剑客
关注科技互联网

Improving your statistical inferences第四周:效应量

Improving your statistical inferences第四周:效应量

注: Improving your statistical inference 是荷兰 Eindhoven University of Technology心理学研究者Danial Lakens在coursera上开设的一门公开课,目的是为了增加心理学研究者对心理学研究中常用统计的理解。本次更新第四周的内容。

这一周的内容对于我而言比较熟悉,因为之前已经阅读过Lakens (2013)的这篇论文,而在我们自己论文里,也花了不少笔墨来讲效应。但是这一周的课程也让我学习到了新东西。

首先,效应量是什么? 目前来说,心理学界对于效应量(effect size,又译为效果量)的定义是比较宽松的。凡是研究者感兴趣的量都是效应量。下图是从我们论文(胡传鹏, 王非, 过继成思, 宋梦迪, 隋洁, 彭凯平. 2016)中的表1,列举了各种常见的效应量。举个栗子,一个对自己体重比较关心的人,自己的真实体重就是一个效应量。当TA开始关心体重的变化时(比如我),这个体重变化的量也是效应量。当然,Lakens在课堂上讲的例子是不一样的,大家应该看看这个视频。

Improving your statistical inferences第四周:效应量 这里需要指出的一点是标准化的效应量与未标准化的效应量之间的差别。前面提到体重的例子,是未标准化的效应量。而在心理学的研究中,由于不同的研究使用的标尺往往不同,为了对不同标尺测量到的效应进行比较,就需要标准化的效应量,像Cohen’d和r都是。

在心理学研究中,我们知道都是用p值来进行统计的,一般报告p值即可,但为什么要计算和报告效应量?Lakens提到了三个原因。 第一、效应量比p值更具有实际意义 :知道某个效应有多大比是否知道这个效应是否存在更有意义。在这里,Lakens把功劳归了Jacob Cohen,这位从上世纪60年代初就开始在心理学界推荐使用效应量的心理学家。 Improving your statistical inferences第四周:效应量

在后面的课程中,Lakens举了一个 2014年发表在PNAS上的研究 。这个研究发现当人为地给人们的facebook新消息中呈现更多的负面消息时,人们的自身表达负面情绪的词汇也会增加: Improving your statistical inferences第四周:效应量 从P值上看,好像还挺显著的,但是效应量却小得惊人。这个效应量到底有多小呢,在课程的练习中,我们可以从一个关于 体验效应量Cohen’s d 的网站 上来体会一下。当d = 0.1的时候,虚无假设和备择假设的分布是这样的:

Improving your statistical inferences第四周:效应量 可以看出来,当d=0.1的时候,H0与H1在分布上的差别,还是可以看出来的。

当d = 0.001的时候,这两个分布是这样的:

Improving your statistical inferences第四周:效应量 上图的d确实是设置成为了0.001,但是由于四舍五入只显示了0。反正我是没法看出H0与H1有什么区别。

幸亏这个网站上告诉了我们d = 0.001意味着什么:… in order to have one more favorable outcome in the treatment group compared to the control group we need to treat 3570.4 people…

(当然这个PNAS上2014的文章还有其他的问题,比如参加研究的facebook用户并不知道自己的主页上呈现的信息是被操纵的)

上面的这个例子是讲 p < 0.05但是效应量非常小,还有一些例子是表示效应量虽然小但是实际的意义很大。比如,使用干预减少青少年再犯的:

Improving your statistical inferences第四周:效应量 还有一个例子是,效应量很大但是让人一看就怀疑这个结论是否是真的,比如乡村音乐与自杀之间的关系( 2004年搞笑诺贝尔奖获得者 ):

Improving your statistical inferences第四周:效应量 0.5的相关系数是相当大的,所以引起了人们的关注,后续的研究未能重复这个结论。这个不禁让我想起了社会认知神经科学的 Puzzlingly High Correlations

第二个使用效应量的意义 在于,它可以帮助其他研究者进行元分析(meta-analysis)。当研究者通过元分析综合了多个研究的效应量之后,可以得到对真值更加准确的估计,这对于增进人类知识而言是非常好的,也是科研的真正的目的。下图是元分析的一个示意图。每个研究测量到的效应量会因为误差而变来变去,而元分析可以得到一个相对更加稳定的值。

Improving your statistical inferences第四周:效应量

报告效应的 第三个原因 是可以让研究者进行统计检验力(statistic power)分析。这个原因与上一个比较相似,也是出于对整个科学界的贡献。在我们目前的虚无假设检验的理论框架之后,效应量、统计检验力、alpha水平和样本量这四个变量相互关联,知道其中三个就可以推导出第四个,由于在心理学研究中alpha水平通常被定为0.05,而对于统计检验力,正如上一课中所提到的,理论上讲是越高越好,80%是不错,90%更好,95%的话,那就再好不过了。所以在这种情况下,alpha与统计检验力都可以设定,如果知道了效应量,那么就可以对研究所需要的样本量进行估计了。

后面的课程中,主要是分别介绍了两个应用最广泛的效应量: Cohen’d family和r family。这两类效应量是我们最常用的,尤其是前者。而ANOVA中常用到的eta squared,则被归入到r family。对于这两类效应量的介绍,最重要的是要使用unbiased的指标。我们在论文的补充材料中,也对这两类效应量进行过专门的说明,当然,其实还是来自Lakens (2013):

Improving your statistical inferences第四周:效应量
Improving your statistical inferences第四周:效应量

在课后练习中,提供了两非常有用的excel表格,一个用来计算unbiased eta squared : Calculate Partial Eta Omega Epsilon Squared.xlsx ,一个用来计算效应量的(适用各种常用的心理学实验设计): Calculate Partial Eta Omega Epsilon Squared.xlsx

对于我而言,这一课最重要的意义在于:效应量不仅仅是一个统计的指标,它是有相应的意义的。Lakens举了实际的意义,而有的时候,它可能还意味着理论的意义、或者效果/成本权衡。

最后,我想说的是,效应量只是对真实效应的点估计(point estimate),而这个估计往往是有误差的,于是需要一个置信区间,这正是下一周的内容。

参考文献:

Lakens, D. (2013). Calculating and reporting effect sizes to facilitate cumulative science: a practical primer for t-tests and ANOVAs. Frontiers in Psychology, 4, 863. doi:10.3389/fpsyg.2013.00863

胡传鹏, 王非, 过继成思, 宋梦迪, 隋洁, 彭凯平. (2016). 心理学研究的可重复性问题:从危机到契机. 心理科学进展, 24(9), 1504–1518 doi:10.3724/SP.J.1042.2016.01504

分享到:更多 ()

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址