Varians dari Cohen

Cohen adalah salah satu cara paling umum untuk mengukur ukuran efek ( lihat Wikipedia ). Ini hanya mengukur jarak antara dua cara dalam hal standar deviasi terkumpul. Bagaimana kita bisa mendapatkan rumus matematika estimasi varians dari Cohen d ? $d$$d$

Sunting Desember 2015: Terkait dengan pertanyaan ini adalah gagasan untuk menghitung interval kepercayaan sekitar . Artikel ini menyatakan itu$d$

$$\sigma_{d}^2 = \dfrac{n_{+}}{n_{\times}} + \dfrac{d^2}{2n_{+}}$$

di mana adalah jumlah dari dua ukuran sampel dan n × adalah produk dari dua ukuran sampel.$n_{+}$$n_{\times}$

Bagaimana rumus ini diturunkan?

Perhatikan bahwa ekspresi varian dalam pertanyaan adalah perkiraan. Hedges (1981) menurunkan varians sampel dan aproksimasi dalam pengaturan umum (yaitu beberapa percobaan / studi), dan jawaban saya cukup banyak menelusuri derivasi dalam makalah.$d$

Pertama, asumsi yang akan kami gunakan adalah sebagai berikut:

Mari kita asumsikan kita memiliki dua kelompok perlakuan independen, (pengobatan) dan C (kontrol). Biarkan Y T i dan Y C j menjadi skor / tanggapan / apa pun dari subjek i di grup T dan subjek j di grup C , masing-masing.$T$$C$$Y_{Ti}$$Y_{Cj}$$i$$T$$j$$C$

Kami menganggap tanggapan terdistribusi normal dan kelompok perlakuan dan kelompok kontrol memiliki varian yang sama, yaitu

$$\begin{align*} Y_{Ti} &\sim N(\mu_T, \sigma^2), \quad i = 1, \dots n_T \\ Y_{Cj} &\sim N(\mu_C, \sigma^2), \quad j = 1, \dots n_C \end{align*}$$

Ukuran efek yang kami tertarik untuk memperkirakan dalam setiap studi adalah . Estimator ukuran efek yang akan kita gunakan adalah d= ˉ Y T- ˉ Y$\delta = \frac{\mu_T - \mu_C}{\sigma}$ manaS2kadalah varians sampel berisi untuk kelompokk.

$$\begin{equation*} d = \frac{\bar{Y}_T - \bar{Y}_C}{\sqrt{\frac{(n_T - 1)S_T^2 + (n_C - 1)S_C^2}{n_T + n_C - 2}}} \end{equation*}$$ $S_k^2$$k$

Mari kita perhatikan properti sampel besar . $d$

Pertama, perhatikan bahwa: dan (longgar dengan notasi saya): ( n T - 1 ) S 2

$$\begin{equation*} \bar{Y}_T - \bar{Y}_C \sim N \Bigg( \mu_T - \mu_C, \,\sigma^2\frac{n_T + n_C}{n_T n_C} \Bigg) \end{equation*}$$ dan (nC-1)S 2 $$\begin{equation} \frac{(n_T - 1)S_T^{2}}{\sigma^2(n_T + n_C - 2)} = \frac{1}{n_T + n_C - 2}\frac{(n_T - 1)S_T^{2}}{\sigma^2} \sim \frac{1}{n_T + n_C- 2}\chi_{n_T - 1}^2 \tag{1} \end{equation}$$ $$\begin{equation} \frac{(n_C - 1)S_C^{2}}{\sigma^2(n_T + n_C - 2)} = \frac{1}{n_T + n_C - 2}\frac{(n_C - 1)S_C^{2}}{\sigma^2} \sim \frac{1}{n_T + n_C- 2}\chi_{n_C - 1}^2 \tag{2} \end{equation}$$

$$\begin{equation*} \frac{1}{\sigma^2}\frac{(n_T - 1)S_T^{2} + (n_C - 1)S_C^{2}}{n_T + n_C - 2} \sim \frac{1}{n_T + n_C - 2}\chi_{n_T + n_C - 2}^2 \end{equation*}$$

$$\begin{align*} d &= \frac{\bar{Y}_T - \bar{Y}_C}{\sqrt{\frac{(n_T - 1)S_T^2 + (n_C - 1)S_C^2}{n_T + n_C - 2}}} \\\\ &= \frac{\left(\sigma\sqrt{\frac{n_T + n_C}{n_T n_C}}\right)^{-1}(\bar{Y}_T - \bar{Y}_C)}{\left(\sigma\sqrt{\frac{n_T + n_C}{n_T n_C}}\right)^{-1}\sqrt{\frac{(n_T - 1)S_T^2 + (n_C - 1)S_C^2}{n_T + n_C - 2}}} \\\\ &= \frac{\frac{(\bar{Y}_T - \bar{Y}_C) - (\mu_T - \mu_C)}{\sigma\sqrt{\frac{n_T + n_C}{n_T n_C}}} + \frac{\mu_T - \mu_C}{\sigma\sqrt{\frac{n_T + n_C}{n_T n_C}}}}{\left(\sqrt{\frac{n_T + n_C}{n_T n_C}}\right)^{-1}\sqrt{\frac{(n_T - 1)S_T^2 + (n_C - 1)S_C^2}{\sigma^2(n_T + n_C - 2)}}} \\\\ &= \sqrt{\frac{n_T + n_C}{n_T n_C}}\left(\frac{\theta + \delta\sqrt{\frac{n_T n_C}{n_T + n_C}}}{\sqrt{\frac{V}{\nu}}}\right) \end{align*}$$ $\theta \sim N(0,1)$$V \sim \chi^2_{\nu}$$\nu = n_T+n_C-2$$d$$\sqrt{\frac{n_T + n_C}{n_T n_C}}$$n_T + n_C - 2$$\delta\sqrt{\frac{n_T n_C}{n_T + n_C}}$

$t$

$$\begin{equation*} \mathrm{Var}(d) = \frac{(n_T + n_C - 2)}{(n_T + n_C - 4)}\frac{(n_T + n_C)}{n_T n_C}(1+ \delta^2\frac{n_T n_C}{n_T + n_C}) - \frac{\delta^2}{b^2} \tag{3} \end{equation*}$$ $$\begin{equation*} b = \frac{\Gamma\left(\frac{n_T + n_C - 2}{2}\right)}{\sqrt{\frac{n_T+n_C-2}{2}}\Gamma\left(\frac{n_T+n_C-3}{2}\right)} \approx 1 - \frac{3}{4(n_T+n_C-2)-1} \end{equation*}$$

$\delta$$b d$

$$\begin{equation*} \mathrm{Var}(bd) = b^2\frac{(n_T + n_C - 2)}{(n_T + n_C - 4)}\frac{(n_T + n_C)}{n_T n_C}(1+ \delta^2\frac{n_T n_C}{n_T + n_C}) - \delta^2 \end{equation*}$$

$n_T+n_C-2$$t$$\nu$$p$$1 + \frac{p^2}{2\nu}$

$$\begin{align*} \mathrm{Var}(d) &\approx \frac{n_T + n_C}{n_T n_C}\left(1 + \frac{\delta^2\left(\frac{n_T n_C}{n_T + n_C}\right)}{2(n_T+n_C-2)}\right) \\\\ &= \frac{n_T + n_C}{n_T n_C} + \frac{\delta^2}{2(n_T+n_C-2)} \end{align*}$$

$\delta$