360. Jak unikać mechanicznej interpretacji „mały, średni, duży”?
Wielkość efektu nie ma uniwersalnej skali. Naucz się łączyć ją z kontekstem klinicznym, populacją, precyzją pomiaru i znaczeniem praktycznym.
-
-
356. Standaryzowane i niestandaryzowane efekty – kiedy raportować które?
Wybór między efektem standaryzowanym a niestandaryzowanym zależy od pytania badawczego, skali pomiaru i odbiorcy wyników. Lekcja pokazuje, kiedy stosować różnicę średnich, iloraz szans, ryzyko względne, d Cohena i inne miary.
-
354. Phi dla tabeli 2×2
Współczynnik phi mierzy siłę związku między dwiema zmiennymi dychotomicznymi. Lekcja pokazuje wzór, interpretację, ograniczenia i przykłady medyczne.
-
352. NNT i NNH – kliniczna interpretacja efektu
NNT i NNH pokazują, ilu pacjentów trzeba leczyć, aby uzyskać jeden dodatkowy korzystny lub niekorzystny wynik. Lekcja wyjaśnia wzory, interpretację i ograniczenia tych miar.
-
348. Omega kwadrat – alternatywna miara efektu w analizie wariancji
Omega kwadrat to mniej obciążona miara wielkości efektu w analizie wariancji. Lekcja wyjaśnia wzór, interpretację, ograniczenia i raportowanie ω².
-
346. R² – jaka część zmienności jest wyjaśniona?
R² pokazuje, jaka część zróżnicowania wyniku jest związana z modelem regresji. Lekcja wyjaśnia wzór, interpretację, ograniczenia i przykłady praktyczne.
-
344. Glass delta – kiedy używa się odchylenia grupy kontrolnej?
Glass delta to standaryzowana różnica średnich, w której mianownikiem jest odchylenie standardowe grupy kontrolnej. Sprawdź, kiedy taki wybór ma sens, jak obliczać efekt i jak go interpretować.
-
343. Hedges g – korekta dla małych prób
Hedges g to skorygowana wersja standaryzowanej różnicy średnich, szczególnie użyteczna przy małych próbach i w metaanalizach.
-
342. Cohen d – różnica średnich w jednostkach odchylenia standardowego
Cohen d standaryzuje różnicę średnich, ułatwiając ocenę wielkości efektu, porównywanie badań i interpretację znaczenia praktycznego wyników.
-
341. Wielkość efektu – dlaczego jest potrzebna obok p-value?
Wielkość efektu pokazuje, jak duża jest obserwowana różnica lub zależność. Lekcja wyjaśnia jej rodzaje, interpretację, wzory i znaczenie praktyczne.