Uma medida de tamanho de efeito baseada em probabilidade: Robustez a taxas base e outros fatores.

Calcular e relatar medidas apropriadas de tamanho de efeito está se tornando prática padrão na pesquisa psicológica. Um dos cenários mais comuns envolve a comparação de 2 grupos, que inclui desenhos de pesquisa que são experimentais (por exemplo, atribuição aleatória a condições de tratamento vs. placebo) e não experimentais (por exemplo, teste de diferenças de gênero). Medidas familiares, como a diferença média padronizada (d) ou a correlação ponto-bis serial (rpb), caracterizam a magnitude da diferença entre grupos, mas essas medidas de tamanho de efeito são sensíveis a uma série de influências adicionais. Por exemplo, R. E. McGrath e G. J. Meyer (2006) mostraram que rpb é sensível a taxas base da amostra, e estender sua análise para situações de variâncias desiguais revela que d também é. A medida baseada em probabilidade A, a generalização não paramétrica do que K. O. McGraw e S. P. Wong (1992) chamaram de estatística de tamanho de efeito em linguagem comum, é insensível a taxas base e mais robusta a vários outros fatores (por exemplo, pontuações extremas, transformações não lineares). Além de sua excelente generalizabilidade em diferentes contextos, A é fácil de entender e pode ser obtida a partir de saídas padrão de computador ou por meio de cálculos simples à mão.