Editverse 무료 계산기

효과 크기 계산기

두 독립 그룹 간의 차이가 실제로 얼마나 큰지 정량화하려면 통합 표준 편차를 기반으로 계산하고 절댓값으로 나타내는 코헨의 d 값을 사용하십시오. 공식과 재현 가능한 R 명령어, 그리고 전체 해석 가이드는 아래를 참조하십시오. R 4.3.3 버전에서 검증되었습니다.

간단한 단어로

효과 크기는 표본 크기에 관계없이 차이의 크기를 알려줍니다. p값은 차이 가 우연의 일치일 가능성이 낮다는 것을 알려주지만, 그 차이가 통계적으로 유의미한지 여부는 알려주지 않습니다. 효과 크기는 이러한 간극을 메워줍니다.

코헨의 d는 두 그룹 평균 간의 차이를 통합 표준 편차 단위로 나타냅니다. 따라서 d = 0.5는 두 그룹이 표준 편차의 절반만큼 차이가 난다는 의미입니다. 대략적인 기준으로 0.2는 작은 차이, 0.5는 중간 차이, 0.8은 큰 차이로 볼 수 있지만, 이러한 분류는 관례일 뿐 절대적인 법칙은 아니며, 임상적 의미는 해당 분야에 따라 다릅니다.

효과 크기는 언제 사용해야 할까요?

비교 또는 연관성을 보고할 때는 항상 효과 크기를 함께 보고해야 합니다. 두 그룹 평균 차이의 경우, 코헨의 d(소규모 표본의 경우 편향 보정된 헤지스의 g)가 표준적으로 사용됩니다. 보고 지침에서는 효과 크기와 신뢰 구간을 p값과 함께 제시하도록 요구하는 추세인데, 이는 효과의 존재 여부와 그 크기가 어느 정도인지를 모두 보여주기 때문입니다.

효과 크기는 연구 계획 수립에 필수적인 요소입니다. 표본 크기 계산의 기준이 되며 , 메타 분석에서 결과를 통합하는 데에도 사용됩니다. 연구 설계에 맞는 측정 방법을 선택하세요. 평균 차이를 측정하는 데는 d-계열 측정값을, 연관성의 강도를 측정하는 데는 r-계열 측정값을 사용할 수 있습니다. 어떤 측정 방법이 데이터에 적합한지 잘 모르겠다면, 저희의 대화형 검정 선택 도구를 이용해 보세요.

효과 크기(코헨의 d) 표준화된 차이 측정 · R 4.3.3 대비 검증됨
사용자 가이드

사용 시점. 두 그룹 간 차이의 표준화된 크기를 정량화할 때 사용합니다.

가정. 연속형 데이터; 통합 표준편차는 의미가 있다(분산이 유사함).

흔히 저지르는 실수. 효과 크기는 통계적 유의성이나 임상적 중요성이 아닌 크기를 측정하는 것이다.

작동 예제

위의 '예제 데이터 불러오기'를 클릭한 다음 '분석 실행'을 클릭하여 이 테스트에 대한 그림, 공식 및 해석을 포함한 전체 결과를 확인하세요.

참고자료
  1. Cohen J. 행동과학을 위한 통계적 검정력 분석. 1988.
에 의해 구동 editverse.com • R 4.3.3 검증 완료 • v3.6 전문가 분석이 필요하신가요? →

작동 예

예시 1 — 큰 효과

평균이 5.90과 7.72이고 통합 표준편차가 0.45인 두 그룹('예제 데이터 불러오기'의 '큰 효과' 예시)의 경우, Cohen's d 값은 4.01로 매우 큰 효과를 나타냅니다. 독자들이 표준화된 척도로 효과의 크기를 판단할 수 있도록 평균 차이만 제시하지 말고 d 값과 95% 신뢰구간을 함께 보고하십시오.

예시 2 — 소규모 표본에 헤지스 g가 필요한 이유

코헨의 d는 표본 크기가 작을 때 모집단 효과를 약간 과대평가합니다. 헤지스의 g는 보정 계수를 적용하며, 각 그룹의 관측치가 약 20개 미만일 때 더 적합합니다. 표본 크기가 커지면 두 값은 수렴합니다. d 값에서 g 값을 구하려면 효과 크기 변환기 에 d 값과 두 그룹의 크기를 입력하세요.

확인해야 할 가정

유사한 분산. 통합 표준 편차는 두 그룹의 분산이 유사하다고 가정합니다. 분산이 현저하게 다를 경우, 대조군 표준 편차를 기반으로 한 측정값(글래스의 델타)을 사용하십시오.

연속형 데이터이고 대략 정규분포를 따르는 경우, 코헨의 d는 연속형 결과 변수에 맞춰 설계되었습니다. 순위형 데이터나 비대칭형 데이터의 경우, 순위 기반 효과 크기가 더 적합합니다.

독립적인 관찰. 표준 공식은 집단이 독립적이라고 가정합니다. 쌍을 이루거나 반복 측정한 설계에서는 쌍 내 상관관계를 고려한 효과 크기가 필요합니다.

흔한 실수

효과 크기를 유의성으로 간주함

d 값이 크다고 해서 p값이 작은 것은 아닙니다. 효과 크기는 효과의 크기를 측정하고, 유의성은 효과가 우연과 구별되는지 여부를 측정합니다. 두 값 모두 보고해야 합니다.

0.2/0.5/0.8 레이블을 절대값으로 읽습니다.

코헨의 소형/중형/대형 임계값은 경험 법칙입니다. 결과에 따라 "소형" d 값이 임상적으로 중요할 수도 있고, "대형" d 값이 사소할 수도 있습니다.

신뢰구간을 생략함

신뢰구간 없이 d의 점추정치만 제시하면 불확실성이 드러납니다. 효과 크기에 대한 신뢰구간을 항상 함께 제시해야 합니다.

잘못된 디자인에 d를 사용함

독립 표본 d는 쌍을 이루는 데이터나 두 개 이상의 그룹에는 적합하지 않습니다. 그룹 수가 많은 경우에는 분산 분석(ANOVA) 에서 에타 제곱(eta-squared)을 사용하십시오.

자주 묻는 질문

코헨의 d와 헤지스의 g의 차이점은 무엇인가요?

두 지표 모두 표준화된 평균 차이를 나타냅니다. 헤지스 g는 d에 소표본 보정 계수를 곱하므로 표본 크기가 작을수록 값이 약간 작아지고 편향이 줄어듭니다.

d의 크기를 어떻게 해석해야 할까요?

일반적으로 0.2는 작음, 0.5는 중간, 0.8은 큼으로 간주되지만, 해당 분야의 맥락에 맞게 해석하고 단순히 레이블만 표시하기보다는 신뢰 구간을 함께 보고해야 합니다.

효과 크기를 보고하는 이유가 무엇일까요?

이는 실질적인 규모를 전달하고, 표본 크기 계획에 필요하며, 메타 분석에서 연구들을 결합할 수 있게 해줍니다. 이러한 점들은 p값만으로는 전혀 제공되지 않습니다.

결과가 SPSS, R, Stata와 일치합니까?

네. 이 계산기는 표준 소프트웨어와 동일한 풀링된 표준편차 공식을 사용하며, 정확한 R 명령어를 보여주므로 재현할 수 있습니다.

관련 계산기

독립 t-검정일원 분산 분석신뢰 구간표본 크기 및 검정력상관관계 및 회귀어떤 테스트를 사용해야 할까요?

참고자료

  1. 칼로제리 D, 피치릴로 JF. 효과 크기 측정에 대한 간단한 안내. JAMA 이비인후과 두경부외과. 2023;149(5):447–451. PMID 36951858.
  2. 레이컨스 D. 누적 과학 연구를 촉진하기 위한 효과 크기 계산 및 보고: t-검정 및 ANOVA에 대한 실용적인 입문서. 프론트 Psychol. 2013;4:863. PMID 24324449.
  3. 코헨 J. 행동 과학을위한 통계적 힘 분석. 제2판. 힐스데일, 뉴저지: 로렌스 얼바움; 1988.

원고에 이러한 분석이 필요하신가요?

저희 박사급 생물통계학자들이 효과 크기를 계산하고 해석하며, 가정을 검증하고, 재현 가능한 R 출력 결과를 포함한 출판용 표를 제공합니다.

전문가의 통계적 도움을 받으세요