Importancia práctica, especialmente con porcentajes: medida "estándar" y umbral

Question

Yo, como muchas personas, no les gusta la significación estadística de la prueba. Prefiero medir "el significado práctico" / tamaño del efecto.

El problema es que no sé de una manera "estándar" de hacerlo. Muchas personas dicen que no hay una manera estándar para medir la importancia en la práctica -- todo depende del problema. Estoy completamente de acuerdo, pero tengo que ser capaz de citar a alguien autorizado para copia de seguridad de lo que estoy haciendo. Creo que esta es la razón por la que la significación estadística de prueba es tan frecuente -- hay una forma estándar de hacerlo: p < .05. Así que cualquiera puede hacerlo con un poco de pensamiento. La forma de obtener el significado práctico de las pruebas para ser más popular podría ser la de adoptar un enfoque similar.

Más específicamente, a menudo es necesario para ver si dos porcentajes son prácticamente diferentes el uno del otro. Lo que es una buena manera de hacerlo, algo con una autoridad de la citación y que es fácil de explicar intuitivamente?

Odds ratio? ¿Qué es una buena cita para usarlo para medir la importancia en la práctica? En la salud / ciencias sociales sería un plus. Los Odds-ratios son difíciles de presentar de forma intuitiva, aunque. Ideas sobre que?

Yendo un paso más allá, lo que es un buen "estándar" / "mágico" umbral para un O (o lo que sea de la medida que te gusta)? Como .05 para la significación estadística de la prueba. Yo sé, yo sé, depende del problema. Pero existe un "estándar" con una buena cita?

Answer 1

Hago un montón de estadística de consultoría y estoy comúnmente la pregunta "¿cuántos temas necesito contratar?" Yo siempre la dirección de la muestra el tamaño de la cuestión en términos de "clínicas" o "práctico" de la significación. A la dirección que yo les pido a describir cómo una gran diferencia "tamaño del efecto" quieren tener a reclamar una diferencia entre los grupos. Lo que usted llama una prueba de "estadística" significado es realmente una prueba de importancia práctica, porque a pesar de que el valor crítico se basa en un estándar de nivel de significación estadística como 0,05, el tamaño de la muestra es dictado por el poder de detectar clínicamente o prácticamente diferencia significativa. No hay ningún estándar manera de hacer esto debido a que el nivel que se denomina clínicamente significativa es subjetiva y con razón.

Answer 2

Creo que no hay ningún tipo de prueba de importancia práctica debido a que depende, en realidad, el campo o el problema. Lo siento.

Por ejemplo, si usted encuentra que la implementación de una determinada política de aumentos de ingresos por $0.0000001, (algunos despreciablemente pequeña cantidad) aunque esto podría ser significativo estadísticamente, yo.e, valor de p < 0.05, prácticamente la política tiene un efecto despreciable, por lo que no es prácticamente significativo. Pero la única manera de saber acerca de si los resultados son prácticamente significativo es demasiado tener un buen entendimiento del problema. En algunos otros casos el coeficiente de 0.0000001 podría ser muy prácticamente significativo.

Así que, básicamente, primero se utilizan herramientas estadísticas para ver si algo es estadísticamente significativa y, a continuación, utilizar su conocimiento del campo para ver si algo es prácticamente significativo. Que el caso ideal, por supuesto. Muy a menudo la gente pretenda que sus resultados son prácticamente significativos si son estadísticamente significativos.

Answer 3

Es más que probable que, si usted está escribiendo un artículo, usted está bien en su manera a lo que usted necesita para la importancia en la práctica. Se ha revisado la literatura y estudiado el tema y que la gente ha dicho, ya sea explícita o implícitamente, lo que prácticamente cantidad significativa. Todo lo que necesitas hacer es citar que la literatura y utilizar en su artículo. Si quieres algo en la utilidad de los tamaños del efecto sólo de búsqueda de google el tamaño del efecto y su campo (y tal vez cohen, 1962). A menudo hay un tamaño del efecto de la promoción de papeles específicos para las diferentes disciplinas. También se puede ver Cohen 1962 como un ejemplo de cómo este tipo de problema es abordado (pero no un ejemplo de lo que el tamaño del efecto es prácticamente significativo en su caso-- es lamentable el uso típico).

No hay ninguna razón de probabilidad de que un estándar de oro, pero estoy un poco sorprendido de que usted está teniendo un duro a explicar uno. Supongo que no es de extrañar dando la mayoría de los libros de texto de los tratamientos. De apuestas los usos de los odds ratios todo el tiempo y la gente está familiarizada con ella. Si usted necesita para explicar el uso de la analogía. Las probabilidades de que "por Casualidad" ganar la carrera es de 3:1 (o 3). La mayoría de las personas saben lo que eso significa en la liquidación. Y pueden ver que es el número de veces que el caballo se espera que pierda la carrera (3) contra el número de veces que se iba a ganar (1), o el 75% del tiempo.

Por supuesto, si esto no es sólo algo de proporción, sino algo así como un odds ratio diagnóstica es probablemente la mejor manera también se puede expresar cosas en la especificidad y sensibilidad así. Los Odds-ratios solo perder el sesgo en ese caso (y otros similares, donde es importante).

Answer 4

Después de la lectura, he aquí una posible respuesta a mi propia pregunta. Si usted tiene otras respuestas a lo largo de las mismas líneas, por favor, publicarlo así.

Cohen h de Cohen (1988). $h = |2\arcsin\sqrt{p_1}-2\arcsin\sqrt{p_2}|$

La calificación de los tamaños del efecto, con la advertencia de que podría ser diferente en otras disciplinas,

• $h = 0.2$: "pequeño"
• $h = 0.5$: "medio"
• $h = 0.8$: "las grandes"

En R, http://rss.acs.unt.edu/Rdoc/library/pwr/html/ES.h.html