科恩d是一种效应量,以指定的标准差为单位表示均值之间的差异。其最常见的形式是将两个独立组的均值之差除以合并组内标准差。它广泛用于行为研究、教育和元分析,以不依赖原始测量单位的方式描述差异的大小。若干相关指标也被称为科恩d,因此其确切定义取决于研究设计和分母的选择。
两个独立组的定义
对于样本量分别为 和 、样本均值分别为 和 、样本标准差分别为 和 的两个组,采用合并标准差的常规形式为
其中
合并方差以各组的自由度为权重,对各组样本方差进行加权。在假定各组具有共同总体标准差 的模型下,该统计量用于估计总体标准化均值差
正负号按照所选的组别顺序表示差异的方向。颠倒组别顺序会使符号反转,但不改变其绝对值。取值为零表示样本均值相等,并不一定意味着分布相同。
作为分母的合并标准差反映的是组内变异。它并非将所有观测值合在一起计算得到的标准差,因为后者还包含由组间均值差异带来的变异。
示例
假设两组样本量相等,均值分别为80和74,标准差分别为12和10,则
因此
第一组的均值比第二组高约0.54个合并组内标准差。这并不意味着第一组的均值高出54%。
解释
科恩d是无量纲的。给每个观测值加上同一个常数,其值不变;将每个观测值乘以同一个正数,其值也不变。因此,只要不同测量工具所测量的构念具有足够的可比性,就可以比较采用不同单位的测量结果。
雅各布·科恩推广了以下大致的参考标准:
| 的绝对值 | 常规描述 |
|---|---|
| 0.2 | 小 |
| 0.5 | 中 |
| 0.8 | 大 |
这些只是粗略的惯例,而非普遍适用的阈值。实际重要性取决于所考察的结局、研究人群、差异所带来的后果,以及标准化时采用的变异程度。对于影响重大的结局,即使标准化差异很小,也可能十分重要;而人为设置的任务中出现的较大差异,实际意义却可能有限。
标准化效应也取决于总体的异质性。同样的原始均值差,在变异更大的总体中会产生更小的d。因此,不同研究之间的d值差异,不一定意味着其背后的原始效应存在差异。
分布层面的解释
如果两个独立观测值 和 分别来自均值为 、标准差同为 的正态分布,则
其中 为标准正态分布的累积分布函数。
当总体效应为 时,该概率约为0.638。它描述的是随机选取的一对观测值之间的关系,而不是从干预中获益的个体所占的比例。代入观测到的d可以得到一个估计值,而这种解释依赖于相应的分布假设。
与假设检验的关系
科恩d描述效应的大小,而统计假设检验评估的是在某一统计模型下,数据与指定假设的相容程度。因此,P值并不是衡量效应大小的指标。
对于通常假定方差相等的独立样本t统计量,
因此
这一恒等式说明了为什么统计显著性不能决定实际重要性。当样本量足够大时,很小的效应也能产生较大的t统计量;而在小样本中,即使估计效应较大,也可能不够精确。
在总体效应和检验方法固定的情况下,增大样本量通常会提高统计功效,但不会增大总体标准化效应本身。
小样本偏差与赫奇斯g
常规的d是一个包含估计标准差的比值。在总体方差相等、独立正态抽样的条件下,小样本中的d在绝对值上存在向上偏差。
赫奇斯g对此作出校正:
在该模型下,精确的校正因子为
其中 为伽马函数。一种常用的近似式为
在通常采用的模型下,这一精确校正可以消除d在有限样本中的估计量的偏差。随着自由度增加,二者的差别会缩小。赫奇斯g常用于元分析,尤其是在各项研究的样本量较小时。
其他研究设计与标准化分母
在不同研究设计中,“科恩d”并不唯一对应某一个公式。不同的分母回答的是不同的问题。
单样本比较
将一个样本与固定的参考均值 比较时,
如果参考均值本身也是从另一个样本中估计出来的,将其视为固定值就会忽略它的抽样不确定性。
配对测量与重复测量
对于配对观测值,令 。一种常用指标为
其中 为个体差值的标准差。它与配对t统计量的关系为
另一种惯例是,用两次测量各自标准差的均方根对均值变化进行标准化:
这些指标不能互换使用。差值的方差为
其中 为同一个体内两次测量的相关关系系数。因此, 不仅取决于各次测量的边际变异程度,也取决于测量之间的相关性。不同文献对重复测量效应的命名和公式并不一致;明确列出公式比仅给出名称更能说明问题。
方差不等与参照组标准化
当总体方差不同时,合并分母便不再估计某一个共同的总体标准差。该统计量仍然可以计算,但其含义取决于各组方差及其样本量权重的组合。
格拉斯Δ则将均值差除以指定参照组(通常为对照组)的标准差:
它回答的是另一种标准化问题,并不只是科恩d的另一个名称。
不确定性与置信区间
观测到的d是一个受到抽样变异影响的估计值。报告置信区间有助于区分估计效应的大小与估计的精度。
在常规的独立样本模型下,其抽样方差的一种常用大样本近似式为
对其开平方可得到近似标准误。此外还有其他近似方法和校正方法,因此不同方法得到的区间可能略有差异。
在方差相等、独立正态抽样的条件下,可以通过反演非中心t分布来求得 的区间。其非中心参数满足
因此,可以将 的区间端点转换为 的区间端点。自助采样区间提供了另一种方法,但其有效性取决于重抽样方案和研究设计。
应用与局限
科恩d可用于比较不同测量尺度上的均值差、规划研究以及综合研究结果。在元分析中,常通过逆方差加权来合并标准化均值差。这种综合仍然要求结局具有可比性、方向编码保持一致,并对相互依赖的估计值作出适当处理。
其主要局限包括:
- 它描述的是均值,而不是整个分布。 均值相等的分布,其离散程度、偏度或尾部特征仍可能不同。
- 标准差会影响其大小。 取值范围受限、测量误差以及总体构成的不同,都可能在原始均值差不变的情况下改变d。
- 离群值可能影响分子和分母。 极端观测值可能同时改变均值差和用于标准化的量。
- 标准化不能确立因果关系。 如果没有适当的研究设计,组间差异可能由混杂和选择偏差解释。描述性的d并不会自动代表因果效应。
- 复杂研究设计需要恰当估计不确定性。 假定观测值相互独立的公式,无法计入聚类、重复观测和其他依赖关系的影响。
- 统计上的可比性不等于实质上的等同性。 两种工具即使测量的并非完全相同的构念,也都可以得到标准化差异。
一份表述清晰、定义明确的报告,应区分原始均值差与标准化均值差,并说明组别顺序、标准化所用的量、样本量、研究设计、偏差校正方式以及区间估计方法。
历史发展
这一指标以心理学家兼统计学家雅各布·科恩的名字命名。他的著作《行为科学的统计功效分析》于1969年首次出版,并于1988年推出第二版,推动了标准化效应量在行为研究中的普及。他将效应大小与功效分析联系起来,并提出了后来广泛采用的小、中、大效应划分惯例。后续的方法学研究发展了偏差校正方法,并厘清了独立组标准化、参照组标准化与重复测量标准化之间的区别。