Libreng Calculator ng Editverse
Kalkulador ng Laki ng Epekto
Tukuyin kung gaano talaga kalaki ang pagkakaiba sa pagitan ng dalawang independent group gamit ang Cohen's d, na kinalkula mula sa pooled standard deviation at iniulat bilang isang absolute value. Tingnan ang formula at ang reproducible R command, at basahin ang kumpletong gabay sa interpretasyon sa ibaba. Na-validate laban sa R 4.3.3.
Sa Simpleng Salita
Sinasabi sa iyo ng effect size kung gaano kalaki ang isang pagkakaiba, sa paraang hindi nakadepende sa laki ng iyong sample. Masasabi sa iyo ng p-value na ang isang pagkakaiba ay malamang na hindi nagkataon lamang, ngunit hindi kung ito ay sapat na malaki upang maging mahalaga. Pinupunan ng effect size ang kakulangang iyon.
Ang d ni Cohen ay nagpapahayag ng agwat sa pagitan ng dalawang group mean sa mga yunit ng pooled standard deviation, kaya ang d = 0.5 ay nangangahulugan na ang mga grupo ay nagkakaiba ng kalahati ng standard deviation. Bilang gabay lamang, ang 0.2 ay maliit, ang 0.5 ay katamtaman, at ang 0.8 ay malaki — ngunit ang mga label na iyon ay mga kumbensyon, hindi mga batas, at ang klinikal na kahulugan ay depende sa iyong larangan.
Kailan Gagamitin ang Laki ng Epekto
Mag-ulat ng effect size tuwing mag-uulat ka ng paghahambing o isang kaugnayan. Para sa pagkakaiba sa pagitan ng dalawang group mean, ang Cohen's d (o ang bias-corrected Hedges' g para sa maliliit na sample) ay pamantayan. Ang mga alituntunin sa pag-uulat ay lalong umaasa sa isang effect size at ang confidence interval nito kasama ng p-value, dahil kapag pinagsama-sama, ipinapakita nito kung mayroong epekto at kung gaano ito kalaki.
Ang effect size ay ang input na kailangan mo upang magplano ng isang pag-aaral: ito ang nagtutulak sa pagkalkula ng laki ng sample at hinahayaan ang mga resulta na maisama sa meta-analysis. Piliin ang sukat na tumutugma sa iyong disenyo — mga sukat ng d-family para sa mga pagkakaiba sa pagitan ng mga mean, mga sukat ng r-family para sa lakas ng kaugnayan. Hindi sigurado kung alin ang akma sa iyong data? Makakatulong ang aming interactive Test Selector .
Inaasahan: 2 kolum: Mga halaga ng Grupo 1 | Mga halaga ng Grupo 2
Maglagay ng CSV dito o i-click para pumili. Na-parse sa iyong browser: walang na-upload.
Inaasahan: 2 kolum: Mga halaga ng Grupo 1 | Mga halaga ng Grupo 2
g1 <- c({g1}) g2 <- c({g2}) library(effsize) cohen.d(g1, g2) cohen.d(g1, g2, hedges.correction = TRUE) # Mga Hedge' ggabay sa paggamit
Kailan gagamitin. Tukuyin ang istandardisadong magnitude ng pagkakaiba sa pagitan ng dalawang grupo.
Mga pagpapalagay. Tuloy-tuloy na datos; makabuluhan ang pinagsama-samang SD (magkatulad na mga pagkakaiba-iba).
Mga karaniwang pagkakamali. Sinusukat ng laki ng epekto ang magnitude, hindi ang kahalagahang pang-istatistika o kahalagahang klinikal.
Nagtrabahong halimbawa
I-click ang Mag-load ng halimbawang datos sa itaas, pagkatapos ay ang Run Analysis upang makita ang ganap na resulta na may pigura, pormula, at interpretasyon para sa pagsusulit na ito.
Mga sanggunian
- Cohen J. Pagsusuri ng Kapangyarihang Istatistikal para sa mga Agham Pang-asal. 1988.
Mga Nagtrabahong Halimbawa
Halimbawa 1 — Isang malaking epekto
Dalawang grupo na may mean na 5.90 at 7.72 at isang pooled standard deviation na 0.45 (ang halimbawang 'Malaking epekto' sa ilalim ng Load example data) ay nagbibigay ng Cohen's d = 4.01, isang napakalaking epekto. Iulat ang d gamit ang 95% confidence interval nito, hindi ang pagkakaiba sa mean lamang, upang mahusgahan ng mga mambabasa ang magnitude sa isang standardized scale.
Halimbawa 2 — Bakit kailangan ng maliliit na sample ang Hedges' g
Bahagyang pinalalaki ng Cohen's d ang epekto ng populasyon sa maliliit na sample. Naglalapat ang Hedges' g ng correction factor at mas mainam kapag ang bawat grupo ay may mas kaunti sa humigit-kumulang 20 obserbasyon. Sa malalaking sample, nagtatagpo ang dalawa. Para makuha ang g mula sa iyong d, ilagay ang d at ang dalawang laki ng grupo sa effect size converter.
Mga Pagpapalagay na Susuriin
Maihahambing na pagkalat. Ipinapalagay ng pooled standard deviation na ang dalawang grupo ay may magkatulad na mga variance. Kapag ang mga variance ay lubhang magkaiba, gumamit ng panukat batay sa control-group SD (Glass's delta).
Tuloy-tuloy, halos normal na datos. Ang d ni Cohen ay ginawa para sa mga tuluy-tuloy na kinalabasan. Para sa ranked o skewed na datos, mas angkop ang rank-based effect size.
Mga independiyenteng obserbasyon. Ipinapalagay ng karaniwang pormula ang mga independiyenteng grupo. Ang mga disenyo ng paired o repeated-measures ay nangangailangan ng effect size na isinasaalang-alang ang within-pair correlation.
Karaniwang Pagkakamali
Pagtrato sa laki ng epekto bilang kahalagahan
Ang malaking d ay hindi katulad ng maliit na p-value. Sinusukat ng effect size ang magnitude; sinusukat naman ng significance kung ang epekto ay maiiba sa pagkakataon. Iulat ang pareho.
Ang pagbasa sa mga label na 0.2/0.5/0.8 bilang ganap
Ang maliliit/katamtaman/malaking threshold ni Cohen ay mga pangkalahatang tuntunin lamang. Ang "maliit" na d ay maaaring mahalaga sa klinika, at ang "malaki" naman ay maliit lamang, depende sa resulta.
Hindi kasama ang confidence interval
Ang pagtatantya ng punto na d nang walang interval nito ay nagtatago ng kawalan ng katiyakan. Palaging iulat ang confidence interval sa paligid ng effect size.
Paggamit ng d sa maling disenyo
Ang mga independent-group na d ay hindi akma sa ipinares na datos o higit sa dalawang grupo. Para sa ilang grupo, gamitin ang eta-squared mula sa ANOVA.
Mga Madalas Itanong
Ano ang pagkakaiba ng d ni Cohen at g ni Hedges?
Parehong nagpapahayag ng isang standardized mean difference. Ang Hedges' g ay pinararami ang d ng isang small-sample correction factor, kaya ito ay bahagyang mas maliit at hindi gaanong biased kapag ang mga sample ay maliit.
Paano ko bibigyang-kahulugan ang laki ng d?
Bilang isang kumbensyon, ang 0.2 ay maliit, ang 0.5 ay katamtaman, at ang 0.8 ay malaki — ngunit bigyang-kahulugan ito sa konteksto ng iyong larangan at iulat ang halaga kasama ang confidence interval nito sa halip na isang label lamang.
Bakit pa nga ba kailangang iulat ang laki ng epekto?
Ipinapabatid nito ang praktikal na magnitude, kinakailangan para sa pagpaplano ng laki ng sample, at hinahayaan ang mga pag-aaral na pagsamahin sa meta-analysis — na wala sa mga ito ang naibibigay ng isang p-value lamang.
Tugma ba ang resulta sa SPSS, R, at Stata?
Oo. Gumagamit ang calculator ng parehong pooled-SD formula gaya ng karaniwang software at ipinapakita ang eksaktong R command para ma-reproduce mo ito.
Mga Kaugnay na Calculator
Mga sanggunian
- Kallogjeri D, Piccirillo JF. Isang simpleng gabay sa mga sukat ng epekto. JAMA Otolaryngol Head Neck Surg. 2023;149(5):447–451. PMID 36951858.
- Lakens D. Pagkalkula at pag-uulat ng mga laki ng epekto upang mapadali ang pinagsama-samang agham: isang praktikal na panimulang aklat para sa mga t-test at ANOVA. Front Psychol. 2013;4:863. PMID 24324449.
- Cohen J. Statistical Power Analysis para sa Behavioural SciencesIka-2 edisyon. Hillsdale, NJ: Lawrence Erlbaum; 1988.
Kailangan Mo Bang Gawin ang Pagsusuring Ito para sa Iyong Manuskrito?
Kinukuwenta at binibigyang-kahulugan ng aming mga PhD biostatistician ang iyong mga effect size, sinusuri ang mga pagpapalagay, at naghahatid ng mga talahanayan na handa nang ilathala na may maaaring kopyahing R output.