在统计学中，我们经常使用p值来确定两组均值之间是否存在统计上显着的差异。

然而，虽然 p 值可以告诉我们两组之间是否存在统计上的显着差异，但效应大小可以告诉我们这种差异到底有多大。

效应大小最常见的度量之一是Cohen’s d ，其计算如下：

科恩 D = ( x1 – x2 ) / √ ( s12 + s22 ) / 2

金子：

使用这个公式，我们可以解释 Cohen 的 d：

等等。

这是解释 Cohen d 的另一种方法：效应大小 0.5 意味着第 1 组中的平均人的值比第 2 组中的平均人的值高 0.5 个标准差。

下表显示了根据 Cohen d 得出的第 2 组中低于第 1 组中人员平均分的百分比。

我们经常使用以下经验法则来解释 Cohen 的 d：

以下示例展示了如何在实践中解释 Cohen 的 d。

假设植物学家向植物施用两种不同的肥料，以确定一个月后植物的平均生长（以英寸为单位）是否存在显着差异。

以下是每组植物生长的总结：

肥料#1：

肥料#2：

以下是我们如何计算 Cohen’s d 来量化两组均值之间的差异：

科恩的 d 为0.2985 。

以下是如何解释 Cohen d 的该值：接受 1 号肥料的植物的平均高度。 1 号比接受 1 号肥料的植物的平均高度大0.2985 个标准差。 2.

使用前面提到的经验法则，我们会将其解释为较小的效应量。

换句话说，无论两种肥料之间的平均植物生长是否存在统计学上的显着差异，组均值之间的实际差异都是微不足道的。

以下教程提供了有关效应大小和 Cohen’s d 的更多信息：

效应大小：它是什么以及为什么重要如何在 Excel 中计算 Cohen d

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