Apakah Ukuran Kesan?
Ukuran kesan adalah salah satu konsep dalam statistik yang mengira kekuatan hubungan antara dua pemboleh ubah yang diberikan pada skala angka dan terdapat tiga cara untuk mengukur ukuran kesan iaitu 1) Nisbah Ganjil, 2) perbezaan min standard dan 3) pekali korelasi.
Sebagai contoh, anggaplah di kelas pelajar dengan lelaki dan perempuan jika ketinggian rata-rata semua lelaki lebih tinggi daripada ketinggian rata-rata semua gadis, maka dengan bantuan ukuran kesan, kita dapat memastikan bahawa sama ada perbezaan tinggi adalah sederhana, tinggi atau tidak banyak. Ini juga berlaku untuk pelbagai aplikasi statistik seperti korelasi.
Ia diukur untuk mengetahui kekuatan hubungan dua pemboleh ubah. Ia diseragamkan apabila dikira dapat membandingkan dua pemboleh ubah tersebut. Ukuran kesan dikira dengan membahagikan perbezaan antara min dua pemboleh ubah dengan sisihan piawai.
Formula Saiz Kesan
Formula diberikan di bawah
Ukuran Kesan = (µ1-µ2) / α
Contoh
Mari kita lihat beberapa contoh mudah hingga lanjutan untuk memahaminya dengan lebih baik.
Contoh # 1
Mari kita cuba memahami konsep dengan bantuan contoh. Katakan sebuah kelas mempunyai 12 budak lelaki dan 12 perempuan. Ketinggian rata-rata kanak-kanak lelaki di kelas itu ialah 120 cm, dan ketinggian min bagi pelajar perempuan itu ialah 115 cm. Kemudian kita dapat mengatakan dengan cara normal bahawa perbezaannya adalah 5 cm. Tetapi ini tidak mengukur kesan kerana jumlah perbezaan 5cm ini tidak diseragamkan. Katakan bahawa sisihan piawai bagi dua populasi dalam contoh ini adalah 4; kemudian, kita dapat mengira ukuran kesan dengan bantuan formula.
Gunakan data berikut untuk pengiraan.
Oleh itu, pengiraannya adalah seperti berikut,
= (120-115) / 4
Untuk mengetahui kesan perbezaan antara dua pemboleh ubah, kita perlu membahagikan perbezaan antara dua kaedah dari dua set pemboleh ubah dengan nombor sisihan piawai mereka
Dari pengiraan, kita dapat melihat bahawa ukuran kesannya adalah 1.3. Dengan bantuan nilai ini, kita dapat mengetahui bentuk taburan dan juga mengetahui berapa peratusan penduduk yang berada di bawah peratusan itu.
Contoh # 2
Mari kita cuba memahami konsep dengan bantuan contoh lain. Katakan sebuah kelas mempunyai 10 budak lelaki dan 10 perempuan. Dan IPK rata-rata lelaki di kelas tersebut adalah 2.64, dan IPK min pelajar perempuan di kelas tersebut ialah 3.64. Maka kita dapat mengatakan dengan cara normal bahawa perbezaannya adalah 1. Tetapi ini tidak mengukur kesannya kerana perbezaan bilangan 1 ini tidak diseragamkan. Mari kita katakan sisihan piawai untuk dua populasi dalam contoh ini adalah 2. Kemudian kita dapat mengira ukuran kesan dengan bantuan persamaan .
Gunakan data berikut untuk pengiraan ukuran kesan.
Oleh itu, pengiraannya adalah seperti berikut,
= 2.64-3.64 / 2
Contoh # 3
Mari kita cuba memahami konsep dengan bantuan contoh lain. Katakan sebuah kelas mempunyai 10 budak lelaki dan 10 perempuan. Berat rata-rata kanak-kanak lelaki di kelas ialah 60kg, dan berat rata-rata kanak-kanak perempuan di kelas ialah 55 kg. Maka kita dapat mengatakan dengan cara normal bahawa perbezaannya adalah 5kg. Tetapi ini tidak mengukur kesan kerana jumlah perbezaan 5 kg ini tidak diseragamkan. Mari kita katakan sisihan piawai untuk dua populasi dalam contoh ini adalah 3. Kemudian kita dapat mengira ukuran kesan dengan bantuan formula.
Di bawah ini diberikan data untuk pengiraan ukuran kesan.
Oleh itu, ia dapat dikira seperti berikut,
= (60-55) / 2
Kalkulator Formula Saiz Kesan
Anda boleh menggunakan kalkulator berikut.
| μ1 | |
| μ2 | |
| α | |
| Formula Saiz Kesan | |
| α = |
|
|
Perkaitan dan Kegunaan
Ukuran kesan adalah alat statistik yang penting. Ia adalah kaedah untuk mengukur hubungan antara dua pemboleh ubah. Ia digunakan untuk mengetahui berapa kekuatan hubungan antara kedua pemboleh ubah tersebut. Dengan bantuan nilai ini, kita dapat mengetahui bentuk taburan dan juga mengetahui berapa peratusan penduduk yang berada di bawah peratusan itu.
Anda boleh memuat turun Templat Formula Excel Kesan Saiz ini dari sini - Templat Formula Saiz Kesan Excel
