Correlation
如何報告效果大小測量 r 和 r-squared 以及它們的非技術解釋是什麼？
如果是之間相關性的效應大小和， 然後是方差的量這可以歸因於變量.
- 在一份報告中報告兩個索引重要還是只報告其中一個重要？
- 你如何用簡單的英語解釋它們（對於非統計受眾）？
關於“效應大小”一詞的一般要點
術語“效應量”可以具有狹義和具體的含義。
- 最窄的含義：一些作者幾乎完全在標準化組均值差異的背景下使用術語“效應量”（即，）。
- 狹義：一組量化關係的標準化統計數據
- 廣義：量化影響程度的任何值，包括非標準化的關係度量。
只是要清楚，是效應大小的量度，就像是效應大小的量度。只是在薈萃分析等中用於總結雙變量關係強度的更常用的效應大小度量。
何時報告相對
- 心理學和其他領域的慣例是相關性（即，) 通常在總結一個或經常是一個雙變量關係矩陣時報告，並且在預測變量的模型（例如，多元回歸）的背景下報告。這對幾個原因來說是有意義的。首先，相關性傳達了關係的方向，而才不是; 然而，方向信息是通過解釋模型係數在預測模型中傳達的。其次，如果相關性通常介於 0.1 和 0.3 之間，那麼相關性似乎比，因此需要顯示的小數位數更少。
解釋和用簡單的英語
- 是兩個變量之間線性關係強度和方向的標準化度量，範圍從 -1 表示完全負關係和 1 表示完全正關係。
- 您可能想讓您的非統計受眾了解 Cohen 和其他人制定的一些經驗法則（例如 r = .1 = 小；r = .3 = 中；r = .5 = 大），而在同時告訴他們不要太按字面理解這些規定。您還可以展示一些相關性的散點圖以及他們感興趣的領域中典型相關性大小的一些示例。
- 一種有點直觀的解釋是它相當於一個標準化的回歸係數。
- 我認為的解釋因為由兩個變量之間的線性關係解釋的方差百分比是比較直觀的。