ARMS CP tentamen
Knowledge clip 1
Power & effect size
Effect size: measures the proportion of total variance in the dependent variable, that is associated
with the membership of different groups as defined by an independent variable
= an objective and standardized measure of the size of and observed effect
Different ways of measuring effect size:
- R squared in an regression
- Partial eta squared (pƞ2) in an ANOVA
- Pearson r (= size of an correlation)
Partial eta squared (ƞ2):
Small effect 0.01
Medium effect 0.06
Large effect > 0.14
Pearson r (or regression β ):
Small effect 0.10
Medium effect 0.30
Large effect > 0.50
Difference between significant and relevant!
VB:
1) F(156) = 23.45, p < 0.001. ƞ2 = 0.02
2) F(56) = 23.45, p < 0.05. ƞ2 = 0.30
→ Both effects are significant since p is smaller than 0.05.
→ Effect 2 shows a more relevant effect: higher effect size (ƞ2)
VB:
→ Age is a significant
predictor, but it is NOT
associated with PTSD
because the effect size is
smaller than a small effect
size
INDEED in the analysis plan, the large
sample size was already kept in
mind: they set the criteria for
significance and relevance >
Significance level was set at α = 0.01
(instead of the usual 0.05)
→ In addition: effects were
considered to be relevant if they
were at least small
, Statistical power has an influence on the possibility of detecting an existing effect of a particular
size, therefore the opportunity to correctly reject the null hypothesis
Power = 1 – β
β = probability of a type II error (NOTE: is a different β than in the regression analysis)
Goal: minimal power of 0.80
If your sample is large and your effect size is small, you can reduce the sample to increase the effect
size
Type 1 error (α): the probability that an effect will be detected where in fact no effect exists: the H0
is rejected when in fact it is true
● H0 ten onrechte verwerpen > dacht verband, is géén verband
Type 2 error ( β ): the probability that no effect will be detected where an effect does in fact exist: the
H0 is not rejected when in fact it is false
● H0 ten onrechte NIET verwerpen > dacht geen verband, is wél verband
Statistical power influences the possibility to detect an existing effect of a given size, and so the
chance to correctly reject the null hypothesis
Type II error (β) is the chance that an effect will not be detected when in fact this effect is present;
the null hypothesis (H0) is not rejected, even though it is false
Power depends on:
- p-value = chance of a type I error (α)
- Effect size
- Sample size
Dotted line = H0
Continuing line = HA
Voordelen van het kopen van samenvattingen bij Stuvia op een rij:
Verzekerd van kwaliteit door reviews
Stuvia-klanten hebben meer dan 700.000 samenvattingen beoordeeld. Zo weet je zeker dat je de beste documenten koopt!
Snel en makkelijk kopen
Je betaalt supersnel en eenmalig met iDeal, creditcard of Stuvia-tegoed voor de samenvatting. Zonder lidmaatschap.
Focus op de essentie
Samenvattingen worden geschreven voor en door anderen. Daarom zijn de samenvattingen altijd betrouwbaar en actueel. Zo kom je snel tot de kern!
Veelgestelde vragen
Wat krijg ik als ik dit document koop?
Je krijgt een PDF, die direct beschikbaar is na je aankoop. Het gekochte document is altijd, overal en oneindig toegankelijk via je profiel.
Tevredenheidsgarantie: hoe werkt dat?
Onze tevredenheidsgarantie zorgt ervoor dat je altijd een studiedocument vindt dat goed bij je past. Je vult een formulier in en onze klantenservice regelt de rest.
Van wie koop ik deze samenvatting?
Stuvia is een marktplaats, je koop dit document dus niet van ons, maar van verkoper isabeldehaan. Stuvia faciliteert de betaling aan de verkoper.
Zit ik meteen vast aan een abonnement?
Nee, je koopt alleen deze samenvatting voor €4,39. Je zit daarna nergens aan vast.