কোহেনের ডি এবং পিয়ারসনের আর এর মধ্যে পার্থক্য কী?


উত্তর 1:

কোহেনের ডি এবং পিয়ারসনের আর এর মধ্যে পার্থক্য কী?

প্রথমত, এখানে কোহেনের ডি এবং পিয়ারসনের সাথে মিল রয়েছে things

  1. উভয়ই প্রভাব আকার হিসাবে রিপোর্ট করা হয়; কোহেন ডি টি টেস্টের জন্য জনপ্রিয় প্রভাব আকার যা দুটি গ্রুপের জন্য অর্থের তুলনা করে, যেমন স্বাধীন নমুনা টি পরীক্ষার। পিয়ারসন আর এফেক্ট সাইজ সাধারণত ব্যবহৃত হয় যখন এক্স এবং ওয়াই উভয় পরিমাণগত হয় (যদিও এক্স এবং / বা ওয়াই দ্বৈতভাবে হতে পারে)। যদি আমরা পিয়ারসন আর এবং কোহেনের ডি সরাসরি তুলনা করতে চাই, পিয়ারসন আর গ্রুপের সদস্যপদ (যেমন লিঙ্গ) এর মধ্যে সংযুক্তির শক্তি সূচক হিসাবে ব্যবহার করতে পারেন এবং পরিমাণগত পরিবর্তনশীল ওয়াই (যেমন উচ্চতা) এর জন্য বোঝায়। এই পরিস্থিতিতে এটি পয়েন্ট বাইসরিয়াল আর, পিবি দিয়ে সাবস্ক্রিপ্ট হিসাবে চিহ্নিত আর বলা হয় oth পিয়ারসন আর কোহেনের কেউই আপনাকে বলে না যে কোনও ফলাফল "পরিসংখ্যানগতভাবে গুরুত্বপূর্ণ" কিনা। পরিসংখ্যানগত তাত্পর্য নমুনা আকার এবং প্রভাব উভয় উপর নির্ভর করে:

এই সমীকরণে, ডি কোহেনের ডি এবং ডিএফ = এন - 2 স্বতন্ত্র নমুনা টি পরীক্ষার জন্য। টি অনুপাত পরিসংখ্যানিক স্বাক্ষর জন্য মূল্যায়ন করা যেতে পারে। মনে রাখবেন যে যদি কোহেনের ডি খুব ছোট হয় তবে একটি বড় টি পেতে আপনার একটি বড় ডিএফ প্রয়োজন। যদি ডিএফটি খুব বড় হয় তবে ডি খুব ছোট অবস্থায়ও (যতক্ষণ না ডি ঠিক 0 হয় না) আপনি এটিকে পরিসংখ্যানগতভাবে তাৎপর্যপূর্ণ বলার মতো পর্যাপ্ত পরিমাণে পেতে পারেন।

এখন তাদের মধ্যে কিছু পার্থক্য জন্য।

কোহেনের ডি এবং আর আলাদাভাবে গণনা করা হয়:

কোথায়

পিয়ারসন আর এর জন্য এটি বেশ কয়েকটি সূত্রে একটি।

যাইহোক, পরীক্ষার পরিস্থিতিতে, এই প্রভাবগুলির মাপগুলির প্রত্যেককে অন্যটিতে রূপান্তর করা যায়। সমীকরণগুলি থেকে:

পিয়ারসনের r এর মান -1 এবং +1 এর মধ্যে সীমাবদ্ধ।

কোহেনের সম্ভাব্য মানগুলি নীতিগতভাবে সীমাবদ্ধ নয়; তবে অনুশীলনে, কোহেনের d এর মান 1.0 বা 2.0 এর চেয়ে বড় rare

কোহেনের ডি এবং আর আলাদাভাবে ব্যাখ্যা করা হয়। কোহেন ডি আমাদের বলেছেন: এম 1 এবং এম 2 এই দুটি অর্থ কতগুলি পৃথক পৃথক? পিয়ারসন আর আমাদের জানান, এক্স এবং ওয়াই দুটি ভেরিয়েবলের মধ্যে রৈখিক সমিতি কতটা শক্তিশালী?

নিম্নরূপে দুটি বিতরণ করা নমুনার জন্য ব্যবস্থার মধ্যে পার্থক্য সম্পর্কে কোহেনের মানগুলি আপনাকে কী বলে তা ভিজ্যুয়ালাইজ করতে পারেন। ডি এর বৃহত্তর মান স্কোর বিতরণের মধ্যে একটি ছোট ওভারল্যাপের সাথে মিলে যায়। D = .22 এর জন্য আপনার একটি পার্থক্য রয়েছে যা বাস্তব জীবনে সবেমাত্র অনুধাবনযোগ্য। 1 এর উপরে d এর মানগুলির জন্য, আপনার একটি পার্থক্য রয়েছে যা দৈনন্দিন জীবনে সহজেই দেখা যায়।

স্ক্যাটার প্লট বা বক্স প্লট দেখে আপনি পিয়ারসন আর এর অর্থটি কল্পনা করতে পারেন। পিয়ারসন আর যদি দুটি গ্রুপের জন্য ওয়াইয়ের গড়ের মধ্যে পার্থক্যের মাত্রা বর্ণনা করতে ব্যবহার করা হয়, উদাহরণস্বরূপ, পুরুষদের তুলনায় মহিলাদের তুলনায় উচ্চতা বোঝানো হয় তবে স্ক্যাটার প্লটটি এর মতো দেখাবে:

কোহেনের ডি এর চিহ্নটি এম 1 এর চেয়ে বড় বা কম কিনা তার উপর নির্ভর করে।

পিয়ারসনের আর এর সাইনটি নির্ভর করে যে রিগ্রেশন লাইনের opeাল ধনাত্মক বা negativeণাত্মক কিনা on

পিয়ারসন আর যখন দ্বৈতদৈর্ঘ্য পরিবর্তনশীল (যেমন লিঙ্গ) এবং একটি পরিমাণগত পরিবর্তনশীল (যেমন উচ্চতা) এর মধ্যে সংঘটিত হওয়ার বর্ণনা দেয় তখন একে পয়েন্ট বাইসারিয়াল আর বলা হয়, প্রায়শই পিবি সাবস্ক্রিপ্টের সাহায্যে আর চিহ্নিত করা হয়।

যখন আপনি কোহেনের ডি এবং আর পয়েন্ট বাইসারিাল এফেক্ট মাপগুলিকে এমন কোনও পরিস্থিতির সাথে তুলনা করেন যেখানে আপনি দুটি গ্রুপের জন্য ওয়াইয়ের জন্য অর্থের তুলনা করেন, তারা এফেক্ট আকার সম্পর্কে একই তথ্য সরবরাহ করে। উপরের কোহেনের সারণীগুলি ডি / টি এর জন্য ছোট / মাঝারি / বড় প্রভাব আকারের জন্য সঠিক সমতুল্য কাট অফ দেয় না যদি এগুলি ব্যাখ্যা করা বৈকল্পিকের অনুপাত হিসাবে প্রকাশ করা হয়।

গবেষণা প্রতিবেদনের জন্য সাম্প্রতিক গাইডলাইনগুলির জন্য কল:

  • পরিসংখ্যানগত তাত্পর্য পরীক্ষায় কম ফোকাস প্রভাবের আকার এবং আত্মবিশ্বাসের বিরতিতে আরও ফোকাস।

অন্যান্য উত্সগুলিতে দায়ী তথ্য ব্যতীত এই তথ্যটি ওয়ার্নার, আর। (2012) থেকে নেওয়া হয়েছে। ফলিত পরিসংখ্যান: মাল্টিভারিয়েট কৌশলগুলির মাধ্যমে দ্বিমুখীকরণ থেকে, যদিও কোনও পৃষ্ঠা (গুলি) থেকে সরাসরি উদ্ধৃতি হিসাবে নয়।


উত্তর 2:

জুটিবদ্ধ পর্যবেক্ষণগুলির সাথে সম্পর্ক সম্পর্কিত করা হয় এবং অন্যান্য পরিবর্তনের সাথে সাথে কত বৃদ্ধি বা হ্রাস পায় তা পরিমাপ করে। আমি কোহেনের ডি এর সাথে কম পরিচিত না, তবে আমি মনে করি এটি একটি পরামিতি এবং প্যারামিটারের একটি অনুমানের তুলনা করত। আমি মনে করি মানটি প্যারামিটার এবং অনুমানের মধ্যে স্ট্যান্ডার্ড বিচরণের সংখ্যা is উদাহরণস্বরূপ, যদি আপনার কাছে একটি নতুন বিতরণ থেকে একটি নমুনা থাকে এবং আপনি এটি কোনও পুরানো বিতরণের একটি জ্ঞাত প্যারামিটারের সাথে তুলনা করতে চান, তবে কোহেন এর মানটি অনুমানের থেকে দূরে স্ট্যান্ডার্ড বিচ্যুতির সংখ্যা দেয়। এখানে, স্ট্যান্ডার্ড বিচ্যুতিটি বিতরণের হয়, অনুমান নয়। ফলাফলটি তাত্পর্যপূর্ণ এবং বিপরীত নয় এমন একটি বৃহত কোহেন ডি পেতে পারেন।


উত্তর 3:

কোহেনের ডি আকারের একটি পরিমাপ, যেমন পুলের স্ট্যান্ডার্ড বিচ্যুতির ক্ষেত্রে দুটি গড় মানের মধ্যে দূরত্ব। পিয়ারসনের আর একটি পারস্পরিক সম্পর্ক সহগ যা দুটি ভেরিয়েবলের মধ্যে সংযুক্তির শক্তি নির্দেশ করে।

উভয়ই কার্যকর কারণ একটি পার্থক্য অত্যন্ত তাত্পর্যপূর্ণ এবং এখনও খুব ছোট এবং অকেজো হতে পারে।