A review of effect sizes and their confidence intervals, Part I: The Cohen's d family
Notice bibliographique
Résumé
Effect sizes and confidence intervals are important statistics to assess the magnitude and the precision of an effect.The various standardized effect sizes can be grouped in three categories depending on the experimental design: measures of the difference between two means (the d family), measures of strength of association (e.g., r, R 2 , η 2 , ω 2 ), and risk estimates (e.g., odds ratio, relative risk, phi; Kirk, 1996).Part I of this study reviews the d family, with a special focus on Cohen's d and Hedges' g for two-independent groups and two-repeated measures (or paired samples) designs.The present paper answers questions concerning the d family via Monte Carlo simulations.First, four different denominators are often proposed to standardize the mean difference in a repeated measures design.Which one should be used?Second, the literature proposes several approximations to estimate the standard error.Which one most closely estimates the true standard deviation of the distribution?Lastly, central and noncentral methods have been proposed to construct a confidence interval around d. Which method leads to more precise coverage, and how to calculate it?Results suggest that the best way to standardize the effect in both designs is by using the pooled standard deviation in conjunction with a correction factor to unbias d.Likewise, the best standard error approximation is given by substituting the gamma function from the true formula by its approximation.Lastly, results from the confidence interval simulations show that, under the normality assumption, the noncentral method is always superior, especially with small sample sizes.However, the central method is equivalent to the noncentral method when n is greater than 20 in each group for a between-group design and when n is greater than 24 pairs of observations for a repeated measures design.A practical guide to apply the findings of this study can be found after the general discussion.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,101 | 0,315 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,025 | 0,018 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,005 | 0,009 |
| Science ouverte | 0,006 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».