Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

com

METODE ARTIKEL
diterbitkan: 17 April 2012
doi: 10.3389/fpsyg.2012.00111

Panduan praktis untuk menghitung Cohen'sf2, ukuran

ukuran efek lokal, dari PROC MIXED
Arielle S. Selya1*, Jennifer S. Rose1, Lisa C. Dierker1, Donald Hedeker2dan Robin J. Mermelstein2
1Departemen Psikologi, Universitas Wesleyan, Middletown, CT, AS
2Institut Penelitian dan Kebijakan Kesehatan, Universitas Illinois di Chicago, Chicago, IL, AS

Diedit oleh:
Jeremy Miles, Perusahaan
Penelitian dan Pengembangan, AS
Diperiksa oleh:
Anne C. Black, Fakultas Kedokteran
Universitas Yale, AS
Daniel Saverio John Costa, Universitas
Sydney, Australia
* Korespondensi:
Arielle S. Selya, Departemen
Psikologi, Universitas Wesleyan,
207 High Street, Middletown, CT
06459, AS.
email: aselya@wesleyan.edu
Ukuran efek pelaporan dalam artikel ilmiah semakin meluas dan didorong oleh jurnal;
namun, memilih ukuran efek untuk analisis seperti pemodelan regresi efek campuran dan
pemodelan linier hierarkis bisa jadi sulit. Salah satu ukuran efek standar yang relatif jarang,
tetapi sangat informatif, adalah Cohen'sf2, yang memungkinkan evaluasi ukuran efek lokal,
yaitu, ukuran efek satu variabel dalam konteks model regresi multivariat. Sayangnya, ukuran
ini seringkali tidak mudah diakses dari perangkat lunak yang umum digunakan untuk
pengukuran berulang atau analisis data hierarkis. Dalam panduan ini, kami mengilustrasikan
cara mengekstrak Cohen'sf2untuk dua variabel dalam model regresi efek campuran
menggunakan PROC MIXED di SAS®perangkat lunak. Dua contoh menghitung Cohen'sf2untuk
pertanyaan penelitian yang berbeda ditampilkan, menggunakan data dari studi kohort
longitudinal perkembangan merokok pada remaja. Tutorial ini dirancang untuk memfasilitasi
penghitungan dan pelaporan ukuran efek untuk variabel tunggal dalam model regresi
berganda efek campuran, dan relevan untuk analisis pengukuran berulang atau data
hierarkis/bertingkat yang umum dalam psikologi eksperimental, penelitian observasional,
dan klinis. atau studi intervensi.
Kata kunci: Cohen'sf2, ukuran efek, pemodelan linier hierarkis, regresi efek campuran, PROC CAMPURAN,R2, SAS

PENGANTAR hasil dikotomis;Rosenthal, 1994;Nakagawa dan Cuthill,

Ukuran efek merupakan pelengkap penting untuk pengujian
signifikansi hipotesis nol (misalnya,p-nilai), di mana mereka
menawarkan ukuran signifikansi praktis dalam hal besarnya efek, dan
tidak tergantung pada ukuran sampel. Sebagai manfaat tambahan,
ukuran efek yang tidak berdimensi, atau standar memungkinkan
perbandingan langsung dari dua atau lebih kuantitas, misalnya
variabel yang diukur pada skala yang berbeda atau studi independen
dalam meta-analisis. Komunitas statistik telah lama mendorong para
peneliti untuk melaporkan ukuran efek (Wilkinson dan Satuan Tugas
tentang Inferensi Statistik, 1999;Kline, 2004;Nakagawa dan Cuthill,
2007), dan jurnal ilmiah semakin meminta atau mengharuskan
penulis untuk melaporkannya bersama denganp-nilai (misalnya,
Snyder, 2000;Huberty, 2002;Fidler dkk., 2005).
Satu kesulitan praktis bagi para peneliti yang ingin memasukkan
ukuran efek dalam hasil mereka adalah banyaknya ukuran potensial
yang tersedia.Kirk (1996)melaporkan 40 ukuran efek yang berbeda,
beberapa di antaranya mungkin sesuai untuk setiap struktur data
yang diberikan. Misalnya, empat ukuran efek ukuran ada untuk hasil
dikotomis (Kecepatan, 2011), tiga untuk hasil berkelanjutan di seluruh
kelompok (Huberty, 2002), dan yang lainnya untuk data bertingkat,
yang seringkali tidak ada konsensus tentang mana yang paling tepat (
Peugh, 2010). Tiga jenis ukuran efek yang umum digunakan cocok
untuk sebagian besar analisis yang relatif sederhana, dan termasuk
dalam:rkeluarga (ukuran korelasi antara variabel kontinu),dkeluarga
(perbedaan rata-rata standar dalam variabel dependen berkelanjutan
di seluruh tingkat variabel independen kategoris), atau statistik rasio
(ukuran risiko komparatif untuk
2007).
Namun, ukuran efek yang sering digunakan ini tidak sesuai untuk
struktur data yang lebih kompleks seperti data hierarkis, yang mungkin
terdiri dari pengamatan yang bersarang di dalam subjek (misalnya,
pengamatan berulang dari peserta yang sama) atau pengamatan yang
bersarang di dalam kelompok (misalnya, studi observasional tentang siswa
dalam kelas yang berbeda). Selain itu, banyak ukuran efek tidak dapat
menjawab pertanyaan penelitian yang mungkin melibatkan ukuran efek
bersaing dari variabel yang berbeda dalam model multivariat yang sama,
daripada ukuran efek variabel untuk model keseluruhan; perbedaan ini
telah digambarkan sebagai ukuran efek lokal vs global (Peugh, 2010).
Seorang peneliti yang mengembangkan program intervensi dengan
sumber daya terbatas, misalnya, mungkin ingin mengetahui faktor risiko
simultan mana yang memiliki efek terbesar pada hasil untuk menentukan
strategi intervensi mana yang paling efektif.
Setelah ukuran efek yang sesuai telah dipilih, peneliti yang tidak
terbiasa dengan ukuran efek sering menghadapi tantangan praktis dalam
memperoleh atau menghitung nilainya. Ukuran efek seringkali tidak secara
langsung disediakan oleh keluaran perangkat lunak statistik dari analisis
regresi multivariat. Dalam beberapa kasus, bahkan statistik yang dapat
digunakan untuk menghitung ukuran efek (misalnya,R2, proporsi varians
yang diperhitungkan, dalam regresi berganda) tidak mudah diakses dari
output. Perhatian tambahan diperlukan saat menghitung ukuran efek
menggunakan data hierarkis atau pengukuran berulang, karena peneliti
harus memperhitungkan varians yang diperhitungkan oleh sumber yang
berbeda, misalnya efek tetap vs. efek acak dalam model regresi efek
campuran.

www.frontiersin.org April 2012 | Jilid 3 | Pasal 111 |1

Selya dkk.
Artikel ini pertama menjelaskan pilihan Cohen'sf2sebagai ukuran yang
berguna dari ukuran efek lokal yang sesuai untuk data hierarkis dan
pengukuran berulang. Selanjutnya, panduan langkah demi langkah
disediakan untuk menghitung Cohen'sf2dari PROC MIXED dalam perangkat
lunak SAS, alat yang populer dan kuat untuk model regresi efek campuran
dan model linier hierarkis. Akhirnya, menggunakan data dari studi kohort
longitudinal remaja merokok untuk membandingkan ukuran efek lokal dari
variabel yang terpisah, dua contoh diberikan di mana Cohen'sf2
diperhitungkan untuk menjawab varian dari pertanyaan penelitian ini.
METODE
DATA DAN PERTANYAAN PENELITIAN
Data diambil dari Studi Konteks Sosial-Emosional Pola Merokok
Remaja (SECASP) yang telah dijelaskan di tempat lain (misalnya,
Dierker dan Mermelstein, 2010). Secara singkat, pengambilan sampel
dilakukan di sekolah menengah di wilayah metropolitan Chicago yang
lebih besar, dan dirancang untuk mendapatkan sampel remaja yang
beragam secara ras dan etnis yang berada pada tahap awal paparan
merokok. Sampel akhir termasuk 1.263 siswa di 16 sekolah
menengah, dan fokus saat ini adalah pada eksperimen dan perokok
ringan (N=726 pada awal yang merokok dalam 90 hari terakhir, tetapi
tidak lebih dari 5 batang/hari dan setiap hari). Tindak lanjut penilaian
dilakukan pada 6, 15, dan 24 bulan setelah baseline. Meskipun studi
lengkap juga berisi kelompok status merokok lainnya dan gelombang
penilaian selanjutnya, untuk kesederhanaan, demonstrasi yang
disajikan di bawah ini akan dibatasi untuk pengamatan ini.
Ukuran minat termasuk frekuensi merokok (jumlah hari dari 30
hari terakhir di mana remaja merokok), jumlah merokok (jumlah
rokok yang dihisap dalam 7 hari terakhir), skala sindrom
ketergantungan nikotin (NDSS; rata-rata 10 item ketergantungan
nikotin yang dinilai pada skala tipe Likert empat poin) dimodifikasi
untuk digunakan pada remaja (Sterling dkk., 2009), dan jenis kelamin.
Frekuensi merokok, jumlah merokok, dan skor NDSS dinilai pada
setiap penilaian tindak lanjut. Selain itu, variabel kategori yang
menunjukkan penilaian (dasar, 6, 15, atau 24 bulan tindak lanjut)
termasuk dalam analisis pengukuran berulang.
Pertanyaan penelitian melibatkan efek independen dari kuantitas
merokok dan ketergantungan nikotin pada variabel dependen frekuensi
merokok, sambil mengendalikan jenis kelamin. Contoh analisis di bawah ini
akan membahas apakah kuantitas merokok atau ketergantungan nikotin
(sebagaimana diukur dengan NDSS), relatif satu sama lain, memiliki
hubungan yang lebih besar dengan frekuensi merokok (1) dalam satu
penilaian dan (2) secara umum di masing-masing dari empat penilaian.
MEMILIH UKURAN EFEK UKURAN
Karena variabel dependen adalah kontinu, ukuran efek dalamdkeluarga
perbedaan rata-rata standar mungkin dipertimbangkan terlebih dahulu.
Ukuran efek ukuran ini telah digunakan di tempat lain dalam konteks
model regresi efek campuran multivariat menggunakan ukuran subjek
yang berulang, misalnya perbedaan rata-rata dalam hasil lintas kelompok (
Friedmann et al., 2008); namun, itu tidak memadai untuk pertanyaan
penelitian saat ini karena alasan berikut. Pertama, ini adalah perbandingan
kelompok dan dengan demikian membutuhkan variabel independen yang
menarik untuk menjadi kategoris. Sementara ukuran efek gelombang
penilaian yang berbeda mungkin menarik minat topik penelitian,
Perbatasan dalam Psikologi|Psikologi dan Pengukuran Kuantitatif
Cohen'sf2dari PROC CAMPURAN
pertanyaan utama berkaitan dengan variabel kontinu kuantitas
merokok dan ketergantungan nikotin. Kedua, perbedaan rata-rata
standar tidak dapat menentukan ukuran efek lokal, yaitu ukuran efek
individu dari variabel tertentu dalam model multivariat yang
mencakup variabel independen kategoris dan kontinu lainnya.
Cohen'sf2(Cohen, 1988) sesuai untuk menghitung ukuran
efek dalam model regresi berganda di mana variabel
independen yang diminati dan variabel dependen keduanya
kontinu. Cohen'sf2biasanya disajikan dalam bentuk yang
sesuai untuk ukuran efek global:
R2
f2= . (1)
1R2
Namun, variasi Cohen'sf2mengukur ukuran efek lokal jauh
lebih relevan dengan pertanyaan penelitian:
RAB
2 − R2
f2= SEBUAH
(2)
1R2 AB
di manaBadalah variabel minat (yaitu, kuantitas merokok atau skor
ketergantungan nikotin),SEBUAHadalah himpunan semua variabel
lain (yaitu, jenis kelamin dan tergantung pada apaBadalah saat ini,
skor ketergantungan nikotin atau kuantitas merokok),R2 ABadalah pro-
bagian dari varians dicatat olehSEBUAHdanBbersama-sama (relatif terhadap
model tanpa regresi), danR2 SEBUAHadalah proporsi varians
diperhitungkan olehSEBUAH(relatif terhadap model tanpa regresi).
Jadi, pembilang dari (2) mencerminkan proporsi varians yang secara
unik dicatat olehB, di atas dan di atas semua variabel lainnya (Cohen,
1988).
EKSTRAK COHEN'Sf2DARI PROC CAMPURAN
Prosedur PROC CAMPURAN dalam perangkat lunak SAS digunakan dalam
panduan ini, karena merupakan alat yang ampuh dan banyak digunakan
untuk menjalankan model regresi efek campuran dan model linier
hierarkis. Penting untuk dicatat bahwa PROC CAMPURAN mengasumsikan
variabel dependen kontinu dan terdistribusi secara normal; dengan
demikian, perhitungan yang dijelaskan dalam contoh di bawah ini adalah
untuk variabel dependen kontinu. Sebagai perhitungan untuk Cohen'sf2
berdasarkan pada R2nilai versi yang berbeda dari model regresi penuh,
perlu untuk mengekstrakR2dari output PROC CAMPURAN di SAS. Meskipun
R2tidak dihasilkan secara langsung, ini adalah proporsi varians yang
diperhitungkan oleh regressor dalam model dan dengan demikian dapat
dihitung menggunakan varians residual dari model penuh (Vpenuh) dan
varians residual model tanpa regresi (Vbatal):
V
R2=batal− Vpenuh (3)
Vbatal
Menghitung Cohen'sf2dalam Persamaan. 2 membutuhkan keduanyaR2 ABdanR2SEBUAH, dengan demikian
beberapa varian regresi harus dijalankan untuk mendapatkan VAB(
varians residual dari model yang mengandungSEBUAHdanBbersama),
VSEBUAH(varians residual dari model tanpaB) untuk setiapB, dan Vbatal
(varians residual dari model tanpa regresi). Satu kali
varians residual ini diperoleh,R2 ABdanR2 SEBUAHbisa dihitung-
terlambat seperti pada Persamaan. 3, dan ini pada gilirannya dapat digunakan untuk menghitung Cohen's f2seperti
dalam Persamaan. 2.
April 2012 | Jilid 3 | Pasal 111 |2
Selya dkk. Cohen'sf2dari PROC CAMPURAN

Pertimbangan lebih lanjut ketika menggunakan model regresi efek MenghitungR2danf2nilai dari estimasi varians residual dapat diotomatisasi
campuran atau model linier hierarkis adalah bahwa pengurangan dengan menggunakan sistem pengiriman output (ODS) SAS untuk menyimpan
varians antaraVpenuhdanVbatalharus dipastikan hanya dari efek tetap, parameter yang diinginkan dalam kumpulan data terpisah, dan selanjutnya
dan bukan dari efek acak. Ada kemungkinan bahwa, setelah menggunakan kumpulan data gabungan varians untuk menghitung R2danf2
menghilangkan regressor, efek acak menyumbang lebih dari bagian menggunakan Persamaan 3 dan 2, masing-masing. Sintaks berikut menghitungR
sebelumnya dari total varians residual yang sekarang meningkat. 2danf2untuk kuantitas merokok menggambarkan hal ini:
Untuk menilai secara akurat pengurangan varians karena efek tetap jika waktu = 0;
dari variabel yang diinginkan, oleh karena itu perlu untuk ∗ MemperolehVAB
mempertahankan konstan varians yang diperhitungkan oleh efek keluaran ods CovParms = VABex1SQ; PROC
acak saat menjalankanSEBUAH-hanya atau model nol. Misalnya, CAMPURANdata=metode baru=ml; kelas id
dalam model regresi efek campuran yang melibatkan efek variabel waktu jenis kelamin;
tetapSEBUAH danB, dan intersep acak lintas subjek,SEBUAH-hanya model smkFreq = smkQuant NDSS jenis kelamin /solusi cl;
dan model nol harus memiliki efek subjek acak yang sama dengan Lari;
model penuhAB model. berhenti;

keluaran ods dekat;

DEMONSTRASI
CONTOH 1: EFEK UKURAN KUANTITAS MEROKOK DAN ∗ MemperolehV-SQ;

KETERGANTUNGAN NIKOTINDI DALAMGELOMBANG PENILAIAN keluaran ods CovParms = VAex1SQ; PROC

Pertanyaan penelitian utama adalah apakah kuantitas merokok dan CAMPURANdata=metode baru=ml; kelas id
ketergantungan nikotin memiliki efek yang bervariasi dari waktu ke waktu waktu jenis kelamin;
terhadap frekuensi merokok. Motivasi untuk mendapatkan ukuran efek adalah model smkFreq = jenis kelamin NDSS /solusi cl;
untuk melengkapi hasil dari model regresi efek campuran yang dijalankan Lari;
sebelumnya yang menyelidiki interaksi variabel-variabel ini dengan waktu berhenti;

(antara lain). Efek acak termasuk kemiringan dan intersep yang diizinkan untuk keluaran ods dekat;
bervariasi menurut subjek. Analisis menunjukkan efek yang bervariasi waktu
yang signifikan; yaitu, kekuatan asosiasi yang dimiliki kuantitas merokok dan ∗ MemperolehVbatal;

skor ketergantungan nikotin dengan perubahan frekuensi merokok dari waktu keluaran ods CovParms = VnullEx1SQ; PROC
ke waktu. Untuk alasan ini, mendapatkan ukuran efek lokal untuk (1) kuantitas CAMPURANdata=metode baru=ml; kelas id
merokok dan (2) skor ketergantungan nikotindalam setiap gelombang penilaian waktu jenis kelamin;
sangat membantu untuk lebih mencirikan dengan tepat bagaimana hubungan model smkFreq = /solusi cl;
mereka dengan frekuensi merokok berubah dari waktu ke waktu serta Lari;
bagaimana mereka membandingkan satu sama lain. Karena mengevaluasi berhenti;

ukuran efek dalam setiap gelombang penilaian tidak lagi melibatkan tindakan keluaran ods dekat;
berulang, tidak ada efek acak untuk diperbaiki dan dengan demikian
pengurangan varians murni karena efek tetap. ∗ Gabungkan kumpulan data untukVAB,V-SQ, danVbatalmenjadi satu dataset, sedangkan

2 dihitung
Pertama,RAB untuk kuantitas merokok pada baseline mengganti nama nama variabel "Perkiraan" dengan nama unik;
melambai. Ini melibatkan menemukanVABdanVbatal. MencariVAB, model DATAVallEx1SQ;
regresi berganda dijalankan pada gelombang dasar: gabungkan VABex1SQ(ganti nama=(Perkiraan=VAB))
jika waktu = 0; VAex1SQ(ganti nama=(Perkiraan=VA)) VnullEx1SQ
PROC CAMPURANdata=metode baru=ml; kelas (ganti nama=(Perkiraan=Vnull)); oleh CovParm;
id waktu jenis kelamin; JATUH CovParm;
model SmkFreq = SmkQuant NDSS jenis kelamin /solusi cl; Lari;
Lari;
VABdicetak dalam output dan ditampilkan dalamTabel 1; nilainya adalah ∗ HitungR2 AB,R2 - SQ, danf2SQdari kumpulan data yang digabungkan dan
18,3555. simpan ke kumpulan data baru; DATA
Dengan memodifikasimodelpernyataan, nilai dapat diperoleh untuk V hasilEx1SQ; mengatur VallEx1SQ; JATUHKAN
batalserta varians model tidak termasuk jumlah merokok (dilambangkan VAB VA Vnull;
sebagaiV-SQdaripadaVSEBUAH, yang dalam contoh ini dapat merujuk pada R2AB = (Vnull - VAB)/Vnull;
mengecualikan jumlah merokok atau mengecualikan skor ketergantungan R2A = (Vnull - VA)/Vnull; f2 =
nikotin). (R2AB - R2A)/(1-R2AB); Lari;

Tabel 1 |VABpada dasar dalam contoh 1.

∗ Cetak hasilnya ke jendela Hasil
Estimasi parameter kovarians
CETAK PROCdata=hasilEx1SQ; Lari;

Cov parm Memperkirakan Prosedur ini mengungkapkan bahwa pada gelombang dasar, lokal Cohen f2
Sisa 18.3555 untuk kuantitas merokok adalah 0,69 (Meja 2).

www.frontiersin.org April 2012 | Jilid 3 | Pasal 111 |3

Selya dkk. Cohen'sf2dari PROC CAMPURAN

MenghitungR2 - NDdan Cohen'sf2untuk sim ketergantungan nikotin
ply memerlukan modifikasi yang sesuai untuk nama set data dan
untuk modelpernyataan dalam sintaks di atas. SejakVABdanVbatal
adalah sama terlepas dari variabel minat, hanyamodelpernyataan
untukVSEBUAHharus dimodifikasi untuk menghindari ketergantungan
nikotin dari model daripada kuantitas merokok:
∗ MemperolehV-ND;
keluaran ods CovParms = VAex1ND; PROC
CAMPURANdata=metode baru=ml; kelas id
waktu jenis kelamin;
model smkFreq = smkQuant jenis kelamin /solusi cl; Lari
; pertanyaan saat ini adalah apakah kuantitas merokok atau ketergantungan
berhenti;
keluaran ods dekat;
lokal Cohenf2untuk ketergantungan nikotin adalah 0,32 (Tabel 3).
Mengulangi proses ini untuk gelombang penilaian yang tersisa
menghasilkan ukuran efek lokal untuk kuantitas merokok dan ketergantungan
nikotin dari waktu ke waktu (Tabel 4). Hal ini memungkinkan perbandingan
langsung dari dua regressor, mengungkapkan bahwa pada gelombang awal,
kuantitas merokok memiliki hubungan yang lebih kuat dengan frekuensi
merokok daripada ketergantungan nikotin, sementara dua tahun kemudian,
ketergantungan nikotin memiliki hubungan yang lebih kuat dengan frekuensi
merokok daripada kuantitas merokok. Nilai-nilai ini menandakan sekitar sedang (
f2≥ 0,15) hingga besar (f2≥ 0.35) ukuran efek menurutCohen (1988)pedoman.
Sebagai catatan peringatan, model stratifikasi dengan gelombang
penilaian sesuai untuk menghitung ukuran efek dari model regresi
efek campuran asli hanya karena model asli (1) menggunakan waktu
Tabel 2 |R2AB,R2SQ, dan Cohen'sf2nilai kuantitas merokok pada
dasar dalam contoh 1.
obs R2AB R2 f2
SEBUAH
sebagai variabel kategoris (karena interval yang tidak teratur antara gelombang
penilaian) dan (2) memungkinkan kuantitas merokok dan ketergantungan
nikotin bervariasi dari waktu ke waktu (yaitu, termasuk interaksi antara variabel-
variabel ini dan waktu). Seandainya waktu terus menerus atau regressor tidak
diizinkan untuk bervariasi dari waktu ke waktu, ukuran efek di Tabel 4akan
kurang konsisten dengan model aslinya, mungkin menghasilkan perkiraan
ukuran efek yang tidak akurat.
CONTOH 2: EFEK UKURAN KUANTITAS MEROKOK DAN
KETERGANTUNGAN NIKOTINLINTASWAKTU
Setelah mendapatkan ukuran efek lokaldi dalamsetiap gelombang penilaian,
nikotin memiliki efek yang lebih besarlintaspenilaian. Untuk menghitung ini,
efek acak harus dijaga konstan antaraR2 ABdanR2SEBUAHsehingga
perubahan varians setelah menambahkan kuantitas merokok atau skor
ketergantungan nikotin hanya mencerminkan perubahan varians karena
efek tetap. Contoh ini dengan demikian memperluas prosedur yang
dijelaskan dalam contoh 1 untuk memasukkan efek acak dan tindakan
berulang dalam perhitungan Cohen'sf2.
Pertama, penuhABmodel harus dijalankan untuk mendapatkan
nilai varians efek acak di mana model berikutnya harus diperbaiki.
Parameter kovarians dalam contoh ini mencakup varians efek acak
(karena dimasukkannya kemiringan acak dan intersep antar subjek)
dan varians residual; parameter ini dapat disimpan ke dalam dataset
baru menggunakan ODS (Tabel 5).
PerhitunganR2 ABdanR2 SEBUAHdidasarkan pada varians residual
(VAB=20.2417); namun, varians efek acak harus dipertahankan pada
nilai yang ditunjukkan padaTabel 5saat menjalankanSEBUAH-only dan
model nol untuk mengukur pengurangan varians residual secara
akurat. Menggunakanparmpernyataan, dataset kovarians dari
lengkapABmodel dapat dibaca di dalamVSEBUAHdanVbatal, untuk
memperbaiki varians efek acak. Sintaks berikut menjalankan model
campuran, mempertahankan efek acak konstan, menggabungkan
AB,R2 - SQ,

varians residual dari setiap model, dan menghitung:R2

1 0,74650 0,57232 0,68711 dan Cohen'sf2untuk kuantitas merokok di semua gelombang penilaian.
urutkan PROCdata=baru;

Tabel 3 |R2AB,R2ND, dan Cohen'sf2nilai ketergantungan nikotin pada menurut identitas;

dasar dalam contoh 1.

∗ MemperolehVAB;
obs R2AB R2
SEBUAH
f2 keluaran ods CovParms = VABex2SQ; PROC
CAMPURANdata=metode baru=ml; kelas id
1 0,74650 0.66663 0.31507
waktu jenis kelamin;
model smkFreq = smkQuant NDSS waktu jenis kelamin smkQuant∗waktu
Tabel 4 | Ukuran efek untuk kuantitas merokok dan ketergantungan nikotin NDSS∗jenis kelamin waktu∗waktu / solusi cl;
dalam gelombang penilaian. gelombang int acak /SUBJECT=id type=un; Lari;

Cohen'sf2untuk Cohen'sf2untuk
berhenti;
jumlah merokok ketergantungan nikotin
keluaran ods dekat;

Gelombang dasar 0,69 0.32

Gelombang 6 bulan 0,48 0,46 Tabel 5 | Dataset kovarians untuk lengkapABmodel dalam contoh 2.
Gelombang 15 bulan 0,15 0,80
Gelombang 24 bulan 0,15 0,70 Cov parm Subjek Memperkirakan

Cohen's2untuk ukuran efek lokal dari kuantitas merokok dan ketergantungan PBB(1, 1) Indo 2.3419
nikotin dalam regresi berganda yang dilakukan dalam setiap gelombang PBB(2, 1) Indo 1.8809
penilaian ditampilkan. BerdasarkanCohen (1988)pedoman, f2≥ 0,02, f2≥ 0,15, dan f2≥ PBB(2, 2) Indo 0,8706
0,35 mewakili ukuran efek kecil, sedang, dan besar, masing-masing. Sisa 20.2417

Perbatasan dalam Psikologi|Psikologi dan Pengukuran Kuantitatif April 2012 | Jilid 3 | Pasal 111 |4
Selya dkk. Cohen'sf2dari PROC CAMPURAN

∗ MemperolehV-SQ; CETAK PROCdata=hasilExSQ;

keluaran ods CovParms = VAex2SQ; PROC Lari;
CAMPURANdata=metode baru=ml; kelas id Akhirnya,R2AB,R2 - ND, dan lokal Cohenf2untuk ketergantungan nikotin
waktu jenis kelamin; densitas dapat diperoleh dengan memodifikasiSEBUAH-hanya model di
model smkFreq = NDSS waktu jenis kelamin NDSS∗jenis kelamin waktu∗waktu atas untuk menahan ketergantungan nikotin daripada kuantitas merokok
/solusi cl; dari model seperti yang ditunjukkan di bawah ini; selain dari nama file,
gelombang int acak /SUBJECT=id type=un; tidak ada modifikasi lain yang diperlukan sebagai fullABmodel dan model
parms /parmsdata=VABex2SQ hold=1,2,3; nol sama untuk kuantitas merokok dan ketergantungan nikotin.
Lari; ∗ MemperolehV-ND;
berhenti; keluaran ods CovParms = VAex2ND; PROC
keluaran ods dekat; CAMPURANdata=metode baru=ml; kelas id
waktu jenis kelamin;
∗ MemperolehVbatal; model smkFreq = smkQuant jenis kelamin waktu smkQuant∗waktu
keluaran ods CovParms = VnullEx2SQ; PROC jenis kelamin∗waktu / solusi cl; gelombang int
CAMPURANdata=metode baru=ml; kelas id acak /SUBJECT=id type=un; parms /
waktu jenis kelamin; parmsdata=VABex2ND hold=1,2,3; Lari;
model smkFreq = /solusi cl; gelombang int
acak /SUBJECT=id type=un; parms / berhenti;

parmsdata=VABex2SQ hold=1,2,3; Lari; keluaran ods dekat;

Hasil ini menunjukkan bahwa, di seluruh gelombang penilaian, skor
berhenti; ketergantungan nikotin (f2= 0,44 memiliki dampak yang sedikit lebih besar pada
keluaran ods dekat; frekuensi merokok daripada kuantitas merokok (f2= 0,37), meskipun keduanya
memiliki ukuran efek yang besar.
∗ Pilih varians residual dan buang efek acak
varians; KESIMPULAN
DATAVABex2SQ; Dalam panduan ini, Cohen'sf2dipilih sebagai ukuran yang tepat dari ukuran
atur VABex2SQ; efek lokal untuk variabel dalam multivariat, model regresi efek campuran.
jika CovParm = "Residual"; Namun, penting untuk dicatat peringatan untuk pendekatan ini. Pertama,
Lari; beberapa ahli statistik keberatan dengan ukuran efek standar, karena
DATAVAex2SQ; dapat dikurangi dengan variabel dengan keandalan rendah/varians tinggi,
atur VAex2SQ; dan tidak stabil di seluruh studi dengan desain yang berbeda, sehingga
jika CovParm = 'Residual'; studi pengukuran berulang biasanya menghasilkan ukuran efek yang lebih
Lari; kuat dibandingkan dengan studi independen yang setara. rancangan (
DATAVnullEx2SQ; Baguley, 2009). Selain itu, ukuran efek standar dapat terdistorsi oleh
atur VnullEx2SQ; prosedur pengambilan sampel (misalnya, pengambilan sampel dari
jika CovParm = 'Residual'; distribusi terpotong, pengambilan sampel dari ekor distribusi, atau
Lari; membatasi subset dari populasi;Baguley, 2009), dan dengan demikian
generalisasi ukuran efek standar harus dilakukan dengan hati-hati.
∗ Gabungkan kumpulan data untukVAB,V-SQ, danVbatalmenjadi satu dataset, sedangkan

mengganti nama nama variabel "Perkiraan" dengan nama Peringatan kedua adalah ukuran efek itu selain ukuran Cohen f2
unik; DATAValEx2SQ; mungkin cocok untuk analisis serupa. Literatur sebelumnya telah
gabungVABex2SQ(ganti nama=(Perkiraan=VAB))VAex2SQ(ganti nama menyarankan sebagai ukuran efek lokal pengurangan proporsional dalam
=(Perkiraan=VA))VnullEx2SQ (ganti nama=(Perkiraan=Vnull)); varians (PRV) setelah variabel yang diinginkan telah ditambahkan ke model
oleh CovParm; efek campuran atau model linier hierarkis, dibandingkan dengan SEBUAH
JATUH Subjek CovParm; -model saja (Peugh, 2010). PRV terkait dengan Cohen'sf2melalui R2ukuran-
Lari; ukuran, tetapi memiliki kelemahan untuk pertanyaan penelitian tertentu
saat ini. Secara khusus, PRV tidak memasukkan varians total model
∗ HitungR2 AB,R2− SQdanf2 SQdari kumpulan data yang digabungkan dan sebelum menambahkan regressor, sehingga nilai PRV yang diberikan
simpan ke kumpulan data baru; DATA dapat menunjukkan ukuran efek yang berbeda relatif terhadap model
hasilExSQ; mengatur VallEx2SQ; JATUHKAN keseluruhan, tergantung pada varians model intersep saja. Akibatnya,
VAB VA Vnull; Cohenf2distandarisasi sehubungan dengan varians total, memungkinkan
R2AB = (Vnull - VAB)/Vnull; perbandingan ukuran efek yang lebih akurat antara variabel dalam model
R2A = (Vnull - VA)/Vnull; f2 = secara keseluruhan.
(R2AB - R2A)/(1 - R2AB); Lari; Terlepas dari meluasnya penggunaan data pengukuran berulang dan data
hierarkis atau bertingkat dalam penelitian eksperimental, observasional, dan
klinis, ukuran efek pelaporan menghadirkan tantangan bagi para peneliti yang
∗ Cetak hasilnya ke jendela Hasil tidak terbiasa dengan topik ini. Tantangan-tantangan ini dapat

www.frontiersin.org April 2012 | Jilid 3 | Pasal 111 |5

Selya dkk. Cohen'sf2dari PROC CAMPURAN

dimulai dengan proses awal pemilihan ukuran mana yang paling
sesuai untuk data, analisis, dan pertanyaan penelitian. Meskipun
ukuran efek ukuran yang sesuai untuk pengukuran berulang atau
data bertingkat telah diusulkan (Cohen, 1988;Nakagawa dan
Cuthill, 2007;Peugh, 2010) dan dapat diperoleh secara langsung
atau tidak langsung melalui paket perangkat lunak statistik
umum, sumber yang ada jarang memberikan informasi yang
komprehensif tentang proses ini yang dapat diakses oleh peneliti
naif. Artikel ini menyajikan panduan praktis untuk menghitung
Cohen'sf2, ukuran efek ukuran untuk variabel tunggal dalam
multivariat, model regresi efek campuran, dari output PROC
MIXED dalam perangkat lunak SAS. Panduan ini ditujukan untuk
peneliti di berbagai bidang ilmiah yang tidak terbiasa dengan ukuran
efek, dan bertujuan untuk memfasilitasi pelaporan ukuran efek dalam
analisis yang umum dilakukan, namun terlalu rumit untuk ukuran
standar ukuran efek.
UCAPAN TERIMA KASIH
Penelitian ini didukung oleh Project Grant P01 CA098262
(Mermelstein) dari National Cancer Institute; R01 DA022313
A2 (Dierker), R01 DA022313 S1 (Dierker), dan R21 DA029834-
01 (Rose) dari National Institute on Drug Abuse; dan Center
Grant P50 DA010075 diberikan kepada Penn State University.

REFERENSI
Baguley, T. (2009). Standar atau
ukuran efek sederhana: apa yang
harus dilaporkan?sdr. J. Psiko.100,
603–617.
Cohen, JE (1988).Kekuatan Statistik
Analisis untuk Ilmu Perilaku.
Hillsdale, NJ: Lawrence Erlbaum
Associates, Inc.
Dierker, L., dan Mermelstein, R.
(2010). Gejala awal ketergantungan
nikotin yang muncul: sinyal
kecenderungan perilaku merokok
kronis pada remaja.J. Pediatr.
156, 818–822.
Fidler, F., Cumming, G., Thomason,
N., Pannuzzo, D., Smith, J., Fyffe,
P., Edmonds, H., Harrington, C., dan
Schmitt, R. (2005). Menuju pelaporan
statistik yang lebih baik dalam jurnal
konsultasi dan psikologi klinis.J.
Konsultasikan. klinik Psiko.
73, 136-143.
Friedmann, PD, Rose, JS, Swift, R.,
Stout, RL, Millman, RP, dan Stein,
MD (2008). Trazodon untuk tidur
gangguan setelah detoksifikasi
alkohol: double-blind, uji coba
terkontrol plasebo.Alkohol. klinik
Eks. Res.32, 1652-1660.
Huberty, CJ (2002). Sebuah sejarah efek
indeks ukuran.Pendidikan Psiko. Meas.62,
227–240.
Kirk, RE (1996). Signifikansi praktis:
sebuah konsep yang waktunya telah tiba.
Pendidikan Psiko. Meas.56, 746–759.
Kline, RB (2004).Melampaui Signifikansi
Pengujian. Washington: Asosiasi
Psikologi Amerika.
Nakagawa, S., dan Cuthill, IC (2007).
Ukuran efek, interval kepercayaan,
dan signifikansi statistik: panduan
praktis untuk ahli biologi.Biol. Pdt.
Philos. Soc.82, 591–605.
Kecepatan, NL (2011). Metode penelitian untuk
meta-analisis.Praktik Terbaik. Res.
klinik Anestesi.25, 523–533. Peugh, JL
(2010). Panduan praktis untuk
pemodelan bertingkat.J. Sch. Psiko.
48, 85-112.
Rosenthal, R. (1994). “Mean parametrik-
ukuran efek yang pasti,” dalamBuku Pegangan
Sintesis Penelitian, eds. H. Cooper
dan LV Hedges (New York: Russel
Sage Foundation), 231–245.
Snyder, P. (2000). Pedoman laporan-
ing hasil penyelidikan kuantitatif
kelompok.J. Awal Interv.23,
145-150.
Sterling, KL, Mermelstein, R., Turner,
L., Diviak, K., Flay, B., dan Shiffman,
S. (2009). Memeriksa sifat psikometrik
dan validitas prediktif dari versi
khusus remaja dari skala sindrom
ketergantungan nikotin (NDSS) di
antara remaja dengan berbagai
tingkat merokok.Pencandu. Perilaku
34, 616–619.
Wilkinson, L., dan Satuan Tugas di Sta-
inferensi tistis. (1999). Metode
statistik dalam jurnal psikologi:
pedoman dan penjelasan.Saya.
Psiko.54, 594–604.
Pernyataan Benturan Kepentingan:
Para penulis menyatakan bahwa
penelitian dilakukan tanpa adanya
hubungan komersial atau keuangan yang
dapat ditafsirkan sebagai potensi konflik
kepentingan.
Diterima: 22 Februari 2012; makalah tertunda
diterbitkan: 14 Maret 2012; diterima: 27
Maret 2012; diterbitkan online: 17 April 2012.
Kutipan: Selya AS, Rose JS, Dierker LC,
Hedeker D dan Mermelstein RJ (2012)
Panduan praktis untuk menghitung
Cohen's f2, ukuran ukuran efek lokal, dari
PROC MIXED. Depan. Psikologi3:111. doi:
10.3389/fpsyg.2012.00111
Artikel ini dikirim ke Frontiers in
Quantitative Psychology and
Measurement, spesialisasi Frontiers in
Psychology.
Hak Cipta © 2012 Selya, Rose, Dierker,
Hedeker dan Mermelstein. Ini adalah
artikel akses terbuka yang didistribusikan
di bawah ketentuan Lisensi Non
Komersial Atribusi Creative Commons,
yang mengizinkan penggunaan,
distribusi, dan reproduksi non-komersial
di forum lain, asalkan penulis dan sumber
asli dicantumkan.

Perbatasan dalam Psikologi|Psikologi dan Pengukuran Kuantitatif April 2012 | Jilid 3 | Pasal 111 |6