{"id":545,"date":"2023-07-29T13:27:37","date_gmt":"2023-07-29T13:27:37","guid":{"rendered":"https:\/\/statorials.org\/pl\/wielkosc-efektu\/"},"modified":"2023-07-29T13:27:37","modified_gmt":"2023-07-29T13:27:37","slug":"wielkosc-efektu","status":"publish","type":"post","link":"https:\/\/statorials.org\/pl\/wielkosc-efektu\/","title":{"rendered":"Wielko\u015b\u0107 efektu: co to jest i dlaczego jest taka wa\u017cna"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\"><em>\u201eIstotno\u015b\u0107 statystyczna jest najmniej interesuj\u0105c\u0105 rzecz\u0105 w wynikach. Wyniki nale\u017cy opisa\u0107 w kategoriach miar wielko\u015bci \u2013 nie tylko czy leczenie wp\u0142ywa na ludzi, ale tak\u017ce w jakim stopniu na nich wp\u0142ywa.<\/em> -Gene V. Glass<\/span><\/p>\n<hr>\n<p> <span style=\"color: #000000;\">W statystykach cz\u0119sto u\u017cywamy <a href=\"https:\/\/statorials.org\/pl\/p-oznacza-istotnosc-statystyczna\/\" target=\"_blank\" rel=\"noopener\">warto\u015bci p,<\/a> aby okre\u015bli\u0107, czy istnieje statystycznie istotna r\u00f3\u017cnica mi\u0119dzy dwiema grupami.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Za\u0142\u00f3\u017cmy na przyk\u0142ad, \u017ce chcemy wiedzie\u0107, czy dwie r\u00f3\u017cne techniki badania prowadz\u0105 do r\u00f3\u017cnych wynik\u00f3w test\u00f3w. Mamy wi\u0119c grup\u0119 20 uczni\u00f3w, kt\u00f3rzy u\u017cywaj\u0105 jednej techniki uczenia si\u0119, aby przygotowa\u0107 si\u0119 do testu, podczas gdy inna grupa 20 uczni\u00f3w stosuje inn\u0105 technik\u0119 uczenia si\u0119. Nast\u0119pnie dajemy ka\u017cdemu uczniowi ten sam test.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Po przeprowadzeniu testu t dla dw\u00f3ch pr\u00f3bek w celu okre\u015blenia r\u00f3\u017cnicy \u015brednich stwierdzamy, \u017ce warto\u015b\u0107 p dla testu wynosi 0,001. Je\u015bli przyjmiemy poziom istotno\u015bci 0,05, oznacza to, \u017ce istnieje statystycznie istotna r\u00f3\u017cnica pomi\u0119dzy \u015brednimi wynikami obu grup. Zatem technika badania ma wp\u0142yw na wyniki testu.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Jednak\u017ce, cho\u0107 warto\u015b\u0107 p m\u00f3wi nam, \u017ce technika uczenia si\u0119 ma wp\u0142yw na wyniki test\u00f3w, nie m\u00f3wi nam o <em>wielko\u015bci<\/em> tego wp\u0142ywu. Aby to zrozumie\u0107, musimy zna\u0107 <strong>wielko\u015b\u0107 efektu<\/strong> .<\/span><\/p>\n<h2> <span style=\"color: #000000;\"><strong>Co to jest wielko\u015b\u0107 efektu?<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\"><strong>Wielko\u015b\u0107 efektu<\/strong> to spos\u00f3b na ilo\u015bciowe okre\u015blenie r\u00f3\u017cnicy mi\u0119dzy dwiema grupami.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Podczas gdy warto\u015b\u0107 p mo\u017ce nam powiedzie\u0107, czy istnieje statystycznie istotna r\u00f3\u017cnica mi\u0119dzy dwiema grupami, wielko\u015b\u0107 efektu mo\u017ce nam powiedzie\u0107, <em>jak du\u017ca<\/em> jest ta r\u00f3\u017cnica w rzeczywisto\u015bci. W praktyce rozmiary efekt\u00f3w s\u0105 znacznie bardziej interesuj\u0105ce i przydatne ni\u017c warto\u015bci p.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Istniej\u0105 trzy sposoby pomiaru wielko\u015bci efektu, w zale\u017cno\u015bci od rodzaju przeprowadzanej analizy:<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>1. Standaryzowana \u015brednia r\u00f3\u017cnica<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Je\u015bli chcesz zbada\u0107 \u015bredni\u0105 r\u00f3\u017cnic\u0119 mi\u0119dzy dwiema grupami, w\u0142a\u015bciwym sposobem obliczenia wielko\u015bci efektu jest u\u017cycie <strong>standaryzowanej \u015bredniej r\u00f3\u017cnicy<\/strong> . Najpopularniejszym wzorem jest <em>d<\/em> Cohena, kt\u00f3re oblicza si\u0119 w nast\u0119puj\u0105cy spos\u00f3b:<\/span><\/p>\n<p style=\"text-align: center;\"> <span style=\"color: #000000;\"><sub>Cohena<\/sub> <em>D<\/em> = ( <span style=\"border-top: 1px solid black;\">x1<\/span> \u2013 <span style=\"border-top: 1px solid black;\">x2<\/span> )\/ <sub>s<\/sub><\/span><\/p>\n<p> <span style=\"color: #000000;\">gdzie <span style=\"border-top: 1px solid black;\">x<\/span> <sub>1<\/sub> i <span style=\"border-top: 1px solid black;\">x<\/span> <sub>2<\/sub> to \u015brednie z pr\u00f3by, odpowiednio, grupy 1 i grupy 2, a <em>s<\/em> to odchylenie standardowe populacji, z kt\u00f3rej wylosowano obie grupy.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Korzystaj\u0105c z tego wzoru, wielko\u015b\u0107 efektu jest \u0142atwa do zinterpretowania:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><em>Warto\u015b\u0107 d<\/em> r\u00f3wna 1 wskazuje, \u017ce \u015brednie z obu grup r\u00f3\u017cni\u0105 si\u0119 o jedno odchylenie standardowe.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Warto\u015b\u0107 <em>d<\/em> r\u00f3wna 2 oznacza, \u017ce \u015brednie grupowe r\u00f3\u017cni\u0105 si\u0119 o dwa odchylenia standardowe.<\/span><\/li>\n<li> <span style=\"color: #000000;\"><em>Warto\u015b\u0107 d<\/em> wynosz\u0105ca 2,5 wskazuje, \u017ce te dwie \u015brednie r\u00f3\u017cni\u0105 si\u0119 o 2,5 odchylenia standardowego i tak dalej.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Inny spos\u00f3b interpretacji wielko\u015bci efektu jest nast\u0119puj\u0105cy: wielko\u015b\u0107 efektu wynosz\u0105ca 0,3 oznacza, \u017ce wynik przeci\u0119tnej osoby w grupie <em>2<\/em> jest o 0,3 odchylenia standardowego wy\u017cszy od \u015bredniej osoby w grupie <em>1<\/em> , a zatem przekracza wyniki wynosz\u0105ce 62% wynik\u00f3w grupy <em>1<\/em> . .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Poni\u017csza tabela przedstawia r\u00f3\u017cne rozmiary efekt\u00f3w i odpowiadaj\u0105ce im percentyle:<\/span><\/p>\n<div style=\"max-width: 50%; margin: 0 auto;\">\n<table>\n<tbody>\n<tr>\n<th> <strong><span style=\"color: #000000;\">Rozmiar efektu<\/span><\/strong><\/th>\n<th> <strong><span style=\"color: #000000;\">Procent grupy <em>2<\/em> , kt\u00f3ry by\u0142by poni\u017cej \u015bredniej os\u00f3b z grupy <em>1<\/em><\/span><\/strong><\/th>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">0,0<\/span><\/td>\n<td> <span style=\"color: #000000;\">50%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">0,2<\/span><\/td>\n<td> <span style=\"color: #000000;\">58%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">0,4<\/span><\/td>\n<td> <span style=\"color: #000000;\">66%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">0,6<\/span><\/td>\n<td> <span style=\"color: #000000;\">73%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">0,8<\/span><\/td>\n<td> <span style=\"color: #000000;\">79%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">1,0<\/span><\/td>\n<td> <span style=\"color: #000000;\">84%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">1.2<\/span><\/td>\n<td> <span style=\"color: #000000;\">88%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">1.4<\/span><\/td>\n<td> <span style=\"color: #000000;\">92%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">1.6<\/span><\/td>\n<td> <span style=\"color: #000000;\">95%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">1.8<\/span><\/td>\n<td> <span style=\"color: #000000;\">96%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">2.0<\/span><\/td>\n<td> <span style=\"color: #000000;\">98%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">2.5<\/span><\/td>\n<td> <span style=\"color: #000000;\">99%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">3.0<\/span><\/td>\n<td> <span style=\"color: #000000;\">99,9%<\/span><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<p> <span style=\"color: #000000;\">Im wi\u0119ksza wielko\u015b\u0107 efektu, tym wi\u0119ksza r\u00f3\u017cnica mi\u0119dzy przeci\u0119tnym osobnikiem w ka\u017cdej grupie.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Og\u00f3lnie rzecz bior\u0105c, <em>d<\/em> wynosz\u0105ce 0,2 lub mniej uwa\u017ca si\u0119 za ma\u0142\u0105 wielko\u015b\u0107 efektu, <em>d<\/em> wynosz\u0105ce oko\u0142o 0,5 uwa\u017ca si\u0119 za \u015bredni\u0105 wielko\u015b\u0107 efektu, a <em>d<\/em> wynosz\u0105ce 0,8 lub wi\u0119cej uwa\u017ca si\u0119 za du\u017c\u0105 wielko\u015b\u0107 efektu.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Je\u015bli zatem \u015brednie obu grup nie r\u00f3\u017cni\u0105 si\u0119 co najmniej o 0,2 odchylenia standardowego, r\u00f3\u017cnica jest nieistotna, nawet je\u015bli warto\u015b\u0107 p jest istotna statystycznie.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>2. Wsp\u00f3\u0142czynnik korelacji<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Je\u015bli chcesz zbada\u0107 zwi\u0105zek ilo\u015bciowy mi\u0119dzy dwiema zmiennymi, najcz\u0119stszym sposobem obliczenia wielko\u015bci efektu jest u\u017cycie <a href=\"https:\/\/statorials.org\/pl\/wspo\u0142czynnik-korelacji-pearsona-1\/\" target=\"_blank\" rel=\"noopener\">wsp\u00f3\u0142czynnika korelacji Pearsona<\/a> . Jest to miara liniowego powi\u0105zania pomi\u0119dzy dwiema zmiennymi <em>X<\/em> i <em>Y.<\/em> Przyjmuje warto\u015b\u0107 od -1 do 1, gdzie:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">-1 oznacza ca\u0142kowicie ujemn\u0105 korelacj\u0119 liniow\u0105 pomi\u0119dzy dwiema zmiennymi<\/span><\/li>\n<li> <span style=\"color: #000000;\">Warto\u015b\u0107 0 oznacza brak liniowej korelacji pomi\u0119dzy dwiema zmiennymi<\/span><\/li>\n<li> <span style=\"color: #000000;\">1 wskazuje doskonale dodatni\u0105 korelacj\u0119 liniow\u0105 pomi\u0119dzy dwiema zmiennymi<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Wz\u00f3r na obliczenie wsp\u00f3\u0142czynnika korelacji Pearsona jest do\u015b\u0107 skomplikowany, ale dla zainteresowanych mo\u017cna go znale\u017a\u0107 <a href=\"https:\/\/en.wikipedia.org\/wiki\/Pearson_correlation_coefficient\" target=\"_blank\" rel=\"noopener\">tutaj<\/a> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Im wsp\u00f3\u0142czynnik korelacji jest bardziej od zera, tym silniejsza jest liniowa zale\u017cno\u015b\u0107 mi\u0119dzy dwiema zmiennymi. Mo\u017cna to r\u00f3wnie\u017c zobaczy\u0107 tworz\u0105c prosty wykres rozrzutu warto\u015bci zmiennych <em>X<\/em> i <em>Y.<\/em><\/span><\/p>\n<p> <span style=\"color: #000000;\">Przyk\u0142adowo poni\u017cszy wykres rozrzutu przedstawia warto\u015bci dw\u00f3ch zmiennych o wsp\u00f3\u0142czynniku korelacji <em>r =<\/em> 0,94.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Warto\u015b\u0107 ta jest daleka od zera, co wskazuje, \u017ce istnieje silna dodatnia zale\u017cno\u015b\u0107 pomi\u0119dzy obiema zmiennymi.<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-4813 size-full\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/taille-deffet1.jpg\" alt=\"\" width=\"331\" height=\"309\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p> <span style=\"color: #000000;\">I odwrotnie, poni\u017cszy wykres rozrzutu pokazuje warto\u015bci dw\u00f3ch zmiennych, kt\u00f3re maj\u0105 wsp\u00f3\u0142czynnik korelacji <em>r =<\/em> 0,03. Warto\u015b\u0107 ta jest bliska zeru, co wskazuje, \u017ce pomi\u0119dzy obiema zmiennymi praktycznie nie ma zwi\u0105zku.<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-4814 size-full\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/taille-deffet2.jpg\" alt=\"\" width=\"327\" height=\"306\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p> <span style=\"color: #000000;\">Og\u00f3lnie rzecz bior\u0105c, wielko\u015b\u0107 efektu uwa\u017ca si\u0119 za ma\u0142\u0105, je\u015bli warto\u015b\u0107 wsp\u00f3\u0142czynnika korelacji Pearsona <em>r<\/em> wynosi oko\u0142o 0,1, \u015bredni\u0105, je\u015bli <em>r<\/em> wynosi oko\u0142o 0,3 i du\u017c\u0105, je\u015bli <em>r<\/em> jest r\u00f3wne lub wi\u0119ksze od 0,5.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>3. Iloraz szans<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Je\u015bli chcesz zbada\u0107 szanse powodzenia w grupie terapeutycznej w por\u00f3wnaniu z szansami powodzenia w grupie kontrolnej, najcz\u0119stszym sposobem obliczenia wielko\u015bci efektu jest u\u017cycie <strong>ilorazu szans<\/strong> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Za\u0142\u00f3\u017cmy na przyk\u0142ad, \u017ce mamy nast\u0119puj\u0105c\u0105 tabel\u0119:<\/span><\/p>\n<table>\n<tbody>\n<tr>\n<th> <span style=\"color: #000000;\">Rozmiar efektu<\/span><\/th>\n<th> <span style=\"color: #000000;\">#Powodzenie<\/span><\/th>\n<th> <span style=\"color: #000000;\">#Szachy<\/span><\/th>\n<\/tr>\n<tr>\n<td> <strong><span style=\"color: #000000;\">Grupa eksperymentalna<\/span><\/strong><\/td>\n<td> <span style=\"color: #000000;\">MA<\/span><\/td>\n<td> <span style=\"color: #000000;\">B<\/span><\/td>\n<\/tr>\n<tr>\n<td> <strong><span style=\"color: #000000;\">Grupa kontrolna<\/span><\/strong><\/td>\n<td> <span style=\"color: #000000;\">VS<\/span><\/td>\n<td> <span style=\"color: #000000;\">D<\/span><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p> <span style=\"color: #000000;\">Iloraz szans zostanie obliczony w nast\u0119puj\u0105cy spos\u00f3b:<\/span><\/p>\n<p style=\"text-align: center;\"> <span style=\"color: #000000;\">Iloraz szans = (AD) \/ (BC)<\/span><\/p>\n<p> <span style=\"color: #000000;\">Im iloraz szans jest bardziej od 1, tym wi\u0119ksze prawdopodobie\u0144stwo, \u017ce leczenie przyniesie rzeczywisty efekt.<\/span><\/p>\n<h2> <span style=\"color: #000000;\"><strong>Korzy\u015bci ze stosowania rozmiar\u00f3w efekt\u00f3w w por\u00f3wnaniu z warto\u015bciami P<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\">Wielko\u015bci efekt\u00f3w maj\u0105 kilka zalet w por\u00f3wnaniu z warto\u015bciami p:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>1.<\/strong> Wielko\u015b\u0107 efektu pomaga nam lepiej zrozumie\u0107, <em>jak du\u017ca<\/em> jest r\u00f3\u017cnica mi\u0119dzy dwiema grupami lub <em>jak silny<\/em> jest zwi\u0105zek mi\u0119dzy dwiema grupami. Warto\u015b\u0107 p mo\u017ce nam jedynie powiedzie\u0107, czy <em>istnieje<\/em> istotna r\u00f3\u017cnica lub istotne powi\u0105zanie.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>2.<\/strong> W przeciwie\u0144stwie do warto\u015bci p, wielko\u015bci efektu mo\u017cna wykorzysta\u0107 do ilo\u015bciowego por\u00f3wnania wynik\u00f3w r\u00f3\u017cnych bada\u0144 przeprowadzonych w r\u00f3\u017cnych warunkach. Z tego powodu w metaanalizach cz\u0119sto wykorzystuje si\u0119 rozmiary efekt\u00f3w.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>3.<\/strong> Na warto\u015bci P mog\u0105 mie\u0107 wp\u0142yw du\u017ce rozmiary pr\u00f3bek. Im wi\u0119ksza wielko\u015b\u0107 pr\u00f3by, tym wi\u0119ksza moc statystyczna testu hipotezy, umo\u017cliwiaj\u0105ca wykrycie nawet ma\u0142ych efekt\u00f3w. Mo\u017ce to prowadzi\u0107 do niskich warto\u015bci p, pomimo niewielkich rozmiar\u00f3w efektu, kt\u00f3re mog\u0105 nie mie\u0107 praktycznego znaczenia.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Prosty przyk\u0142ad mo\u017ce to jasno zilustrowa\u0107: za\u0142\u00f3\u017cmy, \u017ce chcemy wiedzie\u0107, czy dwie techniki badania prowadz\u0105 do r\u00f3\u017cnych wynik\u00f3w test\u00f3w. Mamy grup\u0119 20 uczni\u00f3w stosuj\u0105cych jedn\u0105 technik\u0119 nauki, a drug\u0105 grup\u0119 20 uczni\u00f3w stosuj\u0105c\u0105 inn\u0105 technik\u0119 nauki. Nast\u0119pnie dajemy ka\u017cdemu uczniowi ten sam test.<\/span><\/p>\n<p> <span style=\"color: #000000;\">\u015aredni wynik grupy 1 to <b>90,65<\/b> , a \u015bredni wynik grupy 2 to <b>90,75<\/b> . Odchylenie standardowe dla pr\u00f3bki 1 wynosi <strong>2,77<\/strong> , a odchylenie standardowe dla pr\u00f3bki 2 wynosi <strong>2,78<\/strong> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Kiedy przeprowadzamy niezale\u017cny test t dla dw\u00f3ch pr\u00f3b, okazuje si\u0119, \u017ce statystyka testowa wynosi <strong>-0,113<\/strong> , a odpowiadaj\u0105ca jej warto\u015b\u0107 p wynosi <strong>0,91<\/strong> . R\u00f3\u017cnica pomi\u0119dzy \u015brednimi wynikami test\u00f3w nie jest istotna statystycznie.<\/span><\/p>\n<p data-slot-rendered-dynamic=\"true\"> <span style=\"color: #000000;\">Nale\u017cy jednak rozwa\u017cy\u0107, czy liczebno\u015b\u0107 obu pr\u00f3bek wynosi\u0142a <strong>200<\/strong> , ale \u015brednie i odchylenia standardowe pozosta\u0142y dok\u0142adnie takie same.<\/span><\/p>\n<p data-slot-rendered-dynamic=\"true\"> <span style=\"color: #000000;\">W tym przypadku niezale\u017cny test t dla dw\u00f3ch pr\u00f3bek ujawni\u0142by, \u017ce statystyka testowa wynosi <strong>-1,97<\/strong> , a odpowiadaj\u0105ca jej warto\u015b\u0107 p wynosi nieco poni\u017cej <strong>0,05<\/strong> . R\u00f3\u017cnica pomi\u0119dzy \u015brednimi wynikami test\u00f3w jest istotna statystycznie.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Podstawowym powodem, dla kt\u00f3rego du\u017ce rozmiary pr\u00f3bek mog\u0105 prowadzi\u0107 do statystycznie istotnych wniosk\u00f3w, jest wz\u00f3r zastosowany do obliczenia statystyk testu <em>t<\/em> :<\/span><\/p>\n<p style=\"text-align: center;\"> <span style=\"color: #000000;\"><strong>statystyka testowa <em>t<\/em><\/strong> = [ ( <span style=\"border-top: 1px solid black;\">x<\/span> <sub>1<\/sub> \u2013 <span style=\"border-top: 1px solid black;\">x<\/span> <sub>2<\/sub> ) \u2013 re ] \/ (\u221a <span style=\"border-top: 1px solid black;\">s <sup>2<\/sup> <sub>1<\/sub> \/ n <sub>1<\/sub> + s <sup>2<\/sup> <sub>2<\/sub> \/ n <sub>2<\/sub><\/span> )<\/span><\/p>\n<p> <span style=\"color: #000000;\">Nale\u017cy zauwa\u017cy\u0107, \u017ce gdy n <sub>1<\/sub> i n <sub>2<\/sub> s\u0105 ma\u0142e, ca\u0142kowity mianownik statystyki testu <em>t<\/em> jest ma\u0142y. A je\u015bli podzielisz przez ma\u0142\u0105 liczb\u0119, otrzymasz du\u017c\u0105 liczb\u0119. Oznacza to, \u017ce statystyka testu <em>t<\/em> b\u0119dzie du\u017ca, a odpowiadaj\u0105ca jej warto\u015b\u0107 p b\u0119dzie ma\u0142a, co doprowadzi do statystycznie istotnych wynik\u00f3w.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Co jest uwa\u017cane za dobry rozmiar efektu?<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Studenci cz\u0119sto zadaj\u0105 pytanie: <strong><em>Jaka wielko\u015b\u0107 efektu jest uwa\u017cana za dobr\u0105?<\/em><\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Kr\u00f3tka odpowied\u017a: wielko\u015b\u0107 efektu nie mo\u017ce by\u0107 \u201edobra\u201d ani \u201ez\u0142a\u201d, poniewa\u017c mierzy po prostu wielko\u015b\u0107 r\u00f3\u017cnicy mi\u0119dzy dwiema grupami lub si\u0142\u0119 powi\u0105zania mi\u0119dzy dwiema grupami.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Mo\u017cemy jednak zastosowa\u0107 si\u0119 do nast\u0119puj\u0105cych praktycznych zasad, aby okre\u015bli\u0107 ilo\u015bciowo, czy wielko\u015b\u0107 efektu jest ma\u0142a, \u015brednia czy du\u017ca:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Cohena D:<\/strong><\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><em>Warto\u015b\u0107 d<\/em> wynosz\u0105ca 0,2 lub mniej uwa\u017ca si\u0119 za ma\u0142\u0105 wielko\u015b\u0107 efektu.<\/span><\/li>\n<li> <span style=\"color: #000000;\"><em>Warto\u015b\u0107 d<\/em> wynosz\u0105ca 0,5 uwa\u017ca si\u0119 za \u015bredni\u0105 wielko\u015b\u0107 efektu.<\/span><\/li>\n<li> <span style=\"color: #000000;\"><em>Warto\u015b\u0107 d<\/em> wynosz\u0105ca 0,8 lub wi\u0119ksza jest uwa\u017cana za du\u017c\u0105 wielko\u015b\u0107 efektu.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\"><strong>Wsp\u00f3\u0142czynnik korelacji Pearsona<\/strong><\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Warto\u015b\u0107 bezwzgl\u0119dn\u0105 <em>r<\/em> w okolicach 0,1 uwa\u017ca si\u0119 za ma\u0142\u0105 wielko\u015b\u0107 efektu.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Warto\u015b\u0107 bezwzgl\u0119dn\u0105 <em>r<\/em> oko\u0142o 0,3 uwa\u017ca si\u0119 za \u015bredni\u0105 wielko\u015b\u0107 efektu.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Warto\u015b\u0107 bezwzgl\u0119dna <em>r<\/em> wi\u0119ksza ni\u017c 0,5 jest uwa\u017cana za du\u017c\u0105 wielko\u015b\u0107 efektu.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Jednak\u017ce definicja \u201esilnej\u201d korelacji mo\u017ce si\u0119 r\u00f3\u017cni\u0107 w zale\u017cno\u015bci od dziedziny. Zapoznaj si\u0119 z <a href=\"https:\/\/statorials.org\/pl\" target=\"_blank\" rel=\"noopener\">tym artyku\u0142em<\/a> , aby lepiej zrozumie\u0107, co jest uwa\u017cane za siln\u0105 korelacj\u0119 mi\u0119dzy r\u00f3\u017cnymi bran\u017cami.<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"<p>\u201eIstotno\u015b\u0107 statystyczna jest najmniej interesuj\u0105c\u0105 rzecz\u0105 w wynikach. Wyniki nale\u017cy opisa\u0107 w kategoriach miar wielko\u015bci \u2013 nie tylko czy leczenie wp\u0142ywa na ludzi, ale tak\u017ce w jakim stopniu na nich wp\u0142ywa. -Gene V. Glass W statystykach cz\u0119sto u\u017cywamy warto\u015bci p, aby okre\u015bli\u0107, czy istnieje statystycznie istotna r\u00f3\u017cnica mi\u0119dzy dwiema grupami. Za\u0142\u00f3\u017cmy na przyk\u0142ad, \u017ce chcemy [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-545","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Wielko\u015b\u0107 efektu: czym jest i dlaczego jest taka wa\u017cna \u2013 statystyki<\/title>\n<meta name=\"description\" content=\"Proste wyja\u015bnienie wielko\u015bci efektu w statystyce, w tym kilka przyk\u0142ad\u00f3w.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/pl\/wielkosc-efektu\/\" \/>\n<meta property=\"og:locale\" content=\"pl_PL\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Wielko\u015b\u0107 efektu: czym jest i dlaczego jest taka wa\u017cna \u2013 statystyki\" \/>\n<meta property=\"og:description\" content=\"Proste wyja\u015bnienie wielko\u015bci efektu w statystyce, w tym kilka przyk\u0142ad\u00f3w.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/pl\/wielkosc-efektu\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-29T13:27:37+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/taille-deffet1.jpg\" \/>\n<meta name=\"author\" content=\"Benjamin Anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Napisane przez\" \/>\n\t<meta name=\"twitter:data1\" content=\"Benjamin Anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Szacowany czas czytania\" \/>\n\t<meta name=\"twitter:data2\" content=\"8 minut\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/pl\/wielkosc-efektu\/\",\"url\":\"https:\/\/statorials.org\/pl\/wielkosc-efektu\/\",\"name\":\"Wielko\u015b\u0107 efektu: czym jest i dlaczego jest taka wa\u017cna \u2013 statystyki\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/pl\/#website\"},\"datePublished\":\"2023-07-29T13:27:37+00:00\",\"dateModified\":\"2023-07-29T13:27:37+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/pl\/#\/schema\/person\/6484727a4612df3e69f016c3129c6965\"},\"description\":\"Proste wyja\u015bnienie wielko\u015bci efektu w statystyce, w tym kilka przyk\u0142ad\u00f3w.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/pl\/wielkosc-efektu\/#breadcrumb\"},\"inLanguage\":\"pl-PL\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/pl\/wielkosc-efektu\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/pl\/wielkosc-efektu\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Dom\",\"item\":\"https:\/\/statorials.org\/pl\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Wielko\u015b\u0107 efektu: co to jest i dlaczego jest taka wa\u017cna\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/pl\/#website\",\"url\":\"https:\/\/statorials.org\/pl\/\",\"name\":\"Statorials\",\"description\":\"Tw\u00f3j przewodnik po kompetencjach statystycznych!\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/pl\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"pl-PL\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/pl\/#\/schema\/person\/6484727a4612df3e69f016c3129c6965\",\"name\":\"Benjamin Anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"pl-PL\",\"@id\":\"https:\/\/statorials.org\/pl\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/statorials.org\/pl\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"https:\/\/statorials.org\/pl\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg\",\"caption\":\"Benjamin Anderson\"},\"description\":\"Cze\u015b\u0107, jestem Benjamin i jestem emerytowanym profesorem statystyki, kt\u00f3ry zosta\u0142 oddanym nauczycielem Statorials. Dzi\u0119ki bogatemu do\u015bwiadczeniu i wiedzy specjalistycznej w dziedzinie statystyki ch\u0119tnie dziel\u0119 si\u0119 swoj\u0105 wiedz\u0105, aby wzmocni\u0107 pozycj\u0119 uczni\u00f3w za po\u015brednictwem Statorials. Wiedzie\u0107 wi\u0119cej\",\"sameAs\":[\"https:\/\/statorials.org\/pl\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Wielko\u015b\u0107 efektu: czym jest i dlaczego jest taka wa\u017cna \u2013 statystyki","description":"Proste wyja\u015bnienie wielko\u015bci efektu w statystyce, w tym kilka przyk\u0142ad\u00f3w.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/pl\/wielkosc-efektu\/","og_locale":"pl_PL","og_type":"article","og_title":"Wielko\u015b\u0107 efektu: czym jest i dlaczego jest taka wa\u017cna \u2013 statystyki","og_description":"Proste wyja\u015bnienie wielko\u015bci efektu w statystyce, w tym kilka przyk\u0142ad\u00f3w.","og_url":"https:\/\/statorials.org\/pl\/wielkosc-efektu\/","og_site_name":"Statorials","article_published_time":"2023-07-29T13:27:37+00:00","og_image":[{"url":"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/taille-deffet1.jpg"}],"author":"Benjamin Anderson","twitter_card":"summary_large_image","twitter_misc":{"Napisane przez":"Benjamin Anderson","Szacowany czas czytania":"8 minut"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/pl\/wielkosc-efektu\/","url":"https:\/\/statorials.org\/pl\/wielkosc-efektu\/","name":"Wielko\u015b\u0107 efektu: czym jest i dlaczego jest taka wa\u017cna \u2013 statystyki","isPartOf":{"@id":"https:\/\/statorials.org\/pl\/#website"},"datePublished":"2023-07-29T13:27:37+00:00","dateModified":"2023-07-29T13:27:37+00:00","author":{"@id":"https:\/\/statorials.org\/pl\/#\/schema\/person\/6484727a4612df3e69f016c3129c6965"},"description":"Proste wyja\u015bnienie wielko\u015bci efektu w statystyce, w tym kilka przyk\u0142ad\u00f3w.","breadcrumb":{"@id":"https:\/\/statorials.org\/pl\/wielkosc-efektu\/#breadcrumb"},"inLanguage":"pl-PL","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/pl\/wielkosc-efektu\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/pl\/wielkosc-efektu\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Dom","item":"https:\/\/statorials.org\/pl\/"},{"@type":"ListItem","position":2,"name":"Wielko\u015b\u0107 efektu: co to jest i dlaczego jest taka wa\u017cna"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/pl\/#website","url":"https:\/\/statorials.org\/pl\/","name":"Statorials","description":"Tw\u00f3j przewodnik po kompetencjach statystycznych!","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/pl\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"pl-PL"},{"@type":"Person","@id":"https:\/\/statorials.org\/pl\/#\/schema\/person\/6484727a4612df3e69f016c3129c6965","name":"Benjamin Anderson","image":{"@type":"ImageObject","inLanguage":"pl-PL","@id":"https:\/\/statorials.org\/pl\/#\/schema\/person\/image\/","url":"https:\/\/statorials.org\/pl\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg","contentUrl":"https:\/\/statorials.org\/pl\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg","caption":"Benjamin Anderson"},"description":"Cze\u015b\u0107, jestem Benjamin i jestem emerytowanym profesorem statystyki, kt\u00f3ry zosta\u0142 oddanym nauczycielem Statorials. Dzi\u0119ki bogatemu do\u015bwiadczeniu i wiedzy specjalistycznej w dziedzinie statystyki ch\u0119tnie dziel\u0119 si\u0119 swoj\u0105 wiedz\u0105, aby wzmocni\u0107 pozycj\u0119 uczni\u00f3w za po\u015brednictwem Statorials. Wiedzie\u0107 wi\u0119cej","sameAs":["https:\/\/statorials.org\/pl"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/posts\/545","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/comments?post=545"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/posts\/545\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/media?parent=545"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/categories?post=545"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/pl\/wp-json\/wp\/v2\/tags?post=545"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}