Cum să Calculezi Mărimea Efectului în Excel (d Cohen și Eta Pătrat pentru Disertație)

Ai rulat un test t sau ANOVA în Excel pentru disertația ta. Valoarea p arată semnificație statistică. Comisia ta întreabă: „Care este mărimea efectului?"

Semnificația statistică îți spune că există o diferență. Mărimea efectului îți spune dacă acea diferență contează. O valoare p de .001 cu 10.000 de participanți ar putea reprezenta o diferență trivială care nu are valoare practică. Mărimea efectului arată magnitudinea descoperirilor tale independent de dimensiunea eșantionului.

Acest ghid îți arată cum să calculezi d Cohen pentru teste t și eta pătrat pentru ANOVA în Excel. Vei învăța formulele exacte, liniile directoare de interpretare pe discipline și cum să raportezi mărimile efectului în format APA pentru capitolul de rezultate al tezei tale.

De Ce Contează Mărimea Efectului pentru Disertația Ta

Comisia de disertație evaluează atât semnificația statistică, cât și cea practică. Un rezultat semnificativ statistic (p < .05) indică doar că o diferență probabil există în populație. Nu indică dacă acea diferență este suficient de mare pentru a conta.

Mărimea efectului oferă trei informații critice pentru teza ta:

Semnificația practică. Un studiu cu 5.000 de participanți ar putea arăta că Metoda A produce scoruri la test cu 2 puncte mai mari decât Metoda B (p < .001). Semnificația statistică este clară, dar este o diferență de 2 puncte pe o scală de 100 de puncte semnificativă? d Cohen cuantifică acest lucru.

Comparabilitatea între studii. Recenzia ta de literatură compară studii cu dimensiuni diferite ale eșantionului. Mărimile efectului standardizează descoperirile astfel încât să poți compara un studiu cu n de 30 cu unul cu n de 3.000. Valorile p nu pot face acest lucru.

Impactul cercetării. Editorii de reviste și comisiile de teză vor dovezi că descoperirile tale contează dincolo de eșantionul tău. Mărimile mici ale efectului (chiar dacă semnificative) sugerează aplicare limitată în lumea reală. Mărimile mari ale efectului indică că intervenția sau descoperirea ta are valoare practică substanțială.

Majoritatea comisiilor de teză în stil APA cer acum raportarea mărimii efectului pentru toate testele inferențiale. Ediția a 7-a a Manualului de Publicare APA recomandă explicit raportarea mărimilor efectului alături de valorile p în secțiunile de rezultate.

Când să Folosești d Cohen vs Eta Pătrat

Testul tău statistic determină ce măsură a mărimii efectului calculezi.

Tabelul 1. Măsuri ale mărimii efectului pentru teste statistice comune folosite în disertații

Dacă ai comparat două grupuri (control vs experimental, pre vs post, masculin vs feminin), folosește d Cohen. Dacă ai comparat trei sau mai multe grupuri (scăzut/mediu/ridicat, condiții multiple de tratament), folosește eta pătrat sau omega pătrat din outputul ANOVA.

Ambele măsuri răspund la aceeași întrebare fundamentală: Cât de mare este acest efect? Folosesc scale diferite pentru că măsoară lucruri diferite. d Cohen exprimă efectul în unități de abatere standard. Eta pătrat exprimă efectul ca proporție de varianță explicată (ca R² în regresie).

Cum să Calculezi d Cohen în Excel

d Cohen măsoară diferența standardizată dintre mediile a două grupuri. Această secțiune îți arată calculul pas cu pas folosind formule Excel.

Înțelegerea Formulei d Cohen

Formula pentru d Cohen este:

d = (M₁ minus M₂) împărțit la SDcumulată

Unde:

• M₁ = Media Grupului 1
• M₂ = Media Grupului 2
• SDcumulată = Abaterea standard cumulată a ambelor grupuri

Formula abaterii standard cumulate este:

SDcumulată = √[((n₁-1) × SD₁² + (n₂-1) × SD₂²) / (n₁ + n₂ - 2)]

Unde:

• n₁, n₂ = Dimensiunile eșantioanelor pentru grupurile 1 și 2
• SD₁, SD₂ = Abaterile standard pentru grupurile 1 și 2 (vezi ghidul nostru despre cum să calculezi abaterea standard în Excel dacă trebuie să le calculezi mai întâi)

Calcul Pas cu Pas în Excel

Scenariul exemplu: Ai testat o nouă metodă de predare pe scorurile la examen ale studenților. Grupul de control (n de 25) a avut M de 72,4, SD de 8,3. Grupul experimental (n de 28) a avut M de 79,6, SD de 7,9. Calculează d Cohen.

Notă despre Separatorii Zecimali: În funcție de setările tale regionale, Excel poate afișa zecimalele cu punct (72.4) sau virgulă (72,4). Ambele sunt corecte—este doar o setare de localizare. Formulele din acest ghid folosesc punct și virgulă (;) ca separatori de argumente pentru Excel în română. Dacă o formulă nu funcționează, verifică separatorul de argumente din setările tale Excel.

Pasul 1: Configurează datele tale în Excel

Creează un tabel cu statisticile tale descriptive:

Statistică	Grup Control	Grup Experimental
Dimensiunea eșantionului (n)	25	28
Media (M)	72,4	79,6
Abaterea standard (SD)	8,3	7,9

Figura 1: Configurarea tabelului Excel pentru calculul d Cohen arătând dimensiunea eșantionului, media și abaterea standard pentru grupurile control și experimental

Pasul 2: Calculează abaterea standard cumulată

Într-o celulă nouă (ex. B7), introdu această formulă:

=SQRT(((B2-1)*B4^2 + (C2-1)*C4^2)/(B2+C2-2))

Aceasta calculează: √[((25-1) × 8,3² + (28-1) × 7,9²) / (25 + 28 - 2)]

Rezultat: SDcumulată = 8,09

Pasul 3: Calculează d Cohen

În celula B8, introdu:

=ABS(B3-C3)/B7

Aceasta calculează: |72,4 - 79,6| / 8,09

Rezultat: d = 0,89

Figura 2: Calculul d Cohen în Excel arătând abaterea standard cumulată de 8,09 și rezultatul d Cohen de 0,89

Alternativă: Folosind Direct Statisticile Descriptive

Dacă ai rulat deja un test t și ai statisticile descriptive, poți crea un calculator simplu pentru d Cohen în Excel:

Tabelul 2. Șablon calculator Excel pentru d Cohen (salvează-l ca șablon reutilizabil)

Salvează acest șablon pentru calcule rapide ale d Cohen pe parcursul analizei disertației tale.

Cum să Calculezi d Cohen pentru Eșantioane Perechi în Excel

Formula de mai sus funcționează pentru eșantioane independente (două grupuri diferite). Dacă ai comparat aceiași participanți la două momente în timp (pre-test vs post-test, înainte vs după intervenție), ai nevoie de un calcul diferit.

Înțelegerea Formulei pentru Eșantioane Perechi

Pentru eșantioane perechi, d Cohen folosește media diferențelor și abaterea standard a diferențelor:

d = Media diferențelor / SD diferențelor

Aceasta se numește uneori dz (d-sub-z) în literatură. Ia în calcul faptul că observațiile perechi sunt corelate.

Calcul Pas cu Pas în Excel

Scenariul exemplu: Ai măsurat scorurile de anxietate pentru 30 de participanți înainte și după o intervenție de mindfulness. Trebuie să calculezi mărimea efectului pentru comparația pre-post.

Pasul 1: Calculează diferența pentru fiecare participant

Dacă scorurile pre-test sunt în coloana A (A2:A31) și scorurile post-test sunt în coloana B (B2:B31), creează o coloană de diferențe în coloana C:

=B2-A2

Copiază această formulă în jos pentru toți cei 30 de participanți.

Pasul 2: Calculează media diferențelor

Într-o celulă sub datele tale (ex. C33):

=AVERAGE(C2:C31)

Rezultat exemplu: Media diferențelor = -8,4 (negativul indică că anxietatea a scăzut)

Pasul 3: Calculează abaterea standard a diferențelor

În celula C34:

=STDEV.S(C2:C31)

Rezultat exemplu: SD a diferențelor = 6,2

Pasul 4: Calculează d Cohen

În celula C35:

=ABS(C33)/C34

Aceasta calculează: |−8,4| / 6,2 = 1,35

Rezultat: d = 1,35 (un efect foarte mare)

Figura 3: Calculul d Cohen pentru eșantioane perechi în Excel arătând coloanele Pre-test, Post-test, Diferență cu media diferențelor, SD și rezultatul d Cohen de 1,3

Șablon Calculator pentru Eșantioane Perechi

Creează acest șablon reutilizabil pentru mărimile efectului la eșantioane perechi:

Tabelul 3. Șablon calculator Excel pentru d Cohen eșantioane perechi (designuri pre-post)

Notă Importantă: Mărimile Efectului Perechi vs Independente

Mărimile efectului din designurile perechi (dz) tind să fie mai mari decât cele din designurile independente pentru că SD diferențelor este de obicei mai mic decât SD cumulată a scorurilor brute. Aceasta nu este o eroare—reflectă precizia crescută a comparațiilor intra-subiecți.

Când compari mărimea efectului tău cu literatura publicată, verifică dacă studiile au folosit designuri perechi sau independente. Dacă trebuie să compari între tipuri de studii, unii cercetători calculează d Cohen folosind media abaterilor standard pre și post (numită dav) în loc de SD diferențelor.

Cum să Calculezi Eta Pătrat în Excel

Eta pătrat (η²) măsoară proporția de varianță totală din variabila ta dependentă explicată de variabila ta independentă în ANOVA. Această secțiune îți arată cum să o extragi și să o calculezi din outputul ANOVA al Excel.

Înțelegerea Formulei Eta Pătrat

Formula pentru eta pătrat este:

η² = SSÎntreGrupuri împărțit la SSTotal

Unde:

• SSÎntreGrupuri = Suma Pătratelor Între Grupuri (variația explicată de variabila ta de grupare)
• SSTotal = Suma Totală a Pătratelor (variația totală din datele tale)

Eta pătrat îți spune ce procent din varianța variabilei tale dependente este atribuibil variabilei tale independente. Un η² de 0,25 înseamnă că variabila ta de grupare explică 25% din varianța rezultatelor.

Calcul Pas cu Pas din Outputul ANOVA

Scenariul exemplu: Ai comparat scorurile de implicare a studenților între trei metode de predare (tradițională, blended, online). Ai rulat One-Way ANOVA în Excel și trebuie să calculezi mărimea efectului.

Pasul 1: Rulează One-Way ANOVA în Excel

Mai întâi, rulează ANOVA folosind Data Analysis ToolPak (dacă nu l-ai activat încă, vezi ghidul nostru despre cum să activezi Data Analysis în Excel). Pentru instrucțiuni detaliate despre rularea ANOVA, vezi ghidul nostru complet despre cum să calculezi ANOVA în Excel.

1. Click Data > Data Analysis > Anova: Single Factor
2. Selectează intervalul de date (trei grupuri de scoruri de implicare)
3. Bifează „Labels in First Row" dacă este cazul
4. Click OK

Figura 4: Caseta de dialog Excel Data Analysis ANOVA Single Factor arătând intervalul de intrare, etichete în primul rând bifate și opțiunile de output

Pasul 2: Localizează valorile Sumei Pătratelor

Tabelul de output ANOVA al Excel arată astfel:

Tabelul 4. Exemplu de output One-Way ANOVA din Excel (scoruri de implicare pe metoda de predare)

Ai nevoie de două valori:

• SS Between Groups = 245,6 (variația explicată de metoda de predare)
• SS Total = 523,8 (variația totală în scorurile de implicare)

Figura 5: Tabelul de output ANOVA din Excel arătând valorile Suma Pătratelor Între Grupuri și Total necesare pentru calculul eta pătrat

Pasul 3: Calculează eta pătrat

Într-o celulă sub tabelul ANOVA, introdu:

=B10/B12

(Ajustează referințele celulelor pentru a se potrivi unde apar SS Between și SS Total ale tale)

Aceasta calculează: 245,6 împărțit la 523,8 = 0,469

Pasul 4: Convertește în procent (opțional)

Pentru a exprima ca procent din varianța explicată:

=B10/B12*100

Rezultat: η² = 0,469 sau 46,9% din varianță explicată

Crearea unui Calculator Eta Pătrat în Excel

Pentru calcule rapide, creează acest șablon simplu lângă outputul ANOVA:

Tabelul 5. Șablon calculator eta pătrat pentru rezultatele ANOVA din Excel

Acest șablon se actualizează automat când rulezi analize ANOVA noi.

Interpretarea Mărimilor Efectului pentru Disertația Ta

Calcularea mărimii efectului este doar primul pas. Comisia de teză așteaptă să interpretezi dacă efectul tău este mic, mediu sau mare, și ce înseamnă asta pentru întrebarea ta de cercetare.

Linii Directoare de Interpretare pentru d Cohen

Jacob Cohen (1988) a propus aceste repere pentru cercetarea în științele comportamentale:

Tabelul 6. Interpretarea d Cohen cu semnificație practică (percentila = unde se clasează persoana medie din tratament în grupul de control)

Exemplu de interpretare practică: Dacă intervenția ta produce d de 0,8, persoana medie din grupul de tratament scorează la percentila 79 a grupului de control. Aceasta înseamnă că 79% din grupul de control a obținut scoruri mai mici decât participantul mediu la tratament.

Linii Directoare de Interpretare pentru Eta Pătrat

Pentru mărimile efectului ANOVA, Cohen a sugerat:

• η² de 0,01 (1% varianță explicată) = Efect mic
• η² de 0,06 (6% varianță explicată) = Efect mediu
• η² de 0,14 (14% varianță explicată) = Efect mare

Exemplu de interpretare: ANOVA ta pentru metoda de predare a produs η² de 0,47 (47% varianță explicată). Acesta este un efect foarte mare. Metoda de predare explică aproape jumătate din variația în implicarea studenților. Restul de 53% se datorează diferențelor individuale, erorii de măsurare și altor factori nemăsurați.

Considerații Specifice pe Discipline

Liniile directoare ale lui Cohen nu sunt universale. Normele mărimii efectului variază pe domenii:

Cercetarea în educație: d mediu de 0,4 pentru intervențiile educaționale. Efectele de d de 0,2 sunt comune și încă semnificative practic pentru implementarea în clasă.

Psihologia clinică: Efectele tratamentului de d în intervalul 0,5-0,8 sunt tipice. Efectele mai mici (d în intervalul 0,2-0,4) pot fi încă semnificative clinic pentru afecțiuni cronice.

Medicină și sănătate publică: Chiar d de 0,1 poate reprezenta diferențe importante când intervențiile afectează mortalitatea sau incidența bolilor. Semnificația statistică contează mai mult decât magnitudinea mărimii efectului.

Psihologia experimentală: Studiile de laborator arată adesea efecte mari (d mai mare de 1,0) în condiții controlate. Studiile de teren arată de obicei efecte mai mici (d în intervalul 0,3-0,5).

Business și management: Efectele de d în intervalul 0,3-0,5 sunt comune pentru intervențiile organizaționale. Analiza cost-beneficiu contează mai mult decât magnitudinea mărimii efectului.

Teza ta ar trebui să facă referire la meta-analize publicate în zona ta specifică de cercetare pentru a contextualiza mărimile efectului tale. Menționează în discuție: „Efectul observat (d de 0,52) este consistent cu efectul mediu raportat în meta-analiza lui Smith et al. (2023) a intervențiilor similare (d de 0,48, 95% CI de la 0,41 la 0,55)."

Cum să Raportezi Mărimea Efectului în Format APA

Manualul de Publicare APA (ediția a 7-a) cere raportarea mărimilor efectului pentru toate testele inferențiale în secțiunea de rezultate a tezei tale. Mărimile efectului sunt raportate alături de statisticile descriptive precum mediile și abaterile standard, care oferă contextul de care cititorii au nevoie pentru a interpreta descoperirile tale. Această secțiune îți arată formatarea exactă.

Raportarea d Cohen pentru Teste T

Format: Include d Cohen în paranteze imediat după valoarea p.

Exemplul 1: Test t pentru eșantioane independente

Un test t pentru eșantioane independente a relevat că studenții din grupul experimental (M de 79,6, SD de 7,9) au obținut scoruri semnificativ mai mari decât grupul de control (M de 72,4, SD de 8,3), t(51) de 3,21, p de .002, d de 0,89. Mărimea efectului a fost mare, indicând că intervenția a avut un impact substanțial asupra performanței la examen.

Exemplul 2: Test t pentru eșantioane perechi

Un test t pentru eșantioane perechi a arătat că scorurile de vocabular s-au îmbunătățit semnificativ de la pretest (M de 64,2, SD de 9,1) la posttest (M de 71,8, SD de 8,6), t(34) de 4,12, p < .001, d de 0,70. Aceasta reprezintă un efect mediu spre mare.

Exemplul 3: Rezultat nesemnificativ cu mărimea efectului

Nu a existat nicio diferență semnificativă în ratele de retenție între instrucțiunea online (M de 85,2, SD de 12,3) și cea în persoană (M de 87,1, SD de 11,8), t(78) de 0,71, p de .481, d de 0,16. Mărimea mică a efectului sugerează că formatul de livrare a avut un impact minim asupra retenției.

Notă: Raportează mărimile efectului chiar și pentru rezultatele nesemnificative. Un efect mic, nesemnificativ spune o poveste diferită decât un efect mediu care nu a atins semnificația din cauza puterii scăzute.

Raportarea Eta Pătrat pentru ANOVA

Format: Include η² după statistica F și valoarea p.

Exemplul 1: ANOVA One-Way

O analiză ANOVA one-way a relevat un efect semnificativ al metodei de predare asupra implicării studenților, F(2, 47) de 8,34, p de .001, η² de .26. Metoda de predare a explicat 26% din varianța în scorurile de implicare, reprezentând un efect mare conform criteriilor lui Cohen (1988).

Exemplul 2: Interpretare ulterioară

Metoda de predare a avut un efect semnificativ asupra scorurilor la examenul final, F(2, 87) de 12,45, p < .001, η² de .22. Testele post-hoc Tukey au indicat că învățarea blended (M de 84,3, SD de 7,2) a depășit atât instrucțiunea tradițională (M de 76,8, SD de 9,1, p de .001), cât și cea complet online (M de 78,2, SD de 8,6, p de .008). Mărimea mare a efectului sugerează că formatul de predare este un determinant important al performanței academice în acest context.

Exemplul 3: Comparații multiple

ANOVA a relevat diferențe semnificative în satisfacția la locul de muncă între departamente, F(3, 131) de 5,67, p de .001, η² de .12. Deși mărimea efectului a fost medie, comparațiile post-hoc au arătat că diferența a fost determinată în principal de satisfacția mai scăzută în Operațiuni (M de 3,2, SD de 1,1) comparativ cu Vânzări (M de 4,1, SD de 0,9, p < .001) și Marketing (M de 4,0, SD de 0,8, p de .002).

Raportarea în Tabele

Pentru comparații multiple, creează un tabel sumar:

Tabelul 7. Sumarul rezultatelor testului t cu mărimile efectului pentru trei comparații instrucționale

Interpretează întotdeauna mărimile efectului în textul narativ, nu doar în tabele. Conectează rezultatul statistic la întrebarea ta de cercetare și implicațiile practice.

Cea Mai Bună Practică: Intervale de Încredere pentru Mărimile Efectului

APA ediția a 7-a recomandă raportarea intervalelor de încredere (CI) de 95% pentru mărimile efectului, nu doar estimările punctuale. De exemplu: „d = 0,89, 95% CI [0,51, 1,27]." Intervalele de încredere arată precizia estimării mărimii efectului tale și ajută cititorii să evalueze dacă efectele s-ar putea suprapune între condiții.

Calcularea CI pentru mărimile efectului în Excel este complexă și necesită de obicei formule specializate sau software. Pentru lucrările de disertație, poți folosi calculatoare online gratuite (caută „Cohen's d confidence interval calculator") sau software statistic precum JASP sau jamovi. Dacă comisia ta cere CI, menționează această limitare și oferă estimarea punctuală cu o notă că calculul CI a necesitat instrumente externe.

Greșeli Comune Când Calculezi Mărimea Efectului

Aceste erori apar frecvent în ciornele de disertație. Evită-le pentru a preveni revizuirile de la comisie.

Greșeala 1: Folosirea Abaterii Standard Greșite pentru d Cohen

Abordare greșită: Folosirea abaterii standard a unui singur grup, sau media ambelor SD.

De ce e greșit: d Cohen necesită abaterea standard cumulată, care ponderează varianța fiecărui grup după dimensiunea eșantionului său. Folosirea SD₁ sau (SD₁ + SD₂)/2 produce estimări incorecte ale mărimii efectului.

Abordare corectă: Folosește întotdeauna formula SD cumulată:

SD_cumulată = SQRT(((n1-1)*SD1^2 + (n2-1)*SD2^2)/(n1+n2-2))

Exemplu: Grupul 1 (n=15, SD=5,2), Grupul 2 (n=35, SD=7,8)

• Greșit: SD medie de (5,2 plus 7,8) împărțit la 2 = 6,5
• Corect: SD cumulată = 7,1 (eșantionul mai mare al Grupului 2 îl ponderează mai mult)

Alternativă pentru varianțe inegale: Dacă varianțele grupurilor tale sunt substanțial diferite (o SD este mai mult decât dublul celeilalte), consideră folosirea delta lui Glass (Δ) în schimb. Δ lui Glass folosește doar abaterea standard a grupului de control ca numitor: Δ = (M₁ - M₂) / SD_control. Aceasta este adecvată când tratamentul ar fi putut afecta variabilitatea precum și media.

Greșeala 2: Interpretarea Eta Pătrat ca d Cohen

Interpretare greșită: „η² al meu de 0,25, care este un efect mic pentru că este mai mic de 0,5."

De ce e greșit: Eta pătrat și d Cohen folosesc scale diferite. η² de 0,25 înseamnă 25% varianță explicată, care este un efect foarte mare. d Cohen de 0,25 ar fi un efect mic spre mediu.

Interpretare corectă: Folosește reperul potrivit. Pentru η²: 0,01 mic, 0,06 mediu, 0,14 mare. Pentru d: 0,2 mic, 0,5 mediu, 0,8 mare.

Greșeala 3: Raportarea Mărimii Efectului Doar pentru Rezultatele Semnificative

Practică greșită: Calcularea și raportarea d Cohen doar când p < .05.

De ce e greșit: Mărimea efectului este independentă de semnificația statistică. Un rezultat nesemnificativ cu o mărime medie a efectului (d de 0,5, p de .08) îți spune că efectul există dar eșantionul tău a fost prea mic pentru a-l detecta. Aceasta este informație valoroasă pentru recomandările de cercetare viitoare.

Practică corectă: Raportează mărimile efectului pentru toate comparațiile, indiferent de valoarea p. În discuție, explică: „Deși diferența nu a atins semnificația statistică (p de .08), mărimea moderată a efectului (d de 0,52) sugerează că intervenția poate avea valoare practică. Un eșantion mai mare ar oferi putere adecvată pentru a detecta acest efect."

Greșeala 4: Confundarea Eta Pătrat cu Eta Pătrat Parțial

Diferența:

• Eta pătrat (η²) = SSefect / SStotal (varianță explicată din varianța totală)
• Eta pătrat parțial (η²p) = SSefect / (SSefect + SSeroare) (varianță explicată din varianța rămasă)

Când contează: Pentru ANOVA one-way, sunt identice. Pentru ANOVA factorială (două sau mai multe variabile independente), diferă. SPSS raportează eta pătrat parțial implicit.

Abordare corectă: Pentru ANOVA one-way în Excel, raportează eta pătrat. Dacă ai folosit SPSS sau alt software cu factori multipli, raportează eta pătrat parțial și notează-l în text: „F(2, 87) de 8,34, p de .001, η²p de .16."

Greșeala 5: Ignorarea Mărimilor Negative ale Efectului

Abordare greșită: Raportarea d de 0,45 când Grupul 1 a obținut scoruri mai mici decât Grupul 2, fără a indica direcția.

De ce e problematic: Mărimile efectului pot fi pozitive sau negative în funcție de care grup este mai sus. Aceasta contează pentru interpretare, mai ales când compari studii multiple.

Abordare corectă: Raportează semnul când direcția contează, sau folosește valoarea absolută și specifică direcția în text. Exemplu: „Grupul de control a depășit semnificativ grupul experimental, t(48) de 2,34, p de .023, d de negativ 0,45" sau „...d de 0,45 în favoarea condiției de control."

Subiect Avansat: Omega Pătrat vs Eta Pătrat

Eta pătrat are o limitare cunoscută: supraestimează mărimea efectului, mai ales cu eșantioane mici. Omega pătrat (ω²) oferă o estimare nepărtinitoare a mărimii efectului populației.

Când să Folosești Omega Pătrat

Consideră raportarea omega pătrat în loc de eta pătrat când:

• Dimensiunea eșantionului tău este mică (n < 30 per grup)
• Vrei să generalizezi la populație (disertații)
• Domeniul tău preferă estimări nepărtinitoare (verifică cercetarea publicată în zona ta)

Calcularea Omega Pătrat în Excel

Formula pentru omega pătrat este:

ω² = (SSÎntreGrupuri - (dfÎntreGrupuri × MSÎnGrupuri)) / (SSTotal + MSÎnGrupuri)

Folosind exemplul nostru anterior de ANOVA:

• SSÎntreGrupuri = 245,6
• dfÎntreGrupuri = 2
• MSÎnGrupuri = 5,92 (din rândul Within Groups)
• SSTotal = 523,8

=(245,6 - (2*5,92))/(523,8 + 5,92)

Rezultat: ω² = 0,447 (comparat cu η² de 0,469)

Omega pătrat este de obicei cu 1-3% mai mic decât eta pătrat. Ambele duc la aceeași concluzie substanțială (efect mare), dar omega pătrat este estimarea mai conservatoare, nepărtinitoare.

Pe Care Ar Trebui să o Raportezi?

Pentru majoritatea lucrărilor de disertație, eta pătrat este acceptabil și mai frecvent raportat. Totuși, dacă comisia sau domeniul tău preferă omega pătrat, sau dacă ai un eșantion mic, folosește omega pătrat și notează de ce: „Omega pătrat a fost calculat în loc de eta pătrat pentru a oferi o estimare nepărtinitoare a mărimii efectului populației, dată fiind dimensiunea modestă a eșantionului."

Întrebări Frecvente

Pașii Următori: Folosirea Mărimii Efectului în Disertația Ta

Calcularea mărimii efectului este un pas. Aceste acțiuni completează analiza disertației tale:

Raportează mărimea efectului pentru fiecare test inferențial. Revino prin capitolul de rezultate. Fiecare test t și ANOVA ar trebui să aibă o mărime a efectului însoțitoare. Adaugă-le acum folosind formulele din acest ghid.

Compară efectele tale cu cercetarea publicată. Caută meta-analize în zona ta de cercetare. Raportează cum se compară mărimile efectului tale cu intervalul tipic: „Efectul observat (d de 0,62) depășește efectul mediu al intervenției raportat în meta-analiza lui Lee et al. (2024) (d de 0,41), sugerând că această abordare poate fi deosebit de eficientă."

Interpretează mărimea efectului în capitolul de discuții. Semnificația statistică răspunde dacă există un efect. Mărimea efectului răspunde dacă contează. Discută implicațiile practice ale magnitudinii mărimii efectului tale. Un efect mare sugerează că intervenția ta este gata pentru implementare. Un efect mic sugerează că este nevoie de rafinare.

Folosește mărimea efectului pentru analiza de putere în recomandările de cercetare viitoare. Secțiunea de limitări a disertației tale ar trebui să recomande dimensiuni adecvate ale eșantionului pentru studii viitoare. Folosește mărimea efectului observată pentru a calcula n necesar pentru putere adecvată (de obicei 0,80). Dacă studiul tău pilot a găsit d de 0,5, recomandă eșantioane viitoare de n de 64 per grup (128 total) pentru a atinge 80% putere.

Creează șabloane Excel reutilizabile. Salvează calculatoarele tale pentru d Cohen și eta pătrat ca șabloane. Le vei folosi pentru analize multiple pe parcursul disertației tale și în proiectele de cercetare viitoare.

Dacă lucrezi cu date de chestionar pentru disertația ta, ghidul nostru complet despre cum să analizezi date de chestionar în Excel acoperă fluxul de lucru complet de la pregătirea datelor la analiza statistică.

Pentru mai multe îndrumări despre raportarea rezultatelor statistice în format APA, vezi ghidul nostru despre cum să raportezi statistica descriptivă în format APA.

Dacă trebuie să determini ce test statistic să rulezi înainte de a calcula mărimea efectului, consultă ghidul nostru de decizie despre test t vs ANOVA în Excel.