ขนาดผลคืออะไร? | สถิติ

ขนาดผลกระทบเป็นวิธีการวัดความแข็งแกร่งของความสัมพันธ์ทางสถิติระหว่างตัวแปรสองตัว เป็นมาตรการมาตรฐานที่ใช้ระบุขนาดของผลของการแทรกแซงหรือการรักษา กล่าวอีกนัยหนึ่ง คือ ผลกระทบจะใหญ่ขนาดไหน

ขนาดเอฟเฟกต์ขนาดใหญ่เทียบกับขนาดเล็ก

ในการทำกายภาพบำบัด สามารถใช้ขนาดผลในการกำหนดประสิทธิผลของการรักษาที่แตกต่างกันสำหรับอาการต่างๆ เช่น อาการปวดหลังเรื้อรังที่ไม่เฉพาะเจาะจง หรือโรคข้อเข่าเสื่อม ตัวอย่างเช่น หากโปรแกรมออกกำลังกายเพื่อรักษาอาการปวดหลังให้ผลลัพธ์ที่ใหญ่ แสดงว่าการรักษานั้นมีผลเชิงบวกอย่างมากในการลดอาการปวด ในทางกลับกัน หากขนาดผลลัพธ์มีขนาดเล็ก การรักษาจะมีผลในการลดความเจ็บปวดเพียงเล็กน้อย

ขนาดผลกระทบนั้นไม่ขึ้นอยู่กับขนาดของตัวอย่าง ดังนั้นขนาดตัวอย่างที่เล็กก็ไม่ได้หมายความว่าขนาดผลกระทบจะเล็กเสมอไป ตัวอย่างขนาดเล็กสามารถมีผลกระทบใหญ่ได้และในทางกลับกัน

การเปรียบเทียบการศึกษาที่แตกต่างกัน

ขนาดผลกระทบอาจเป็นประโยชน์อย่างยิ่งในการวิจัยทางการแพทย์ เพราะช่วยให้สามารถเปรียบเทียบผลของการรักษาในแต่ละการศึกษา ประชากร และการวัดผลลัพธ์ได้ ตัวอย่างเช่น การศึกษาวิจัยสองกรณีอาจพบว่าการรักษามีผลลัพธ์ที่มีนัยสำคัญทางสถิติ อย่างไรก็ตาม การศึกษาวิจัยหนึ่งอาจแสดงให้เห็นขนาดผลที่ใหญ่กว่าอีกการศึกษาหนึ่ง ซึ่งบ่งชี้ว่าการรักษาอาจมีประสิทธิผลมากกว่าในบริบทหรือประชากรบางกลุ่ม

ขนาดผลกระทบนั้นไม่ขึ้นอยู่กับขนาดของตัวอย่าง ดังนั้นขนาดตัวอย่างที่เล็กก็ไม่ได้หมายความว่าขนาดผลกระทบจะเล็กเสมอไป ตัวอย่างขนาดเล็กสามารถมีผลกระทบใหญ่ได้และในทางกลับกัน

โคเฮนดี

สถิติขนาดผลทั่วไปที่ใช้ในการวิจัยกายภาพบำบัดคือ Cohen's d ซึ่งเปรียบเทียบการเปลี่ยนแปลงเฉลี่ยในการวัดผลลัพธ์ (เช่น คะแนนความเจ็บปวด) ระหว่างสองกลุ่ม (เช่น กลุ่มที่ได้รับการรักษาและกลุ่มควบคุม) และแสดงเป็นหน่วยค่าเบี่ยงเบนมาตรฐาน ขึ้นอยู่กับการศึกษาเฉพาะรายบุคคล สถิติขนาดผลกระทบอื่นๆ เช่น g ของเฮดจ์ หรือ r อาจนำมาใช้ได้เช่นกัน

ค่า p ต่ำ ≠ ขนาดผลใหญ่

นอกจากนี้ ขนาดผลกระทบยังช่วยเอาชนะข้อจำกัดของ ค่า p ซึ่งมักใช้ในการกำหนดความสำคัญทางสถิติในงานวิจัยทางการแพทย์ ค่า P บ่งบอกเพียงแค่ว่าผลกระทบที่สังเกตได้มีความสำคัญทางสถิติหรือไม่ แต่ไม่ได้ให้ข้อมูลใดๆ เกี่ยวกับขนาดของผลกระทบ ในทางกลับกัน ขนาดผลกระทบจะเป็นตัววัดความสำคัญทางปฏิบัติหรือทางคลินิกของผลกระทบ ซึ่งอาจมีความเกี่ยวข้องมากกว่าในการตัดสินใจทางการแพทย์

สิ่งสำคัญคือต้องเข้าใจว่าค่า p ไม่ได้แสดงขนาดของผลกระทบ ผู้อ่านบางคนคิดว่าเมื่อค่า p มีค่าต่ำ แสดงว่าผลกระทบนั้นมีมาก นี่ไม่เป็นความจริง. ตัวอย่างขนาดใหญ่ที่มีความแตกต่างเพียงเล็กน้อยระหว่างกลุ่มอาจสร้างค่า p ที่น้อยได้

การคำนวณอย่างง่าย

นักวิจัยบางคนไม่ได้รายงานขนาดผลกระทบในเอกสารของตน การคำนวณแบบคร่าวๆ จะแสดงขนาดเอฟเฟกต์ให้คุณเห็น:

สูตรของโคเฮน:

(M1 – M2)/SDรวม

M1: ค่าเฉลี่ย 1

M2: ค่าเฉลี่ย 2

SDpooled: ค่าเบี่ยงเบนมาตรฐานรวม

สิ่งสำคัญคือต้องทราบว่าสูตรนี้ใช้ได้ดีที่สุดสำหรับตัวอย่างที่ใหญ่กว่า n = 50 และขนาดกลุ่มเท่ากัน ผลลัพธ์จะปรากฎขึ้นใหญ่โตกว่าที่เป็นจริงเมื่ออยู่ในกลุ่มเล็กๆ เกิดจากสัญญาณรบกวนข้อมูล

อ้างอิง

แคมเปอร์ เอสเจ (2562). การตีความผลลัพธ์ 2 - ความสำคัญทางสถิติและความหมายทางคลินิก: การเชื่อมโยงหลักฐานกับการปฏิบัติ วารสารกายภาพบำบัดกระดูกและกีฬา49 (7), 559–560.

นุซโซ อาร์. (2557). วิธีการทางวิทยาศาสตร์: ข้อผิดพลาดทางสถิติ ธรรมชาติ ,506 (7487), 150–152.