Słownik metodologiczny · Dobór próby

Równoliczność grup

Pełne wyjaśnienie, zastosowanie naukowe i praktyczne, przykład, dobre praktyki oraz gotowy zapis wyniku w APA 7.

Strona główna / Słownik / Równoliczność grup

Opracowanie merytoryczne: · Opublikowano: · Aktualizacja:

Co oznacza Równoliczność grup?

Równoliczność grup oznacza takie same lub zbliżone liczby obserwacji w warunkach.

Zastosowanie, warunki i dobre praktyki

Równe liczebności zwiększają efektywność wielu porównań i ograniczają problem łączenia heterogenicznych wariancji z niezbalansowanym projektem. Nie są jednak bezwzględnym założeniem ANOVA ani dowodem poprawnego doboru. Gdy grupy są nierówne, trzeba sprawdzić powód, wariancje, sposób liczenia sum kwadratów i ewentualnie zastosować wariant Welcha lub odpowiedni model.

Najważniejsze zastosowanie: Zwykle zwiększa efektywność porównań, ale nie jest bezwzględnym założeniem wielu metod.

Jak poprawnie stosować i interpretować hasło „Równoliczność grup”?

Przy ocenie pojęcia „Równoliczność grup” najpierw ustala się czynnik, zmienną wynikową oraz to, czy obserwacje w komórkach planu są niezależne, sparowane czy powtarzane. Przy ocenie hasła „Równoliczność grup” następnie trzeba rozdzielić pytanie o efekt ogólny od porównań konkretnych poziomów. W analizie dotyczącej hasła „Równoliczność grup” średnie i wykres interakcji są potrzebne do zrozumienia kierunku wyniku; sama statystyka F nie pokazuje, które grupy się różnią ani czy różnica ma znaczenie praktyczne.

Ocena pojęcia „Równoliczność grup” powinna uwzględniać rozkład reszt, zachowanie wariancji, obserwacje wpływowe i strukturę projektu. Dla interpretacji hasła „Równoliczność grup” przy nierównych wariancjach sensowny może być wariant Welcha, a przy pomiarach powtarzanych korekta stopni swobody albo model mieszany. W odniesieniu do hasła „Równoliczność grup” testy post-hoc dobiera się do zaplanowanych porównań i kontroluje ich łączny błąd, zamiast uruchamiać wszystkie możliwe pary.

Co trzeba opisać w raporcie?

Wynik odnoszący się do „Równoliczność grup” powinien łączyć statystykę testową i stopnie swobody z wartościami p, miarą efektu oraz jej przedziałem ufności. Przy ocenie hasła „Równoliczność grup” obok należy podać liczebności, średnie i miary zmienności dla porównywanych warunków, a w modelu z interakcją także efekty proste lub przewidywane średnie marginalne.

Zakres raportowania dla hasła „Równoliczność grup”: Podaj n w każdej grupie i metodę odporną przy nierównych wariancjach.

Przykład praktyczny i gotowa interpretacja

Sytuacja: Grupy 50 i 50 dają większą precyzję różnicy niż 20 i 80 przy tym samym N.

Jak ją zinterpretować: Równy N ułatwia porównanie i poprawia odporność przy podobnych wariancjach, lecz nie jest bezwzględnym warunkiem analizy. Przy nierównych grupach ważne są przyczyna dysproporcji, wariancje i właściwy wariant testu.

Najczęstsza pułapka i granica interpretacji

Nierówne N po randomizacji może sygnalizować selektywny odpływ, ale samo w sobie nie unieważnia analizy.

Wniosek o „Równoliczność grup” ogranicza konkretny układ czynników i badana populacja. Dla interpretacji hasła „Równoliczność grup” istotny efekt ogólny nie upoważnia do dowolnego wskazania par różniących się między sobą, a nieistotny wynik nie dowodzi równoważności poziomów.

Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (Lakens, 2022).

Powiązane hasła

Moc testuPlan SalomonaPodwójnie ślepa próbaPopulacjaPróbaPróba kwotowa

Poradniki, w których użyjesz tego pojęcia

Poradnik

Wartość p: co naprawdę oznacza i jak ją poprawnie interpretować

Wartość p bez mitów: definicja, interpretacja, typowe błędy oraz sposób raportowania wraz z wielkością efektu i przedziałem ufności.

Czytaj →Poradnik

Regresja logistyczna: założenia, interpretacja i raportowanie modelu

Regresja logistyczna w praktyce: założenia, iloraz szans, diagnostyka, kalibracja, AUC oraz zasady rzetelnego raportowania modelu.

Czytaj →Poradnik

Modelowanie równań strukturalnych (SEM): od teorii do raportu

SEM bez skrótów myślowych: model pomiarowy i strukturalny, CB-SEM a PLS-SEM, dopasowanie, założenia oraz raportowanie wyników.

Czytaj →

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Oferta dla badaczyOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Lakens, D. (2022). Sample size justification. Collabra: Psychology, 8(1), 33267. https://doi.org/10.1525/collabra.33267
  2. Maxwell, S. E., Kelley, K., & Rausch, J. R. (2008). Sample size planning for statistical power and accuracy in parameter estimation. Annual Review of Psychology, 59, 537–563. https://doi.org/10.1146/annurev.psych.59.103006.093735
  3. Appelbaum, M., Cooper, H., Kline, R. B., Mayo-Wilson, E., Nezu, A. M., & Rao, S. M. (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report. American Psychologist, 73(1), 3–25. https://doi.org/10.1037/amp0000191
  4. Lang, T. A., & Altman, D. G. (2015). Basic statistical reporting for articles published in biomedical journals: The SAMPL guidelines. International Journal of Nursing Studies, 52(1), 5–9. https://doi.org/10.1016/j.ijnurstu.2014.09.006
  5. Wilkinson, L., & Task Force on Statistical Inference. (1999). Statistical methods in psychology journals: Guidelines and explanations. American Psychologist, 54(8), 594–604. https://doi.org/10.1037/0003-066X.54.8.594
  6. Altman, D. G. (2015). Making research articles fit for purpose: Structured reporting of key methods and findings. Trials, 16, 53. https://doi.org/10.1186/s13063-015-0575-7

Cytowania BibTeX

@article{lakens2022sample, author={Lakens, Daniël}, title={Sample size justification}, journal={Collabra: Psychology}, year={2022}, volume={8}, number={1}, pages={33267}, doi={10.1525/collabra.33267}}
@article{maxwell2008samplesize, author={Maxwell, Scott E. and Kelley, Ken and Rausch, Joseph R.}, title={Sample size planning for statistical power and accuracy in parameter estimation}, journal={Annual Review of Psychology}, year={2008}, volume={59}, pages={537--563}, doi={10.1146/annurev.psych.59.103006.093735}}
@article{appelbaum2018jars, author={Appelbaum, Mark and Cooper, Harris and Kline, Rex B. and Mayo-Wilson, Evan and Nezu, Arthur M. and Rao, Stephen M.}, title={Journal article reporting standards for quantitative research in psychology}, journal={American Psychologist}, year={2018}, volume={73}, number={1}, pages={3--25}, doi={10.1037/amp0000191}}
@article{lang2015sampl, author={Lang, Thomas A. and Altman, Douglas G.}, title={Basic statistical reporting for articles published in biomedical journals: the SAMPL guidelines}, journal={International Journal of Nursing Studies}, year={2015}, volume={52}, number={1}, pages={5--9}, doi={10.1016/j.ijnurstu.2014.09.006}}
@article{wilkinson1999statistical, author={Wilkinson, Leland and {Task Force on Statistical Inference}}, title={Statistical methods in psychology journals: Guidelines and explanations}, journal={American Psychologist}, year={1999}, volume={54}, number={8}, pages={594--604}, doi={10.1037/0003-066X.54.8.594}}
@article{altman2015reporting, author={Altman, Douglas G.}, title={Making research articles fit for purpose: structured reporting of key methods and findings}, journal={Trials}, year={2015}, volume={16}, pages={53}, doi={10.1186/s13063-015-0575-7}}
R