equivalence testing multiple regression
1.0.0
Pengujian kesetaraan dapat diterapkan untuk mengevaluasi apakah efek yang diamati dari prediktor individu dalam model regresi berganda cukup kecil untuk dianggap sebagai statistik dan praktis diabaikan (Alter & Counsell, 2021). Untuk informasi lebih lanjut, silakan merujuk ke halaman OSF dan/atau preprint yang tersedia secara bebas di psyarxiv.
Fungsi berikut menawarkan alternatif berbasis kesetaraan yang tepat untuk menyimpulkan efek yang dapat diabaikan antara prediktor dan hasil dalam regresi berganda
Fungsi -fungsi R ini dirancang untuk mengakomodasi berbagai konteks penelitian dengan mudah, dengan atau tanpa akses ke dataset lengkap. Dua fungsi, reg.equiv.fd() dan reg.equiv() , memberikan output yang sama tetapi berbeda pada jenis informasi input yang diperlukan oleh pengguna.
Secara khusus, fungsi pertama, reg.equiv.fd() , membutuhkan dataset dan model penuh dalam objek R ( lm ), sedangkan yang kedua tidak. reg.equiv() ditujukan untuk para peneliti yang tidak memiliki akses ke dataset lengkap tetapi masih ingin mengevaluasi kurangnya hubungan prediktor tertentu dengan variabel hasil dalam regresi berganda, misalnya, menggunakan informasi yang biasanya disajikan di bagian hasil atau Tabel dilaporkan dalam artikel yang diterbitkan.
reg.equiv.fd() : Dataset penuh diperlukandatfra= bingkai data (misalnya, mtcars)model= model, objek LM (misalnya, mod1 , di mana mod1<- mpg~hp+cyl )delta= ukuran efek terkecil yang menarik (SESOI), ukuran efek minimal bermakna (MME), atau batas atas dari interval kesetaraan (?) (Misalnya, .15)predictor= Nama prediktor yang akan diuji (misalnya, "cyl" )test= Tipe Tes diatur secara otomatis ke dua tes satu sisi (TOST; Schuirmann, 1987), opsi lainnya adalah Anderson-Hauck (AH; Anderson & Hauck, 1983)std= Delta (OR, SESOI) adalah set yang distandarisasi secara default. Menunjukkan std=FALSE untuk mengasumsikan unit yang tidak standaralpha= Nominal tipe I tingkat kesalahan diatur ke .05 secara default. Untuk berubah, cukup tunjukkan level alpha. Misalnya, alpha=.10 reg.equiv.fd() Contoh: 
reg.equiv() : Dataset lengkap tidak diperlukanb= Ukuran efek estimasi yang terkait dengan prediktor yang menarik, ini bisa distandarisasi atau tidak standar (misalnya, 0,02)se= Kesalahan standar yang terkait dengan ukuran efek prediktor yang menarik (jika ukuran efek distandarisasi, pastikan nilai se terkait dengan standar dan bukan efek mentah)p= Jumlah total prediktor dalam model regresi (tidak termasuk intersep)n= ukuran sampeldelta= ukuran efek terkecil yang menarik (SESOI), ukuran efek minimal bermakna (MME), atau batas atas dari interval kesetaraan (?) (Misalnya, .15)predictor= Nama prediktor yang akan diuji (misalnya, "cyl" )test= Tipe Tes diatur secara otomatis ke dua tes satu sisi (TOST; Schuirmann, 1987), opsi lainnya adalah Anderson-Hauck (AH; Anderson & Hauck, 1983)std= Delta (OR, SESOI) dan ukuran efek yang ditunjukkan ditetapkan sebagai standar secara default. Menunjukkan std=FALSE untuk mengasumsikan unit yang tidak standaralpha= Nominal tipe I tingkat kesalahan diatur ke .05 secara default. Untuk berubah, cukup tunjukkan level alpha. Misalnya, alpha=.10 reg.equiv() Contoh: 
Pengujian kesetaraan adalah metode yang dirancang dalam kerangka pengujian signifikansi null-hipotesis (NHST). NHST telah banyak dikritik karena ketergantungannya pada hasil dikotomis nilai p dengan sedikit, atau tanpa pertimbangan efek efek atau implikasinya dalam praktik (misalnya, Cumming, 2012; Fidler & Loftus, 2009; Harlow, 1997; Kirk, 2003; ; Para peneliti harus memperhatikan keterbatasan NHST, dan melepaskan aspek -aspek praktis dan statistik dari hasil tes.
Untuk meminimalkan keterbatasan nilai p , lebih informatif untuk menafsirkan besarnya efek yang diamati dan ketepatan di luar kesimpulan dari "efek yang dapat diabaikan" atau "bukti yang tidak memadai untuk efek yang dapat diabaikan." Efek yang diamati harus ditafsirkan dalam kaitannya dengan batas kesetaraan, tingkat ketidakpastiannya, dan implikasi praktisnya (atau ketiadaannya) . Untuk alasan ini, dua fungsi R yang ditawarkan di sini juga mencakup representasi grafis dari efek yang diamati dan ketidakpastian yang terkait dalam kaitannya dengan interval kesetaraan. Alat bantu plot yang dihasilkan dalam menggambarkan seberapa dekat atau jauh dan lebar atau mempersempit efek yang diamati dan margin kesalahannya berasal dari batas kesetaraan; Menyimpulkan tentang proporsi dan posisi pita kepercayaan dalam kaitannya dengan interval kesetaraan dapat membantu menafsirkan hasil di atas dan di atas nilai P.
