在假设检验中，我们经常使用p值来确定两组之间是否存在统计显着差异。

然而，虽然 p 值可以告诉我们两组之间是否存在统计显着差异，但效应大小可以告诉我们差异的大小。

衡量效应大小的最常见方法之一是使用Hedges’ g ，其计算如下：

g = ( x 1 – x 2 ) / √ ((n 1 -1)*s 1 2 + (n 2 -1)*s 2 2 ) / (n 1 +n 2 -2)

金子：

以下示例显示如何计算两个样本的 Hedges g。

假设我们有以下两个例子：

样本1：

样本2：

以下是计算这两个样本的 Hedges g 的方法：

对冲的 g 结果是0.29851 。

额外奖励：使用此在线计算器可以自动计算任意两个样本的 Hedges g。

一般来说，解释 Hedge 的 g 的方法如下：

在我们的示例中，效应大小0.29851可能被视为较小的效应大小。这意味着虽然两组均值之间的差异具有统计显着性，但各组均值之间的实际差异并不显着。

衡量效应大小的另一种常见方法称为Cohen’s d ，它使用以下公式：

d = ( X1 – X2 ) / √ ( s12 + s22 ) / 2

Cohen’s d 和 Hedges’ g 之间的唯一区别是 Hedges’ g 在计算总体效应大小时考虑了每个样本大小。

因此，当两个样本量不相等时，建议使用 Hedge 的 g 来计算效应大小。

如果两个样本量相等，则 Hedges’ g 和 Cohen’s d 将具有完全相同的值。

大家好，我是本杰明，一位退休的统计学教授，后来成为 Statorials 的热心教师。 凭借在统计领域的丰富经验和专业知识，我渴望分享我的知识，通过 Statorials 增强学生的能力。了解更多