Phi, Fei, Fo, Fum: Effect sizes for categorical data that use the chi-squared statistic

Résumé

Dans la recherche théorique et appliquée, il est souvent intéressant d’évaluer la force d’une association observée. Les lignes directrices existantes recommandent également fréquemment d’aller au-delà des tests de signification à hypothèse nulle et de signaler les tailles d’effet et leurs intervalles de confiance. En tant que telles, les mesures des tailles d’effet sont de plus en plus rapportées, valorisées et comprises. Au-delà de leur valeur pour façonner l’interprétation des résultats d’une étude donnée, la déclaration des tailles d’effet est essentielle pour les méta-analyses, qui reposent sur leur agrégation. Nous passons ici en revue les tailles d’effet les plus courantes pour les analyses de variables catégorielles qui utilisent la statistique χ2 (chi-carré) et introduisons une nouvelle taille d’effet — פ (Fei, prononcé « fay »). Nous démontrons l’implémentation de ces mesures et leurs intervalles de confiance via le package effectsize dans le langage de programmation R.

Rémi Thériault

Étudiant au doctorat (Psychologie sociale)

Mes intérêts de recherche incluent la cognition sociale/implicite, l’altruisme, et les rêves.