitate cumulative science: A practical primer for t-tests and ANOVAs. Frontiers in Psychology, 4, Article 863.
- Steiger, J. H. (2004). Beyond the F test: Effect size confidence intervals and tests of close fit in the analysis of variance and contrast analysis. Psychological Methods, 9(2), 164–182.
- Wasserstein, R. L., & Lazar, N. A. (2016). The ASA statement on p-values: Context, process, and purpose. The American Statistician, 70(2), 129–133.
Kendi verinizde görün
Kavramı kendi verinizde görmek isterseniz Basira’yı ücretsiz deneyebilirsiniz. Basira’yı deneyin
Kavramı kendi verinizde görmek isterseniz panelinize dönebilirsiniz. Panele git
İlgili yazılar
Temel İstatistik
Bilimsel Araştırma Süreci ve Hata Türleri: Tip 1 ve Tip 2
Bilimsel araştırma süreci adım adım ve hipotez testindeki hata türleri: birinci ve ikinci tür (tip 1, tip 2) hata, α, β, p değeri, güç ve örneklem hesabı.
Basira ·
Araştırma Yöntemleri
Örneklem Büyüklüğü Hesaplama: Güç Analizi ve Anket Formülü
Örneklem büyüklüğü hesaplama iki yoldan yapılır: testler için güç analizi, anketler için oran formülü ve sonlu evren düzeltmesi. İki çözümlü örnekle.
Basira ·
Temel İstatistik
Güven Aralığı Nedir? Nasıl Hesaplanır ve Yorumlanır?
Güven aralığı, kestirimin çevresinde veriyle uyumlu kitle değerlerini gösterir. Ortalama ve oran için formül, t kritik değeri, çözümlü örnek ve doğru yorum.
Basira ·