Kalkulator Gratis Editverse
Kalkulator Ukuran Efek
Kuantifikasi seberapa besar perbedaan antara dua kelompok independen sebenarnya dengan Cohen's d, yang dihitung dari simpangan baku gabungan dan dilaporkan sebagai nilai absolut. Lihat rumus dan perintah R yang dapat direproduksi, dan baca panduan interpretasi lengkap di bawah ini. Divalidasi terhadap R 4.3.3.
Dalam Kata Sederhana
Ukuran efek memberi tahu Anda seberapa besar perbedaannya, dengan cara yang tidak bergantung pada ukuran sampel Anda. Nilai p dapat memberi tahu Anda bahwa perbedaan tersebut kemungkinan besar bukan kebetulan, tetapi tidak memberi tahu Anda apakah perbedaan tersebut cukup besar untuk diperhitungkan. Ukuran efek mengisi celah tersebut.
Cohen's d menyatakan selisih antara dua rata-rata kelompok dalam satuan simpangan baku gabungan, jadi d = 0.5 berarti kelompok tersebut berbeda setengah simpangan baku. Sebagai panduan kasar, 0.2 kecil, 0.5 sedang, dan 0.8 besar — tetapi label tersebut adalah konvensi, bukan hukum, dan makna klinisnya bergantung pada bidang Anda.
Kapan Menggunakan Ukuran Efek?
Laporkan ukuran efek setiap kali Anda melaporkan perbandingan atau asosiasi. Untuk perbedaan antara dua rata-rata kelompok, Cohen's d (atau Hedges' g yang dikoreksi bias untuk sampel kecil) adalah standar. Pedoman pelaporan semakin mengharapkan ukuran efek dan interval kepercayaannya bersamaan dengan nilai p, karena bersama-sama keduanya menunjukkan apakah suatu efek ada dan seberapa besar efek tersebut secara masuk akal.
Ukuran efek juga merupakan input yang Anda butuhkan untuk merencanakan sebuah studi: ukuran ini menentukan perhitungan ukuran sampel dan memungkinkan hasil digabungkan dalam meta-analisis. Pilih ukuran yang sesuai dengan desain Anda — ukuran keluarga d untuk perbedaan antar rata-rata, ukuran keluarga r untuk kekuatan asosiasi. Tidak yakin mana yang sesuai dengan data Anda? Pemilih Tes interaktif kami dapat membantu.
Diharapkan: 2 kolom: Nilai Grup 1 | Nilai Grup 2
Seret file CSV di sini atau klik untuk memilih. Diproses di browser Anda: tidak ada yang diunggah.
Diharapkan: 2 kolom: Nilai Grup 1 | Nilai Grup 2
g1 <- c({g1}) g2 <- c({g2}) library(effsize) cohen.d(g1, g2) cohen.d(g1, g2, hedges.correction = TRUE) # g HedgesBuku petunjuk
Kapan digunakan. Mengukur besaran perbedaan standar antara dua kelompok.
Asumsi. Data kontinu; simpangan baku gabungan bermakna (varians serupa).
Kesalahan umum. Ukuran efek mengukur besaran, bukan signifikansi statistik atau kepentingan klinis.
Contoh yang dikerjakan
Klik Muat data contoh di atas, lalu Jalankan Analisis untuk melihat hasil lengkap dengan angka, rumus, dan interpretasi untuk pengujian ini.
Referensi
- Cohen J. Analisis Kekuatan Statistik untuk Ilmu Perilaku. 1988.
Contoh yang berhasil
Contoh 1 — Dampak besar
Dua kelompok dengan nilai rata-rata 5.90 dan 7.72 dan simpangan baku gabungan 0.45 (contoh 'Efek Besar' di bawah data contoh Beban) memberikan Cohen's d = 4.01, efek yang sangat besar. Laporkan d dengan interval kepercayaan 95%, bukan hanya perbedaan rata-rata saja, sehingga pembaca dapat menilai besarnya efek pada skala standar.
Contoh 2 — Mengapa sampel kecil membutuhkan g Hedges
Cohen's d sedikit melebih-lebihkan efek populasi pada sampel kecil. Hedges' g menerapkan faktor koreksi dan lebih disukai ketika setiap kelompok memiliki kurang dari sekitar 20 pengamatan. Dengan sampel besar, keduanya akan konvergen. Untuk mendapatkan g dari d Anda, masukkan d dan dua ukuran kelompok ke dalam konverter ukuran efek.
Asumsi yang Perlu Diperiksa
Sebaran yang sebanding. Deviasi standar gabungan mengasumsikan kedua kelompok memiliki varians yang serupa. Jika varians berbeda secara signifikan, gunakan ukuran berdasarkan deviasi standar kelompok kontrol (delta Glass) sebagai gantinya.
Data kontinu, yang distribusinya kurang lebih normal. Cohen's d dirancang untuk hasil kontinu. Untuk data berperingkat atau miring, ukuran efek berbasis peringkat lebih tepat.
Pengamatan independen. Rumus standar mengasumsikan kelompok independen. Desain pengukuran berpasangan atau berulang memerlukan ukuran efek yang memperhitungkan korelasi dalam pasangan.
Kesalahan Umum
Memperlakukan ukuran efek sebagai signifikansi
Nilai d yang besar tidak sama dengan nilai p yang kecil. Ukuran efek mengukur besarnya efek; signifikansi mengukur apakah efek tersebut dapat dibedakan dari kebetulan. Laporkan keduanya.
Mengartikan label 0.2/0.5/0.8 sebagai nilai absolut.
Ambang batas kecil/sedang/besar Cohen adalah aturan praktis. Nilai d yang "kecil" dapat memiliki arti klinis yang penting, dan nilai d yang "besar" dapat bersifat sepele, tergantung pada hasilnya.
Menghilangkan interval kepercayaan
Estimasi titik untuk d tanpa intervalnya menyembunyikan ketidakpastian. Selalu laporkan interval kepercayaan di sekitar ukuran efek.
Menggunakan huruf d pada desain yang salah
Nilai d untuk kelompok independen tidak cocok untuk data berpasangan atau lebih dari dua kelompok. Untuk beberapa kelompok, gunakan eta-squared dari ANOVA.
Pertanyaan yang Sering Diajukan
Apa perbedaan antara Cohen's d dan Hedges' g?
Keduanya menyatakan perbedaan rata-rata yang distandarisasi. Hedges' g mengalikan d dengan faktor koreksi sampel kecil, sehingga nilainya sedikit lebih kecil dan kurang bias ketika sampelnya kecil.
Bagaimana cara saya menafsirkan ukuran d?
Secara konvensi, 0.2 dianggap kecil, 0.5 sedang, dan 0.8 besar — tetapi interpretasikan dalam konteks bidang Anda dan laporkan nilainya beserta interval kepercayaannya, bukan hanya label saja.
Mengapa harus melaporkan ukuran efek sama sekali?
Nilai p saja sudah mengkomunikasikan besaran praktis, diperlukan untuk perencanaan ukuran sampel, dan memungkinkan studi digabungkan dalam meta-analisis — yang semuanya tidak dapat diberikan oleh nilai p saja.
Apakah hasilnya sesuai dengan SPSS, R, dan Stata?
Ya. Kalkulator ini menggunakan rumus SD gabungan yang sama dengan perangkat lunak standar dan menampilkan perintah R yang tepat sehingga Anda dapat mereproduksinya.
Kalkulator Terkait
Referensi
- Kallogjeri D, Piccirillo JF. Panduan sederhana tentang pengukuran ukuran efek. JAMA Otolaryngol Head Neck Surg. 2023;149(5):447–451. PMID 36951858.
- Lakens D. Menghitung dan melaporkan ukuran efek untuk memfasilitasi ilmu pengetahuan kumulatif: panduan praktis untuk uji-t dan ANOVA. Psikol Depan2013;4:863. PMID 24324449.
- Cohen J. Analisis Kekuatan Statistik untuk Ilmu PerilakuEdisi ke-2. Hillsdale, NJ: Lawrence Erlbaum; 1988.
Apakah Anda Membutuhkan Analisis Ini untuk Manuskrip Anda?
Para ahli biostatistik PhD kami menghitung dan menginterpretasikan ukuran efek Anda, memeriksa asumsi, dan memberikan tabel siap publikasi dengan keluaran R yang dapat direproduksi.