Cohen's D 计算器：测量两组之间的效应量

理解 Cohen's D 对于想要量化两组之间差异的实际意义的研究人员和统计学家至关重要。本指南探讨了这个概念、它的应用，并提供示例来帮助你有效地解释结果。

什么是 Cohen's D？

Cohen's D 是一种统计测量方法，用于确定两组平均值之间的标准化差异。它提供了对效应大小的洞察，超越了单纯的统计显著性，使研究人员能够评估实际重要性。

Cohen's D 的公式：

\[ Cd = \frac{(M2 - M1)}{Sp} \] 其中：

• \(Cd\) 是 Cohen's D (效应大小)
• \(M1\) 和 \(M2\) 是两组的平均值
• \(Sp\) 是合并标准差，计算公式为： \[ Sp = \sqrt{\frac{(S1^2 + S2^2)}{2}} \]

为什么要使用 Cohen's D？

仅凭统计显著性无法讲述整个故事。 Cohen's D 帮助解释观察到的差异在现实世界中是否有意义。

实际例子：解释 Cohen's D

例子 1：比较考试成绩

场景： A 组的平均分是 80，标准差是 10，而 B 组的平均分是 90，标准差是 12。

1. 计算合并标准差： \[ Sp = \sqrt{\frac{(10^2 + 12^2)}{2}} = \sqrt{\frac{244}{2}} = 11.05 \]
2. 计算 Cohen's D： \[ Cd = \frac{(90 - 80)}{11.05} = 0.905 \]
3. 解释： 0.905 的效应大小表明两组之间存在很大差异。

例子 2：健康研究

场景： 一项比较减肥计划的研究表明，计划 A 减轻了 5 公斤体重 (SD=2)，计划 B 减轻了 8 公斤体重 (SD=3)。

1. 合并标准差： \[ Sp = \sqrt{\frac{(2^2 + 3^2)}{2}} = \sqrt{\frac{13}{2}} = 2.55 \]
2. Cohen's D： \[ Cd = \frac{(8 - 5)}{2.55} = 1.18 \]
3. 解释： 计划之间的差异很大，表明其中一个可能更有效。

关于 Cohen's D 的常见问题

Q1：Cohen's D 值表示什么？

• 小效应：\(d = 0.2\)
• 中等效应：\(d = 0.5\)
• 大效应：\(d = 0.8\)

Q2：Cohen's D 可以是负数吗？

可以，负值仅仅表明第二组的平均值低于第一组。

Q3：我应该什么时候使用 Cohen's D？

当比较两个独立的组以了解它们差异的实际意义时，可以使用它。

术语表

• 效应大小： 衡量两个变量之间关系或差异强度的指标。
• 合并标准差： 两组标准差的加权平均值。
• 统计显著性： 指示观察到的差异是否可能出于偶然。

关于 Cohen's D 的有趣事实

1. 实际见解： Cohen's D 弥合了统计显著性和现实世界相关性之间的差距。
2. 历史背景： 由 Jacob Cohen 开发，它已成为各个领域荟萃分析的基石。
3. 普遍应用： 在心理学、医学、教育等领域使用，使其成为解释研究结果的多功能工具。